撰文：Techub News 整理
导语
在因疫情中断多年后，哈佛商学院（HBS）于2025年重启其标志性的创业峰会。作为开场主题演讲嘉宾，Perplexity联合创始人兼CEO Aravind Srinivas（阿拉温德·斯里尼瓦桑）受邀登台，与风险投资基金Xfund管理合伙人Patrick Chung进行了一场深度对话。
Perplexity自2022年创立以来，已迅速成长为AI驱动对话式搜索领域的明星，月查询量超6亿，估值高达90亿美元，背后投资者包括Jeff Bezos（杰夫·贝佐斯）、NVIDIA等巨头。此次在顶级商学院的分享，不仅是一位成功创业者的经验回溯，更是对AI浪潮下技术、产品与商业模式的深刻洞察。Srinivas从印度金奈的学术起点，到伯克利博士、OpenAI与DeepMind的实习经历，再到毅然创业的心路历程，为在场观众勾勒出一幅AI时代创业者的完整画像。
摘要
- 学术训练是创业的宝贵资产：Srinivas认为，学术界强调的严谨假设、小规模实验迭代与批判性思维，与成功创业所需的“行动产生信息”理念高度相通。
- Perplexity并非Google的直接替代品：其核心是回答复杂问题并提供溯源，而非处理简单的导航性搜索。商业模式上尝试与内容出版商分享收入，构建新生态。
- 开源是防止AI垄断的关键：Srinivas相信，只要开源模型持续进步并保持高质量，就能有效制衡封闭实验室，避免算力与模型被少数巨头控制的风险。
- AI搜索的未来在于“垂直结构化答案”与个人AI代理：Perplexity正致力于超越文本回答，为天气、旅行、购物等场景提供交互式体验，并让AI理解用户的个人数据与上下文。
从学术到创业：被Ilya Sutskever“点醒”的博士
Aravind Srinivas（阿拉温德·斯里尼瓦桑）的起点并非硅谷车库，而是印度金奈的学术家庭与印度理工学院马德拉斯分校的电气工程专业。他坦言，文化根源是“追求知识甚于财富”，父母至今仍为他的博士学位感到骄傲，甚至超过对Perplexity成就的认可。
一次偶然的校内机器学习竞赛开启了他的AI之路。当时对机器学习一无所知的他，通过暴力尝试scikit-learn库中的算法意外获胜。这次经历让他体会到在“没有正确性保证”的领域进行探索的乐趣。电气工程的背景反而成为优势，信号处理中的概念（如卷积）让他能更直观地理解机器学习。
通过在线课程（先是Andrew Ng（吴恩达），后是Geoffrey Hinton（杰弗里·辛顿））自学基础后，他幸运地获得了图灵奖得主Yoshua Bengio（约书亚·本吉奥）的推荐信，进入加州大学伯克利分校攻读博士学位。在伯克利期间，他在OpenAI和DeepMind的实习经历成为关键转折点。“那让我彻底谦卑下来，”Srinivas回忆道，周围人的高强度工作、卓越的执行力（从构思到实现、数据爬取全流程）让他意识到，仅提出新想法是不够的，必须在实际数据集上验证其可行性。
更具决定性的一刻发生在OpenAI实习期间。当时他带着五六个自认为“花哨”的强化学习想法去见Ilya Sutskever（伊尔亚·苏茨克维）。后者直截了当地告诉他：“所有这些想法都很糟糕。”随后，Sutskever在白板上画了两个圆圈：一个大圆代表生成式无监督学习，里面一个小圆代表强化学习。他预言，不需要什么新东西，只需按顺序处理，投入大量算力，在整个互联网上训练，就能构建出通用智能。“这最终成了ChatGPT的配方，”Srinivas感慨道。这个洞见促使他回到伯克利，将研究方向转向生成式无监督学习，并最终以此完成了博士论文。
临近毕业，身处硅谷腹地的他深受美剧《硅谷》（Silicon Valley）的影响。剧中关于从零开始创造产品并交付用户的精神吸引了他。他最初的创业想法甚至是利用生成模型进行无损压缩，但无人响应。随后，像GitHub Copilot这样能让开发者“切身感受”AI的产品出现，让他确信“就是现在了”。2022年8月，Perplexity应运而生。
