在当下所有通用 AI 对话产品的界面上，" 联网搜索 " 已成为标配功能。

这个看似简单的按钮背后，隐藏着大模型连接现实世界的密钥——没有实时信息获取能力，再强大的 AI 模型也只能是知识停留在训练截止日的 " 数字化石 "。

鲜为人知的是，目前国内超过 60% 的 AI 应用，包括 DeepSeek 的 C 端应用，联网搜索能力是通过集成博查 AI 的 Search API 实现的。

大模型需要通过这类 API，才能够动态获取最新信息，并输出给用户。AI 搜索和传统搜索在入口端的界面上非常相似，底层技术和最终返回给用户的体验却截然不同。

图：AI 搜索界面

图：传统搜索界面

这也引发了行业热议：AI 搜索是否会取代传统搜索？这个问题的背后，其实是一系列更系统庞杂的问题：

1、AI 搜索和传统搜索的技术基因是否完全相同？

2、AI 搜索是否能够建立起新的护城河？

3、AI 搜索，蚕食的是传统搜索的市场份额吗？

4、从 SEO 到 GEO，企业如何调整搜索优化策略？

5、当下的 AI 搜索，究竟有哪些产品形态，还有哪些难解的问题？

在 DeepSeek 爆火之前，博查 AI 就已为 2000 家企业提供实时联网搜索能力。带着以上这些问题，腾讯科技与博查 AI CEO 刘勋进行了一次深度对话。

1- AI 搜索技术揭秘：DeepSeek 联网搜索能力背后的博查 AI

1.1- AI 搜索底层技术逻辑：检索与生成双阶段

据刘勋介绍，春节期间，Deepseek 流量暴增，经过多轮沟通和筛选，最终选择了博查去提供高并发的 AI 搜索。

刘勋表示，DeepSeek 在选择合作方时，主要考量以下这四点：

• 能否应对高并发需求？
• 产品质量是否稳定？
• 数据引用是否合规？
• 价格是否合理？

这些也是搜索技术公司需要构建的核心竞争力。

从技术架构上来看，AI 搜索引擎与传统搜索引擎从技术到产品均存在着根本性差异，刘勋解释道：

"AI 搜索通常分为两个阶段：检索（Retrieval）和生成（Generation）。

在检索阶段，AI 搜索仍沿用传统搜索的爬虫体系，但后续处理方式截然不同。最大的区别在于，AI 搜索引擎收集到了数据之后，是如何建立索引、如何让用户搜索到（排序）的。

1.1.1- 检索阶段：沿用传统爬虫体系，创新双索引

不同于传统搜索引擎，AI 搜索会进行向量和关键词双索引，通过向量关联，直接匹配用户意图，然后通过关键字搜索解决部分名词的特别匹配的需求，

1.1.2- 排序优化：语义排序与内容源权重

之后对多路召回的结果进行语义排序，在这一层中搜索引擎会对信息源的权威性、原创性、逻辑性进行评分，并增加内容源的排序权重分。例如，学术论文、权威机构网站的内容权重更高，低质量或 AI 生成的内容被判定为 " 噪声 " 而过滤。

1.1.3- 生成阶段：大模型二次筛选与语言重组

然后是生成阶段，搜索结果经过基于 transformer 架构的语义重排后，交给大模型进行二次筛选和语言重组，由 AI 应用返回给用户。"

因此，AI 应用呈现给用户的是经过整理、逻辑清晰、没有广告的答案， 而非传统搜索应用返回的有广告混杂、准确率低的内容列表。

但 AI 搜索并非端到端服务。刘勋强调：

" 博查 AI 的 Search API 仅提供中间过程，最终结果输出由大模型完成。"

图：传统搜索的工作流程图 （AI 绘制）

图：AI 搜索的工作流程图（AI 绘制）

从这整个过程来看，博查 AI 仅仅是 AI 产品的链条中的一环——" 搜索能力 " 的技术提供方。

那么，这一看似细分的环节，技术护城河何在？市场空间又是否足够？

刘勋指出，AI 搜索的核心是 " 数据 + 模型 + 算力 " ：

• 需快速从多源数据（网页、数据库、开放知识库）提取信息，并有足够多的内容可做；
• 通过自研的 Transformer 重排模型，让排序更准确，并让输出结果更适合大模型使用；
• 通过技术架构的优化，让搜索引擎可以支持超高并发，实现超大规模数据库的检索，把搜索结果的反应控制在 1s 以内，毫秒级别。

