采访Perplexity AI创始人：2025年AI代理4大商业模式，找到最适合你的盈利方向（附视频）

（关注公众号并设为标，获取最新人工智能资讯和产品）

全文10,000 字，阅读约需28分钟

站在2025年开年，你是否也在思考：该如何在AI代理的浪潮中找到自己的位置？在最新一期的印度经济节目《The Quest》中，估值90亿美元的Perplexity AI创始人兼CEO Aravind Srinivas给出了他的答案。

"2025年将是AI代理商业化的关键一年。"Srinivas表示，"我们已经看到无数企业和个人在寻找适合自己的AI代理商业模式。关键不在于盲目跟风，而在于找到最适合自己的盈利方向。"

作为走在AI代理商业化前沿的创业者，Srinivas分享了四种在市场上的商业模式。每种模式都有其独特的应用场景和目标用户群：

智能订阅制：适合提供持续性AI服务的场景。比如个性化学习助手，可以每月收取固定费用，为用户提供全天候的学习规划、知识解答和进度追踪。又如商业智能助手，能够持续监控市场动态，进行数据分析，并提供决策建议。

任务计费制：适合专业性强、单次价值高的场景。例如AI代理帮助编写商业计划书，或者为企业进行品牌营销方案设计，每完成一个具体项目收取相应费用。这种模式特别适合咨询顾问和专业服务提供者转型。

交易分成模式：适合电商、旅游等具体交易场景。想象一下，你的AI代理帮用户定制旅行方案，从机票预订到酒店选择，最终从每笔成交中获取佣金。又如在电商领域，AI代理根据用户喜好推荐商品并促成交易。

革新性广告模式：这是一种全新的商业模式，特别适合面向高净值用户的场景。广告不再直接打扰用户，而是由AI代理智能筛选。例如，当用户需要购买豪华车时，各品牌可以向AI代理投放个性化的优惠方案，由AI根据用户偏好进行筛选和决策。

"选择哪种商业模式，需要考虑你的技术能力、目标市场和资源积累，"Srinivas强调，"重要的是找到最适合自己的切入点。有些人可能适合从单一模式起步，随着经验积累再逐步扩展；也有人可能可以多种模式结合，打造完整的商业生态。"作为引领AI行业的企业家，他坚信2025年必将是AI代理商业化的重要转折点。而能否在这波浪潮中抓住机遇，关键就在于你如何选择最适合自己的商业模式，并付诸行动。

人工智能浪潮下，你准备好了吗？ 扫码参与顶尖学府AI人才培养计划，掌握未来竞争力！ AI浪潮汹涌而来，2029年AGI即将到来， 不学习就是在倒退，现在正是提升自己的最佳时机。 我们AI深度研究院正在与复旦大学、上海交通大学、中国科技大学， 联合打造面向未来的AI实战课程，让每个人都能把握AI红利。 和顶尖专家一起，解锁AI时代的无限可能。 扫描二维码，提前布局AI时代 不要让未来的你，遗憾错过现在的机会！文稿整理

主持人：今天的嘉宾是 Aravind Srinivas，他是 Perplexity AI 的创始人之一。这家公司是当今最知名的生成式 AI 公司之一。他是一名工程师，曾在印度理工学院马德拉斯分校和加州大学伯克利分校接受培训。他是一位 AI 研究员，曾在 DeepMind、Google 和 OpenAI 工作过，然后开始创业。如今，生成式 AI 已经成为一个拥挤的领域，各大巨头争夺霸主地位，而 Aravind 和 Perplexity AI的崛起——目前估值达 90 亿美元——在这片竞争激烈的领域中堪称逆袭故事。

嘉宾Aravind Srinivas：谢谢邀请我来这里。

主持人：首先，圣诞节以来生活如何？

Aravind Srinivas：非常忙碌。我在这里见了很多人，显然网上也有很多讨论，比如在 Twitter 上的各种事情。但我尽量专注于公司以及我们计划在明年年初推出的项目，以及我们需要做的一切来进一步区分自己。这就是我现在的重点。

