撰文：Techub News 整理
导语
2025 年 6 月，AI 搜索引擎 Perplexity 的联合创始人兼 CEO Aravind Srinivas（阿拉温德·斯里尼瓦斯）重返母校加州大学伯克利分校，与他的前博士导师、机器人学习领域著名教授 Pieter Abbeel（彼得·阿比尔）进行了一场深度对话。这场对话不仅回顾了 Aravind Srinivas（阿拉温德·斯里尼瓦斯）从顶尖 AI 研究者到成功创业者的蜕变之路，更深入探讨了当前 AI 行业最前沿的竞争态势、技术趋势与商业逻辑。作为一家估值已超十亿美元、用户数千万的明星 AI 初创公司掌舵人，他的思考对于理解 AI 应用的未来方向具有重要参考价值。
摘要
- Perplexity 的核心定位是“答案引擎”与“研究助手”，其产品哲学源于学术研究中的“引证”习惯，旨在为用户提供有来源支持的即时答案，并正进化为一个集成了多种工具的辅助性聊天体验。
- AI 行业的长期价值将沉淀在“应用层”。随着基础模型能力趋同，竞争焦点将转向如何利用模型构建独特、个性化且深度契合用户上下文的产品体验。
- DeepSeek 等开源推理模型的崛起是行业重要拐点，它证明了高效、低成本训练强大模型的可能性，并迫使闭源模型厂商加速迭代与降价，最终利好整个应用生态。
- Perplexity 的未来战略是成为“原生 AI 层”，通过开发名为 Comet 的浏览器、与手机厂商深度集成等方式，让 AI 助手无处不在，而非仅仅作为一个独立应用存在。
从伯克利博士到 Perplexity 创始人
对话始于 Pieter Abbeel（彼得·阿比尔）对师生角色“逆转”的幽默调侃。当年，Aravind Srinivas（阿拉温德·斯里尼瓦斯）是 Abbeel 实验室里才华横溢的博士生，如今，他创立的 Perplexity 公司已达到了令人瞩目的规模。Srinivas 将 Perplexity 定义为“答案引擎”和“研究伙伴”，其核心理念深深植根于他在伯克利接受的学术训练。
“第一次写论文时，你就学到不能随心所欲地写东西，每句话背后 ideally 都需要有经过同行评审的可信来源。”Srinivas 解释道。他们将这一原则引入了 AI 聊天机器人，使其不再是随意生成回复，而是主动从网络上抓取相关来源进行总结，并提供脚注。这种“有据可查”的交互方式，构成了 Perplexity 的起点。
随着时间的推移，产品进化为更全面的辅助体验，能够调用多种工具——不仅是搜索网页，还能编写代码、创建图表、从不同数据提供商（如体育、金融）提取数据，并将所有功能打包进一个统一的辅助聊天界面。Srinivas 透露，公司即将迈出下一步：在未来三到四周内发布一款名为 Comet 的浏览器。用户可以在日常浏览网页时，随时向 AI 助手求助，让其代为执行任务，例如“去 LinkedIn 上申请所有我符合条件的工作”。
意想不到的杀手级应用与未来愿景
当被问及用户有哪些令人惊喜的使用案例时，Srinivas 首先提到了医疗健康领域。在美国医疗体系并非最优化的背景下，用户常有许多关于自身状况的疑问。Perplexity 能够查阅 PubMed、NIH、WebMD 乃至 bioRxiv 等专业网站，过滤无关信息，提供基于最新文献的答案。他本人也经常用它查询关于补充剂或药物长期影响的争议性信息。“这是我最初没想到会成为杀手级应用的领域，”Srinivas 说，这揭示了 AI 产品的一个核心洞察：用户会用一个水平化的产品解决各种各样的问题。
