Perplexity，AI搜索新世界的前沿

Perplexity，也被称为Perplexity AI，是一种由人工智能驱动的对话式搜索引擎，通过利用互联网资源，以自然语言预测文本的方式回答用户问题。它能够实时进行网络搜索，获取最新的信息，并以引用格式对信息进行总结。其核心功能是使用大语言模型（LLMs）对用户的问题进行预处理，并对搜索结果进行总结，旨在提供最新且有据可依的信息。

与传统搜索引擎仅提供链接列表不同，Perplexity的特点是以自然语言的方式呈现综合信息，并附带详细的来源引用和后续搜索建议，以帮助用户进一步优化查询。公司将自己的使命定义为“满足世界的好奇心”。

从1990年第一个互联网搜索引擎Archie在麦吉尔大学创建，到1998年拉里·佩奇和谢尔盖·布林在斯坦福大学创立Google，搜索网络的方式三十多年来几乎没有改变。ChatGPT的横空出世，让很多人认为是下一代AI搜索引擎的开始。

与传统搜索引擎相比，AI搜索让信息的颗粒度从网页细化到信息本身，进而提升了信息获取的效率。这也是市场认为有可能重新洗牌目前由谷歌主导的价值 1100 亿美元的搜索广告业务的原因所在。

这家拥有 55 名员工，估值超过25亿美元的“答案引擎”（answer engine）Perplexity ，正处于AI搜索新世界的前沿，作为AI新时代 Quora + Wikipedia，其股东阵营囊括了当今AI领域的知名人物和机构的半壁江山，投资人除了当前AI芯片的绝对龙头英伟达之外，还有Twitter副总裁Elad Gil、前GitHub 首席执行官 Nat Friedman、Meta 首席AI 科学家及图灵奖获得者 Yann LeCun、微软前总裁Bob Muglia、Open AI 创始成员Andrej Karpathy、Y Combinator 首席执行官 Garry Tan 、亚马逊创始人Jeff Bezos等。

随着互联网的诞生与发展，在线数据的增长速度呈现指数级上升。据估算，仅2023年全球就创造了约120泽字节的数据，到2025年这一数字预计将达到150泽字节。与2010年相比，2023年创造的数据量增长了近60倍，这意味着每年的增长率高达60%-70%。然而，尽管数据量剧增，传统搜索引擎的效能却在下降，使得用户更难找到所需信息。

例如，一项由德国研究团队在2024年发表的研究表明，在对7400项产品评论查询的长达一年的分析中，他们发现Google、Bing和DuckDuckGo的搜索结果越来越多地充斥着低质量、高度优化的内容，被研究者称为“SEO垃圾内容”。此外，Google搜索结果页面顶部有机链接的平均位置从2013年的页面下方375像素下降到2020年的615像素。这种变化带来的影响不容小觑。2020年的调查显示，超过50%的消费者表示有时会被搜索结果误导，25%的人甚至表示点击结果后经常到达与预期不符的页面。因传统搜索体验的混乱，一些用户转而在Reddit和TikTok等平台寻找答案，同时也有人认为人工智能的进步可能颠覆搜索引擎的未来。

2010年代后期，自然语言处理领域经历了重要变革，标志性事件是Transformer架构的引入。相比早期的循环神经网络（RNN）和卷积神经网络（CNN），Transformer引入了自注意力机制，使模型能够并行处理整段数据序列，而非逐步处理。这一创新显著加快了训练速度，并提升了处理复杂语言任务的能力。

这一突破结合更强大的计算能力和海量在线数据，推动了大型语言模型（LLM）的快速发展。这些模型经过充分训练后，可应用于多种任务。例如，ChatGPT在2022年11月发布后，仅用五天便突破了100万用户，两个月内用户量就达到了1亿，成为历史上增长最快的消费级应用。

然而，LLM在信息检索方面仍存在局限性，尤其是获取最新知识的高昂训练成本以及偶尔出现的事实性错误——即“幻觉现象”。这种现象往往源于对数据的过度拟合。

作为一种创新的AI搜索引擎，Perplexity（又称Perplexity AI）通过整合互联网资源，以自然语言预测文本的方式回答用户问题。它利用实时网络搜索获取最新信息，并使用大型语言模型对问题进行预处理和总结搜索结果，从而以引用格式提供信息。Perplexity自我定位为“不同于传统搜索引擎仅提供链接列表，Perplexity以自然语言呈现综合信息，并附有详细引用和进一步优化搜索的建议。”其使命是“满足世界的好奇心”。

Perplexity 使用本土大型语言模型 (LLMs)、第三方模型（OpenAI 的 GPT-4 和 Anthropic 的 Claude 2 等）和网络爬虫的组合来返回高度相关且严格引用的结果。 Perplexity 的秘密武器是它采用检索增强生成 (RAG)，人工智能可以在网络上找到正确的文档，帮助 LLM 创建关联度更高和更准确的答案。