1、AI搜索引擎-Perplexity

主持人：让我们谈谈 Perplexity 吧。你刚才提到，现在你的重点是新一年推出新功能。你能具体谈谈接下来会有哪些新内容吗？

Aravind Srinivas：过去两年可以总结为一种人们获取在线信息方式的巨大范式转变。以前，人们会输入关键词，浏览链接，点击它们，然后在脑海中拼凑出答案。而现在，AI 本质上已经替代了这些工作，你可以直接提出问题并得到答案。我觉得，问答已经成为每个人生活中非常重要的一部分。以前，你会问朋友一个问题，如果朋友知道答案，他们会告诉你；如果不知道，他们会问其他朋友，或者去查资料。而现在，只需要问 AI 一个问题，就能立即得到答案。

主持人：这正是你非常形象地称为“Plexing”的东西，对吧？

Aravind Srinivas：对，“Plexing”。我认为，这将成为一种人们理所当然的习惯。科技进步的速度与我们人类适应并将其视为理所当然的速度一样快。因此，未来两年需要关注的不仅仅是“答案”。过去两年的主题是从“链接到答案”，而接下来，我认为我们需要从“答案”转向“行动”。在读完一个答案之后，你通常会采取一些行动。很多时候，这些行动是基于研究的结果，比如你需要决定做什么、买什么，或者在年底最后几天去哪里度假。如果 AI 可以帮你制定行程并完成预订，即便预订不可用，AI 也可以为你提供新的建议并完成新的预订。这种循环才是真正实现 AI 承诺的闭环。

AI 还可以帮你完成其他任务，比如为你买礼物，或者为别人买礼物，甚至制作 PowerPoint 演示文稿。将答案转化为幻灯片，免去手动复制粘贴的步骤——很多人现在使用生成式 AI 工具的方式就是将答案的一部分复制到 Google 文档或 Google 幻灯片中，然后再进行演示。但为什么要让人们承担这种负担呢？所以，我认为未来将更注重工作流，而不仅仅是工具。当一切都可以通过工作流完成时，很多事情甚至可以被计划和自动化。届时，你会感觉到 AI 代理已经成为你生活的一部分，就像你有了一个为你工作的助手。我觉得这些变化非常令人兴奋，并且会在很多领域发生。我们也非常期待能在其中以有意义的方式做出贡献。

主持人：你会说这种面向消费者的 AI 特定迭代浪潮，是在两年前 Perplexity 成立以及早期的 ChatGPT 向公众开放时开始的吗？那时，我们开始习惯一个非常聪明的机器人为我们提供答案。你是否认为，下一波浪潮会是“代理”阶段，智能机器人不仅为我们工作，还能更个性化地服务于我们？

Aravind Srinivas：是的，这种个性化的确非常重要。问答很难做到完全个性化，因为大多数时候，答案都是大同小异的。当然，我们可以优先考虑某些你更喜欢的来源，或者排除你不喜欢的来源。但我认为，只有当 AI 开始为你做事，并逐渐学会你的偏好，甚至无需你额外解释就能理解你的需求时，你才会真正感受到它像一个私人助理。这种私人助理的感觉非常重要。一旦这种体验实现，你将与每个 AI 建立完全不同的关系。现在，很多人觉得不同的应用之间没有太大区别。有些应用可能比其他应用更准确，但总的来说，差异不明显。然而，当代理开始为你工作时，你会感觉到这个代理真正了解你。你已经和它进行了多次互动，建立了信任，不想再切换到其他代理，因为重新训练一个新代理来理解你是很麻烦的。我认为，2025年“个性化代理”会成为一个重要主题。当然，“代理”这个词现在有点像流行语了，但它确实反映了未来的趋势。

主持人：当 AI 开始替你采取行动，并且越来越个性化地为你服务时，你会开始感觉它像一个助理。这会非常强大。你会认为这也可能显著增强 AI 公司的盈利能力吗？因为一旦涉及交易而不仅仅是交互，就会有更多的盈利潜力，对吧？

Aravind Srinivas：我认为这将是一个新的开始。我觉得大家一直在等待，“AI 什么时候才能真正赚到很多钱？”因为现在的数据中心建设成本非常高，而目前 AI 的收入远远低于用于训练这些模型和提供服务的投入。就像你看到的，OpenAI 每年亏损超过 50 亿美元。