组建“梦之队”与产品诞生：一个周末的原型
创业之初，找到对的联合创始人是重中之重。CTO Denis Yarats是Srinivas的“论文对手”——两人曾就同一课题研究，Yarats的论文提前一天发布，双方因此结识。另一位联合创始人Johnny Ho则通过Yarats引荐，他曾是国际信息学奥林匹克竞赛（IOI）世界第一，并在Quora与Yarats共事过。
Srinivas笑称，招募过程有运气成分，但也像滚雪球。Denis先决定离开Meta，然后两人一起说服了当时正在寻找AI领域机会的Johnny。团队最初尝试的方向是让AI回答关于数据集的问题（例如查询员工薪资），但他们很快意识到，在初创公司，最重要的不是纠结于初始想法，而是快速迭代、发布产品、观察用户反馈并更新对世界的假设。
这种“行动优先”的理念也体现在融资策略上。Srinivas几乎从不制作PPT（仅在A轮融资时做过一次），而是直接向投资者展示产品演示。他们早期的一个演示项目是：利用Twitter（现X）的API，将推文数据表格化，让用户能任意提问。当时Twitter自身的搜索功能体验不佳，而这个演示让投资者瞬间理解了大型语言模型（LLM）将如何改变搜索。
正是凭借这种直观的演示，Perplexity吸引了包括Elad Gil、Nat Friedman、Andrej Karpathy（安德烈·卡帕西）、Yann LeCun（杨立昆）、Jeff Dean（杰夫·迪恩）在内的一批顶尖天使投资人。这为招募优秀的创始工程师奠定了信任基础。
Perplexity核心产品的诞生，源于一个周末的黑客马拉松项目。团队将学术论文中“必须引用来源”的原则应用到LLM上，构建了一个能回答问题并附上引用的原型。他们在Discord和Slack上部署了机器人，自己试用并观察朋友们的使用情况。这个快速验证的原型，最终演变成了今天的Perplexity。
Perplexity vs. Google：不是替代，而是进化
当被问及是否与Google竞争时，Srinivas给出了清晰的否定。他认为，Perplexity并不打算取代Google的核心搜索行为。他引用数据指出，每天有10-20亿次搜索仅仅是输入“Reddit”、“YouTube”等一两个单词的导航性查询，Google已经完美地满足了这种“读心术”般的需求。
Perplexity瞄准的是Google不擅长的领域：回答复杂问题并提供信息合成。例如，“我要去哈佛，看起来要下雨，穿什么最合适？”在传统搜索引擎上，用户需要分别搜索天气、雨天穿搭，并自行整合信息。而Perplexity的AI则能直接完成这一认知工作，给出针对性答案。
Srinivas也指出了Google在整合AI答案（如AI Overview）时面临的根本矛盾：直接提供答案与展示更多广告链接（其核心收入来源）之间存在利益冲突。此外，复杂的搜索结果页面（知识面板、广告、链接、答案、图片）对用户而言是一种“杂乱”。
针对“Perplexity摘要内容会削弱原创内容创作者积极性”的质疑，Srinivas阐述了公司的应对策略：首先，在UI设计上始终将来源置于突出位置，便于用户点击验证；其次，正在推行“出版商计划”，将与出版商分享基于其内容产生的查询广告收入。他强调，这是对Google现有模式（通过AdSense让出版商自行在网站挂广告）的范式变革，旨在创建一个更可持续、能激励高质量内容持续产出的生态系统。
驳斥“简单包装”论与未来战略：超越搜索的AI代理