用户可以在 Perplexity 的网站上输入查询，或在 Perplexity 的移动应用程序中说出查询内容（其 iOS 应用程序于 2023 年 3 月推出；Android 应用程序于2023年 5 月推出），目前下载量已超过 200 万次，并且正在响应每天超过 100 万次查询。

Perplexity联合创始人兼首席执行官Aravind Srinivas说：

“我们并不需要挑战谷歌的搜索市场份额来获得成功。事实上，我认为我们有胜算的原因是：我们正在AI助手、聊天机器人和应答机器人的新领域开展业务，这个领域将持续涌现新的企业和产品。”

创业故事

阿拉文德·斯里尼瓦斯 (Aravind Srinivas) ，Perplexity联合创始人兼CEO，自2022年8月开始创业，致力于创建最快获取任何问题答案的平台。同时自2023年1月起，兼任天使投资人，投资了多个人工智能相关的初创公司，包括Eleven Labs（AI语音）、Mistral（AI基础模型）、Cognition Labs（AI软件工程）、Pika Labs（AI视频）、Suno（AI音乐）、Groq（AI芯片）、Cartesia（状态空间模型）、Tab（AI可穿戴设备）、Julius（AI数据科学家）、Extropic（AI硬件）。此外，曾在OpenAI担任研究科学家，专注于语言和扩散生成模型的研究；在Google和DeepMind担任研究实习生，研究视觉领域的Transformer技术和大规模对比学习。曾就读于加利福尼亚大学伯克利分校，获得计算机科学博士学位。

在热情与理想的追逐中，有时候失败似乎比成功更具启发性。Aravind Srinivas，这位印度裔美国人的故事便是如此。当年，他怀揣梦想申请印度理工学院马德拉斯分校的计算机科学专业，却未能如愿，这让他陷入了长时间的失落和自我怀疑。但正是这段经历，让他开始自学编程，探索那些他在学校未曾涉足的领域。

Srinivas的学习之路并非一帆风顺，他在印度理工学院马德拉斯分校尝试转专业学习计算机时仅因一点微小的差距而失败。然而，这段挫折期间，他没有选择放弃，而是投身于在线学习，专注于提升自己的编程技能，特别是在 Python 语言上。他的努力没有白费，在学习过程中，他不仅精通了机器学习的各种技能，还在之后的学习和实践中证明了自己的实力。在加州大学伯克利分校的学习期间，Srinivas的才华得到了认可，不仅吸引了机器学习领域的顶尖科学家Yoshua Bengio的注意，还得到了他的推荐去攻读计算机科学博士。尽管麻省理工学院拒绝了他，但他成功被伯克利接纳，并在那里继续他的研究工作，最终在 Open AI 找到了实习机会，开启了他的职业生涯。

2022年，斯里尼瓦斯与三位合伙人Denis Yarats（CTO，纽约大学人工智能博士，曾是Quora 排序算法的 Tech Lead）、Johnny Ho（CSO，2017年毕业于哈佛大学数学和计算机专业的华裔，在 Quora 待过一年，当时在 Denis 团队工作。之后成为了职业编程竞赛选手、量化交易员）和Andy Konwinski（加州大学伯克利分校计算机博士，Databricks 的 Co-founder）一起，尝试开发一种新的AI搜索方法。

他们最初研究将自然语言转换为数据库语言SQL的算法，但很快发现这种方法过于局限。随后，他们改为开发一种结合传统搜索索引和大型语言模型的新型产品，命名为Perplexity。

Perplexity AI 能做什么？

Perplexity自诩为“信息探索和好奇心的瑞士军刀”，但其本质是一个由人工智能驱动的搜索引擎。你可以把它想象成ChatGPT与Google搜索的结合体，虽然它并不能直接替代这两者。实际上，这正是Google试图通过Gemini实现的方向。

它像聊天机器人一样运作：你提问，它回答。但它还能无缝地整合近期网络上的信息。因为它每天都会对网络内容进行索引，因此你可以向它查询最新新闻、比赛成绩及其他常见搜索问题。

如果比较 Google、Bing 或其他传统搜索引擎回答同样问题的质量，你会发现 Perplexity 比典型的搜索引擎更好，可以快速为您提供答案，并且比聊天机器人更可靠，可以为您提供更有用的答案。

我们以“介绍下硅谷科技评论（svtr.ai）”这个问题为例，来看看传统的搜索引擎和AI搜索的不同表现。这其实是一个比较有挑战性的问题，因为我们成立时间不到一年，同时在网络公开渠道没有介绍过公司的具体信息。