主持人：那 Perplexity 的亏损情况？

Aravind Srinivas：绝对要低两个数量级（笑）。不过，我认为真正的价值在于人们认识到，支付费用使用 AI 实际上是值得的。现在，并不是每个人都愿意为优质的问答服务付费，因为要接受这种观念并不容易。而另一方面，人们更容易接受为一项能够替他们完成大量工作的 AI 服务付费。这种行为很容易被接受，因为这类似于雇人工作。比如叫一辆 Uber 时，你实际上是在支付司机和平台的费用；或者雇人来打扫你的家、做饭等。这种为别人工作付费的观念已经深入人心。但到目前为止，AI 并不能真正为我们做这些事情。而一旦 AI 开始可靠地完成这些任务，AI 应用的盈利能力就会大幅提升。此外，每次交易本身也可以被货币化。比如，AI 代理从交易中抽取一部分佣金。就像 AI 代理从支付中分成，对吧？而且不仅仅是供应商。这样可能会产生许多有趣的结果。你可以设想广告模式也可以融入其中，比如供应商向代理支付额外费用以提供某些特殊优惠。

我最近有一个假设性的想法，那就是如果广告的投放对象变成 AI 代理会是什么样子？用户永远不会看到广告。与 Google 不同，供应商之间不再争夺用户的注意力，而是争夺代理的注意力。但品牌首先需要适应这种做法。比如，为了争夺 AI 代理的注意力而支付一定的预算，这个概念目前对品牌来说可能还比较陌生。举个例子，当我对 AI 代理说：“我打算去希尔顿住两晚，帮我制定计划并预订。”此时，在后台，代理开始执行这些任务，就会有五家旅游公司、平台或航空公司竞争代理的注意力。

2、AI代理商业模式

主持人：而这种广告经济可能会围绕最低价格或用户设置的其他参数展开竞价，对吧？

Aravind Srinivas：是的，这一切都在用户完全不需要看到广告的情况下发生。值得注意的是，AI 代理可以花费更多的计算资源，因此它能够了解所有品牌的广告信息，并从广告收入中受益。这是一件非常有趣的事情。作为用户，我更愿意远离这些幕后交易。但这些商业模式的确是可能的。所以，盈利的方式可以有三到四种：

第一，直接订阅，比如用户为 AI 的服务支付一笔费用，而这不是基于使用量的；

第二，按任务收费，比如用户为某一特定用途使用 AI；

第三，从交易中抽成；

第四，AI 代理可以接收广告。用户还可以教代理忽略那些恶意品牌，即使它们试图投放广告，而这些互动是用户和代理之间的私密交流，广告商对此一无所知。

所有这些都只有在 AI 代理真正发挥作用的情况下才可能实现。如果代理不起作用，这些都只是理论上的假设。关键是可靠性，这也是为什么我们不应该太超前，还是脚踏实地。也许明年会有一些事情成真，一些功能能够可靠地运行。

主持人：未来五年，你认为许多事情都会实现，是吗？

Aravind Srinivas：我认为在整个 AI 革命中，最令人印象深刻的并不是我们已经完成了什么，而是变化的速度。这些技术进步得如此之快，这才是最让人震撼的。两年前我们还说“幻觉现象太多”，但现在这种现象已经显著减少了。

主持人：关于这一点，技术上来说，在过去两年里，比如 Perplexity 非常活跃的这段时间，你认为幻觉问题减少了多少？

Aravind Srinivas：我没有一个准确的数字可以给出，但一个粗略的估算是，当我们刚开始时，大约 10 次查询中有 2 到 3 次是错误的。这是我们第一次发布产品时的情况，当时我们觉得即使有错误也可以推出，因为这是我们与大型科技公司竞争的优势。但随着 GPT-4 的出现，相比 GPT-3.5，幻觉现象减少了一个数量级。

现在，比如 Claude Sona 3.5 模型发布后，有两种生成式 AI 产品在幻觉现象大幅减少方面受益最大，一个是我们 Perplexity，另一个是编码助手 Cursor。这两个产品的采用率在 Sona 3.5 发布后显著增加。如果你是 Perplexity 的高级订阅用户，并将 Sona 3.5 设为默认模型，那么几乎很难再看到错误答案。并不是说错误完全为零，但可能只有 50 次中有 1 次是错误的。

