ChatGPT與谷歌搜尋，孰強孰弱？

穿雲尋恆星

作者：Max

題圖來自：《環太平洋》

ChatGPT與谷歌搜尋孰強孰弱？谷歌搜尋是否在遭遇創新者的窘境？搜尋的未來走向何方？讓我們直入主題——

一、ChatGPT與谷歌所搜的功能和成本對比

1。 搜尋與生成

跟ChatGPT相比，谷歌搜尋能直接回答的問題較為有限，主要透過查詢關鍵詞，不具備語言生成和多輪對話能力，更不可能幫使用者生成程式碼。搜尋是透過索引在一個有限頁面集合中檢索並給予已經存在的內容，ChatGPT可以在理解語義的基礎上給出答案，往往很有深度和創意。

2。 個性化

谷歌搜尋會基於使用者的資訊做出個性化篩選，因此能給出更好的結果；目前ChatGPT還沒加入個性化推薦方面的功能。當然你可以把你的偏好寫進提示詞裡，但這是很費事的，而且效果不一定好。

3。 真實性

ChatGPT目前不具備聯網能力，即資料來源不同，它的答案中沒有參考網際網路上的最新資訊，也沒有給出資訊來源。

ChatGPT經常給出似是而非答案，而且語氣非常自信，很容易形成誤導。當然，OpenAI已經有基於網際網路資訊的WebGPT了，但這個功能是基於搜尋的，而非獨立於搜尋，所以WebGPT並不是在顛覆搜尋，而是對搜尋的改善。

4。 成本

成本是不能忽視的，目前每輪對話的成本在幾美分，這非常高。谷歌目前每天85億次搜尋，如果這樣的需求遷移到ChatGPT，成本要下降超過1個量級才能承受。

圖源：Twitter

二、搜尋的商業模式

1。 廣告與搜尋相輔相成

谷歌兩個創始人Brin和Page最早在一篇名為

Advertising and Mixed Motives

的論文中寫到，廣告收入通常會為劣質搜尋結果提供動機，但他們最終也沒有找到更好的商業模式，還是訴諸於廣告。

2。 競價排名機制是創收神器

拍賣模式永遠是讓買家出高價，讓回報率最高的廣告主出最多的錢/均衡狀態下各廣告主的邊際回報趨同。當然，谷歌的廣告機制不僅看出錢多少，也會看廣告質量，廣告主會有額外的動力最佳化自身內容。

3。 廣告的體驗未必更差

體驗上，有廣告的谷歌搜尋並不比沒有廣告的差

。2000年的時候谷歌做了一項對比實驗，有1%的使用者不接收任何廣告，後來他們自己忘掉了這個實驗，直到2008年發現實驗還在進行；最終的結果是看廣告的人進行的搜尋次數比不看廣告的人平均多3%。

4。 搜尋廣告ROI很高

2022年宏觀進入下行週期，但谷歌廣告增長對線上廣告增長的貢獻在提升，是下行週期中的首選。

5。 搜尋引擎的壁壘

很多網站不願意讓谷歌和Bing以外的搜尋引擎去爬資訊，因此重新建立一個搜尋引擎並沒有那麼容易。

Chrome是當前份額最大的瀏覽器，這是很大的優勢，開啟Chrome預設的搜尋就是谷歌。這也是為什麼谷歌每年花很大的成本在跟蘋果Safari瀏覽器繫結，確保iPhone的預設搜尋引擎是谷歌。美國司法部正在試圖打破這一捆綁，我們拭目以待。

圖源：statcounter

6。 谷歌的搜尋也在進化

谷歌針對商品搜尋了做了很大力度的最佳化，現在美國消費者搜尋商品的第一大去處是谷歌，即便亞馬遜Prime會員也是先去谷歌。下圖為Morgan Stanley對美國消費者商品搜尋的調研結果。

圖源：AlphaWise，摩根斯坦利

圖源：AlphaWise，摩根斯坦利

三、搜尋可能的演變方式

1。 短期可能是兩者結合的過渡形態

比如網頁的左邊搜尋，右邊為對話機器人。下圖為加入ChatGPT瀏覽器外掛的谷歌搜尋效果。

圖源：谷歌

這是一種比較生硬的結合方式。有人做了更有創意的結合，比如結合你的瀏覽器頁面發出指令。如下圖所示的XP1產品，到微軟CEO Satya Nadella的LinkedIn主頁，給他寫一封email說服他使用某款產品，這時GPT大語言模型就可以自動完成這項工作。

圖源：微軟CEO Satya Nadella的LinkedIn主頁

XP1推薦的使用方式包括回訊息，總結要點，生成推薦文章等等：

Reply to ［［mail。google］］ based on ［［knowledgebase］］

Summarize with bullet-points ［［cnn］］

Extract ［［linkedin］］ experience as CSV

Generate a twitter thread with emoji to sell ［［product］］

Generate a 5 sentence bio about ［［linkedin］］

……

2。 會出現更多富有創意的AI與搜尋結合方式

可以想見可以玩出的花樣還有很多，比如這兩天剛上線的基於Twitter的搜尋引擎perplexity。ai。這個搜尋引擎透過OpenAI Codex將自然語言轉化為SQL，查詢Twitter的歷史資料。

