撰文：Techub News 整理
导语
在由 Zetta Venture Partners 主办的 “AI Native 2025” 炉边谈话中，Perplexity AI 创始人兼 CEO Aravind Srinivas（阿拉温德·斯里尼瓦斯）与主持人进行了一场深度对话。作为当下最炙手可热的AI初创公司之一，Perplexity 以其独特的“答案引擎”定位，正直接挑战着谷歌在信息检索领域的统治地位。此次访谈中，Srinivas 罕见地敞开心扉，详细阐述了产品设计哲学、技术架构的权衡、对准确性的极致追求，以及对未来竞争格局的展望。对于关心AI应用落地、搜索行业变革以及下一代人机交互的从业者而言，这场对话提供了来自风暴中心的一手洞察。
摘要
- Perplexity 的产品设计核心是极致的用户便利性，旨在让提问本身变得无比简单，顺应了从“关键词搜索”到“自然语言提问”的行为变迁。
- 准确性是 Perplexity 的生命线，其“每句话都有源可引”的原则源于学术背景，这与许多以“幻觉”为娱乐特性的聊天机器人截然不同。
- 团队在延迟优化和界面设计上投入巨大，借鉴了 Kindle 的阅读体验和欧洲地铁系统的直觉化设计，目标是让产品能被父母一辈轻松使用。
- 面对模型能力的快速演进，Perplexity 采取多模型路由策略，根据不同查询的难度和类型动态选择最佳模型，以在准确性与速度间取得平衡。
- 公司的未来愿景远超“问答”，正通过 Comet 浏览器等项目，探索构建能够主动执行任务的通用人工智能助理，并可能重新思考手机操作系统。
设计的初衷：懒人提问、可信答案与激发好奇
访谈从用户最直观的产品体验切入。主持人作为 Perplexity 的重度用户，总结了三点“魔法”：用户可以做一个“懒散的提问者”，只需输入几个词，AI 便能理解意图；答案每句话都附有引用来源，建立了信任；以及系统会智能推荐后续问题，引导深入探索。
Aravind Srinivas（阿拉温德·斯里尼瓦斯）证实，前两点是产品创立之初就刻意为之的核心设计。他解释说，“懒人式提问”的本质是最大化用户便利。产品团队甚至优化了诸如“进入网站即可直接打字，无需点击搜索框”这样的微交互细节，只为减少用户发起一次查询所需的时间和精力。Srinivas 认为，这是AI答案引擎必须满足的用户预期——在提供全新答案体验的同时，不能丢失谷歌时代用户已习惯的便利性。
关于引用来源，Srinivas 将其归功于自己的学术训练。“我写学术论文学到的第一课就是，你写的每一句话都必须有同行评审的文章作为引用。” 他将这一原则植入AI聊天机器人，结果证明威力巨大。这确立了 Perplexity 与当时许多聊天机器人的根本区别：在 Perplexity，幻觉（hallucination）是一个必须修复的漏洞，准确性是核心要求；而在其他产品中，幻觉有时甚至被当作一种娱乐功能。Srinivas 略带讽刺地提到了其他聊天机器人中存在的“AI 女友”问题，并强调 Perplexity 完全避免了这类困扰，因为其焦点纯粹是提供准确、有来源的答案。
至于后续问题推荐，Srinivas 认为这是在 AI 几乎能回答任何问题的时代，人类最应被激发的核心技能：不断提出下一个问题。他希望产品能赋予用户探索的自主权，而不是一味地推送内容。推荐后续问题，正是为了激发人类与生俱来的好奇心，引导用户向更深处挖掘。
魔鬼在细节中：从 Kindle 到地铁站的产品哲学
当被问及这些精妙设计背后的灵感来源时，Srinivas 的答案出人意料的具象化。