Srinivas坦言，外界对Perplexity最大的误解是认为它“只是一个简单的包装，一个周末就能做出来”。他承认，做出一个70%-80%相似度的原型确实不难，但这就像火箭的第一次点火与最终成功发射之间的区别。
过去几年，团队在幕后做了大量艰巨工作：构建自己的模型（确保即使外部模型断供也能维持服务）、建立庞大的网页索引、投资自有的爬虫基础设施，并研发能像智能体（Agent）一样进行序列化思考、浏览网页、展示思维链的“深度研究”功能。“如果它是个包装，那也是一个极其有价值的包装，”他总结道。
关于未来，Srinivas透露了Perplexity的几个关键战略方向：
1. 垂直结构化答案：超越文本墙，为天气、体育、金融、购物、旅行、本地信息等查询提供交互式、可视化、结构化的答案体验，最终实现“边研究边交易”的无缝闭环。
2. 个人AI代理与浏览器：即将推出的Perplexity浏览器将支持对用户个人数据（日历、邮件、浏览历史、Slack、Notion等）的搜索，让AI更深入地理解用户上下文，提供个性化服务。
3. 适应性与快速迭代：在AI日新月异的领域，Srinivas认为做三年以上的长期规划意义不大，Perplexity采用季度规划节奏。他以2025年第一季度为例，指出行业变化速度远超过去两年，DeepSeek等开源模型的崛起、智能体技术的快速发展都出乎预料。公司必须保持高度适应性，将看似未达预期的项目（如曾被Google降权的Perplexity Pages）转化为新功能的养分（如现在的Discover信息流）。
AI行业的未来：开源、算力与伦理
在对话的后半段，Srinivas分享了对AI行业宏观趋势的看法。
关于垄断与开源：作为“加速主义”倾向者，他期望AI走向乌托邦结局。他认为，防止少数公司垄断AI未来的最佳保障是开源。每当封闭实验室发布强大模型引发担忧时，总会有像DeepSeek这样的开源项目推出同等甚至更优的模型，并详细公开技术细节。只要开源生态保持活力，他就不担心会出现危险的垄断或寡头局面。
关于技术突破：对于“Transformer之后是什么”的问题，Srinivas提到了状态空间模型等架构探索，但他认为真正的突破可能在于实现极长上下文处理。当前AI普遍采用检索增强生成（RAG）技术，模型本身并不存储全部上下文。未来的挑战是如何设计一种结构，能够有效存储和处理相当于一个人十年生活经历的庞大数据量（数百万甚至无限令牌），实现真正连贯、长期的对话。
关于算力与能源：他承认当前AI领域仍受算力约束，且每次查询的成本在上升。解决之道在于下一代更紧凑、高效的芯片（如NVIDIA Blackwell），以及通过“蒸馏”技术将大模型的能力迁移到更小、更省资源的模型上。他认为，结合这两点，有望在提供相同服务水平的同时，逐步降低对算力和能源的需求。
关于AI伦理与透明：针对如何防止单一AI系统操控公众叙事的问题，Srinivas再次强调了开源和产品设计透明化的重要性。Perplexity坚持提供答案溯源和展示思维链，这种做法正在被其他AI聊天机器人效仿。他认为，透明的用户体验结合多元化的市场参与者，是抵御潜在风险的有效方式。
给创业者的建议：保持冷静，持续迭代
在演讲最后，Srinivas为在场的年轻创业者分享了他的心得。
他引用了一句（尽管如今其来源人物颇具争议）曾给他力量的话：“我从不放弃，除非我死了或丧失能力。”他认为，创业的关键在于，只有当你认为结束时它才结束，在此之前总有机会找到出路。
随着阅历增长，他越来越清晰地认识到：保持冷静至关重要。无论是顺境还是逆境，事情从来不像当时感觉的那么好，也从来不像当时感觉的那么糟。在顺利时保持一定的警惕，在困难时避免过度压力和沮丧，这种平衡的心态是穿越创业风暴的宝贵指南。
当被问及“什么更可怕：AI幻觉还是VC的提问”时，这位带领公司穿越无数挑战的CEO毫不犹豫地回答：“VC的提问。”会场响起了理解的笑声和掌声。