这些技术积累构成了护城河。但问题在于：如此垂直的赛道，是否会被大客户 " 吃掉 "？

1.2- 博查 AI 的市场定位与护城河：专注 AI 搜索技术提供

1.2.1- 客户类型：四大类客户构成

博查 AI 的客户可分为四类：第一类是大模型公司；第二类是 AI 智能体开发平台；第三类是云厂商；第四类是 AI 应用企业。

刘勋称，目前国内约 60% 的 AI 应用底层联网搜索由博查 AI 提供。

尽管大模型公司和云厂商有能力自研搜索技术，但相比核心大模型业务， 搜索的人力成本高、工程量大 ， 自研并非当下的最优选择 。

" 站在整个产业的角度来看，大厂及头部的创业公司，目前还在集中精力提升大模型的能力，在未来二三十年保持竞争力。社会及资本对这些公司的期待是做出能力超强的人工智能，而不是搜索功能的商业化。" 刘勋解释道。

AI 搜索的能力，更像是大模型连接外部世界的外脑，所必备的技术模块，但并不是核心。因此，找合作方，是性价比更高的选择。

而对 C 端 AI 应用公司而言，自研成本过高。

根据刘勋透露，博查 AI 的成本一部分是与 AI 搜索相关的技术研发，比如搜索模型等，另外一部分就是支付给云厂商的算力成本。

像博查 AI 这样的专注 AI 搜索技术公司，集中了各类客户的需求，博查 AI 能以规模优势压低算力成本。

根据博查官方统计，截至 2025 年 3 月，博查 Search API 日均调用量为 3000 万次。而博查最大的竞争对手——来自美国的 Bing，价格是 15 美元/千次，单次搜索的成本超过了一毛钱。

博查 AI 的价格仅为 Bing 的 1/3。

如果开启联网搜索，相较于不开搜素功能，消耗的推理算力要高一倍。换句话说：" 用户每进行一次大模型的联网搜索，联网搜索过程差不多占据了推理成本的一半。"

1.2.2- 竞争优势：成本、合规与专注

价格优势之外，博查 AI 还强调数据合规性：" 博查服务的大多数是国内 B 端用户，对于数据合规性的要求很高，在收集、处理、存储、共享和使用数据时，都必须遵守相关法律法规。Bing 无法保证数据不出海，数据合规性也不能保证完全和国内法规对齐，这对国内企业是潜在风险。"

1.3- AI 搜索的商业模式与未来：GEO 与知识库建设

生成式 AI 的爆发为 AI 搜索带来巨大需求，但传统搜索面临一个灵魂拷问：竞价排名广告的商业模式是否会被颠覆？

刘勋认为 AI 搜索目前暂时无法代替传统搜索，但是会影响传统搜索的商业模式。

如上文中所说，AI 搜索的底层逻辑完全改变了，即使用户问同样的问题，问不同搜索产品，也会得出不一样的结果。

这就意味着，传统搜索的核心商业模式，企业客户可以靠关键字密度、链接权重、页面结构等技术手段影响网页位置，获得更高的竞价排名，不会再像从前那样可控、有效。

1.3.1- 传统 SEO 的挑战与 GEO 的兴起

那么，传统的 SEO 策略完全失效了吗？如果 AI 搜索产品直接接入传统搜索引擎 API 的话，SEO 还是会有效果；但是如果越来越多的 AI 搜索产品采用新一代的 AI 搜索引擎，SEO 的作用将会逐渐下降。

" 从技术底层来看，新一代搜索引擎架构可以原生支持 IndexNow，用户发布的内容可以发布后直接 push 到博查，秒级进入索引库，优质内容可以快速被分发到 AI 应用中，不再像传统搜索引擎那样有漫长的等待收录过程。

基于这种新的技术架构，可以看到 GEO（AI 搜索优化）相较于 SEO（传统搜索优化）要更加注重内容的与用户问题的语义相关性。因此企业做 GEO， 提高内容的质量就成了必要的手段。

新一代搜索引擎将不再是广告竞价排名机制来破坏用户体验，更有可能是通过优质内容获得曝光度。 企业的 GEO 策略需要从 " 关键词优化 " 转向 " 知识库建设 “，可以构建高质量、结构化、多模态的知识库（如技术白皮书、案例研究），去提升推广内容被模型引用的概率。”

1.3.2- GEO 的核心：内容质量与知识库建设

简单来说，AI 搜索引擎，从源头上就需要 " 好内容 "，而 " 好内容 " 能获得更多的推荐。

刘勋甚至提出了一个看法，跟自媒体时代的内容逻辑相似，企业如果能够提供好内容，那么在 AI 搜索时代，不需要花钱获得曝光，甚至可能能够赚到钱。" 其实归根到底大家需要的都是高质量的答案。"

