Navigation menu
AI最广泛使用的门户仍在寻找。在这个超级频道中，三名球员完成了自己的革命，并被挤进了扑克桌上。 Google在2022年的《纽约时报》报道说，在使用Chatgpt之后不久，一些网民在使用它之后给出了很高的评分：“ Chatgpt很强大，可以取代Google搜索。”当时，Google高管并不担心它，因为它完全是“预期的”。但是优化并没有持续很长时间。 Google迅速进行了180度转弯，Pichai的个人声音是罕见的红色警报 - 在Google中，“红色警报”代表了当前的，紧急和直接的危机。例如，如果诸如搜索或Gmail之类的主要产品突然失败，即使程序员不睡觉，Dapand也会花时间立即修复它。 Pichai听起来很警报，这几乎意味着：“您应该将Chatgpt带来的威胁与Google相同的严重程度与Google搜索的停机时间相同。”我没有自2021年以来，请记住，Google已使用大量文档，对话和其他样本（包括1.56万亿个单词）培训了AI Chatbot Lamda（用于对话应用程序的模型语言）。 LAMDA在《华盛顿邮报》报道后也引起了感觉。 Google内部工程师发现，LAMDA不仅有能力深入思考，而且总是声称在聊天期间会意识到和情感。 LAMDA实际上具有与Chatgpt相同的功能。 Google已经拥有自己的类似产品，甚至比Chatgpt更早，但是自2021年I/O会议时已经一年半，但2022年底，但它并未以Chatgpt的方式广泛地为公众提供。真正令Google感到惊讶的是Chatgpt-3.5成为第一个从学术AI社区中折断圈子并进入主要用户组的产品，但我没有意识到LAMDA早些时候发布了，但在Chatgpt后面被捕，这是一个很大的错误。它的严重性和急促应像对待真正的产品离子环境。困惑的增长神话在市场上具有当前的AI搜索产品的三个主要类别：一个专注于查找AI，另一个是传统搜索引擎增加了AI功能，并且能够搜索大型制造商的第三种产品。第一类以困惑，Nano AI搜索和Quark AI搜索为代表，第二类是您的剧院由新的Bing和Google AI General -Idea代表，第三类由Kimi，doubao和tencent yuanbao代表。尤其是著名的混乱，是一流的本地AI搜索，引发了许多后来者的“模仿”。困惑是一家神秘的公司，用“答案引擎”“搜索引擎”代替它，其背后的逻辑 - 搜索是获得答案，而答案引擎是第一个原则。在2023年，这种混乱被Google禁止，完全禁止交通流，并且每天都在努力失败。在2024年，投资世界各地的ORS争先恐后地进行投资，Fortune 10公司希望以高价获得它们，但拒绝了。这种混乱是由前Openai研究科学家Aravind Srinivas和一些合作伙伴创立的，超过了1000万MAU（每月的Aktilah用户），而没有任何用户群，持续了不到两年。如此迅速的增长导致许多人注意到可能的AI搜索发生变化 - 通常不是另一个干扰搜索引擎的搜索引擎，而是一种新物种已成为跨境的创新概念，并且从未见过。第一代的困惑是SQL转换工具中最初针对企业客户的自然语言。创始团队在市场研究中发现了传统搜索引擎的一些问题：•传统搜索引擎的结果充满了许多广告，用户体验很困难•过多的信息很难在季度迅速改变了方向并开发了Ai-DrivEN搜索引擎。困惑带来了两种重要的创新产品：•将传统的网络搜索页面替换为AI总体分析提供的分类答案。 •提供的答案由参考源标记，并具有可靠的资源链接，并且可以监视信息。简而言之，混乱比Google更好地理解您的问题，并且对现实世界数据的了解比ChatGpt更有了解。传统搜索引擎要求用户不断过滤信息并读取无效的链接。尽管像Deptseek这样的生成AI很方便，但是当有时“经常发生幻觉”时，很难找到强大而准确的结果。与Tradisyon搜索引擎相比，损失直接提供了一个摘要答案，该答案更好，更准确。与通过聊天机器人（例如DeepSeek和Chatgpt）进行对话内容的输出相比，无需担心幻觉。这是它的价值。高质量在学术准确性中也可以看到困惑的答案。对于寻找论文和学术材料的用户，混乱可以大大降低错误率并减少搜索70％的错误。 NVIDIA创始人Huang Renxun曾经说，他“使用了一天 - 至日的损失”，并举例说明了一个例子。当他想了解计算机辅助药物的开发时，他将利用损失进行搜索。困惑性具有另一个已知功能，该功能支持正在进行的查询，就像“ AI Q＆A社区”。构成的混乱团队有来自美国版的Zhihu Quora的成员。当使用损失时，请一遍又一遍地提出问题，它是“记住您的先前问题”，并逐渐加深背景。与传统搜索不同，每当是“问题和搜索”时，用户都需要自己包含答案。