首先传统搜索引擎Google和百度给出的结果如下：

我们会发现，无论是谷歌还是百度给都是给出了网页链接，不会直接告诉你答案，至于答案是什么需要你点开链接去寻找和判断。而且在提供的几十页链接里面，真正相关的链接可能只有前面几个。

我们在看一下OpenAI的ChatGpt4给出的答案：

在这里，OpenAI直接给出了一个结论，直接告诉你硅谷科技评论的业务和属性。同时还给出了一个相关链接，可以点击参考。

现在我们来看看Perplexity的反馈：

我们会发现perplexity与传统搜索引擎和OpenAI还是有很大的不同，它不仅给出了简明扼要，层次分明的答案，同时在信息来源上给出了5处信息的源头。此外，在答案下方，perplexity给出了我们所提问题的相关话题，而且抓住了我们公司最核心的数据库这一话题。选择“svtr.ai的数据库涉及哪些方面”点击后，反馈如下：

我们看到这次结果会更聚焦AI数据库，而且结合了我们最近在AI教育领域的孵化企业高考纸鸢，详细介绍了数据库里AI教育行业的情况。值得注意的是，perplexity并不完美，这一次，在第4条他将计算机视觉任务和硅谷科技评论（svtr.ai）数据库搞混淆。

总体来看，由于LLM的强大支持，Perplexity具有几项超越传统搜索引擎的功能：

结合网络数据和LLM，可以直接给出更精确的搜索结果。
可以提出进一步的问题，或要求Perplexity调整其提供的答案。
可以上传文档和图片，或者基于其检索到的内容，生成所需的任何文本。

Perplexity AI 工作原理

Perplexity 依赖于许多不同的大型语言模型 (LLMs) 来提供其自然语言处理功能 - 具体包括 GPT-4、Claude 3、Mistral Large 和 Perplexity 自己的自定义模型。它使用这些 LLMs 来准确理解用户所问的内容并总结相关答案。

Perplexity 提供两种搜索：

快速搜索Quick Search，旨在返回快速、基本的答案。价格免费。
专业搜索Pro Search ，尝试了解您问题的具体情况，并根据您的需求定制其响应。 Pro Search 甚至会询问您后续问题，以进一步调整其响应。每月 20 美元。
企业搜索 Perplexity Enterprise Pro，这是其本周推出的首款商业产品，将通过扫描网络和与平台共享的公司内部数据来加快团队的研究速度。起价为每账户每月 40 美元或每年 400 美元。这可能与企业搜索明星初创公司Glean直接竞争。

无论使用哪种搜索，Perplexity 的工作方式都大致相同。它会接受您的查询，尝试了解您想要了解的内容，找到有答案的网站和文章，然后向您提供摘要。

如果有用户有更多问题，可以像聊天机器人一样直接提问。 Perplexity 会记住每个对话的上下文（它称之为“线程”），因此用户已经提供的任何信息都将被考虑在内。

最重要的是，Perplexity 为用户提供了它使用的参考文献列表，以及指示每个关键信息来自何处的脚注。这就是它可以作为常规搜索引擎的替代品的原因，因为用户仍然可以深入研究该主题，而不仅仅是依赖人工智能摘要。

公司产品

产品核心

Perplexity的核心产品是一款对话式搜索引擎，利用先进的大型语言模型（LLMs）提供基于自然语言的直接、精准的回答，并附有引用来源。其功能包括文件导入参考、图像生成以及教育、专业和内容创作支持。

Perplexity与传统搜索引擎的显著不同在于，其回答引擎通过实时网络搜索获取最新信息，使用LLMs将搜索结果总结为简明的文本格式，同时附有内联引用。这种方式有效避免了用户在传统搜索中因SEO垃圾内容或多个链接导致的信息筛选问题。

此外，Perplexity支持在同一对话上下文中提出后续问题，为用户提供更具互动性的搜索体验。引用功能帮助解决了LLM在信息检索中面临的两个主要挑战：过时数据和幻觉现象（生成不准确内容）。通过实时搜索和与最新来源的交叉验证，Perplexity确保答案的准确性和可靠性。

混合模型策略

Perplexity采用混合模型策略，结合内部开发的开源模型和第三方基础模型。最初，其搜索功能依赖于OpenAI的GPT-3.5模型和Microsoft Bing，但后续开发了基于Meta于2023年发布的LLaMA-2和Mistral AI于2023年发布的Mistral 7B的自有模型。这一策略使Perplexity专注于优化搜索平台，而无需从零开始构建和训练专有模型。

Pro用户可以在Perplexity提供的多种模型之间切换，包括OpenAI的GPT系列、Anthropic的Claude模型和Mistral AI的模型。这种灵活性允许用户根据研究需求选择最适合的模型，用于文本创作、图像生成等任务。