我很有信心，明年会有一个更好的模型出现。这意味着对每位用户来说，这种错误会变得更加边缘化。从某种意义上说，在短短两年内，问答几乎成为了一个“已解决的问题”，现在主要是解决长尾问题。没有任何一个人类可以在这么短的时间内回答所有这些问题，而 AI 已经能够实现了。同时，这种能力并不会让人感到威胁，因为它并没有取代某种专业，而是为所有人提供了帮助。这是一个全新的现象，大家都能从中受益。

主持人：我对你刚才提到的广告模式很感兴趣，广告并非面向人类用户，而是面向机器用户。你认为未来的广告模式是否可能转变为由广告商补贴用户，允许用户免费使用机器人，而广告商可以向用户的代理投放广告？这其实是现如今许多媒体的补贴模式，对吧？

Aravind Srinivas：广告肯定会成为这些产品的一部分。但我认为这种新模式会比以前的模式更有利于用户。以前的模式中，运行服务的公司从广告商那里获益最多，而用户却没有。在新模式中，用户不会受到广告的干扰，他们的体验不会受到影响。事实上，用户还可以告诉工具忽略某些品牌或广告，而广告商对此一无所知。广告商可能仍然需要向代理投放广告，尽管他们可能需要适应这一点。但最终，如果用户希望这样，广告商可能别无选择。任何将权力从广告商转移到用户的模式都是一件好事，因为这是人们真正想要的，也是颠覆传统的方式。

当然，这种模式的利润率可能会更低。广告商可能不愿意像以前那样支付高额的利润率，但这没问题。正如那句名言所说：“你的利润率就是我的机会。”如果某个业务的利润率是 80%，可能会有人以更好的用户体验和 30% 的利润率来建立一个类似的业务。这可能会发生在传统的 Google 搜索广告与基于 AI 的交互之间。我认为没有任何 AI 业务能达到 Google 搜索广告的利润率，这是几乎不可能的。但同时，这又有何关系呢？一个 30% 利润率的业务对大多数人来说已经非常有吸引力了。在如此大规模的情况下建立一个盈利的业务本身就已经非常困难了。

3、Perplexity AI与谷歌竞争

主持人：当你还是学生，在 DeepMind 和 OpenAI 工作时，你一定知道 AI 是一个非常昂贵的领域。它需要大量的计算能力。那么是什么让你有信心投入这个领域呢？并且又是什么觉得自己能够与行业巨头竞争呢？

Aravind Srinivas：其实，我并不认为自己能与行业巨头竞争，我创业也不是因为我有信心能打败他们。我觉得很多时候，人们创业是因为在某几周或几个月里，他们有一种完全无知却极度自信的状态，这种“非理性的自信”通常会推动你去尝试一些事情。事实上，在任何阶段创办公司都是一种非理性的决定，因为从统计学上看，大多数公司都会失败，大多数初创公司也会失败。创业往往会耗费大量的时间，而很多人在关闭公司后再回到其他公司工作时，会后悔曾经浪费的时间。

但是，这也有另一面。如果你在临终时想起：“也许我当初应该尝试一次。”这种想法就是贝佐斯的“后悔最小化框架”。加上你会觉得“YOLO”（你只活一次），不妨一试，看看会发生什么。对我来说，这更多是关于内心的探索。每个人都会有一种深层的疑问：我是否足够优秀去做一名创始人？这是否适合我？同时，你会问自己：“为什么我总是为别人的愿景执行任务？”

最终，我接受了一个事实：如果我在任何公司工作，那是他们的权利来告诉我该做什么，因为他们有自己的计划和路线图。我不能因为他们不让我做自己想做的事情而感到愤怒。同时，如果你有那种“我只想按自己的方式做一切，不想听任何人意见”的心态，那你最好自己去创业。如果现实让你在创业中失败了，那就接受这个事实，要么再尝试一次，要么回到为别人的愿景努力的轨道上去。唯一知道你是否能够执行自己愿景并获得权利的方法就是亲自去尝试，去发现。我不想用那种慢速的方式，比如花五年时间逐步爬升职位。我只是想立即尝试一下。

主持人：当你在那些公司工作时，你是那种所谓的“10 倍工程师”吗？会觉得自己需要做得更多，或者其他人没看到事情的发展方向？是否有这种内心的不满足感，驱使你通过创业来解决？