这是新的 GEO 逻辑。

那么，如果 GEO 的需求已经开始存在，做 AI 搜索应用，是否是一片蓝海赛道？

1.3.3- AI 搜索应用：商业模式仍在探索中

刘勋的观点是：

" 单纯做 AI 搜索并非好赛道。用户需要的是无广告的谷歌和强总结能力的 ChatGPT，而非 AI 搜索这种中间态产品。"

目前 AI 搜索的主要形态包括：

• 对话式搜索引擎（如 Perplexity AI）
• 传统搜索 +AI（如百度文心一言、微软 Bing AI）
• 垂直领域搜索（金融、医疗等）
• 深度搜索/Agent 类产品（如 OpenAI 的 Deep Research）
• 带联网功能的大模型产品（如 DeepSeek）

刘勋所说的 "AI 搜索类产品 "，主要指的是 ToC 的对话式搜索引擎，以对话形式提供搜索结果和答案，支持多轮交互和上下文理解。

从用户端交互界面来看，基本和 DeepSeek、ChatGPT 等大模型产品没有太大的区别。但是，这类公司通常不自研大模型，而是仅提供应用产品，比如说 Perplxity AI。

但是，这类 AI 搜索产品找到了 PMF 吗？刘勋的答案是：" 还没有。"

研发成本高、算力成本高，而 GEO 的可控性还在研发中，还无法达到 SEO 的明显效果，这就意味着，GEO 是否能够延续 SEO 的商业模式也还是问号。

所以这类公司并没有找到清晰的盈利模式。

1.3.4- 传统搜索巨头的转型困境

那么，传统的 SEO 巨头，是否能够转型成为新的 GEO 巨头？

刘勋认为，传统搜索公司受制于广告收入，难以彻底转型，" 巨头不能自己革自己的命，1000 个用户用了 AI 搜索，是不是意味着广告 DAU 就少了 1000 个？他们一般自己会陷于转型与否的艰难抉择中。"

1.4- 博查 AI 的 AGI 愿景：普惠 AI 搜索基础设施

但是，刘勋强调，博查 AI 的竞争对手并非类似于 Perplexity 的 AI 搜索应用。Perplexity 是为 " 人 " 提供 AI 搜索，而博查 AI 是为 AI 提供搜索能力。

1.4.1- 差异化竞争：为 AI 提供搜索能力

目前，博查 AI 在这条赛道上，最大的竞争对手是 Bing，创业公司并不多。

被问及原因，刘勋回答道：" 创业门槛还是挺高的，启动资金最少 2000 万美金，而且需要有很强的技术积累，比如我 10 年前就做过搜索创业。在目前的融资环境下，我们团队是用自有资金创业的。"

关于未来竞争，刘勋最担心突然遇到恶性价格战，" 像当年滴滴和快的的大战，还有百亿补贴的对战，很多时候小公司死掉了并不是因为它的技术不行，而是因为在运营和销售上出了问题，把自己的成本拉得（很高）。因为大公司试错的成本和资金资源都很多。"

" 因此，我们希望能够早早地干到免费。这样某种程度上也意味着 ’ 无利可图 '，可以避免恶性竞争出现。" 技术领先，与通过研发能力获得的价格优势是刘勋认为的护城河。

1.4.2- 降低 AGI 成本：免费与技术驱动

那么免费之后，博查 AI 还有什么商业模式呢？刘勋的回答很出乎意料：

" 博查 AI 创始团队的理想是希望 AGI 早一点到来，但是 Bing 能卖到 15 美元/千次，不光国内用户用不起，海外用户也用不起。AI 搜索是大模型连接现实世界的基础设施，要想实现 AGI，这个成本必须降下来。"

这是一个乌托邦式的目标：当大模型无法连接世界的时候，普惠地做 AGI 的世界知识搜索引擎。

1.4.3- 国家需求与未来增长点：AI Agent 与深度搜索

在交谈中，刘勋也不止一次提到：" 这个小小的联网按钮，是大模型连接现实世界的关键环节，未来与国外竞争时，不能缺失这一环。中国需要完全自研的 AI 搜索引擎。"

如今，随着大模型的迭代，也解锁了人工智能体（Agent 功能），AI 搜索可以通过实时知识检索与推理优化，使 Agent 能够高效应对动态任务、获取信息并做出决策，同时在深度研究领域加速数据分析与科学发现，成为 AI 帮助人类解决复杂任务的关键技术之一。

这也是 AI Search 的又一个增长曲线。

在 AI 时代，搜索不再仅是搜索——它是大模型的实时外接大脑，也是智能决策的基础设施。