集成与扩展

Perplexity支持多平台集成，提供便捷的搜索和浏览体验：

移动应用：Perplexity推出了适配iOS和Android的移动应用，支持语音搜索等功能，用户可在Apple App Store和Google Play免费下载。

浏览器扩展：Perplexity提供Chrome扩展，可即时页面摘要，直接从工具栏查询，并提供所浏览内容的上下文分析。

Arc浏览器集成：2024年1月，Arc浏览器将Perplexity设为默认搜索引擎。

Perplexity Pages

2024年5月，Perplexity推出Perplexity Pages，该工具帮助用户将研究转化为具有视觉吸引力的内容。它支持用户创建、组织和分享主题文章，并提供多样化的定制选项，适用于教育者、研究人员和内容创作者。

Perplexity Finance

2024年10月，Perplexity推出Perplexity Finance，专注于公司财务分析、股票跟踪及行业对比。该工具提供实时股票数据、历史收益报告和行业基准分析，其数据源主要来自Financial Modeling Prep、Crunchbase和FactSet。

功能特点：通过输入公司名称和“股票”关键词，用户可获取股票价格走势及详细财务信息。
专业版订阅：基础Pro用户需支付每月20美元，高级企业用户订阅费用为每席40美元。

通过集成广泛的财务数据，Perplexity Finance旨在与传统金融数据平台竞争，为用户提供更高效的分析体验。

虽然Perplexity尚未公开详细介绍其新产品，但未经证实的消息称，Perplexity Finance的数据并非来源于LLM，而是来自Financial Modeling Prep，这家机构声称其提供“市场上最准确的财务数据”。

订阅模式与功能

订阅费用：Perplexity Finance向Pro账户用户开放，订阅费用为每月20美元。
主要功能：用户可以通过输入公司名称和关键词“股票”来获取信息，包括股票价格走势图表、详细的财务信息及公司介绍的链接。

此外，Perplexity与Crunchbase和FactSet建立合作伙伴关系，为用户提供深度分析所需的专有数据：

Crunchbase：通过API为企业Pro用户提供公司信息，包括企业概况和财务数据。

FactSet：为共同客户提供财务数据，进一步扩展了Perplexity对商业和个人用户的数据支持。

企业Pro账户：访问高级功能的用户需订阅企业Pro账户，每席收费40美元/月，小型公司适用；大企业则需定制价格。

通过整合多样化的财务数据，Perplexity Finance成为传统财务数据平台的竞争者，利用AI简化用户与财务洞察的交互方式。

市场与客户

用户群体

Perplexity服务范围广泛，覆盖普通用户、Pro用户，以及企业客户：

个人用户：通过免费和Pro订阅层级使用。
企业用户：2024年1月，Perplexity宣布拥有超过1000万每周活跃用户，仅2023年已处理超过5亿次查询。

Perplexity最初通过Discord小范围用户测试技术，随后逐步扩展产品界面和功能，成为一款面向需要准确信息的用户的AI搜索引擎。

2024年4月，Perplexity推出正式的企业Pro服务，此前曾在Zoom、Stripe、Bridgewater、Cleveland Cavaliers等行业领军企业中进行早期测试。这一循序渐进的方法奠定了其在服务个人和企业客户方面的双重基础。

“聚焦”模式

为满足不同用户需求，Perplexity提供多种高级模式，包括：

学术模式：用于搜索引用文章。
写作模式：专注于文本生成。
数学引擎：提供精确的数学答案。
娱乐和论坛搜索：针对特定内容优化搜索结果。

市场规模

搜索市场

Perplexity作为AI驱动的搜索引擎，是全球搜索市场的一部分：

2021年，全球搜索引擎市场估值为1670亿美元。
到2032年，预计将增长至5290亿美元，复合年增长率（CAGR）为11%。
随着全球互联网连接率的上升，搜索市场持续增长。例如，2023年美国成人互联网使用率从2015年的86%升至95%。

生成式AI市场

凭借自有模型开发及API服务，Perplexity也进入了生成式AI市场：

2022年，生成式AI市场规模为290亿美元。
到2030年，预计将以47.5%的复合年增长率增长至6680亿美元。

虽然OpenAI、Midjourney和Anthropic等行业领导者占据了主要市场份额，但Perplexity通过专注企业客户和未来模型开发，有望在这一快速增长的市场中占据重要地位。

竞争概况

Google：搜索引擎领域的长期霸主

截至2024年2月，Google 仍然是全球占主导地位的搜索引擎，市场份额约为91.6%。作为多年来的行业领导者，Google每年处理约2万亿次全球搜索。Google成立于1998年，由Larry Page 和 Sergey Brin 创立，其成功很大程度上归功于PageRank算法。该算法以相关性和权威性为核心，而非单纯依赖关键词密度，彻底革新了搜索结果的排名方式。