Aravind Srinivas：首先，我从来不是“10 倍工程师”，我也从未认为自己是这样的。我很清楚有比我更优秀的工程师，我也不可能通过成为最好的工程师而达到顶峰。但我确实拥有非常深刻的技术理解，也是一名相当不错的程序员。同时，我在高层战略思考和沟通方面也很擅长。我觉得这种能够既有深度技术能力，又能很好地说服他人一起努力的能力，是一个需要被充分利用的独特交叉点。大多数成功的科技创始人都具备这种能力。我知道自己想成为一名创始人，我也对自己想做的事情有一些想法。但这并不是说别人没有看到这些想法，而是我没有获得执行这些想法的资源。这是合理的，因为我当时还没有证明自己有资格。正因如此，我决定去证明自己，看看是否能做到。如果我没有在创业中走远，我也会接受这个事实，然后回去当一名独立贡献者（IC）写代码。

主持人：创业初期的日子是怎样的？第一笔重要的支持或资金什么时候到来？你是如何选择联合创始人的？

Aravind Srinivas：我和我的联合创始人 Dennis 认识了一年到一年半时间。我们曾合作写过同一篇论文，并在伯克利有过交集。他当时是访问学生。我们聊过很多不同的想法，比如那时 Google DeepMind 发布了一个 Android 模拟器，我们讨论过训练 AI 来控制应用程序的可能性。当时我们对这些非常感兴趣，但一直没有实现。他后来去了 Meta，我加入了 OpenAI，但我们保持了联系。直到某个时刻，我遇到了 Elad Gil，他是我们的种子投资人之一，也是硅谷非常著名的投资人。他对我说：“我不在乎你做什么项目，但我建议你做一些具体的事情，而不是瞄准太大胆的目标。”

他表示愿意投资 100 万美元，并介绍我认识 GitHub 的 CEO Nat Friedman，后者也投了近 100 万美元。这样，我们就有了资金，可以开始做点事情了。然后我说服了 Dennis 辞去 Meta 的工作，和我一起创业。接着我们又说服了他的朋友 Johnny 加入，他是世界排名第一的竞技编程选手。当时他在 Tower 做量化交易员，我们让他放弃了高薪工作。放弃量化交易的高薪加入你们的创业公司这很不容易。特别是量化公司会支付非常高的工资。前两年，我们甚至没有给他付全额工资。他只要求支付最低的医疗保险现金部分，其余的以股权形式补偿。我们觉得他真的有创始人水平，所以就让他成为了联合创始人。这就是公司的开始。

主持人：和世界排名第一的竞技编程选手合作是什么体验？是否加快了开发速度，或者提高了团队的整体水平？

Aravind Srinivas：如果你自己不想写代码，那你最好有一个能比你快十倍的人来写代码（笑）。我们决定合作时，根本没有给他面试，因为他的能力已经无需证明。我们直接进行了一段时间的试用，看看合作是否合适。如果他不投入太多工作，我们只能得出一个结论，那就是他对这个项目不感兴趣。

4、创业团队成功要素

主持人：因为你非常有能力，所以如果决定做某件事，就没有理由做不到。这种方式是否也传递了相同的信息给你们的团队？另一方面，如果有人行动非常快，是否意味着他们对这件事充满热情并适合合作？

Aravind Srinivas：这种方式确实奏效了。他对这件事表现出极大的兴趣。他刚接触 AI，所以他非常喜欢尝试这些模型。我们大概在一周内决定一起合作。我想说，这种快速决策是我们的一大优势。初创公司最重要的就是速度，势头就是一切。像他这样才华横溢的人，写代码对他来说毫不费力。他可以在 40 小时内完成普通优秀工程师 80 小时的工作量。很多人质疑“10 倍工程师”的概念，认为这很有争议，或者认为这是一个被夸大的说法。但实际上，有些人确实完全超出常规能力范围，能够与他们合作是一种荣幸。

