採訪Perplexity AI創始人：2025年AI代理4大商業模式，找到最適合你的盈利方向（附視頻）

（關注公衆號並設爲標，獲取最新人工智能資訊和產品）

全文10,000 字，閱讀約需28分鐘

站在2025年開年，你是否也在思考：該如何在AI代理的浪潮中找到自己的位置？在最新一期的印度經濟節目《The Quest》中，估值90億美元的Perplexity AI創始人兼CEO Aravind Srinivas給出了他的答案。

"2025年將是AI代理商業化的關鍵一年。"Srinivas表示，"我們已經看到無數企業和個人在尋找適合自己的AI代理商業模式。關鍵不在於盲目跟風，而在於找到最適合自己的盈利方向。"

作爲走在AI代理商業化前沿的創業者，Srinivas分享了四種在市場上的商業模式。每種模式都有其獨特的應用場景和目標用戶羣：

智能訂閱制：適合提供持續性AI服務的場景。比如個性化學習助手，可以每月收取固定費用，爲用戶提供全天候的學習規劃、知識解答和進度追蹤。又如商業智能助手，能夠持續監控市場動態，進行數據分析，並提供決策建議。

任務計費制：適合專業性強、單次價值高的場景。例如AI代理幫助編寫商業計劃書，或者爲企業進行品牌營銷方案設計，每完成一個具體項目收取相應費用。這種模式特別適合諮詢顧問和專業服務提供者轉型。

交易分成模式：適合電商、旅遊等具體交易場景。想象一下，你的AI代理幫用戶定製旅行方案，從機票預訂到酒店選擇，最終從每筆成交中獲取佣金。又如在電商領域，AI代理根據用戶喜好推薦商品並促成交易。

革新性廣告模式：這是一種全新的商業模式，特別適合面向高淨值用戶的場景。廣告不再直接打擾用戶，而是由AI代理智能篩選。例如，當用戶需要購買豪華車時，各品牌可以向AI代理投放個性化的優惠方案，由AI根據用戶偏好進行篩選和決策。

"選擇哪種商業模式，需要考慮你的技術能力、目標市場和資源積累，"Srinivas強調，"重要的是找到最適合自己的切入點。有些人可能適合從單一模式起步，隨着經驗積累再逐步擴展；也有人可能可以多種模式結合，打造完整的商業生態。"作爲引領AI行業的企業家，他堅信2025年必將是AI代理商業化的重要轉折點。而能否在這波浪潮中抓住機遇，關鍵就在於你如何選擇最適合自己的商業模式，並付諸行動。

人工智能浪潮下，你準備好了嗎？ 掃碼參與頂尖學府AI人才培養計劃，掌握未來競爭力！ AI浪潮洶涌而來，2029年AGI即將到來， 不學習就是在倒退，現在正是提升自己的最佳時機。 我們AI深度研究院正在與復旦大學、上海交通大學、中國科技大學， 聯合打造面向未來的AI實戰課程，讓每個人都能把握AI紅利。 和頂尖專家一起，解鎖AI時代的無限可能。 掃描二維碼，提前佈局AI時代 不要讓未來的你，遺憾錯過現在的機會！文稿整理

主持人：今天的嘉賓是 Aravind Srinivas，他是 Perplexity AI 的創始人之一。這家公司是當今最知名的生成式 AI 公司之一。他是一名工程師，曾在印度理工學院馬德拉斯分校和加州大學伯克利分校接受培訓。他是一位 AI 研究員，曾在 DeepMind、Google 和 OpenAI 工作過，然後開始創業。如今，生成式 AI 已經成爲一個擁擠的領域，各大巨頭爭奪霸主地位，而 Aravind 和 Perplexity AI的崛起——目前估值達 90 億美元——在這片競爭激烈的領域中堪稱逆襲故事。

嘉賓Aravind Srinivas：謝謝邀請我來這裡。

主持人：首先，聖誕節以來生活如何？

Aravind Srinivas：非常忙碌。我在這裡見了很多人，顯然網上也有很多討論，比如在 Twitter 上的各種事情。但我儘量專注於公司以及我們計劃在明年年初推出的項目，以及我們需要做的一切來進一步區分自己。這就是我現在的重點。