2023年11月，Google开始在其内部部门“Search Labs”中推出生成式AI搜索功能的试验体验，允许用户自愿参与。2024年5月，Google宣布推出类似于Perplexity的AI概览功能。该功能集成了Google的购物图谱（Shopping Graph），可以根据查询直接推荐广告商品，以降低广告商对点击率下降的担忧。

然而，这项AI功能因其可靠性受到广泛批评。社交媒体用户大量曝光其生成的“幻觉”答案，包括建议用户“吃石头”“在披萨上涂胶水”，甚至“狗参加过NBA比赛”。这些错误主要来源于过度依赖博客或Reddit等用户生成内容，引发了关于网络权威信息来源的争议。

尽管诸如Perplexity等AI原生搜索引擎也面临类似问题，但由于Google庞大的用户群，其错误引发的关注和批评更为显著。此外，Google的生成式AI工具Gemini的推出也因种族图像生成问题备受争议。例如，为了过度补偿多样性，生成了一些历史上不符合实际的图像。作为全球第四大市值公司（约2.2万亿美元），Google的每一步动作都受到高度关注和审视。

OpenAI：生成式AI的先锋

OpenAI 成立于2015年，起初为非营利组织，2019年转型为盈利企业，以开发生成式预训练变换器（GPT）系列模型闻名。OpenAI已累计融资113亿美元，截至2024年2月，公司估值达到800亿美元。

2023年9月，OpenAI宣布其ChatGPT产品可通过Bing实现联网功能，为用户提供实时信息查询，但仅向ChatGPT Plus订阅用户开放。与Perplexity不同，ChatGPT并不为用户查询的答案提供引用来源。截至2024年6月，ChatGPT拥有约2亿月活跃用户，在2022年11月上线两个月后便达到1亿用户，展现出强劲的增长势头。

Meta：将AI融入全球最广泛的社交网络

Meta AI 成立于2013年，其LLaMA系列开源AI模型备受关注。2024年4月，Meta宣布将其AI助手直接整合到Facebook、Instagram和WhatsApp等核心产品中，使信息检索和大语言模型的查询功能更贴近36亿用户的社交体验。

Bing：市场份额有限的挑战者

尽管Bing（隶属于微软）在2024年全球搜索市场的份额仅约3.3%，但微软近年来通过Bing Copilot等AI功能进行了大量投入。然而，这些努力未能显著撼动Google的市场地位。Bing的优势主要体现在其与微软生态系统的深度整合。

You.com：新兴的AI搜索玩家

You.com 成立于2020年，由前Salesforce员工Richard Socher和Bryan McCann创立，主打更个性化和隐私保护的搜索体验。与Perplexity类似，You.com支持答案引用，并通过AI模型简化用户搜索反馈流程。截至2024年6月，You.com已累计融资4500万美元。

公司壁垒

在生成式人工智能应用中，搜索是一个备受关注的市场，无论是对消费者还是对企业都很有吸引力。十多年来，搜索用户体验和行业格局几乎没有发生重大变化或颠覆。因此，创业公司试图优化和改变搜索方式，并占据市场份额。根据硅谷科技评论（svtr.ai）数据库，一年来在AI搜索领域，全球近10家初创公司获得融资，不少聚焦在垂直细分领域，包括地产、教育、视频等。

Perplexity AI 作为一家 Gen AI 应用层公司，模型或技术栈能力不是核心价值，根据其创始人的介绍，公司主要专注三个关键维度：实用性、准确性、迭代速度。

实时性方面，与ChatGPT等大模型依赖训练时的数据和语料获取信息不同，Perplexity基于底层传统搜索引擎开发而得，能够及时抓取最新的信息。

准确性方面，Perplexity做了两件事情：减轻幻觉和内容溯源。为了减少幻觉现象，Perplexity引入了RAG技术（检索增强生成），RAG的作用好比是给模型提供一本教科书，让它根据特定的问题去查找信息，通过关联外部知识来提高答案的准确性，有效减少了语言模型中出现的虚假信息，使得生成的回答更准确可信。

同时，Perplexity还对生成的每一句话都附有引用链接，在保证可靠性的同时便于用户溯源或深入研究。

不仅如此，Perplexity还对召回和排序环节的算法做了创新，保证内容的有用性及引用的精确程度。其中，“召回”指根据搜索指令从数据库中获取尽可能多的正确结果，“排序”指根据用户搜索内容的相关性对召回结果进行排序，决定了搜索引擎的精确程度和性能上限。

迭代速度上，Perplexity的表现在业内更是有目共睹。公司投资人Nat Fridman，Github 前 CEO 称赞 Perplexity：创立不到六个月，比很多公司全生命周期发布的产品迭代都更多。领导 Perplexity 第一轮融资的埃拉德·吉尔 (Elad Gil)（我所不知道的事）表示，Aravind立即给他留下了深刻的印象。

