摘要：文章探讨了生成式AI对搜索技术的影响，以及AI搜索平台如何通过结合经典搜索技术与现代AI来提高检索的智能性、速度和可扩展性。它还讨论了企业在基本和高级GenAI用例中面临的选择，以及AI搜索平台的重要性。
文章探讨了生成式AI对搜索技术的影响，以及AI搜索平台如何通过结合经典搜索技术与现代AI来提高检索的智能性、速度和可扩展性。它还讨论了企业在基本和高级GenAI用例中面临的选择，以及AI搜索平台的重要性。
译自：Why AI Search Platforms Are Gaining Attention
作者：Tim Young
几年前，我女儿告诉我，她的学校研究项目非常深入，她不得不一路冒险到 Google 的第 3 页。那一刻让我记忆犹新，因为它显示了搜索在我们的生活中已经根深蒂固。“To google” 迅速变成了一个动词。搜索的构建是为了适应人类的速度：提供一个结果的简短列表，让用户扫描、解释、决定，甚至在需要时访问第 3 页。同样的基础也为电子商务、内容发现、合规性和无数其他应用程序提供了动力。
生成式 AI 几乎在一夜之间改变了人们的期望。人们不再输入关键词，而是用简单的语言提问，而且问题越来越复杂。他们期望搜索不仅能返回准确的结果，还能完成繁重的工作：回答问题、总结研究，甚至解决问题。
尽管生成式 AI 出现的时间相对较短，但它已经至少有三个成熟的层次：
第一层：聊天机器人——“回答我的问题。”第二层：深度研究——“研究这个并汇报结果。”第三层：代理系统——“解决我的问题。”在第二层和第三层，检索变得具有挑战性。系统可能需要为单个任务运行数十次搜索。缓慢的检索层不仅会降低速度，还会严重影响整个体验。
向量数据库使相似性搜索成为可能，使大型语言模型 (LLM) 能够将答案建立在大型非结构化数据集的基础上。但仅仅依靠 向量搜索 是不够的。生产级的 AI 搜索需要更多：结合语义、关键词和元数据检索，应用机器学习排序，并处理不断 变化的结构化和非结构化数据，所有这些都需要大规模进行。
尝试在多个系统之间将这些组件拼凑在一起会很快达到其极限。带宽、集成开销和浅层连接会造成瓶颈并降低准确性，而准确性是关键，因为人们很少质疑 AI 提供的答案。
AI 搜索平台是一种新型基础设施，它通过将经典搜索技术与现代 AI 相结合，使检索更智能、更快速、更具可扩展性：嵌入空间中的向量和 张量搜索、用于提高精确度的全文搜索、多步骤排序和实时推理，使用机器学习模型和张量数学。它可以实现机器速度的精确搜索，并通过过滤和排序来确保只有最相关的答案立即浮出水面。AI 搜索平台对于简化每个成熟级别的生成式 AI 的开发和部署至关重要。
主流数据平台（如 Snowflake 或 Postgres）现在包含基本的向量搜索功能。这对于入门级的 GenAI 聊天机器人来说还可以，但对于面向客户的深度研究或代理 AI 用例来说则不够，在这些用例中，速度、规模和准确性才能带来竞争力。
对于 CIO 来说，这造成了一种分裂：
基本的企业 GenAI：由现有平台支持，对于简单的内部任务来说“足够好”。高级的企业 GenAI：适用于要求严苛的面向客户的用例，只有 AI 搜索平台才能满足需求。在这种情况下，纯粹的向量数据库可能会被边缘化，夹在用于简单用例的现有数据平台和提供规模、性能和准确性的 AI 搜索平台之间。
尽早采用 AI 搜索平台的公司将在这一新时代中引领步伐。搜索不再只是一种实用工具，它正在成为 AI 驱动型业务的支柱。毫无疑问，也是我女儿研究的支柱。
来源：小丁科技讲堂