圖源：perplexity。ai

如果再結合微信聊天曆史記錄，或者企業內部資料庫呢？比如微軟在讓Bing與Teams和Outlook做深度整合，未來可能有更多的辦公工具整合進這樣的AI對話功能，搜尋/生成的範圍將大幅擴充套件，提升工作效率的同時可能誕生全新的應用領域。

3。 基於AI對話搜尋的推廣，需要AI模型能力的進一步提升和成本進一步下滑

AI模型需要更大的引數量，利用更多的資料，更高的訓練算力，更低的單位訓練成本。

可以期待OpenAI GPT-4以及其他AI研究機構的最新模型，當基礎模型做得足夠好，訓練和部署成本足夠低，ChatGPT這類應用才能真正推廣起來，儘管ChatGPT引發了熱潮，目前的使用者量也只是在百萬級別。

除了預訓練大模型本身，開發人員也要在微調/prompt提示詞上做更多的功課。下一代模型本身的能力可能已經足夠強，但需要足夠精巧的任務訓練激發出模型本身的潛能。Stable Diffusion要給出一個prompt book來給使用者演示如何寫提示詞，因為很多詞彙的用法是初學者想不到的。

搜尋也是同理，ChatGPT對提問的理解未必達到了最佳狀態，也需要我們“問對問題”，或者讓它“try again”“繼續”，才能給出想要的答案。這需要進一步的prompt engineering，讓模型更理解使用者的問題，而不是讓使用者去學習模型的特點。這更多是對工程能力的考驗。

OpenAI在ChatGPT中加入人類反饋的RLHF方法也值得進一步推廣，這可以讓模型符合人類的意圖

（alignment）

。事實上，

我認為ChatGPT的公測本身就是RLHF的一環

，OpenAI從我們與ChatGPT對話中收集反饋，很多使用者很有創意的提問方式是在探索模型的邊界。從這個角度講，ChatGPT從釋出到現在產生的上千萬美金成本是值得的。

4。 谷歌是生存還是毀滅

這是經典的創新者窘境，谷歌不是沒有類似的技術，比如今年早些時候釋出的LaMDA對話AI，甚至讓內部程式設計師懷疑AI已經具備自我意識。有這樣的技術卻不拿出來應用，我認為谷歌有三方面的擔心：

一是擔心AI在道德、倫理、社會等方面的衝擊；

二是當前AI模型訓練和部署執行的成本太高；

三是怕長期顛覆自己的搜尋業務，畢竟搜尋可以指向頁面，可以加入廣告，這都是久經考驗的商業模式，而如何針對AI生成的對話來產生收入，目前還沒有答案。

谷歌CEO Pichai已經表態：“2023年將成為AI在對話與搜尋領域的發展轉折點。我們將大步前進，並推出更多新產品。”我們期待谷歌跳出它的舒適圈，積極擁抱最新AI的發展，但同樣不要低估組織原有的慣性和束縛。

5。 Bing的機遇

儘管搭建一個新搜尋引擎是非常困難的，但微軟的Bing的機會相對更大一些。近期Bing在微軟的地位有所提升，微軟CEO正在讓Bing跟微軟的其他產品做深度結合。想象一下搜尋引擎Bing + 最新一代大模型GPT4。0 + WebGPT + ChatGPT + Azure雲服務，可能誕生全新的搜尋體驗，畢竟微軟是有錢，燒得起的。如果司法部再助推一把，讓谷歌搜尋和蘋果瀏覽器解綁，Bing趁虛而入的機遇將更大。

圖源：statcounter

6。 無論谷歌搜尋是否被取代，搜尋的體驗都將被重塑

從最早的入口網站，到後來搜尋的崛起，到再後來的推薦演算法，資訊的傳播從最簡單的資訊匯聚

（門戶）

，演化成人對資訊的查詢

（搜尋）

，再到資訊精準的找人

（推薦）

。AI時代的搜尋實質上是資訊生成。

根據科技部落格Stratechery的觀點，一條資訊的產生經歷了創意 - 實現 - 複製 - 分發 - 消費的過程。文字書寫的誕生將資訊的分發與消費解綁，即故事的講述者只要留下文字，不需要面對面講述故事，即可傳播資訊。

印刷術讓資訊複製的邊際成本大幅下降，帶來了知識的廣泛傳播，文字、語言的標準化。

網際網路讓資訊的分發邊際成本大幅下降

，報紙等傳統媒體被顛覆，每個人都可以幾乎零成本獲取海量的實時資訊。最終，AIGC讓創意到實現的邊際成本和門檻大幅降低，我們可以透過自然語言生成優美的圖片，生成關鍵的答案。

這是跨時代的革命，有幸的是，我們都身處其中。