“我们会围绕一个概念或功能进行集思广益，他会在几个小时或几天内构建它，他非常优秀。“

AI套壳这个话题在去年引起了广泛的争议，对于任何一个没有自己的大模型，做AI应用的公司都要回答的问题是“ 如何看待AI 套壳产品的护城河”，Aravind Srinivas 给出的答案是：

“只有当你真正有了值得「护」的东西时，护城河才有意义。人们可以将 Perplexity 看做是一个 AI 套壳，但成为一个拥有十万用户的套壳产品显然比拥有自有模型却没有用户更有意义。此外，模型的发展是动态变化的，我们要对各种模型都保持开放心态，但要快速、积极地对于模型领域的变化做出相应选择。如果我们有人做出更高质量的模型，我们仍旧愿意使用这个模型，因为用户只在意自己的搜索体验，而不是我们用了哪个模型、我们的商业模式是什么、我们怎么盈利。”

商业模式

Perplexity的订阅制“免费增值”模式

Perplexity采用订阅制免费增值（Freemium）商业模式，提供基础功能的免费使用，同时通过月费订阅提供额外功能。截至2024年6月，Perplexity提供以下三种订阅层级：

免费版：

提供无限制的快速搜索（基于Perplexity自有模型，能快速生成简明信息）。
支持个性化答案。
每天允许进行5次Pro搜索。

专业版（Pro）：

月费$20。
包括免费版的所有功能。
每天可进行600次Pro搜索，利用更高级模型（如GPT-4 Turbo和Claude 3）提供更准确和深入的答案。
支持文件上传。
每月附带$5 API使用额度。

企业版（Enterprise）：

2024年4月，Perplexity推出了一套专为企业客户设计的B2B服务。
企业版用户可享受团队管理、单点登录（SSO）集成及更高的数据隐私保护。
已有包括Databricks、Nvidia、Zoom以及克利夫兰骑士队等知名客户采用此方案。
企业版定价：
小型企业（少于250名员工）：$40/月/席位 或 $400/年/席位。
大型企业（超过250名员工）：定制价格。

广告探索与转变

除了订阅服务外，Perplexity正逐步探索通过广告创收的途径。2024年4月，公司宣布计划将广告整合到其平台中。这一决定标志着其商业策略的重大转变。此前，Perplexity在官网中明确表示搜索应“摆脱广告驱动模式的影响”，但这一声明已于2024年3月从网站上移除。

在宣布广告计划时，Perplexity的首席商务官Dmitry Shevelenko指出：“广告始终是我们打造伟大业务的一部分。”尽管广告的具体形式尚未确定，Shevelenko表示，生成式AI 将帮助实现更精准的广告目标。他进一步强调：“当广告做到极致时，它将是令人惊叹的。”

重大进展

业务增长表现

用户增长

Perplexity自2022年12月推出旗舰问答引擎以来，在用户增长方面表现出色：

2023年3月：上线仅四个月，月活跃用户数（MAU）达到200万。

2023年底：全年处理了5亿次查询。

2024年1月：月活跃用户进一步增长至1000万。

国际市场扩张：在印度的用户数达到了100万，显示出其在全球市场的渗透能力。

查询量与收入表现

随着用户基数的增长，Perplexity的查询量和年经常性收入（ARR）迅速提升：

2024年4月：

月查询量达到1.69亿。
年经常性收入（ARR）达到2000万美元。

2024年10月：

查询量增长至每天1500万。
ARR增长至5000万美元。

企业客户扩展

Perplexity通过其Enterprise Pro产品吸引了众多大型企业客户。这些企业覆盖多个行业，代表了其产品的广泛适用性和市场认可度。知名客户包括：

Databricks
Zoom
Hewlett Packard
克利夫兰骑士队
Stripe
Thrive Global

融资故事

在做Perplexity之前，Aravind Srinivas其实尝试过不少方向，比如 Text-to-SQL 生成器，还有支持搜索 Twitter 内容的 Bird SQL，那么最终是如何决定做搜索。其实这背后与公司的融资过程息息相关。

Aravind Srinivas在最近接受采访时表示：

“如果一年前我们说要挑战 Google，肯定是没有人愿意投资我们的，因为投资人更喜欢安全边际更高的项目，听起来很完美，甚至没有 PMF 也能获得投资，因为这类项目即便不能最大化回报，但至少可以最小化风险。”