1、AI搜索引擎-Perplexity

主持人：讓我們談談 Perplexity 吧。你剛纔提到，現在你的重點是新一年推出新功能。你能具體談談接下來會有哪些新內容嗎？

Aravind Srinivas：過去兩年可以總結爲一種人們獲取在線信息方式的巨大範式轉變。以前，人們會輸入關鍵詞，瀏覽鏈接，點擊它們，然後在腦海中拼湊出答案。而現在，AI 本質上已經替代了這些工作，你可以直接提出問題並得到答案。我覺得，問答已經成爲每個人生活中非常重要的一部分。以前，你會問朋友一個問題，如果朋友知道答案，他們會告訴你；如果不知道，他們會問其他朋友，或者去查資料。而現在，只需要問 AI 一個問題，就能立即得到答案。

主持人：這正是你非常形象地稱爲“Plexing”的東西，對吧？

Aravind Srinivas：對，“Plexing”。我認爲，這將成爲一種人們理所當然的習慣。科技進步的速度與我們人類適應並將其視爲理所當然的速度一樣快。因此，未來兩年需要關注的不僅僅是“答案”。過去兩年的主題是從“鏈接到答案”，而接下來，我認爲我們需要從“答案”轉向“行動”。在讀完一個答案之後，你通常會採取一些行動。很多時候，這些行動是基於研究的結果，比如你需要決定做什麼、買什麼，或者在年底最後幾天去哪裡度假。如果 AI 可以幫你制定行程並完成預訂，即便預訂不可用，AI 也可以爲你提供新的建議並完成新的預訂。這種循環纔是真正實現 AI 承諾的閉環。

AI 還可以幫你完成其他任務，比如爲你買禮物，或者爲別人買禮物，甚至製作 PowerPoint 演示文稿。將答案轉化爲幻燈片，免去手動複製粘貼的步驟——很多人現在使用生成式 AI 工具的方式就是將答案的一部分複製到 Google 文檔或 Google 幻燈片中，然後再進行演示。但爲什麼要讓人們承擔這種負擔呢？所以，我認爲未來將更注重工作流，而不僅僅是工具。當一切都可以通過工作流完成時，很多事情甚至可以被計劃和自動化。屆時，你會感覺到 AI 代理已經成爲你生活的一部分，就像你有了一個爲你工作的助手。我覺得這些變化非常令人興奮，並且會在很多領域發生。我們也非常期待能在其中以有意義的方式做出貢獻。

主持人：你會說這種面向消費者的 AI 特定迭代浪潮，是在兩年前 Perplexity 成立以及早期的 ChatGPT 向公衆開放時開始的嗎？那時，我們開始習慣一個非常聰明的機器人爲我們提供答案。你是否認爲，下一波浪潮會是“代理”階段，智能機器人不僅爲我們工作，還能更個性化地服務於我們？

Aravind Srinivas：是的，這種個性化的確非常重要。問答很難做到完全個性化，因爲大多數時候，答案都是大同小異的。當然，我們可以優先考慮某些你更喜歡的來源，或者排除你不喜歡的來源。但我認爲，只有當 AI 開始爲你做事，並逐漸學會你的偏好，甚至無需你額外解釋就能理解你的需求時，你纔會真正感受到它像一個私人助理。這種私人助理的感覺非常重要。一旦這種體驗實現，你將與每個 AI 建立完全不同的關係。現在，很多人覺得不同的應用之間沒有太大區別。有些應用可能比其他應用更準確，但總的來說，差異不明顯。然而，當代理開始爲你工作時，你會感覺到這個代理真正瞭解你。你已經和它進行了多次互動，建立了信任，不想再切換到其他代理，因爲重新訓練一個新代理來理解你是很麻煩的。我認爲，2025年“個性化代理”會成爲一個重要主題。當然，“代理”這個詞現在有點像流行語了，但它確實反映了未來的趨勢。

主持人：當 AI 開始替你採取行動，並且越來越個性化地爲你服務時，你會開始感覺它像一個助理。這會非常強大。你會認爲這也可能顯著增強 AI 公司的盈利能力嗎？因爲一旦涉及交易而不僅僅是交互，就會有更多的盈利潛力，對吧？

Aravind Srinivas：我認爲這將是一個新的開始。我覺得大家一直在等待，“AI 什麼時候才能真正賺到很多錢？”因爲現在的數據中心建設成本非常高，而目前 AI 的收入遠遠低於用於訓練這些模型和提供服務的投入。就像你看到的，OpenAI 每年虧損超過 50 億美元。

