百度這件事我跟別人解釋了好多次

文：王智遠 | ID:Z201440

文心5.0剛出時，我經常跟朋友推薦。

文本能力本身已經很強了，但每次推薦時，我都會額外補一句：你試試它的搜索，真的好用。

大多數(shù)人反應差不多，是禮貌性地「哦」一聲，然后該用什么還用什么。少數(shù)人會直接問，百度搜索現(xiàn)在還行嗎？

01

我理解這種反應。很多人對百度的印象停留在幾年前，覺得它是傳統(tǒng)搜索引擎，沒什么新鮮感了；你跟他說搜索好用，他心里多少會打個問號，甚至會去用各種AI助理去了。

但我確實在說真話。

我的工作有一個硬性要求，數(shù)據(jù)不能出錯；寫商業(yè)分析，引一個營收數(shù)字、市場規(guī)模、融資金額，白紙黑字發(fā)出去，錯了就是錯了，沒有「大概齊差不多」這回事。

這種校驗的痛苦，做過內容的人都懂。

同一個數(shù)據(jù)，自媒體寫500萬，官方通稿報的是800萬，到底信誰？你去翻三四個信源交叉比對，才能確認哪個口徑是準的。

我用了市面上能用的工具，坦白講，數(shù)據(jù)口徑校驗這件事上，百度搜索是讓我最省心的；它能把官方信源、權威媒體的報道優(yōu)先給撈出來，而且，時效性很強，昨天的發(fā)布會數(shù)據(jù)今天就能檢索到。

這個能力聽起來不性感，對我來說是剛需。

你可以說一個AI寫作能力強、推理能力強、對話體驗好，這些我都認；如果連引用的數(shù)據(jù)都沒法確認是對的，其他能力對我來說就是空中樓閣。

百度做搜索做了二十多年，這個根基在那兒。

檢索能力、信源積累、中文語料的覆蓋，這些東西不是花兩年時間訓一個大模型就能追上的。

說實話，聽我推薦的人不多。后來，我也不太執(zhí)著于說服別人了。

人就是這樣，愿意活在自己已經接受的那個判斷里；一旦你形成了「百度搜索也就那樣」的印象，跟印象矛盾的信息，都會自動過濾掉。

打破成見是一件成本很高的事，得承認自己之前的判斷可能是錯的，這對大多數(shù)人來說比接受一個新工具難多了；所以，我也不勸了，就自己用著，直到最近，有些事情開始幫我勸了。

02

今年315，央視曝光了一個叫GEO的東西，全稱：生成式引擎優(yōu)化；聽著很專業(yè)，干的事情很簡單：

花幾十塊錢，寫十來篇軟文，批量發(fā)到網上，等AI抓取、引用，幾天之后，一個根本不存在的虛構產品就能變成AI口中的「推薦好物」。

被曝光的服務商自己都不避諱，直接管這套流程叫「給AI投毒」。

這件事傳開之后，很多人的第一反應是憤怒，覺得這幫人太缺德了。如果你仔細想想，真正讓人后背發(fā)涼的，其實是另一件事：你平時問AI得到的「答案」，有多少是被喂過的？你根本不知道。

315之前，AI幻覺的問題已經在發(fā)酵了。

演員劉美含配音時遇到一個字，「鑄幣坊」的坊，不確定讀幾聲；她先后用了百度AI、DeepSeek、元寶、豆包等五款工具查了一遍，結果四款給的答案各不相同。

DeepSeek和元寶說是「一聲」，豆包換個時間查給的結果還不一樣，只有百度AI給了二聲。

最后她經紀人翻了《新華詞典》App，確認正確讀音是fáng，二聲。百度是唯一答對的。

南京師范大學文學院教授化振紅也確認了，這個字在「鑄幣坊」這個語境里，指小手工業(yè)生產場所，讀二聲沒有爭議；一個漢字讀音，查詞典三秒鐘就能解決的問題，五款AI工具能給出四種答案。

還有一個更有意思的。

有個博主在豆包上查古文「赤也為之小，孰能為之大」里面「為」字的讀音，豆包先給了一個解釋，說讀四聲，是介詞。

博主拿百度結果去對質，百度說這里的「為」是動詞，讀二聲。豆包看完之后改口了，回了一句：「你說得對，百度這里是對的，我剛才解釋錯了，非常抱歉。」

一個AI，被另一個搜索引擎的結果糾正了，然后向用戶道歉。這個畫面多少有點魔幻。

如果只是一兩個案例，可以說是偶發(fā)，是模型還沒訓練到位；但315的GEO黑產、劉美含的讀音烏龍、豆包的當場認錯，這些事情擠在同一個時間窗口里集中爆發(fā)，它們指向的是同一個問題。