他透露，自己曾反复告诉设计负责人，希望 Perplexity 的用户界面能拥有 Kindle 般的阅读愉悦感。“即使答案很长，也能让人乐于持续阅读。” 为此，团队在字体、配色（Perplexity 使用的白色并非刺眼的亮白）、明暗模式对比度上都做了细致考量。这些选择虽牺牲了部分用户偏爱的“闪亮像素”，却保证了长时间阅读的舒适度。
另一个灵感来源更为独特：斯堪的纳维亚（北欧）的地铁站。“当你看着地铁站，你会觉得一切运转都是理所当然的：列车准时到达、准时离开，地图清晰易懂……没人会去思考它们是如何被设计得如此出色的。” Srinivas 希望 Perplexity 也能给人这种直觉、可靠、无需思考即可使用的感觉。产品的目标是让任何新用户——无论是否是AI爱好者或提示词工程师——都能轻松上手，让用户的父母也能使用并乐在其中。
在性能层面，延迟（Latency）被视作生命线。Perplexity 采用了逐词流式输出答案的策略，这是一种“巧妙的心理技巧”，让用户感觉产品响应极快。对于更复杂的查询，Perplexity 还会流式展示中间步骤，例如问题如何被分解、正在读取哪些来源，让用户感觉AI早已开始工作并可以跟踪其进度。Srinivas 坦言，这都是在计算复杂度与用户体验之间进行的权衡。“有时，相比快速给出一个不完整或不准确的答案，花费更多计算时间来生成一个更好的答案是更值得的。”
他对比了谷歌：谷歌的系统为在一秒内给出答案进行了极致优化，但这主要适用于一类特定的、基于关键词的查询（尽管这类查询每日高达百亿次）。而人类的行为正变得更自然，更倾向于用完整的句子甚至语音提问。Srinivas 坚信，这种行为模式的规模终将超越谷歌今天的查询量，而Perplexity 构建的通用系统（结合对话、链接、图表、小工具于一体）在这方面更具优势。他还不忘调侃，“我还没提他们那15个广告呢，那是另一个问题。”
准确性的战争：模型路由、垂直深耕与实时挑战
对话的核心很快转向了 Perplexity 的立身之本：准确性。Srinivas 承认，评估和保障准确性是让他夜不能寐的挑战。
查询的难度天差地别。最简单的如“今天谁是世界首富”，最棘手的则是需要实时答案的查询。他以甲骨文股票盘中暴涨30-40%为例，在那个新闻还未渗透全网的一小时内，准确回答“谁是首富”就变得异常困难。此外，还有需要多步推理的查询，例如计算两个人的年龄差，不能直接相信某个博客给出的结果，而需要分别查出准确的出生日期再进行计算。
为了应对这些挑战，Perplexity 建立了内部的“Perplexity Bench”基准测试集，包含不同难度等级的查询，并持续追踪各项准确率指标。更重要的是，他们采取了动态的多模型路由策略。基于内部基准或行业经验（例如某类模型擅长编码查询，另一类擅长代码执行），系统会将查询路由到最擅长此类任务的模型上。Srinivas 指出，这种“哪个模型在某方面最强”的知识本身也在快速过时，因为前沿模型实验室之间的竞争白热化，榜首位置频繁易主。
他认为，这正是工作在 Perplexity 的优势所在：能够从一个独特的视角——即追求准确性这一单一目标——观察到所有模型的优缺点。同时，模型成本的下降、延迟的改进和新能力的出现，也让团队能够规划更多超越问答的功能，例如让模型代表用户执行操作，这催生了 Comet 浏览器等项目。
对于金融、健康、法律等准确性至关重要的垂直领域，Srinivas 表示，Perplexity 的驱动因素既来自用户需求，也来自他个人使用产品时遇到错误答案的“刺痛感”。他坦言，决策框架并非纯粹基于商业回报，而是工程师文化驱动的：解决那些激动人心、具有挑战性的有趣问题。如果这带来了更好的融资、估值或收入，那只是副产品。在这些垂直领域，Perplexity 会选择接入专业API数据源、编写可靠的代码来生成图表，并确保数据从源头到呈现的准确无误。他总结道，Perplexity 的产品中存在着数百个类似的微小细节，正是这些细节构成了护城河。
