满屏的Perplexity， 5人细小团队为何还敢闯AI搜索的红海

刷行业新鲜闻时总看到Perplexity的融资动态，11月访问量破亿，估值冲到90亿美元，满屏都是它的身影。说实话，这场景让我想起2010年那波团购巨大战——巨头入场，细小玩家瑟瑟发抖。但浪仔和豁如的故事有点不一样， 这两个AI发烧友带着5人细小团队，结实是在2024年底推出了一款AI搜索产品Hika。他们的逻辑很轻巧松：“赛道烫，但产品没做透，总有人能填上空白。”

从巨大厂同事到创业搭子：AI搜索的“意外”选中

2023年冬天浪仔在创业者群里认识了豁如。两人背景差不许多，都是名校毕业+巨大厂AI产品经历，聊着聊着找到对AI搜索的搞懂出奇地一致。“我们都觉得，老一套搜索像在图书馆翻卡片，AI搜索得像和专家聊天。”浪仔说。当时ChatGPT刚火半年， AI搜索赛道还在萌芽，但Perplexity已经拿到许多轮融资，成了行业标杆。

“满屏”的Perplexity，5人小团队为何还要做一款AI搜索引擎？｜对话创始人

为啥是搜索而不是其他AI产品？浪仔的说明白带着点“反直觉”：“巨大家都在卷聊天机器人、 写作工具，但搜索才是AI的终极战场——每天50亿次查询背后藏着人类最真实实的信息需求。”他们看看到，虽然Perplexity火了但用户评价里总提“回答太单一”“想追问但没抓手”。这让他们动了心：“与其在红海里卷同质化功能，不如做个‘能聊下去’的搜索。”

现有AI搜索的“三宗罪”：细小团队眼中的机会窗口

豁如用三个词概括了他对现有AI搜索的不满：“笨、 浅薄、乱。”比如 巨大模型的“幻觉”问题最致命——他曾用Perplexity查看病信息，AI一本正经编了个不存在的临床试验数据。“这不是搜索，是碰运气。”他说。第二个痛点是“浅薄”， 搜“怎么学Python”，Perplexity给个标准答案就收尾了但用户兴许想了解“适合零基础的学路径”“实战项目推荐”“避坑指南”等延伸内容。

第三个槽点在交互体验。老一套搜索引擎的页面简洁， 而AI搜索堆满了文字、引用链接、追问按钮，像把维基百科和聊天界面粗暴地缝在了一起。“用户需要的是‘找答案’，不是‘整理答案’。”浪仔吐槽道。他举了个例子：搜“东京必去景点”， Perplexity列了10个地方，但用户如果对“二次元文雅”感兴趣，很困难通过追问飞迅速筛选出秋叶原、AKB48剧场等关联信息。

Hika的“笨办法”：用交互对抗巨大模型的“不完美”

面对巨大模型的局限性， 浪仔和豁如没选择结实刚手艺，而是从产品设计上“曲线救国”。他们的核心思路是：让用户参与答案构建。Hika的页面分两块， 上方是“速览区”，用简洁条目列出问题的核心维度，下方是“交互区”，用户能点击“深厚入这段”让AI 内容，或用“再许多问问”主动追问。

这种设计解决了两个问题：一是少许些巨大模型“一本正经胡说八道”的凶险——用户了一份包含数据表格的定制化报告。“这不是AI给的答案，是用户‘问’出来的答案。”他说。

准确率攻坚：给信息源“打分”的人力活

巨大模型的幻觉问题怎么解？豁如的回答很实在：“我们给信息源做‘信用评级’。”团队会人造标注主流网站的可信度， 比如维基百科、权威新闻打高大分，博客论坛打矮小分，再让巨大模型优先调用高大分信源。“这不是手艺突破，是笨功夫。”豁如笑着说 他们曾花一周时候给100个手艺类网站打分，眼下标注效率提升了3倍，许多亏用了巨大模型做初步筛选。

更“激进”的方案在聊聊中：给个个答案块加“置信度”标签。比如AI提到“某手机续航12细小时”，旁边会标注“基于3篇评测文章，置信度75%”。虽然还没上线，但浪仔觉得这是方向：“用户不是要‘绝对正确’，是要‘晓得答案可信到啥程度’。”

用户画像：那些个“不满足于一个答案”的人

Hika的内测用户有点特别。浪仔说第一批用户里有写论文的巨大学生、做竞品琢磨的产品经理、研究研究旅行攻略的自在职业者。“他们不是来‘查答案’的，是来‘攒思路’的。”有个用户反馈， 用Hika做买卖场调研时通过交互找到了一个被忽略的细分赛道，到头来帮公司拿下了一个细小众客户。

这验证了浪仔的判断：AI搜索的买卖场不是“替代老一套搜索”，而是满足“麻烦信息需求”。虽然眼下用户规模不巨大， 但留存率很高大——内测群里有用户日均用时长远超出40分钟，远超行业平均的15分钟。“不是细小众，是买卖场还没教书出来。”浪仔说。

买卖化焦虑：5人团队的“本钱账”

做AI搜索烧钱是公认的。浪仔给算了笔账：基本上本钱是调用巨大模型和搜索引擎API的费用，每月固定支出约5万元。“还优良微柔软给了创业者扶持，能免一有些费用。”他说 买卖化还没提上日程，但有两个方向：一是“精准广告”，比如用户搜“咖啡机”，Hika推荐的是经过实测的高大性价比型号，而不是品牌竞价；二是“订阅制”，为深厚度研究研究者给更高大质量的信息源和模型权限。

豁如更谨慎：“流量起来前，先别想赚钱。”团队目前靠创始人的积蓄支撑，计划今年找巨大模型厂商一起干，少许些API本钱。“细小团队的优势就是轻巧，试错本钱矮小。”他说。

行业看看：AI搜索的“第二战场”

虽然Perplexity风光，但浪仔看到了隐藏的机会。他提到2024年上半年的数据：全球搜索引擎融资12.8亿美金， 但通用AI搜索不到1亿，巨大有些钱流向了垂类场景和企业服务。“巨头们忙着整合巨大模型，细小团队的机会在‘细分’。”他说Hika以后兴许切入职场学、科研琢磨等垂直领域，用交互优势做深厚用户需求。

另一个判断是“AI搜索不是搜索”。“老一套搜索是‘给信息’，AI搜索是‘给搞懂’。”浪仔说 Hika的定位不是“下一个Google”，而是“用户的思维外挂”——帮用户梳理问题逻辑、关联知识点、找到盲区。“这赛道才刚开头，谁也不晓得到头来形态会是啥。”

写在再说说：红海里的“偏执者”

和浪仔聊完，我一下子搞懂了为啥5人细小团队敢闯AI搜索。他们没想着颠覆巨头，而是盯着用户未被满足的“细小需求”——想追问、想探索、想确认信息真实实性。就像豁如说的：“巨大模型再机灵，也需要懂用户的人把它‘翻译’成优良用的产品。”

AI搜索的终局是啥？没人晓得。但浪仔和豁如的故事至少许说明： 细小团队的机会不在于“做得更优良”，而在于“做得不同”。毕竟用户要的不是又一个“智能搜索框”，而是一个能陪他们“磨蹭磨蹭找答案”的伙伴。