主持人：那 Perplexity 的虧損情況？

Aravind Srinivas：絕對要低兩個數量級（笑）。不過，我認爲真正的價值在於人們認識到，支付費用使用 AI 實際上是值得的。現在，並不是每個人都願意爲優質的問答服務付費，因爲要接受這種觀念並不容易。而另一方面，人們更容易接受爲一項能夠替他們完成大量工作的 AI 服務付費。這種行爲很容易被接受，因爲這類似於僱人工作。比如叫一輛 Uber 時，你實際上是在支付司機和平臺的費用；或者僱人來打掃你的家、做飯等。這種爲別人工作付費的觀念已經深入人心。但到目前爲止，AI 並不能真正爲我們做這些事情。而一旦 AI 開始可靠地完成這些任務，AI 應用的盈利能力就會大幅提升。此外，每次交易本身也可以被貨幣化。比如，AI 代理從交易中抽取一部分佣金。就像 AI 代理從支付中分成，對吧？而且不僅僅是供應商。這樣可能會產生許多有趣的結果。你可以設想廣告模式也可以融入其中，比如供應商向代理支付額外費用以提供某些特殊優惠。

我最近有一個假設性的想法，那就是如果廣告的投放對象變成 AI 代理會是什麼樣子？用戶永遠不會看到廣告。與 Google 不同，供應商之間不再爭奪用戶的注意力，而是爭奪代理的注意力。但品牌首先需要適應這種做法。比如，爲了爭奪 AI 代理的注意力而支付一定的預算，這個概念目前對品牌來說可能還比較陌生。舉個例子，當我對 AI 代理說：“我打算去希爾頓住兩晚，幫我制定計劃並預訂。”此時，在後臺，代理開始執行這些任務，就會有五家旅遊公司、平臺或航空公司競爭代理的注意力。

2、AI代理商業模式

主持人：而這種廣告經濟可能會圍繞最低價格或用戶設置的其他參數展開競價，對吧？

Aravind Srinivas：是的，這一切都在用戶完全不需要看到廣告的情況下發生。值得注意的是，AI 代理可以花費更多的計算資源，因此它能夠了解所有品牌的廣告信息，並從廣告收入中受益。這是一件非常有趣的事情。作爲用戶，我更願意遠離這些幕後交易。但這些商業模式的確是可能的。所以，盈利的方式可以有三到四種：

第一，直接訂閱，比如用戶爲 AI 的服務支付一筆費用，而這不是基於使用量的；

第二，按任務收費，比如用戶爲某一特定用途使用 AI；

第三，從交易中抽成；

第四，AI 代理可以接收廣告。用戶還可以教代理忽略那些惡意品牌，即使它們試圖投放廣告，而這些互動是用戶和代理之間的私密交流，廣告商對此一無所知。

所有這些都只有在 AI 代理真正發揮作用的情況下才可能實現。如果代理不起作用，這些都只是理論上的假設。關鍵是可靠性，這也是爲什麼我們不應該太超前，還是腳踏實地。也許明年會有一些事情成真，一些功能能夠可靠地運行。

主持人：未來五年，你認爲許多事情都會實現，是嗎？

Aravind Srinivas：我認爲在整個 AI 革命中，最令人印象深刻的並不是我們已經完成了什麼，而是變化的速度。這些技術進步得如此之快，這纔是最讓人震撼的。兩年前我們還說“幻覺現象太多”，但現在這種現象已經顯著減少了。

主持人：關於這一點，技術上來說，在過去兩年裡，比如 Perplexity 非常活躍的這段時間，你認爲幻覺問題減少了多少？

Aravind Srinivas：我沒有一個準確的數字可以給出，但一個粗略的估算是，當我們剛開始時，大約 10 次查詢中有 2 到 3 次是錯誤的。這是我們第一次發佈產品時的情況，當時我們覺得即使有錯誤也可以推出，因爲這是我們與大型科技公司競爭的優勢。但隨着 GPT-4 的出現，相比 GPT-3.5，幻覺現象減少了一個數量級。

現在，比如 Claude Sona 3.5 模型發佈後，有兩種生成式 AI 產品在幻覺現象大幅減少方面受益最大，一個是我們 Perplexity，另一個是編碼助手 Cursor。這兩個產品的採用率在 Sona 3.5 發佈後顯著增加。如果你是 Perplexity 的高級訂閱用戶，並將 Sona 3.5 設爲默認模型，那麼幾乎很難再看到錯誤答案。並不是說錯誤完全爲零，但可能只有 50 次中有 1 次是錯誤的。

