炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
2024年3月，AI搜索访问占比达到24.21%，搜索是除大模型外访问量最高的子方向，AI搜索流量快速增长。AI搜索较传统搜索有体验改善的部分，主要基于问答式的提问、专业化的问题解答以及可视化的搜索结果呈现，专业性搜索结果呈现更具逻辑性，但娱乐性内容搜索体验仍有提升空间。目前，主要AI搜索工具仍然在进行初期的商业化探索，商业模式重视C端付费，用户订阅及API调用是主要落地方式，海外应用较国内应用更加成熟。
摘 要
AI搜索流量快速增长，秘塔AI搜索访问量迅速提升。据非凡产研，2024年3月，AI搜索访问占比达到24.21%，搜索是除大模型外访问量最高的子方向。具体在应用上，New Bing、Perplexity AI、YOU、Phind在海外访问量领先，国内应用则主要是秘塔AI搜索及昆仑万维天工AI搜索。据aicpb，3月秘塔AI搜索访问量达到721万次，环比增长551.4%，访问量增长显著。
专业性搜索结果呈现更具逻辑性，娱乐性内容搜索体验仍有提升空间。AI搜索较传统搜索有体验改善的部分，主要基于问答式的提问、专业化的问题解答以及可视化的搜索结果呈现。通过与传统搜索引擎不同的技术手段与呈现方式，在专业问题领域，AI搜索效果优于传统搜索引擎。但从泛娱乐内容来看，AI对用户搜索词条的领会能力仍然较弱，其呈现内容偏向知识性百科，而不是给用户提供娱乐产品触达，该部分体验仍有提升空间。
商业模式重视C端付费，用户订阅及API调用是主要落地方式。目前，主要AI搜索工具仍然在进行初期的商业化探索，海外应用较国内应用更加成熟。以Perplexity和You.com为例，两家AI搜索工具厂商均已初步落地自身商业化模式。传统搜索引擎主要通过广告及SEO优化进行商业化，偏向于向B端收费，C端免费使用；AI搜索类产品更加重视用户订阅及API调用收费的形式，更加偏向直接对C端收费。我们认为，两者的核心差异在于传统搜索引擎的构建和用户单次搜索成本相比于依托大模型进行AI搜索的成本更低。传统搜索引擎流量大幅增长后并不会直接带动公司成本同等幅度的增加，因此传统搜索引擎本身可以免费使用，从而迅速扩大用户基数，获得市场份额，提升广告端的议价能力。但AI引擎基于大模型，需要调用大模型的API，具备更高的算力需求，用户单次使用的搜索成本更高，用户搜索数量的增加与AI搜索公司成本的增加更趋向线性增长。因此订阅制的C端收费更加契合AI搜索引擎的商业模式。由于订阅制收费网站较免费网站而言使用成本更高，我们认为AI搜索工具在搜索效果上需要具备更加领先的优势才能撬动传统搜索引擎的市场份额。
AI引擎能有效提升专业问题的搜索体验，同时也能观察到用户访问量的持续增长，相关应用的商业化直面C端，用户付费习惯养成后有望形成粘性，建议积极关注应用进展。社区类应用有望集成AI搜索功能提升用户体验。同时AI搜索需要后端语料支撑，有望提升语料价值。
模型迭代效果不及预期、算力发展不及预期、商业化落地不及预期。
正 文
一、搜索应用是AIGC重要落地方向
根据非凡产研统计，2024年3月，AI应用中聊天助手访问量最高，在访问量TOP50的AI产品中，该类产品的用户访问数占比达到44.25%；其次为AI搜索，访问占比达到24.21%。搜索是除大模型外访问量最高的子方向。从搜索效果来看，随着AIGC的持续发展，用户通过AI进行搜索得到的结果和搜索体验较传统搜索引擎有明显进步，同时搜索作为应用的流量入口，天然具备访问优势。我们预期AI搜索有望持续具备流量优势。
从具体产品来看，搜索领域的核心应用是New Bing，据aicpb，该产品月访问量达到14.4亿次，领先其他搜索网站。我们认为这主要由于Bing作为搜索工具自身具备流量基础，同时Bing接入GPT形成了良好的用户体验。在新兴的AI搜索工具方面，Perplexity AI、YOU、Phind在海外访问量领先，国内应用则主要是秘塔AI搜索及昆仑万维天工AI搜索。
从应用所属公司来看，AI搜索应用主要由两类公司布局。一类是已有搜索业务，积极探索搜索业务与AI融合的互联网平台公司，包括谷歌、微软、百度、昆仑万维（搜索引擎Opera母公司）等；另一类则主要是初创公司，包括Perplexity AI、You.com及秘塔科技等。
二、AI提升用户搜索体验，商业化落地偏向C端
从搜索结果来看，AI搜索引擎的结果更加丰富，可视化内容强于传统搜索引擎，从而能带给用户更好的搜索体验。但从搜索的准确性来看，部分AI引擎的搜索结果与实际情况存在一定误差，其内容准确性仍有提升空间。
以各搜索引擎对问题“4月11日的欧联杯1/4决赛谁赢了？比分如何？”的回答来看，以谷歌为例的传统搜索引擎仅提供搜索结果，不会对所得信息进行整合串联；五家AI搜索引擎都能准确理解用户问题并输出回答，且都附有参考信源。准确性方面，Perplexity和You.com的搜索内容存在问题，其他三家AI搜索引擎结果较为准确。总结搜索信息方面，天工AI和秘塔AI有更好的呈现效果，天工AI会形成文段结构清晰的文档内容，秘塔AI则会将搜索结果自动整理成思维导图和大纲形式。此外，秘塔AI搜索还会整合和梳理主题相关的辅助信息，包括相关事件及时间线、相关人物组织等，让用户更全面理解搜索主题。