主持人：所以 Perplexity 的本质是建立在其他大型语言模型之上的一层，比如 Claude 或 ChatGPT，对吗？

Aravind Srinivas：我们会使用市场上所有最前沿、最先进的模型，同时也会基于现有的开源模型，比如 Llama，对其进行后训练或微调，使其更适合我们的产品需求。我们的核心技能是让模型擅长总结，例如生成高质量的引用，确保每句话末尾都能指向正确的来源；输出格式化，比如简洁明了地回答查询；以及推理能力，比如将复杂的查询分解成多个部分并重新组合答案。我们还会根据查询需求生成结构化输出，比如需要用项目符号、Markdown 或表格展示内容。此外，对于过长的查询，我们会进行多步骤分解。我们将这些后训练技术应用到 Llama 和其他模型上，比如 OpenAI、Anthropic 等模型。

然后，我们将所有这些技术打包到一个产品中提供给用户。默认设置会根据查询内容选择合适的模型。我们进行了大量的评估，以确保用户体验非常出色，让用户无需过多思考选择。大多数用户并不想理解不同模型之间的细微差别。有些用户喜欢尝试设置，比如像调整电视遥控器上的不同模式，但更多人并不关心这些技术细节。我们从来没有试图与其他公司竞争谁的 AI 模型最聪明，因为这是不可能的。

主持人：为什么不可能呢？

Aravind Srinivas：因为这需要大量资源，比如至少 100 亿到 200 亿美元的资本。你可以看看这个领域里任何严肃玩家的融资情况：Google 资金几乎无限；OpenAI 已经筹集了至少 200 亿美元；Anthropic 超过 100 亿美元；X.AI 筹集了 120 亿美元左右；Meta 和 Google 类似，资源无限。如果你真的想参与这场竞争，就必须有足够多的现金或融资能力。但如果你起步晚了，你会错过用这些资金购买 GPU 和建设数据中心的机会。比如马斯克在一个月内建好了整个数据中心，这是非凡的壮举。但即便如此，他的团队也早在 2022 年底或 2023 年初就开始组建了。所以我并不想参与这场资源消耗的竞争。

主持人：那么你的策略是什么？

Aravind Srinivas：我的策略是，无论这些公司开发出什么样的模型，我都要将这些模型的强大能力带给普通用户，让他们能够利用这些推理能力真正改善生活，帮助他们完成许多任务，回答各种问题。事实上，我认为在模型开始逐渐商品化的世界里，这种策略的价值会更加显著。虽然目前可能会有人认为“这家公司只是一个包装工具”，但实际上，我们在模型之上构建了许多技术层次，包括后训练、多步骤分解、推理、格式化、结构化输出、意图分类等。比如，我们会根据查询内容是财务、旅行、购物还是本地服务，选择合适的数据提供商，并实时接入数据。所有这些都需要大量领域知识和专注的工作。如果没有专注于此的全职团队，产品体验会非常糟糕。而这些模型开发公司往往需要同时兼顾模型开发和产品化，很难在这两方面都做到最好。

主持人：极度专注于 AI 是否能够成为一种竞争优势？在你的公司内部，这是否是一个有争议的话题，或者公司对这个方向非常有信心，认为这是一个值得投入的领域，并且会继续保持竞争优势，而不至于在大公司开始构建这些应用层时被淘汰？

Aravind Srinivas：这是我几乎每天都会思考的问题。对我来说，这不仅仅是公司层面的决策，而是我的个人信念。AI 有一个很有趣的特性，你不能简单地把它“洒”在现有的应用程序上，然后声称自己推出了一些创新。很多公司尝试过，比如 Google 把 AI 加到了搜索框下，Meta 把它放进了语音助手里。虽然这些功能有一定的使用场景，但并没有你想象的那么戏剧性地改变用户体验，也没有取代现有的前端工具，比如 ChatGPT 或 Perplexity。我们的使用量依然在增长。

这是为什么呢？因为在用户的心目中，一个特定的应用程序是为特定目的服务的。你已经习惯了 WhatsApp 是用来和人沟通的。当你打开 WhatsApp 时，可能会看到大量群聊信息，但你不会想到在 WhatsApp 上与 AI 进行聊天。WhatsApp 不支持存储你的所有历史聊天记录，也不能提供个性化的体验，或自定义界面。因此，大公司无法利用他们现有的分发渠道来推进 AI 应用。他们必须重新构建独立的应用程序，比如 Google 的 Gemini。这些独立的应用需要从零开始积累用户。虽然他们的品牌让他们能够从一开始就获得大量用户，并且他们可以在应用商店广告等方面投入巨资，但留存率却很低。