這個問題跟某一款AI產品好不好沒關系，跟某一個大模型參數(shù)夠不夠大也沒關系，它是AI「給你答案」這種模式本身帶著的東西。

03

你有沒有想過，為什么傳統(tǒng)搜索引擎很少出現(xiàn)這種「張嘴就來」的問題？

原因很簡單。

搜索引擎給一堆鏈接，你自己點進去看，自己判斷哪個可信；它本質上在說：我?guī)湍阏业搅诉@些信源，你自己定。

AI給的是一段話，一個結論，一個看起來很確定的答案；它本質上在說：你不用看了，我替你看過了，結論在這兒。

這兩種模式的區(qū)別，表面上是效率高低的問題，往深了想，是判斷權在誰手里的問題。

搜索引擎的模式，判斷權在自己手上。信源靠不靠譜，數(shù)據(jù)口徑對不對，自己比對、拿主意。這個過程確實慢，確實麻煩，但我們對信息的來龍去脈是清楚的。

AI的模式，判斷權在模型手上。

它從海量語料里算出一個「最可能」的表達，打包成一段流暢的話遞給我們；我們讀著很舒服，很高效，但不知道這個結論是從哪來的，經過了什么篩選，丟掉了哪些不同的聲音。

GEO黑產鉆的就是這個空子。

既然用戶看不到來源，那我只要把虛假內容喂進去，模型就可能把它當成「事實」輸出；AI幻覺也是同一個邏輯，模型不知道自己不知道，但它的表達方式永遠是一副「我很確定」的樣子。

所以，劉美含查一個字的讀音，五款AI能給四種答案，每一款都說得斬釘截鐵；它們各自都很「確定」，但確定的方向完全不同。用戶站在中間，反而比不查的時候更困惑。

百度搜索在這件事上做對了什么？

它沒有放棄「給線索」這個邏輯，AI能力加上去了，但底層的搜索根基還在。我看了下資料，它在AI生成答案之前，其實做了挺重的篩選工作。

先是在信源這一關就卡得很嚴。

系統(tǒng)會自動去看發(fā)布時間、作者是誰、站點本身的信譽怎么樣，不靠譜的內容在這一步就被攔掉了，只有權威信源才能進候選池。

進了候選池也不是終點。

同一個結論，得有多個可信來源互相印證才會被采用。孤證不立，單一來源說了不算。

答案上線之后還有一層兜底。后臺有一套實時巡檢的系統(tǒng)在跑，發(fā)現(xiàn)內容有偏，立刻介入糾正。

再加上百度百科那套體系。

所有詞條先審后發(fā)，機審加人審，敏感詞條還有高級別審核員二次核驗，引用的參考資料必須是權威媒體來源。這個知識庫已經聯(lián)合了中科院、北大等機構超過10萬專家，共建了超過100萬個專業(yè)詞條。

這些東西聽起來很笨，很重，很不「AI」。但恰恰是這些笨功夫，讓百度在劉美含那個測試里成了唯一給出正確答案的那個。

04

說到底，搜索和AI之間的差距，除了聰明還要關注誰更老實。講到這兒，有人可能會覺得我在唱衰AI。

真沒有。

AI在效率上的提升是實打實的，日常閑聊、文案生成、快速總結，這些場景用AI又快又好，沒必要開一個搜索引擎慢慢翻。

我想說，搜索和AI從來就不是一個替代另一個的關系。

一個很有意思的信號是OpenClaw。

這個全球爆火的智能體平臺，Skill就是它的App，開發(fā)者可以給AI裝上各種能力插件。ClawHub上面有兩萬多個Skill可以選，什么類型都有。

在搜索類Skill里面，百度搜索的下載量和收藏量排在全球第一。一個搜索引擎的官方插件，在一個AI智能體平臺上被下載得最多，你品品這件事。

開發(fā)者比普通用戶更清楚一個道理：

搜索是智能體的基礎設施。AI模型的訓練數(shù)據(jù)有時間限制，上下文窗口也有天花板；如果沒有一個靠譜的搜索能力幫它接入真實世界的最新信息，后面所有的推理、決策、自動化任務都是在沙子上蓋樓。

用一個開發(fā)者的話說，搜索類Skill決定了整個智能體應用的智商下限。

這句話反過來理解就是：AI越強大，越需要搜索來兜底。模型的推理能力再好，如果喂進去的信息就是錯的，輸出的也只會是一本正經的胡說八道。

回到開頭。

我之前跟朋友推薦百度搜索好用，大家不太信；現(xiàn)在315也好，AI幻覺也好，這些事情正在替我把道理講明白，大家用了一圈AI后，開始重新理解搜索本身的價值。

打破成見有時候不需要說服。你把真實的東西擺在那兒，等就行了。

百度搜索做了二十多年，這二十多年的積累，在AI時代到來之前，看起來是舊資產，現(xiàn)在回頭看，是地基。

地基不牢，上面蓋什么都是幻覺。