我很有信心，明年會有一個更好的模型出現。這意味着對每位用戶來說，這種錯誤會變得更加邊緣化。從某種意義上說，在短短兩年內，問答幾乎成爲了一個“已解決的問題”，現在主要是解決長尾問題。沒有任何一個人類可以在這麼短的時間內回答所有這些問題，而 AI 已經能夠實現了。同時，這種能力並不會讓人感到威脅，因爲它並沒有取代某種專業，而是爲所有人提供了幫助。這是一個全新的現象，大家都能從中受益。

主持人：我對你剛纔提到的廣告模式很感興趣，廣告並非面向人類用戶，而是面向機器用戶。你認爲未來的廣告模式是否可能轉變爲由廣告商補貼用戶，允許用戶免費使用機器人，而廣告商可以向用戶的代理投放廣告？這其實是現如今許多媒體的補貼模式，對吧？

Aravind Srinivas：廣告肯定會成爲這些產品的一部分。但我認爲這種新模式會比以前的模式更有利於用戶。以前的模式中，運行服務的公司從廣告商那裡獲益最多，而用戶卻沒有。在新模式中，用戶不會受到廣告的干擾，他們的體驗不會受到影響。事實上，用戶還可以告訴工具忽略某些品牌或廣告，而廣告商對此一無所知。廣告商可能仍然需要向代理投放廣告，儘管他們可能需要適應這一點。但最終，如果用戶希望這樣，廣告商可能別無選擇。任何將權力從廣告商轉移到用戶的模式都是一件好事，因爲這是人們真正想要的，也是顛覆傳統的方式。

當然，這種模式的利潤率可能會更低。廣告商可能不願意像以前那樣支付高額的利潤率，但這沒問題。正如那句名言所說：“你的利潤率就是我的機會。”如果某個業務的利潤率是 80%，可能會有人以更好的用戶體驗和 30% 的利潤率來建立一個類似的業務。這可能會發生在傳統的 Google 搜索廣告與基於 AI 的交互之間。我認爲沒有任何 AI 業務能達到 Google 搜索廣告的利潤率，這是幾乎不可能的。但同時，這又有何關係呢？一個 30% 利潤率的業務對大多數人來說已經非常有吸引力了。在如此大規模的情況下建立一個盈利的業務本身就已經非常困難了。

3、Perplexity AI與谷歌競爭

主持人：當你還是學生，在 DeepMind 和 OpenAI 工作時，你一定知道 AI 是一個非常昂貴的領域。它需要大量的計算能力。那麼是什麼讓你有信心投入這個領域呢？並且又是什麼覺得自己能夠與行業巨頭競爭呢？

Aravind Srinivas：其實，我並不認爲自己能與行業巨頭競爭，我創業也不是因爲我有信心能打敗他們。我覺得很多時候，人們創業是因爲在某幾周或幾個月裡，他們有一種完全無知卻極度自信的狀態，這種“非理性的自信”通常會推動你去嘗試一些事情。事實上，在任何階段創辦公司都是一種非理性的決定，因爲從統計學上看，大多數公司都會失敗，大多數初創公司也會失敗。創業往往會耗費大量的時間，而很多人在關閉公司後再回到其他公司工作時，會後悔曾經浪費的時間。

但是，這也有另一面。如果你在臨終時想起：“也許我當初應該嘗試一次。”這種想法就是貝佐斯的“後悔最小化框架”。加上你會覺得“YOLO”（你只活一次），不妨一試，看看會發生什麼。對我來說，這更多是關於內心的探索。每個人都會有一種深層的疑問：我是否足夠優秀去做一名創始人？這是否適合我？同時，你會問自己：“爲什麼我總是爲別人的願景執行任務？”

最終，我接受了一個事實：如果我在任何公司工作，那是他們的權利來告訴我該做什麼，因爲他們有自己的計劃和路線圖。我不能因爲他們不讓我做自己想做的事情而感到憤怒。同時，如果你有那種“我只想按自己的方式做一切，不想聽任何人意見”的心態，那你最好自己去創業。如果現實讓你在創業中失敗了，那就接受這個事實，要麼再嘗試一次，要麼回到爲別人的願景努力的軌道上去。唯一知道你是否能夠執行自己願景並獲得權利的方法就是親自去嘗試，去發現。我不想用那種慢速的方式，比如花五年時間逐步爬升職位。我只是想立即嘗試一下。

主持人：當你在那些公司工作時，你是那種所謂的“10 倍工程師”嗎？會覺得自己需要做得更多，或者其他人沒看到事情的發展方向？是否有這種內心的不滿足感，驅使你通過創業來解決？

