當Google遇上創新者困境:Perplexity執行長揭露AI搜尋革命的內幕

在矽谷的激烈競爭中,一家成立僅兩年的新創公司正在挑戰搜尋巨擘Google的地位。Perplexity執行長Aravind Srinivas在最新的Y Combinator訪談中,深度剖析了AI搜尋的未來,以及為何Google的商業模式正成為其創新的最大阻礙。這場對談不僅揭露了科技巨頭的困境,更描繪出AI時代的新戰場。

-

#從零到每日數百萬查詢的崛起之路

Srinivas回憶起創業初期的關鍵時刻:「2022年的跨年夜,我們有將近70萬次查詢。產品名稱很糟糕,叫Perplexity,很難念。速度很慢,每個查詢要7秒才有答案。還經常出錯、產生幻覺。沒有知名度的公司、沒有知名度的創辦人,只有一兩百萬美元的種子資金。」

儘管如此,人們仍然在跨年夜使用這個產品,分享截圖。這讓他意識到產品確實有其價值。如今,Perplexity每天處理的查詢量已經大到讓公司面臨基礎設施擴展的挑戰。

有趣的是,Perplexity的誕生並非按照傳統創業教科書的方式。Srinivas坦言:「我們創辦公司時並沒有明確的想法要做什麼,這與YC建議的『從專案開始再轉成公司』相反。」最初,他們嘗試建立自然語言SQL工具,用於搜尋Twitter等關係型資料庫,但最終決定將這個概念擴展到整個網路。

-

#Google的創新者困境:廣告模式的詛咒

當被問及為何Google無法提供類似Perplexity的直接答案服務時,Srinivas一針見血地指出問題核心:「如果人們可以直接獲得『舊金山能看到金門大橋的最佳飯店』或『從舊金山飛倫敦的最佳航班』這類問題的答案,還附帶預訂連結,Google要如何從Booking、Expedia、Kayak那裡賺錢?」

這正是經典的創新者困境。Google的搜尋廣告業務可能是「有史以來最好的商業模式」,但同時也成為其創新的枷鎖。Srinivas觀察到:「對Google來說,一個錯誤就能讓股價暴跌。還記得Bard的現場展示失敗嗎?股價下跌了6%。」

更令人驚訝的是,在2023年和2024年的大部分時間裡,Google內部的AI模型「可能只是第四或第五好」。這意味著新創公司首次能夠獲得比Google更好的AI技術,這在過去是不可想像的。

-

#瀏覽器:下一個AI戰場

Perplexity的下一步計畫令人振奮。Srinivas透露:「瀏覽器是我們對公司未來的最大賭注。每個人都在問,當有搜尋和其他AI應用時,為什麼要使用Perplexity?當然ChatGPT的分佈比我們大,每個AI應用都試圖加入搜尋功能。」

他們正在開發的Comet瀏覽器將不只是另一個瀏覽器,而是一個「認知作業系統」。Srinivas描述:「一個全能搜尋框,你可以導航、提出資訊查詢、下達代理任務。你的AI會在新分頁、側邊欄,作為任何網頁上的助理存在。」

這個瀏覽器將允許用戶並行啟動多個任務,異步運行,整合個人聯絡人、電子郵件、日曆、Amazon帳戶等各種資料來源。Srinivas強調:「Chrome在每個分頁都是獨立進程時很令人興奮。現在想像每個查詢或提示都可以是這樣。」

-

#AI編程工具改變開發速度

在公司營運方面,Perplexity已有約200名員工,並強制使用AI編程工具。Srinivas分享了一些驚人的使用案例:「機器學習工程師可以上傳論文中偽代碼的截圖,要求Cursor編輯檔案來實現新演算法,然後快速運行實驗。實驗時間從3-4天縮短到1小時。」

他甚至會截圖iOS應用,用箭頭標示按鈕需要移動的位置,然後工程師將截圖上傳到Cursor,讓它修改Swift UI檔案。這種開發速度的提升是革命性的。

然而,Srinivas也坦承AI工具的局限:「它也在引入新的bug,很多人不知道如何修復,甚至不知道bug是如何產生的。」他認為,在基礎設施和分散式系統等關鍵領域,仍然需要經驗豐富的工程師。

-

#速度是唯一的護城河

面對OpenAI、Google、Anthropic等巨頭的競爭,Srinivas的策略很明確:「你唯一的模式就是速度。你必須創新,必須比其他人都快。這就像以極高速度跑馬拉松。」

他並不迴避競爭的現實:「如果某件事真的值得做,資金雄厚的公司自然會去做。人們說Perplexity是個好產品,現在每個人都在嘗試做能夠引用來源回答問題的產品。」

但Perplexity的優勢在於專注。Srinivas表示:「你只能在有限的事情上做到世界級,無論是建立優秀的模型還是一兩個真正好的產品。對我們來說,這是我們唯一關心的事:答案的準確性、任務的準確性、協調各種工具。」

-

#未來展望:AI時代的新商業模式

在商業模式方面,Perplexity選擇了與Google截然不同的道路。Srinivas坦言:「我不知道我們是否能達到Google那樣的利潤規模。Google的商業模式可能是有史以來最好的商業模式。」

但他對訂閱收入感到鼓舞:「我們從未預期能走這麼遠,我們認為光是訂閱就能每年增長數十億美元,這是個很好的生意。」除了訂閱,他們還在探索基於使用量的定價模式,以及從AI促成的交易中抽成。

對於網路的未來,Srinivas認為權力分配將變得更加傾斜:「那些試圖玩弄SEO系統獲取流量的網站肯定會更加困難。」但他相信,知名品牌將保留直接的自然訪問量。

這場AI搜尋革命才剛剛開始。正如Srinivas所說,這不僅是技術的競爭,更是關於誰能以最快的速度為用戶創造價值。在這個由速度決定勝負的新時代,創新者的機會之窗正在打開。

參考資料來源:https://www.youtube.com/watch?v=2jOnoTEk-xA

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin