什么样的企业，竟然打破了谷歌税？

01

随着GEO（生成式引擎优化）的快速崛起，连央媒都注意到了这个新兴的产业，很多人也在疑问“AI给出的搜索结果，真的可信吗？”

其实，这个问题不需要太过担忧。

目前虽然有很多灰产在用快速铺文的方式进行曾经类似SEO的优化，这在新事物的诞生中是不可避免的。

但如果了解AI的发展逻辑跟各大AI平台的商业模式，你就能知道这种模式一定无法持续，就像当年SEO也有相同的快排手段，但最终都没能存活太久。

因为生成式AI生存的底线就在于它的客观性跟真实性，一个总是提供虚假信息的AI大模型肯定是无法长久生存的，平台必然会考究信息源的真实性。

其实一些平台早就开始训练AI的数据跟回答了，不再像以前一样用榜单排名，AI会不断排除虚假信息，量化用户的具体需求。

（在不断的训练跟理解中，AI的回答已经发生变化，开始指导用户量化具体的场景、目标）

所以，GEO本身就不是一个一次性的过程，不是靠灰产上一次榜，下一个回答又没了，这没有意义。

GEO的意义是借助企业真实的优势，补充AI在相关对话中的专业性，最终生成出符合用户在特定场景、特定需求的推荐方案，从而长期成为AI构建答案的核心事实素材，占据词义。

就像我们单仁牛商目前所做的一样，这样的GEO才有商业价值可言。

其实在GEO这个概念提出来不久后（2023年11月提出），我们在2024年就对GEO做了很多深入研究，期间也看到了一些非常有意思的AI企业。

（GEO概念的原始论文）

比如说今天要讲的这家企业，Perplexity AI（中文翻译叫困惑，下面我们就简称小P），它就靠着答案引擎打破了谷歌税。

02

什么叫“谷歌税”呢？

在传统的互联网商业模式中，谷歌就扮演着“数字地主”的角色，当然，在国内主要就是百度了。

企业为了在浩如烟海的搜索结果中被用户看见，必须支付两类成本。

显性的广告费用和隐性的SEO成本，这种成本就是“谷歌税”，基于流量垄断的寻租行为。

比如说当一个买家搜索“最佳跑鞋”的时候，传统搜索引擎的前几条结果往往是支付了很高竞价的品牌，而不是客观上评价最好的产品。

这种机制导致了搜索结果的异化，信息的排序不再单纯依据相关性和质量，而是受到广告预算的影响。

对于我们中小企业来说，这构成了巨大的生存压力，对于用户来说，也意味着要在广告、营销软文和SEO垃圾内容中通过消耗大量注意力去淘金。

而小P之所以打破了谷歌税，核心逻辑就在于它试图剥离信息检索过程中的广告中介，通过直接提供精准答案而不是链接列表，切断了用户点击广告的路径。

它利用大模型的阅读理解和归纳能力，把搜索过程缩短为了“提问->获得答案”，代替用户完成了最耗时的信息筛选跟整合环节，直接给出答案。

这种做法本质上就是对互联网流量分配权的一次重新洗牌，小P的逻辑就是，价值不在于链接的跳转，而在于问题的解决，用户愿意为“效率”和“真相”直接付费，而不是通过出卖注意力去换取免费但充满噪音的信息。

当然，这也有一个问题，凭什么它能做到这一点呢？

这就涉及到小P一次非常关键的生死转轴跟原点能力的提升。

03

小P的成长是一个典型的转轴案例，始于一个边缘的切入点，遭遇一场灭顶之灾，通过果断的转轴找到更大的赛道，最终实现爆发式增长。

小P成立于2022年8月，创始人团队都有AI领域的背景，特别是CEO（Aravind Srinivas）曾经在OpenAI工作过，这个经历让他意识到，尽管GPT-3模型非常强大，但它缺乏两样东西：实效性和准确性。