与巨共舞：从挑战搜索到构建未来助理
无可避免地，话题回到了与谷歌的竞争。Srinivas 重申，Perplexity 不是一个搜索引擎，而是一个“知识发现平台”或“答案引擎”。他甚至现场演示了一个提问：“Perplexity 比谷歌更好吗？” AI给出了一个务实的答案：对于研究和直接答案，Perplexity 似乎更好；对于广泛的导航和商业查询，谷歌仍然胜出。
“你不可能在3年内就战胜歌利亚这样的巨人，这可能需要几十年，也许我们永远也赢不了。” Srinivas 展现出一种务实的竞争观。他赞扬谷歌（或者说 Alphabet）是一家非凡的公司，拥有众多盈利产品。他承认，搜索已经无可避免地发生了改变，而 Perplexity 很自豪成为这场变革的推动者之一。看到 Gemini 等产品也开始采用引用来源，他感到欣慰。
他特别提到一个值得玩味的事实：目前美国应用商店排名前三的生产力应用是 ChatGPT、Gemini 和 Perplexity。前两者分别背靠微软和谷歌，而 Perplexity 是其中唯一独立的“小个子”。许多同期起步的公司已经消失或被收购，Perplexity 却能持续保持相关性，这证明了其产品的独特性和快速迭代能力。
展望未来，Srinivas 描绘了更宏大的蓝图。下一步重点是 Comet 浏览器，这被视为将AI更原生融入浏览器的关键。但更激动人心的部分是，这可能是构建第一个真正通用的、能为用户执行任务的助理的捷径。他指出，当前世界还在适应 MCP 服务器，但它们并不总是可靠和安全。浏览器提供了一个完美的客户端-服务器混合架构。推理可以在服务器端进行，如果本地模型变得更强，也可以部署在本地以增强安全性。
他预见到，即使五年后浏览器的前端形态不再重要，但驱动其“打开网站、点击按钮、替人完成繁琐工作”的基础设施将是永恒的。届时，“仅仅提问”的功能相比“代理为你做事”将显得微不足道。这也是 Perplexity 与谷歌（Chrome 必将深度集成 Gemini）竞争的新维度。
最后一步，Srinivas 认为虽然还很遥远，但值得思考：重新构想手机操作系统。而浏览器，是通往那里的必经之路。
给创业者的建议：寻找被忽视的“钻石”
对于现场和屏幕前的创业者，Srinivas 分享了他的创业框架思考。他并不认同那种“避开巨头，做他们不做的垂直领域”的策略，因为巨头们拥有足够的资本和资源，一旦某个垂直领域显示出足够的收入潜力，他们完全可以大举进入。
相反，他的建议是：寻找一个被众人忽视或认为理所当然的工程难题。对于 Perplexity 而言，这个难题就是“搜索、索引、排名、爬取和实时知识更新”。Srinivas 强调，构建一个可靠、高效、实时的搜索索引，其难度甚至被广泛认为超过训练一个 GPT-5。这项知识并未被浓缩或普及，它只被谷歌、必应等少数公司的工程师所掌握。
“当所有人都在寻找黄金（最好的模型）时，我们选择寻找钻石（实时、准确的知识）。” Srinivas 如此总结。这项基础设施是永恒的，无论知识最终以链接、答案还是能购物的智能体形式呈现。专注于解决这类根本性的、困难的工程问题，才是建立持久公司的基石。
至于 Perplexity 本身能否进化成一个不仅能检索信息，还能与用户协同推理、生成全新知识（如协助科学实验设计）的系统，Srinivas 认为这是一个有趣的想法，但面临可靠性和验证的挑战。他的希望是，Perplexity 生成的答案如果能被研究人员使用、验证并公开发表，那么这些新知识就能自然地回流到 Perplexity 的索引中。而这，最终取决于科学共享的开放性能否跟上AI加速创新的步伐。