Aravind Srinivas：首先，我從來不是“10 倍工程師”，我也從未認爲自己是這樣的。我很清楚有比我更優秀的工程師，我也不可能通過成爲最好的工程師而達到頂峰。但我確實擁有非常深刻的技術理解，也是一名相當不錯的程序員。同時，我在高層戰略思考和溝通方面也很擅長。我覺得這種能夠既有深度技術能力，又能很好地說服他人一起努力的能力，是一個需要被充分利用的獨特交叉點。大多數成功的科技創始人都具備這種能力。我知道自己想成爲一名創始人，我也對自己想做的事情有一些想法。但這並不是說別人沒有看到這些想法，而是我沒有獲得執行這些想法的資源。這是合理的，因爲我當時還沒有證明自己有資格。正因如此，我決定去證明自己，看看是否能做到。如果我沒有在創業中走遠，我也會接受這個事實，然後回去當一名獨立貢獻者（IC）寫代碼。

主持人：創業初期的日子是怎樣的？第一筆重要的支持或資金什麼時候到來？你是如何選擇聯合創始人的？

Aravind Srinivas：我和我的聯合創始人 Dennis 認識了一年到一年半時間。我們曾合作寫過同一篇論文，並在伯克利有過交集。他當時是訪問學生。我們聊過很多不同的想法，比如那時 Google DeepMind 發佈了一個 Android 模擬器，我們討論過訓練 AI 來控制應用程序的可能性。當時我們對這些非常感興趣，但一直沒有實現。他後來去了 Meta，我加入了 OpenAI，但我們保持了聯繫。直到某個時刻，我遇到了 Elad Gil，他是我們的種子投資人之一，也是硅谷非常著名的投資人。他對我說：“我不在乎你做什麼項目，但我建議你做一些具體的事情，而不是瞄準太大膽的目標。”

他表示願意投資 100 萬美元，並介紹我認識 GitHub 的 CEO Nat Friedman，後者也投了近 100 萬美元。這樣，我們就有了資金，可以開始做點事情了。然後我說服了 Dennis 辭去 Meta 的工作，和我一起創業。接着我們又說服了他的朋友 Johnny 加入，他是世界排名第一的競技編程選手。當時他在 Tower 做量化交易員，我們讓他放棄了高薪工作。放棄量化交易的高薪加入你們的創業公司這很不容易。特別是量化公司會支付非常高的工資。前兩年，我們甚至沒有給他付全額工資。他只要求支付最低的醫療保險現金部分，其餘的以股權形式補償。我們覺得他真的有創始人水平，所以就讓他成爲了聯合創始人。這就是公司的開始。

主持人：和世界排名第一的競技編程選手合作是什麼體驗？是否加快了開發速度，或者提高了團隊的整體水平？

Aravind Srinivas：如果你自己不想寫代碼，那你最好有一個能比你快十倍的人來寫代碼（笑）。我們決定合作時，根本沒有給他面試，因爲他的能力已經無需證明。我們直接進行了一段時間的試用，看看合作是否合適。如果他不投入太多工作，我們只能得出一個結論，那就是他對這個項目不感興趣。

4、創業團隊成功要素

主持人：因爲你非常有能力，所以如果決定做某件事，就沒有理由做不到。這種方式是否也傳遞了相同的信息給你們的團隊？另一方面，如果有人行動非常快，是否意味着他們對這件事充滿熱情並適合合作？

Aravind Srinivas：這種方式確實奏效了。他對這件事表現出極大的興趣。他剛接觸 AI，所以他非常喜歡嘗試這些模型。我們大概在一週內決定一起合作。我想說，這種快速決策是我們的一大優勢。初創公司最重要的就是速度，勢頭就是一切。像他這樣才華橫溢的人，寫代碼對他來說毫不費力。他可以在 40 小時內完成普通優秀工程師 80 小時的工作量。很多人質疑“10 倍工程師”的概念，認爲這很有爭議，或者認爲這是一個被誇大的說法。但實際上，有些人確實完全超出常規能力範圍，能夠與他們合作是一種榮幸。