模型被冻结在训练数据截止的日期，但世界是实时流动的，这成为了小P创立之初的原点思考。

于是，在2022年12月，他们发布第一个产品Bird SQL。

这是一个基于Twitter数据的搜索引擎，用户可以使用自然语言提问，系统会自动转化为SQL的查询语句，在Twitter的数据库中检索，返回结果。

它证明了用户对于通过自然语言与数据库交互的巨大需求，但应用场景极其狭窄，仅限于Twitter生态。

于是，在2023年2月，Twitter当时被马斯克收购，更名为X，他们突然宣布关闭免费API访问权限，对企业级API收费。

对于严重依赖Twitter数据的Bird来说，无异于灭顶之灾。

面临生死危机，小P的团队做出了一次非常重要的转轴决策，他们把搜索范围从Twitter扩展到整个互联网。

为什么会有这样的决策？

在于他们对原点能力的思考，也就是企业赖以生存最核心的差异化技术跟认知优势。

他们认为自己原点能力并不是AI搜索本身，而是利用大模型进行结构化推理的技术能力。

就像Bird项目验证了他们能够把用户模糊的自然语言推理成精确的数据库查询。

当这个能力迁移到通用大模型搜索的时候，它依然是存在的，但是需要提升。

于是，他们开始了对原点能力的提升。

1、技术架构的RAG化。

他们重新设计了RAG架构，重点优化了检索速度跟索引新鲜度，建立了一个实时索引系统，专注于抓取最新的、高权重的网页，使得它能够以极低的成本实现“即时问答”，这让他们躲过了ChatGPT席卷全球的第一波浪潮。

2、微调。

AI大模型开发有两个重要阶段，一个叫预训练，这是构建AI大脑的过程，目的是让模型学会语言结构、逻辑推理和基础世界知识，这需要巨大的数据跟成本，小P没有做这件事，因为他们没钱，只能用别人的大模型。

但他们基于自己的原点能力，重点做了第二件事，微调。

也就是在预训练模型的基础上，用特定领域的高质量数据进行训练，相当于专业技能训练。

就像我们当初研发“文思子牙”专业营销AI系统一样，同样是在AI通用大模型的基础上进行微调，用自己特有的数据、模型跟案例，让AI在关于营销的特定任务上表现更加卓越。

小P也是如此，为了让模型更懂搜索，开始训练模型“怎么判断来源的可信度”、“怎么正确引用”、“怎么拒绝回答无法证实的问题”。

在这里，他们做出了一个至关重要的决策：让AI回答的每一句话都必须要有出处。（Citations are non-negotiable）

所以，小P的AI被强制要求在每一处事实陈述后，必须加上准确的引用角标（比如[1],[2]），这些角标会直接链接到原始来源，并且AI要判断信息来源是不是真实、专业、可信，这其实就是GEO的一大核心理念。

为了确认信息的真实，小P引入了合作出版商分成计划，也就是当AI回答引用了合作商的权威内容源，用户点击进去，小P就会提供一部分报酬。

通过这样的利益捆绑，他们确保了高质量数据源的稳定性，也有机会利用合作商的高质量内容进一步训练AI回答问题的准确性。

所以，它并不生产信息，但它是信息的超级解析器。

在2024年，他们更进一步，引入了多模型选择，在确保AI回答真实性的情况下，进一步通过“模型聚合”吸引了大量专业用户，然后通过每月20美元的订阅制度收费。

2025年，成立不到3年的小P，年营收达到2亿美元，估值到了200亿美元。

04

小P选择了一个看似不可能成功的赛道，搜索，但他们避开了传统搜索的优势，借助于AI成功找到了用户对于搜索的最大痛点：用户愿意为了解决实际的问题而付费，而不是搜索广告。

同时，面对生死危机，他们找到了自己的原点能力，把自己对于AI大模型进行结构化推理跟引用的能力一步步打磨到极致，不再依附于单一平台，而是把核心能力迁移到了更广阔的天地，从而获得了更高的商业价值。

当然，随着GEO的兴起以及各大AI平台对于搜索能力的不断提升，这场变革才刚刚开始，我们无法判断小P未来能不能真正成功，能走多远。

但它就像一面镜子，告诉我们在这个AI时代，创业者跟经营者自身的勇气、对原点能力的洞察，以及执行力所能抵达的边界是无限的，我们有机会借助于AI打破过去的枷锁，真正把商业重做一遍。

责任编辑| 罗英凡

图片均来源于网络

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。