困惑性的成功不仅限于阅读AI网页，并附有用户问题，该页面直接在AI的整体-DEC之后提供答案ISION，答案标有信息源。这些是当今AI发现的标准调整。更深入地处理来源的用户问题，而挖掘问题本身也是关键。根据转移 - 访谈的转移剪辑，困惑创始人Aravind Srinivas认为“用户不是Haveali”：“尽管每个人都有一个强烈的问题，但很少有人可以有效地解决准确的问题。用户的提示，然后为“相关”和“发现”功能提供模型。 Ibidmitry Shevelenko的首席商业官员表示，用户查询“相关问题”的询问已被赋予查询中损失总数的40％。继续改善产品，继续提高AI答案的质量，同时保持轻松使用产品功能，并对新用户友好。混乱不仅站在奇怪的巨人队，而且还拿起火箭。 2024年初：约5亿美元•2024年6月：30亿美元•2024年12月：90亿美元•2025年5月：140亿美元。最新的困惑欣赏达到了140亿美元，并在2024年达到1.2亿美元。根据Woyin AI发布的AI产品清单的第23期，每月的混乱访问仅在4月的网站上达到1.17亿。 Nano AI搜索是一个快速发展。损失称自己为“答案引擎”的原因 - 作为从搜索API到基础模型的直接“密封”的产品，混乱无法提供直接的搜索功能。相反，在通过访问API获得搜索引擎获得的内容后，它通过GPT-4，Claude和其他大型模型总结了答案，并最终以固定格式组织了它们，以向用户展示它们。换句话说，建立了140亿美元的困惑价值n Productukuperior的独特设计。困惑的想法：AI搜索不是搜索，而是高质量的AI概述。一系列的困惑产品方法可以概括为用户输入上的Probles的“更正，定位和连续性”，并响应AI的产出以减少幻觉和提高专业精神。真正与AI搜索产品竞争的不是潜在的技术能力，而是可以提供更准确，更可靠的答案，更快的响应速度和更明智的用户体验的技术。其中，“准确性和可靠性”是扩大差距的关键，这是同一件事要担心。 AI概述要获得高质量的答案，基础数据的质量和数量很重要。只有当基础数据库足够大时，信息包含足够的信息，并且在获取内容时，信息已更新，可以是“合理”的大型模型，以总结和输出M矿石的含量准确和警惕。这也是为什么Google多年来一直在搜索引擎领域中保留超过90％的市场的市场 - 自1998年成立的第一天以来，他们一直在索引，并且拥有世界上最大，最全面的指数库，这可以提供最准确，最及时的搜索结果。因此，如果您想更准确地搜索结果，则开发自己的索引库是一个重要的解决方案。当前，大多数AI搜索产品仅连接到传统搜索引擎的API，并且不重新创建了基础搜索系统。 MITA AI搜索（播客和图书馆部分），NANO AI搜索和一些垂直AI搜索引擎仅构建了索引库。这主要是因为访问解决95％问题的传统搜索引擎的API。此外，构建自行索引库的成本很高，这需要大量的人力，财务和时间资源s。因此，如果自行建造的索引库无法提供比Google和Bing的压迫者更好的内容，则无需构建自行索引库。自行索引库的发展如何？ 360的副总裁Liang Zhihui告诉播客，爬行5000万个网页的成本约为100万至200万元，但是5000万个网页对于搜索引擎来说是很少的。通常，搜索引擎需要至少1000亿个网页；如果您想结束全球网页，则需要为3,000至10,000台服务器提供支持。换句话说，要成为最简单的搜索，您需要拥有至少20亿至40亿元的预算，其中不包括Pagerank Server（网页排名）的成本（网页排名），保护终端制造商的保护成本和员工成本。对于任何中小型开始的起点，这都是不可逆转的成本。这也是为什么仅搜索引擎进行Google，Microsoft，Baidu，360和其他Maj或制造商。制作搜索引擎的成本太高了，只有大型制造商有足够的资金和人才。除了昂贵之外，搜索技术和算法也有些障碍。以作为一个骄傲的Google排名算法为例，它考虑了 - 有多种因素，包括内容质量，用户体验，移动型，页面加载速度，安全性，安全性等不仅在结构上复杂，而且根据外部环境而实时更新。据了解，Google每天平均发布6次算法更新，每年最多2,000次；该算法是高度机密的，Google内部很少有人知道搜索中搜索算法的完整图片。可以想象，小型和中型搜索引擎/AI搜索公司以巨大的成本 +超高的技术阈值没有什么不同来生成自己的索引数据库整个网络而不是山脉的移动。对于壳型产品，使用传统的API搜索引擎不仅具有“控制”的风险，而且第三方搜索引擎的风险完全可以完全“ gamutin”不同。对于自行构建的索引数据库，这是一个非常准确和可靠的信息来源的阈值。这也是本地AI搜索引擎（例如混乱）的真正弱点。没有您自己的搜索，执行整体AI时最关键的原始材料 - 内容的质量和数量和内容的数量。从长远来看，在产品的设计中，主要公司很难复制它。拥有传统呼吸道的基础。 