Aravind最初向领投人 Elad Gil 提出的创业想法是，既然想挑战 Google，不如设计一款智能眼镜，能用内置麦克风听取我们的问题，并通过 AirPods 回答。这个设想虽然好，但现实中还很难实现。Elad Gil 的建议是，如果真心想做搜索，不妨专注于更细分的市场，例如数据库搜索，这块市场目前还没人做，一旦成功，B 端市场的潜力是很大的，因为许多企业都需要在自己的数据库、电子表格、Salesforce、Hubspot 等内部系统中进行搜索。

于是团队听从了Elad的建议做了一个最初的产品，找了几家公司谈。市场的反馈是这个产品很酷，但用处不大，因为 Hubspot 就能看到所有数据，只需要一次性输入完就会定期更新。然后Aravind Srinivas又询问了投资顾问兼 DataBricks 首席架构师 Reynolds Shin的意见，他的看法差不多，因为 80% 赚钱的 SQL 代码其实都不是新写出来的，而是旧的代码反复定期去跑。至于那些新写出来的查询代码，其中至少 80% 的查询都并不需要用 SQL 了。现在像 Power BI、Tableau、Metabase 这种数据分析和可视化工具越来越普及，很多数据相关的任务都不再需要用传统的 SQL 编写，特别是数据查询和报表生成。这些工具提供了 GUI 和拖放功能，用户能直观地编辑数据、查询和图表，无需编写任何 SQL 代码。

Aravind Srinivas后来看了大量的 Tableau 和 Power BI 教程视频，也亲自上手用了这些软件，发现微软和 Salesforce 开发的这些工具真的非常好用，在这个领域重复造轮子实在没有必要。如果用户真的想要一个聊天界面的话，用户希望的应该是能嵌入到这些现有工具中。Aravind于是果断放弃了数据库搜索方向。

在各种早期尝试中，公司有一个做的很对的就是爬取了 Twitter 的所有数据。同时还做了类似 SQL 编辑器这样的企业级工具，以及一个能够生成带链接摘要的搜索服务产品。产品一上线，第一天就有数千次查询，这让团队确信方向是对的，坚定了做搜索的信念，同时要面向消费者，因为这是切实存在的需求。

最终打造了Perplexity 雏形 Web Search Slackbot，随后公司的融资也走上了顺利的坦途。

2022 年 9 月，获得 310 万美元种子轮融资。Perplexity 吸引了诸多AI 领域的知名人物投资，包括前Twitter副总裁Elad Gil、前GitHub 首席执行官 Nat Friedman、Meta 首席AI 科学家及图灵奖获得者 Yann LeCun、微软前总裁Bob Muglia、Open AI 创始成员Andrej Karpathy 等。
2023 年 3 月，在 A 轮融资中筹集了 2560 万美元，估值 1.5 亿美元。投资方为Databricks Ventures，以及天使投资人等。
2023 年 10 月，完成5000万美元融资，估值达到 5 亿美元。投资方为 IVP 。公司已有1.5万个付费用户，每年的营收为300万美元。
2024年 1 月，完成7360万美元融资，投资方为IVP、NEA、Databricks Ventures、前Twitter副总裁Elad Gil、Shopify CEO Tobi Lutke、前GitHub CEO Nat Friedman、Vercel创始人Guillermo Rauch、Nvidia、Jeff Bezos。估值5.2亿美元，公司拥有1000万月活跃用户。
2024年 4 月，完成至少2.5亿美元融资，估值在25亿美元至30亿美元之间。投资方为 Daniel Gross、亿万富翁 Stanley Druckenmiller、Y Combinator 首席执行官 Garry Tan 和 Figma Inc. 首席执行官 Dylan Field 。公司拥有 55 名员工。今年到目前为止，Perplexity 在美国处理的用户查询数量接近 7500 万，比 2023 年全年还要多。公司最近的年收入突破了 1000 万美元。Bridgewater Associates、Zoom Video Communications Inc. 和克利夫兰骑士队是最早使用该产品的企业之一。
计划中的2024年10月融资。目标融资金额：5亿美元。预估融资后估值：80亿美元（约为一年内估值的15.4倍增长）。融资背景：AI行业投资热潮，如OpenAI于2024年10月完成的66亿美元融资。

机会分析

互联网搜索范式的转变

随着全球数据量的爆发性增长，信息检索技术正面临演变的需求。2023年全球数据量已达到120 ZB（zettabytes），预计到2025年将增至150 ZB。然而，传统搜索引擎因返回低质量、过度搜索引擎优化的内容而备受诟病。这种现象导致搜索结果的质量下降，用户体验不佳，甚至推动消费者转向Reddit和TikTok等替代平台获取信息。

在此背景下，人工智能的进步为基于大数据的高级信息检索平台铺平了道路。基于Transformer技术的大型语言模型（LLMs），如ChatGPT，通过自注意力机制和并行处理数据序列，大幅提升了训练速度和效率。这些模型能够快速生成类人文本并处理海量信息，展现了巨大的潜力。然而，它们也存在高昂的训练成本及事实性错误（“幻觉”）等问题。

