$三六零(SH601360)$ Perplexity的创始人CEO Aravind Srinivas近日在斯坦福大学进行了现场访谈。这个当下AI问答引擎的标杆产品还有重要的问题需要团队去持续回答和用时间证明,或许这也是CEO时有出面访谈的原因之一。
一、Perplexity 的起源和发展
学术背景对 Perplexity 的影响至关重要。 Aravind认为他的学术根基塑造了 Perplexity 的构建方法。Perplexity 从一开始就坚持在每个答案后面加上引用, 确保答案真实可靠,这与学术论文的写作规范非常相似。
Perplexity 致力于打造世界上第一个“答案引擎”,旨在改善信息获取,让人们平等地获取知识。 Aravind坚信知识是无穷无尽的,追求智慧是每个人的道德责任, 因此 Perplexity 致力于为用户提供便捷获取知识的工具。
Perplexity 采用了一种“非垂直整合”的策略,即不自己构建模型和内容,而是利用现有的模型和 API 来打造产品。 Aravind认为模型会越来越商品化, 创业公司没有必要投入巨资去训练自己的模型, 而应该专注于应用层的开发,为用户提供更好的体验。
二、Perplexity 的商业模式和未来发展
Perplexity 的盈利策略是广告,但与谷歌的广告模式不同。 Perplexity 的广告不会影响答案的准确性和真实性,而是以“建议问题”的形式出现,用户可以选择是否参与。Perplexity 面临着来自新闻机构的版权诉讼,但Aravind认为 Perplexity 只是引用和总结已存在的真相, 并没有侵犯版权。 Perplexity 正在积极与出版商合作,推出“出版商计划”, 通过广告收入分成的方式来解决版权问题。Aravind认为 Perplexity 的未来目标是成为一个可靠的答案机器, 不仅提供答案,还能帮助用户完成任务,提高效率,让人们的生活更便捷。 Aravind希望 Perplexity 能够帮助人们变得更聪明,让世界变得更美好。
三、关于团队建设,Aravind分享了几点团队建设的认知:寻找具备互补技能的伙伴:在组建创始团队时,Aravind强调要寻找具备互补技能的人, 而不是与自己在相同领域都很出色的人。理想的伙伴应该在自己不擅长的领域表现更为出色,这样才能形成互补,共同推动项目发展。重视“乘法效应”: 一个优秀的团队应该能够产生“乘法效应”,即团队整体的贡献远大于个体贡献的简单相加。以 Perplexity 的设计团队为例, 说明即使创始团队中没有人具备设计才能, 但通过特意聘请优秀的设计师, 团队最终获得了超越预期的成果。敢于给予新人机会: Aravind在招聘时, 并不局限于寻找那些已经在某一领域取得过巨大成功的“专家”。相反,他更倾向于给那些有才华但尚未获得重大突破的新人机会,认为这样做能够激发新人的潜力, 让他们更有动力去拼搏, 为团队带来新的活力。
关于Perplexity 商业模式的探讨Perplexity 的商业模式是目前大家关心的重中之重,访谈里Aravind的观点可以概括为以下几点:核心产品: Perplexity 致力于构建世界上第一个“答案引擎”,为用户提供直接的答案,而非像传统搜索引擎那样提供一系列链接。技术策略: Perplexity 采用 “非垂直整合” 的策略,不自行构建模型,而是利用现有的大型语言模型和 API 来打造产品。盈利模式: Perplexity 的主要盈利模式是广告,但与 Google 的广告模式不同。区别于 Google: Perplexity 的广告不会直接影响答案的排序或内容,以确保答案的准确性和真实性。广告形式: Perplexity 的广告主要以“建议问题”的形式出现,出现在答案之后,用户可以选择是否点击查看。
合作模式: Perplexity 推出了“出版商计划”,与内容提供商分享广告收入,以解决版权问题, 并建立一个可持续发展的生态系统。Perplexity 商业模式的优势:专注用户体验: Perplexity 致力于提供直接、准确、可靠的答案, 避免用户在大量链接中迷失。降低开发成本: 利用现有 LLM 和 API 能够显著降低开发成本, 使 Perplexity 能够更专注于产品创新和用户体验提升。平衡盈利与用户体验: Perplexity 的广告模式试图在盈利和用户体验之间取得平衡, 既能为公司带来收入,又不影响答案的准确性和真实性。构建可持续生态: Perplexity 的“出版商计划” 旨在与内容提供商建立互利共赢的关系, 促进内容生态的健康发展。
Perplexity:挑战和疑问
对于Perplexity这个AI问答引擎的标杆,在当下资本追捧的同时,仍有重要的问题需要团队去解答。“非垂直整合”策略的可持续性成本控制:Aravind反复强调 Perplexity 不构建模型, 而是选择使用现有的 LLM 和 API,以此降低成本,将精力集中在应用层开发。然而,随着 Perplexity 用户规模的扩大,使用第三方模型和 API 的成本也会水涨船高。 未来Perplexity 是否能持续控制成本的同时,保持盈利能力?或许跑开源模型是一种选择。技术壁垒: 不构建自己的模型意味着 Perplexity 在技术上可能缺乏足够的壁垒。如果竞争对手也采用类似的策略,Perplexity 的竞争优势可能会被削弱。 开源社区可能随时复刻一个强大的版本。如何提升技术壁垒?
关于广告模式的有效性和伦理问题广告效果: Perplexity 的“建议问题”广告模式是否真的有效,能否吸引用户点击,并为内容提供商带来足够的收益,还有待观察。广告效果将直接影响 Perplexity 的盈利能力和“出版商计划”的成功。用户体验: 即使广告不直接影响答案内容,“建议问题” 的形式是否会影响用户体验,也需要观察。用户是否会对这种广告形式感到厌烦, 是否会降低对 Perplexity 答案的信任度?客观性界限: Perplexity 如何确保“建议问题” 与答案内容之间界限清晰,避免广告影响答案的客观性,是一个挑战。用户是否能够明确区分广告和答案,Perplexity 是否会为了广告收入而放松对答案客观性的要求,都需要 Perplexity 给出更清晰的解释和解决方案。
关于 Perplexity 未来的发展方向“答案引擎”的局限性: 目前,Perplexity 的定位是“答案引擎”,专注于为用户提供直接的答案。然而,“答案” 本身可能存在局限性,无法满足用户更复杂的需求,例如多角度的信息整合、个性化的分析和建议等。 未来, Perplexity 是否会拓展产品功能,突破“答案引擎” 的局限性?出版商参与度: Perplexity 的“出版商计划” 是否能够吸引足够多的出版商参与,是该计划能否成功的关键。如果出版商对 Perplexity 的广告分成模式不满意,或者对 Perplexity 解决版权问题的能力缺乏信心,该计划的效果可能会大打折扣。
简单说一点,现在OpenAI也发力搜索了,那么Perplexity如何长久保持自己的独特性和壁垒,同时还要实现盈利的艰巨目标呢?让我们拭目以待。
本文作者可以追加内容哦 !