主持人：所以 Perplexity 的本質是建立在其他大型語言模型之上的一層，比如 Claude 或 ChatGPT，對嗎？

Aravind Srinivas：我們會使用市場上所有最前沿、最先進的模型，同時也會基於現有的開源模型，比如 Llama，對其進行後訓練或微調，使其更適合我們的產品需求。我們的核心技能是讓模型擅長總結，例如生成高質量的引用，確保每句話末尾都能指向正確的來源；輸出格式化，比如簡潔明瞭地回答查詢；以及推理能力，比如將複雜的查詢分解成多個部分並重新組合答案。我們還會根據查詢需求生成結構化輸出，比如需要用項目符號、Markdown 或表格展示內容。此外，對於過長的查詢，我們會進行多步驟分解。我們將這些後訓練技術應用到 Llama 和其他模型上，比如 OpenAI、Anthropic 等模型。

然後，我們將所有這些技術打包到一個產品中提供給用戶。默認設置會根據查詢內容選擇合適的模型。我們進行了大量的評估，以確保用戶體驗非常出色，讓用戶無需過多思考選擇。大多數用戶並不想理解不同模型之間的細微差別。有些用戶喜歡嘗試設置，比如像調整電視遙控器上的不同模式，但更多人並不關心這些技術細節。我們從來沒有試圖與其他公司競爭誰的 AI 模型最聰明，因爲這是不可能的。

主持人：爲什麼不可能呢？

Aravind Srinivas：因爲這需要大量資源，比如至少 100 億到 200 億美元的資本。你可以看看這個領域裡任何嚴肅玩家的融資情況：Google 資金幾乎無限；OpenAI 已經籌集了至少 200 億美元；Anthropic 超過 100 億美元；X.AI 籌集了 120 億美元左右；Meta 和 Google 類似，資源無限。如果你真的想參與這場競爭，就必須有足夠多的現金或融資能力。但如果你起步晚了，你會錯過用這些資金購買 GPU 和建設數據中心的機會。比如馬斯克在一個月內建好了整個數據中心，這是非凡的壯舉。但即便如此，他的團隊也早在 2022 年底或 2023 年初就開始組建了。所以我並不想參與這場資源消耗的競爭。

主持人：那麼你的策略是什麼？

Aravind Srinivas：我的策略是，無論這些公司開發出什麼樣的模型，我都要將這些模型的強大能力帶給普通用戶，讓他們能夠利用這些推理能力真正改善生活，幫助他們完成許多任務，回答各種問題。事實上，我認爲在模型開始逐漸商品化的世界裡，這種策略的價值會更加顯著。雖然目前可能會有人認爲“這家公司只是一個包裝工具”，但實際上，我們在模型之上構建了許多技術層次，包括後訓練、多步驟分解、推理、格式化、結構化輸出、意圖分類等。比如，我們會根據查詢內容是財務、旅行、購物還是本地服務，選擇合適的數據提供商，並實時接入數據。所有這些都需要大量領域知識和專注的工作。如果沒有專注於此的全職團隊，產品體驗會非常糟糕。而這些模型開發公司往往需要同時兼顧模型開發和產品化，很難在這兩方面都做到最好。

主持人：極度專注於 AI 是否能夠成爲一種競爭優勢？在你的公司內部，這是否是一個有爭議的話題，或者公司對這個方向非常有信心，認爲這是一個值得投入的領域，並且會繼續保持競爭優勢，而不至於在大公司開始構建這些應用層時被淘汰？

Aravind Srinivas：這是我幾乎每天都會思考的問題。對我來說，這不僅僅是公司層面的決策，而是我的個人信念。AI 有一個很有趣的特性，你不能簡單地把它“灑”在現有的應用程序上，然後聲稱自己推出了一些創新。很多公司嘗試過，比如 Google 把 AI 加到了搜索框下，Meta 把它放進了語音助手裡。雖然這些功能有一定的使用場景，但並沒有你想象的那麼戲劇性地改變用戶體驗，也沒有取代現有的前端工具，比如 ChatGPT 或 Perplexity。我們的使用量依然在增長。

這是爲什麼呢？因爲在用戶的心目中，一個特定的應用程序是爲特定目的服務的。你已經習慣了 WhatsApp 是用來和人溝通的。當你打開 WhatsApp 時，可能會看到大量羣聊信息，但你不會想到在 WhatsApp 上與 AI 進行聊天。WhatsApp 不支持存儲你的所有歷史聊天記錄，也不能提供個性化的體驗，或自定義界面。因此，大公司無法利用他們現有的分發渠道來推進 AI 應用。他們必須重新構建獨立的應用程序，比如 Google 的 Gemini。這些獨立的應用需要從零開始積累用戶。雖然他們的品牌讓他們能夠從一開始就獲得大量用戶，並且他們可以在應用商店廣告等方面投入巨資，但留存率卻很低。