Bing曾经在全球市场上排名第二，而Nano AI来自360次搜索，实际上是中国第二个市场。两家公司积累了传统搜索，但在我搜索了。对于像Google这样的搜索引擎覆盖，不难使其复制混乱。如果它正在寻找此或其自己的大型双子座模型，则可以从底层完全构建。令人困惑的是，如果共享传统搜索产品市场时的收入正在上升，那么如果以高度不确定性的新形式更改搜索，则商业模式是完全固定的，并且非常古老。没有历史负担和搜索积累的制造商可能是使SA AI的真正气球。例如，随着360年代的搜索，浏览器和客户技术的积累，对NANO AI的主要搜索迅速移动了产品：•创建具有最高自由容量（第二个大脑）的知识库，并且该搜索从公共领域到私人领域产生答案，从而更加垂直和专业，从而可以满足个人和个人和个人和行业的搜索； •MCP通用工具箱具有B发射了EEN，普通用户可以移交超级代理•超级代理的阈值直接降低。构建高水平的代理商深处的办公室和生活服务，甚至像App Store这样的Nano AI应用程序，都可以单击下载。 Deep Resea仍然做正确的事情。 RCH的进一步扩展（AI深入研究）可能会使用搜索作为执行任务并提供结果的起点。用户的真正需求不是搜索，而是在搜索后做出购买决策，进行旅行技术，对主题进行深入研究并完成视频制造。 Nano AI目前正在支持自然语言对话中超级搜索的实施。对于用户，Nano AI可以准确地从简单的交互式对话，自由计划搜索相关的任务以及拆卸目标任务中准确地看到用户的目标和需求。每个子任务都可以实现独立的深入搜索，呼叫工具，甚至可以将通话路由到高级代理。经过很多p之后循环推理和内容产生的最大，最终得出了实施结果。 Nano AI超级搜索超出了传统的问答和大型模型信息的简单摘要，并且可以实现从模糊搜索要求到特定任务实施的“端到端”搜索体验。当您在搜索框中输入“预算500-1000”时，您可以推荐一些具有最佳声誉的运动和休闲男人。鞋品牌可以是耐克，阿迪达斯和Under Armor”。 Nano AI超级搜索一直在四个子任务中与任务约会，找到购买技术，研究产品信息，比较产品并将其添加到购物车中。每个子任务分别进行MCP搜索和工具信息，例如Xiaohongshu中每个品牌的购买技术收集。收集并研究了TAOBAO和JD.com等电子商务平台上的相应产品价格信息。 Nano AI超级搜索更为独特，子任务拆卸i不仅是一个类似于深入研究的过程。通过提供目标任务，可以将其提高到特定的垂直代理。在实际经验之后，功能非常强大。 Google's counterattack time with "AI mode" is until May 2025. Perplexit appreciation reached 14 billion US dollars, and Google also started a "counterattack" - moving products including search and browsers in "AI Model to an instant, especially search, fully recharge in" AI Intelligent Search ". similar to independent search applications toAI is the problem with many subqueries, and deeply looking for a wider range of web resources; Technical topics)定义搜索，摘要，理由和形式，以完整的引用，节省研究时间，适合高等教育，商业研究和学术探索情况。让AI为您做事的代理商。 Google智能搜索可以自动执行任务，当前支持门票购买，食品订单和约会，扩大更多未来情况，并实现信息和结帐转移。偶然的是，Nano AI团队拥有浏览器的开发经验多年，并且已经定制了专用的AI浏览器。 Gemini AI的助手将被添加到Google Chrome浏览器中，该浏览器可以“代表未来用户在许多标签上工作，并浏览网站”。移动互联网时代是应用程序信息岛的一个时期，搜索内容片段是用户疾病的常见点。 NANO AI搜索包括高级代理的功能，使用MCP工具调用和AI代理操作，模仿人类计算机的使用以及实现全局搜索。以前彼此分开的电子商务内容，内容和简短视频最终被“统一”。 Nano AI超级搜索和Google AI智能SEARCh双方都使用AI打破了拥有者的高墙，并允许搜索完成搜索目标的实现。 AI搜索实现了从搜索要求到交货结果的跨代转变。 Dragon Slayer的困惑唤醒了巨型龙的Google，并具有“传统搜索邪恶龙”和“ AI搜索龙”和新的Bing的双重身份，这使他们沉默了。