对于学生群体，Perplexity 的“空间”（Spaces）功能正在流行。学生可以为每门课程创建一个空间，上传所有学习材料，并针对这些特定内容提问、创建学习指南。Srinivas 表示，由学生账户（.edu 邮箱）创建的空间数量持续增长。他展望的未来是“主动式 AI”：一个能了解你对某个主题的理解程度，并根据你已提出的问题，精准告诉你应该在哪里投入时间的 AI。“梦想是让学习变得更快、更容易。”
他强调，个性化是关键。例如，一个核聚变领域的教授在查询其他领域的术语时，可能只需要最简单的定义；而一个物理系学生则需要不同颗粒度的解释。未来的产品需要结合个性化、记忆等功能，根据用户的专业水平来呈现答案。
创业历程与行业洞察：价值将流向应用层
Srinivas 分享了他的创业心路。在伯克利，他最初认为这里更偏学术，而斯坦福才是创业摇篮。但看到 Pieter Abbeel（彼得·阿比尔）等教授以及 Databricks 等公司的成功，他改变了看法。他渴望改变“想创业就得来自斯坦福”的刻板印象。“我希望伯克利也能诞生谷歌那样的公司。”他认为，AI 领域研究向实践转化极快，处于研究前沿恰恰是创建前沿 AI 公司的优势。如今，许多新的 AI 初创公司确实由伯克利校友创立。
谈到2025 年 6 月撼动行业的 DeepSeek，Srinivas 认为这是一个重大拐点。DeepSeek 是中国实验室发布的开源“推理模型”，它通过“思维链”处理复杂任务，能力强大且完全开源免费，其宣称的训练成本极低。“整个世界都疯狂了。”这引发了关于是否还需要巨型超算和巨额资金的思考，同时也刺激了闭源模型厂商加速降价和发布更好模型，最终对整个生态有利。
基于此，他提出了对 AI 价值流向的判断：价值将沉淀在应用层。因为这是用户直接与 AI 交互的层面，包含了所有的个人上下文。虽然打造模型层也很有趣，但核心的推理、总结、翻译、编码等能力正变得商品化，不同模型在这些任务上表现接近。真正的差异化在于如何利用这些模型，构建独特的产品体验，并适配用户的具体场景和交互形式。
“芯片层”（如 NVIDIA）和“物理基础设施层”（如数据中心）也将保有巨大价值。而中间的模型层，在开源力量的推动下，可能会陷入“竞次”（race to the bottom）的竞争。
大胆的战略布局：从竞购 TikTok 到打造原生浏览器
Srinivas 和 Perplexity 因其大胆的战略举措而备受关注。他证实了公司曾竞购 TikTok 的传闻。其逻辑在于，TikTok 拥有巨大的用户基数，其搜索栏的日流量已达到谷歌的三分之一。若能收购并重构其算法与搜索，将具有巨大战略价值。不过，他也承认此事高度政治化，目前公众焦点已转向关税等问题。
关于“购买谷歌 Chrome”的传言，他做出了澄清。在美国司法部诉谷歌垄断案中，一项可能的救济措施是强制谷歌出售 Chrome。Srinivas 在作证时实际上反对这一做法，认为 Chrome 与谷歌的开源项目 Chromium 深度绑定，而 Chromium 是微软 Edge 等其他浏览器的基石，由谷歌维护更利于开源生态。他表示，如果司法部执意要求出售，Perplexity 会有兴趣接手，但他们不建议这么做。
这些举措体现了 Perplexity 的宏大野心：不满足于仅做一个应用，而是要成为底层基础设施的一部分。公司已与德国电信合作，在 T-Phone 的锁屏上集成 Perplexity 助手；也与摩托罗拉达成预装协议，覆盖每年数千万台手机。Srinivas 表示，AI 的优势在于其能力可以较容易地迁移到不同语言，因此可以快速支持德语等欧洲语言。