主持人：这是否也是像微软 Copilot 那样独立推出产品的原因？

Aravind Srinivas：是的。这也是微软为什么不得不开发一个独立的产品，而不是直接将其整合到 Word 或 Bing 中的原因。将 AI 整合到现有前端会破坏用户的当前体验，人们不喜欢这种方式。因此，他们必须从头开始构建新的产品。这也是为什么一家新的初创公司开发新的 AI 产品仍然有机会。因为大家都在从零开始为独立的应用争夺用户。虽然初创公司没有现成的分发渠道和品牌，但我们可以快速行动，构建更好的用户体验。我们没有官僚制度，可以更快地做出决策，承担更大的风险。这些都是大公司不具备的优势。最终，时间会告诉我们谁会胜出。如果我们不能迅速获取用户并保持增长，我们显然会输给大公司。但如果我们持续增长并快速推出独特的功能，那么人们会将他们的大公司应用视为另一款普通应用，而不会特别选择它们。他们只会选择最好的产品。

5、初创公司融资经验

主持人：筹集资金的过程是容易还是困难？

Aravind Srinivas：筹资并不像有些人想象的那么容易。有些人会问，“这家公司怎么能连续完成这么多轮融资？”这实际上是我们今年用户和收入呈指数级增长的结果。一开始，我们的年经常性收入（ARR）大约是 300 万到 400 万美元，现在接近 7000 万美元左右。我看到有人提到是 3500 万美元，但那可能是稍早的数据。在查询量方面，今年年初我们每天处理大约 250 万次查询，而现在已经接近 2000 万次。虽然因为 12 月的原因有所下降，但在 12 月前两周，我们仍然保持在 2000 万日查询的水平。这几乎是 10 倍的增长。我们的估值自然也随之增长，因为我们不仅在增加使用量，还在实现盈利。我们相信，明年可以继续以这个速度增长。如果我们能够达到每天超过 1 亿次查询，那将是一个重要的里程碑。当时 Google 的流量大约也是 1 亿次查询。但每次 Perplexity 的查询长度大约是 10 到 11 个词，而 Google 查询通常只有 2 到 3 个词。因此，我们的用户参与度和意图要高得多，交互也更密集。

主持人：如果你们开始进行货币化，付费用户的平均每次查询收入是否比 Google IPO 时的每次查询收入更高？这是否让你们看起来非常有前景？

Aravind Srinivas：从这个角度看，一切都非常积极。所以，这也是为什么投资者愿意投资我们的原因。但同时，总会有一些质疑，比如：“你们的产品很好，增长速度很快。但 ChatGPT 正在快速追赶，他们已经在聊天界面中整合了搜索功能，并且拥有 3 亿用户，这是与 AI 同义的终极品牌。那如果他们限制了你们的增长呢？如果你们无法继续保持目前的增长速度怎么办？”再加上 Google 也在推出 Gemini，以及其他类似的产品。可以说，这既有积极的一面，也有竞争压力。因此，虽然能激发投资者的兴趣，但实际上完成融资轮依然非常困难。

主持人：关于大型语言模型，这些可以说是过去几年最令人兴奋的技术发展之一。它们本质上是预测下一个单词的工具，但现在我们也看到了推理和问题解决能力。那么，当我们思考 AI 的未来时，尤其是在拓展人类纯科学边界方面，比如解决那些百年来未解的数学难题，我们似乎还没有看到太多进展。你认为我们什么时候能达到那样的高度？

Aravind Srinivas：我认为我们距离那一步还很远，甚至可能现有的范式不足以达到那种高度。目前的模型更多是“分布内”（in-distribution）的能力，即它们在训练数据范围内表现很好。不过，最近 OpenAI 发布的 03 系列模型展示了一些超出分布（out-of-distribution）的推理能力，比如在软件工程和编码基准测试上表现出色。不过，这些模型实现这些结果的代价是极其高昂的计算能力，比如单个任务可能需要花费 10 万美元或更多。这种高投入是否值得是个有趣的话题。比如，对于克雷数学奖（Clay Mathematics Prize）中的问题，奖金是 100 万美元，如果投入类似的计算资源并取得突破，也许是合理的。