主持人：這是否也是像微軟 Copilot 那樣獨立推出產品的原因？

Aravind Srinivas：是的。這也是微軟爲什麼不得不開發一個獨立的產品，而不是直接將其整合到 Word 或 Bing 中的原因。將 AI 整合到現有前端會破壞用戶的當前體驗，人們不喜歡這種方式。因此，他們必須從頭開始構建新的產品。這也是爲什麼一家新的初創公司開發新的 AI 產品仍然有機會。因爲大家都在從零開始爲獨立的應用爭奪用戶。雖然初創公司沒有現成的分發渠道和品牌，但我們可以快速行動，構建更好的用戶體驗。我們沒有官僚制度，可以更快地做出決策，承擔更大的風險。這些都是大公司不具備的優勢。最終，時間會告訴我們誰會勝出。如果我們不能迅速獲取用戶並保持增長，我們顯然會輸給大公司。但如果我們持續增長並快速推出獨特的功能，那麼人們會將他們的大公司應用視爲另一款普通應用，而不會特別選擇它們。他們只會選擇最好的產品。

5、初創公司融資經驗

主持人：籌集資金的過程是容易還是困難？

Aravind Srinivas：籌資並不像有些人想象的那麼容易。有些人會問，“這家公司怎麼能連續完成這麼多輪融資？”這實際上是我們今年用戶和收入呈指數級增長的結果。一開始，我們的年經常性收入（ARR）大約是 300 萬到 400 萬美元，現在接近 7000 萬美元左右。我看到有人提到是 3500 萬美元，但那可能是稍早的數據。在查詢量方面，今年年初我們每天處理大約 250 萬次查詢，而現在已經接近 2000 萬次。雖然因爲 12 月的原因有所下降，但在 12 月前兩週，我們仍然保持在 2000 萬日查詢的水平。這幾乎是 10 倍的增長。我們的估值自然也隨之增長，因爲我們不僅在增加使用量，還在實現盈利。我們相信，明年可以繼續以這個速度增長。如果我們能夠達到每天超過 1 億次查詢，那將是一個重要的里程碑。當時 Google 的流量大約也是 1 億次查詢。但每次 Perplexity 的查詢長度大約是 10 到 11 個詞，而 Google 查詢通常只有 2 到 3 個詞。因此，我們的用戶參與度和意圖要高得多，交互也更密集。

主持人：如果你們開始進行貨幣化，付費用戶的平均每次查詢收入是否比 Google IPO 時的每次查詢收入更高？這是否讓你們看起來非常有前景？

Aravind Srinivas：從這個角度看，一切都非常積極。所以，這也是爲什麼投資者願意投資我們的原因。但同時，總會有一些質疑，比如：“你們的產品很好，增長速度很快。但 ChatGPT 正在快速追趕，他們已經在聊天界面中整合了搜索功能，並且擁有 3 億用戶，這是與 AI 同義的終極品牌。那如果他們限制了你們的增長呢？如果你們無法繼續保持目前的增長速度怎麼辦？”再加上 Google 也在推出 Gemini，以及其他類似的產品。可以說，這既有積極的一面，也有競爭壓力。因此，雖然能激發投資者的興趣，但實際上完成融資輪依然非常困難。

主持人：關於大型語言模型，這些可以說是過去幾年最令人興奮的技術發展之一。它們本質上是預測下一個單詞的工具，但現在我們也看到了推理和問題解決能力。那麼，當我們思考 AI 的未來時，尤其是在拓展人類純科學邊界方面，比如解決那些百年來未解的數學難題，我們似乎還沒有看到太多進展。你認爲我們什麼時候能達到那樣的高度？

Aravind Srinivas：我認爲我們距離那一步還很遠，甚至可能現有的範式不足以達到那種高度。目前的模型更多是“分佈內”（in-distribution）的能力，即它們在訓練數據範圍內表現很好。不過，最近 OpenAI 發佈的 03 系列模型展示了一些超出分佈（out-of-distribution）的推理能力，比如在軟件工程和編碼基準測試上表現出色。不過，這些模型實現這些結果的代價是極其高昂的計算能力，比如單個任務可能需要花費 10 萬美元或更多。這種高投入是否值得是個有趣的話題。比如，對於克雷數學獎（Clay Mathematics Prize）中的問題，獎金是 100 萬美元，如果投入類似的計算資源並取得突破，也許是合理的。