Perplexity的差异化优势 Perplexity以结合实时网络搜索和LLMs处理能力的新方法应对这些挑战。它通过实时抓取最新信息并结合生成式AI的强大计算能力，实现了质量和实时性兼备的平衡。这种“双重优势”使其在信息检索领域占据了独特的市场地位，未来可以继续强化这一差异化战略，巩固其领先地位。

客户扩展与全球市场的开拓

企业市场的突破 Perplexity于2024年4月推出的Enterprise Pro服务，标志着其正式进军B2B市场。这一服务专为企业客户定制，提供团队管理、单点登录（SSO）和增强的数据隐私保护功能，成为其业务收入来源多元化的关键一步。这一领域的拓展不仅可以提升企业客户的粘性，也有助于分散对消费者订阅收入的依赖。

全球合作与用户增长 为推动全球扩张，Perplexity在2024年4月宣布与软银（日本）和德国电信（德国）等主要电信公司达成合作。这些合作伙伴将帮助Perplexity的服务分发至额外的3.65亿用户，覆盖移动和宽带市场。通过与这些国际巨头的合作，Perplexity不仅可以扩大其服务影响力，还能更深入地渗透到不同区域的市场。

风险分析

搜索业务的盈利能力

传统广告模式的挑战 截至2024年4月，在线广告经济仍依赖用户通过搜索引擎（如Google）点击链接，访问发布商网站并在其中接触广告。然而，Perplexity的AI驱动搜索通过直接在答案页面汇总和呈现信息，减少了用户访问外部网站的需求。这种更高效的搜索体验与传统广告收入模式形成了矛盾，因为广告的效果往往基于用户与搜索结果的直接交互。

高昂的运营成本 根据2023年的一份报告，使用先进的神经网络（如Google Gemini）处理搜索查询的成本可能是标准关键词搜索的10倍。Perplexity在面临更高计算成本的同时，尚未建立可媲美传统广告模式的收入来源。这种情况下，公司如何在高成本和低盈利能力之间找到平衡，成为其长期可持续发展的重要挑战。

行业转型的不确定性 搜索行业正处于探索AI驱动的新收入模式的关键节点。尽管Perplexity计划引入广告，并通过与内容发布商共享收入的方式借鉴Spotify模式，但这一策略能否获得广泛接受仍有待验证。传统搜索引擎向AI转型的路径尚不清晰，这为Perplexity带来了创新的机会，同时也增添了风险。

版权问题

法律纠纷及其潜在影响 2024年10月，新闻集团旗下的《华尔街日报》（WSJ）和《纽约邮报》对Perplexity提起诉讼，指控其未经授权复制内容，从而绕过了原始发布商并可能导致其收入损失。如果法院裁定新闻集团胜诉，Perplexity可能面临每次侵权高达15万美元的法定赔偿金，以及实际损失和利润损失的赔偿请求。这不仅可能对公司的财务资源造成压力，还可能损害其声誉，进一步影响其融资能力。

广泛的行业抵制风险 在本次诉讼之前，《纽约时报》已向Perplexity发出“停止及终止函”，《福布斯》和《连线》杂志也分别指控其未经许可地使用其内容。这些事件表明，Perplexity的内容获取方式已引发多方关注。如果类似诉讼持续增加，公司可能面临更广泛的行业反弹。

模糊的法律与监管框架 当前AI工具生成摘要的合法性尚不明确。虽然美国版权法允许在评论、批评和新闻报道中合理使用作品的部分内容，但AI工具生成摘要的速度和规模远超人工，可能引发更多争议。Perplexity的商业负责人Dmitry Shevelenko将其服务与记者引用外部信息支持报道的方式进行比较，但这一观点尚未被广泛接受。

行业先行者的应对措施 OpenAI已经与至少七家知名媒体公司签署了版权许可协议，为其与内容发布商的关系提供了法律保障。相比之下，Perplexity尚未宣布类似协议，这使其在应对新闻集团等版权诉讼时处于不利地位。这一案件的判决结果可能成为AI生成技术与媒体行业未来关系的重要分水岭。

公司的未来

在线数据的快速增长对传统搜索引擎提出了巨大挑战。研究表明，搜索结果的质量正在下降，用户有时会感到被误导。同时，自然语言处理技术的进步，尤其是Transformer架构的发展，推动了大型语言模型（LLMs）的崛起。创立于2022年的Perplexity结合实时网络搜索和LLMs，通过对话形式提供带来源的答案，旨在解决误导性信息和不准确答案等问题。这种方法优先考虑透明性和可靠性，试图通过AI驱动的互动搜索解决方案来革新搜索体验，实现从传统搜索引擎向智能搜索的转变。