但目前，这些模型的能力仍然局限于一定范围。不过，我们正在看到一些边界的模糊，比如训练集和测试集之间的界限越来越模糊。OpenAI 的 o3 系列模型提出了一个新范式，即通过强化学习（RL）而不是简单的预测下一个单词来训练模型。这些模型被训练为完成任务的奖励信号优化器。如果它们在任务分布中表现很好，那么面对一个新任务时，它可能能够快速适应并找到解决方案。然而，这种范式还需要大规模的推理能力支持。比如，未来的模型是否能自主运行强化学习任务，收集奖励信号，与人类交流反馈，然后再进行新一轮的强化学习？这类迭代系统还不存在，但我们正在朝这个方向发展。我认为一旦出现突破，比如开发出一个真正的 AI 数学家或科学家，这可能会被视为“超级智能”。

主持人：这是否需要量子计算的支持？

Aravind Srinivas：也许需要，但目前看来，现有的 GPU 仍有很大的潜力。比如 NVIDIA 的 B100 GPU 等新一代硬件尚未被充分利用。这些技术可能会加速实验的进展，使一些目前不可能的实验成为可能。当然，这需要更多的资金和更大的超级计算机，但我们生活在一个可以大胆尝试的时代，这本身就令人兴奋。

6、AI搜索内容来源

主持人：关于大型语言模型的一个批评是，它们是基于其他人创造的数据和内容进行训练的，比如出版商的内容。像《纽约时报》这样的出版商对这种做法表示不满，并已经通过诉讼表达了立场。你对此有何回应？

Aravind Srinivas：我们选择不参与模型的预训练工作。即使进行后训练，我们也是训练技能而不是复制内容。从 Perplexity 的角度来说，我们会标注来源，不会直接训练使用数据。我认为，我们的做法比其他一些公司更合理。同时，我们也认识到，如果没有新内容被创造出来，我们的产品将无法生存，因为我们依赖于实时数据和优质来源。所以，我们的想法是与出版商分享收入。这是一种长期的合作模式，而不是一次性的许可费。

主持人：为什么你认为长期收入分享比一次性授权费更合理？

Aravind Srinivas：因为一旦公司支付了一次性授权费，获取了数据并训练了模型后，他们可能就不再需要这些数据了。这种模式对出版商显得不公平。而长期收入分享可以激励内容的持续创造，同时保证公平性。这就是为什么我们构建了这样一个结构，使长期成功能够在经济上激励你们的出版合作伙伴。因为在网络时代，媒体已经经历了一次严重的颠覆。数字化没有真正帮助媒体生态系统创造昂贵的内容，而在 AI 时代，甚至连“列表”或“索引”都不存在了。以前 Google 会为出版商带来大量流量，而现在，Google 和其他大型平台直接提供答案，甚至没有流量被传递给出版商。这可能是对原创出版商的又一波冲击。因此，我同意可能需要找到一种新的货币化方式。

主持人：最后一个问题，Aravind，你是为希望让 Perplexity 被收购，还是希望它长期独立运营？

Aravind Srinivas：我希望 Perplexity 能够上市，成为一家成功的独立公司。我知道以我们目前的收入水平来看，这听起来有些遥不可及，但如果我们继续保持良好的增长速度，专注于用户增长，到 2027 年，我们可能会在用户规模和收入上达到很强的地位，那时上市将是一个很好的选择。

主持人：祝你一切顺利！和你聊天非常愉快。

Aravind Srinivas：谢谢你，我也很高兴能参与这个对话。

看到很多读者在问"如何开始AI转型"，我们建了个实战派AI团队（成员来自复旦、浙大、华为、阿里等），专注帮企业做"轻量级"AI落地：

公司该从哪个环节开始用AI？

️ 具体怎么落地才不会踩坑？

投入产出比怎么才最大？

我们团队专注企业AI解决方案

业务流程AI优化 提升运营效率 降低人力成本 定制AI应用开发 场景化解决方案 快速交付落地 AI转型咨询规划 专业评估诊断 精准转型方案

联系负责人：Milo-1101（仅限企业客户）

原视频链接：https://www.youtube.com/watch?v=n8MnVElwvfY&t=1s

素材来源官方媒体/网络新闻