最终极的战略是即将发布的 Comet 浏览器。“我们正在构建一个浏览器……目标是让 AI 在你进行日常工作时始终伴随左右。”他希望通过深度、原生的集成，让用户不再纠结于使用哪个 AI 应用，因为 AI 助手已经无处不在。
科研心法与领导力：简单、沟通与专注
回顾在伯克利和 DeepMind、OpenAI 等机构的科研生涯，Srinivas 在无监督学习、强化学习、生成模型等多个领域做出了奠基性贡献。他认为，除了在博士期间心无旁骛地投入（尤其是在新冠疫情封锁期间），另一个关键是追求简单而影响广泛的想法。
“我最初认为想法越复杂，在领域内获得的尊重就越多……但这是不对的。你不应该只试图吸引领域内那一小部分聪明人。”他总结道，真正重要的往往是那些足够简单、每个人都能在此基础上继续构建的想法，这能极大提升工作的影响力。
关于如何平衡利用 AI 与保持自身思考能力的问题，Srinivas 认为清晰的思想和精准的沟通能力变得前所未有的重要。无论是与人还是与 AI 协作，能够清晰、精确地表达需求并持续迭代的人，能完成更多工作。这是一种通用的核心技能。
作为 CEO，他非常注重直接与用户沟通，并认为这本身就是最好的营销。他回忆起在博士期间，他开创了用详细的推特线程来解读论文的做法，而不是仅仅丢出一个 arXiv 链接。“如果你花一小时把论文的不同部分提炼成一条浓缩的推特线程，可能会有 10 万人看到……如果你学会了这个技能，你可以把它应用到生活中的任何事情上。”尽管现在 AI 也能自动生成摘要，但创始人对产品深刻的理解和阐述能力依然无可替代。
在领导力和商业技能方面，Srinivas 的答案出人意料地“接地气”：他坦言自己并未系统学习过商业知识，而是直接使用 Perplexity 来帮助自己，例如询问该如何面试某个职位的候选人，甚至理解复杂的员工医疗保险问题。“我真的不认为我学会了领导力或商业……你打造一个好产品，获得大量用户，将部分核心用户转化为付费用户……现在你可以让 AI 查看你的数据仪表盘，做出预测并生成 Pitch Deck。这真的可行，我试过。”
应对竞争与挑战：更快、更大胆地行动
面对拥有巨大资金和用户基础的竞争对手，Srinivas 的策略明确而直接：更快地行动，发布更多功能，并敢于进行更艰难、更大胆的押注。开发浏览器就是这样一个“硬仗”，因为这意味着进入一个全新的产品领域，竞争对手难以轻易跟进。
关于数据隐私，Perplexity 提供了“无痕模式”，类似浏览器功能，该模式下的查询不会永久存储在日志中。企业版计划则不存储任何用户日志。公司也允许用户删除其 AI 使用记录，以确保不会用于训练目的。
在版权和与出版商关系方面，Srinivas 认为关键在于“教育”。需要向外界解释 Perplexity 与 ChatGPT 等模型的区别：后者是在内容上训练并可能逐字复现，而 Perplexity 主要是对现有网络信息进行总结和合成，并明确标注来源。“我们与出版商的关系比一年前好多了，这很大程度上归功于花了大量时间与他们沟通。”
最后，当被问及下一个令人兴奋的研究方向时，Pieter Abbeel（彼得·阿比尔）补充道，随着模型能力增强，AI 在物理世界（如机器人）的应用将成为可能，这对可靠性和纠错能力要求极高。另一个挑战是实现“持续学习”，让 AI 系统能够像人类一样持续吸收新知识并改进，而非依赖间断式的大规模训练。
整场对话展现了一位从学术象牙塔成功跃入商业战场的创业者，如何以其深厚的技术功底、清晰的产品哲学和敢为人先的战略胆识，在激荡的 AI 浪潮中开辟出一条独特道路。Aravind Srinivas（阿拉温德·斯里尼瓦斯）的故事和见解，无疑为伯克利的学生以及所有 AI 行业的关注者提供了宝贵的启发。