如果对更加专业的场景进行问题测试，例如，我们以“m4芯片的性能比前一代芯片有哪些提升？”作为提问，五家AI搜索产品都能够清晰的输出m4的性能情况，并有条理的进行分类和解读。但You.com的搜索结果有一定误差。搜索结果覆盖度方面，Perplexity的搜索结果较为简洁，天工AI的搜索内容更加全面和结构化，秘塔AI相较于其他搜索引擎提供了更多数据信息支撑结果，同时还设置了实用性的学术搜索模式，信源可覆盖到专业期刊和论文，以供专业人士和科研人员使用。
若以非问答的形式输入，可以看出AI搜索引擎在领会用户思维上与传统引擎有一定差异，这可能与用户量较少及反馈时间较短有关。以搜索动漫《葬送的芙莉莲》为例，以Bing为代表的传统搜索引擎能直接给出漫画及动画观看地址，与用户搜索场景更加匹配，而AI搜索则会出现类似“百科”的内容。我们认为，并非所有的搜索都是解决“是什么”的问题，以娱乐性内容为例，用户的核心期待通常是能够触达所需产品。例如搜索歌曲名的核心诉求通常是下载/试听该音乐，视频与游戏同理，而目前的搜索引擎仍然倾向于以百科的形式回答问题，因此在非提问场景的用户体验上，AI搜索仍有优化空间。
从技术角度来看，谷歌等传统搜索工具基于爬虫-索引-排名和呈现，可以理解为搜索引擎通过抓取网站形成数据库，再提取根据用户搜索关键词按权重排名呈现至用户。而AI搜索则依赖大模型对用户自然语言的理解并生成用户所需要的内容。两者原理的差异使得在专业类问题上，由于大模型有更好的语言理解能力，从而显示出更优越的性能。在偏向大众、娱乐的内容方面，搜索引擎通过用户自身搜索建立的排名体系，能更好的把握用户需求。
从商业模式来看，AI引擎商业化偏向C端，传统搜索引擎更加偏向广告。目前，主要AI搜索工具仍然在进行初期的商业化探索，海外应用较国内应用更加成熟。以Perplexity和You.com为例，两家AI搜索工具厂商均已初步落地自身商业化模式。传统搜索引擎主要通过广告及SEO优化进行商业化，偏向于向B端收费，C端免费使用；AI搜索类产品更加重视用户订阅及API调用收费的形式，更加偏向直接对C端收费。我们认为，两者的核心差异在于传统搜索引擎的构建和用户单次搜索成本相比于依托大模型进行AI搜索的成本更低。传统搜索引擎流量大幅增长后并不会直接带动公司成本同等幅度的增加，因此传统搜索引擎本身可以免费使用，从而迅速扩大用户基数，获得市场份额，提升广告端的议价能力。但AI引擎基于大模型，需要调用大模型的API，具备更高的算力需求，用户单次使用的搜索成本更高，用户搜索数量的增加与AI搜索公司成本的增加更趋向线性增长。因此订阅制的C端收费更加契合AI搜索引擎的商业模式。由于订阅制收费网站较免费网站而言使用成本更高，我们认为AI搜索工具在搜索效果上需要具备更加领先的优势才能撬动传统搜索引擎的市场份额。
AI搜索作为AI领域重要的细分方向，在国内流量方面已经实现显著的增长。重点产品如秘塔AI搜索、昆仑万维天工搜索等访问量均有明显提升，与海外同类产品的访问数差距逐步减小。据aicpb，2024年3月，秘塔AI搜索在AI搜素细分品类中已经进入品类前五，月流量环比增长551.4%，是AI领域重要的新兴应用。
从使用体验来看， AI搜索较传统搜索有体验改善的部分，主要基于问答式的提问、专业问题的解答以及可视化的搜索结果呈现。通过与传统搜索引擎不同的技术手段与呈现方式，在较为专业的问题领域，AI搜索效果通常优于传统搜索引擎。但从泛娱乐内容来看，AI对用户搜索词条的领会能力仍然较弱，其呈现内容偏向知识性百科，而不是给用户提供娱乐产品触达，该部分体验仍有提升空间。
从商业化模型来看，海外AI搜索工具商业化进展较快，从落地方向来看，主要包括B端收费、用户订阅付费、API调用收费及广告等形式；从落地节奏来看，相对于传统搜索引擎免费使用，引擎再通过广告形式获取收益不同，AI引擎由于大模型调用的成本更高，商业化更加偏向直接面向C端收费，因此在整体用户数量和商业落地上有所权衡。
我们认为，AI引擎能有效提升专业问题的搜索体验，同时也能观察到用户访问量的持续增长，相关应用的商业化直面C端，用户付费习惯养成后有望形成粘性，建议积极关注应用进展。社区类应用有望集成AI搜索功能提升用户体验。同时AI搜索需要后端语料支撑，有望提升语料价值。
（一）模型迭代效果不及预期
AIGC相关模型的算法迭代可能进入瓶颈，无法得到更好的测试效果；算法可能过拟合，或在不同数据集上获得不同的效果，从而影响搜索效果。
（二）算力发展不及预期
大模型需要的参数量级和训练数据量级都较大，对底层算力支持的要求较大，如果算力发展滞缓，会导致大模型运行的成本过高，无法继续增大训练量级。
（三）商业化落地不及预期
AI搜索作为一类新兴搜索工具，与传统免费工具存在一定竞争关系，若产品体验差异不明显，则用户付费意愿难以提升，可能导致商业化落地不及预期的风险。
VIP课程推荐
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