但目前，這些模型的能力仍然侷限於一定範圍。不過，我們正在看到一些邊界的模糊，比如訓練集和測試集之間的界限越來越模糊。OpenAI 的 o3 系列模型提出了一個新範式，即通過強化學習（RL）而不是簡單的預測下一個單詞來訓練模型。這些模型被訓練爲完成任務的獎勵信號優化器。如果它們在任務分佈中表現很好，那麼面對一個新任務時，它可能能夠快速適應並找到解決方案。然而，這種範式還需要大規模的推理能力支持。比如，未來的模型是否能自主運行強化學習任務，收集獎勵信號，與人類交流反饋，然後再進行新一輪的強化學習？這類迭代系統還不存在，但我們正在朝這個方向發展。我認爲一旦出現突破，比如開發出一個真正的 AI 數學家或科學家，這可能會被視爲“超級智能”。

主持人：這是否需要量子計算的支持？

Aravind Srinivas：也許需要，但目前看來，現有的 GPU 仍有很大的潛力。比如 NVIDIA 的 B100 GPU 等新一代硬件尚未被充分利用。這些技術可能會加速實驗的進展，使一些目前不可能的實驗成爲可能。當然，這需要更多的資金和更大的超級計算機，但我們生活在一個可以大膽嘗試的時代，這本身就令人興奮。

6、AI搜索內容來源

主持人：關於大型語言模型的一個批評是，它們是基於其他人創造的數據和內容進行訓練的，比如出版商的內容。像《紐約時報》這樣的出版商對這種做法表示不滿，並已經通過訴訟表達了立場。你對此有何迴應？

Aravind Srinivas：我們選擇不參與模型的預訓練工作。即使進行後訓練，我們也是訓練技能而不是複製內容。從 Perplexity 的角度來說，我們會標註來源，不會直接訓練使用數據。我認爲，我們的做法比其他一些公司更合理。同時，我們也認識到，如果沒有新內容被創造出來，我們的產品將無法生存，因爲我們依賴於實時數據和優質來源。所以，我們的想法是與出版商分享收入。這是一種長期的合作模式，而不是一次性的許可費。

主持人：爲什麼你認爲長期收入分享比一次性授權費更合理？

Aravind Srinivas：因爲一旦公司支付了一次性授權費，獲取了數據並訓練了模型後，他們可能就不再需要這些數據了。這種模式對出版商顯得不公平。而長期收入分享可以激勵內容的持續創造，同時保證公平性。這就是爲什麼我們構建了這樣一個結構，使長期成功能夠在經濟上激勵你們的出版合作伙伴。因爲在網絡時代，媒體已經經歷了一次嚴重的顛覆。數字化沒有真正幫助媒體生態系統創造昂貴的內容，而在 AI 時代，甚至連“列表”或“索引”都不存在了。以前 Google 會爲出版商帶來大量流量，而現在，Google 和其他大型平臺直接提供答案，甚至沒有流量被傳遞給出版商。這可能是對原創出版商的又一波衝擊。因此，我同意可能需要找到一種新的貨幣化方式。

主持人：最後一個問題，Aravind，你是爲希望讓 Perplexity 被收購，還是希望它長期獨立運營？

Aravind Srinivas：我希望 Perplexity 能夠上市，成爲一家成功的獨立公司。我知道以我們目前的收入水平來看，這聽起來有些遙不可及，但如果我們繼續保持良好的增長速度，專注於用戶增長，到 2027 年，我們可能會在用戶規模和收入上達到很強的地位，那時上市將是一個很好的選擇。

主持人：祝你一切順利！和你聊天非常愉快。

Aravind Srinivas：謝謝你，我也很高興能參與這個對話。

看到很多讀者在問"如何開始AI轉型"，我們建了個實戰派AI團隊（成員來自復旦、浙大、華爲、阿里等），專注幫企業做"輕量級"AI落地：

公司該從哪個環節開始用AI？

️ 具體怎麼落地纔不會踩坑？

投入產出比怎麼才最大？

我們團隊專注企業AI解決方案

業務流程AI優化 提升運營效率 降低人力成本 定製AI應用開發 場景化解決方案 快速交付落地 AI轉型諮詢規劃 專業評估診斷 精準轉型方案

聯繫負責人：Milo-1101（僅限企業客戶）

原視頻鏈接：https://www.youtube.com/watch?v=n8MnVElwvfY&t=1s

素材來源官方媒體/網絡新聞