随着Kimi探索版宣布上线具备AI自主搜索能力，AI领域的竞争战火再次燃烧，这一次聚焦于搜索领域。不仅海外科技巨头如OpenAI和谷歌纷纷推出AI驱动的搜索引擎，国内大厂与创业公司也紧随其后，推出了各自的AI搜索产品。
AI搜索的热闹景象不仅体现在新产品的不断涌现，还表现在资本的热捧。多家AI搜索创业公司如Genspark、Daydream等相继完成大额融资，显示出市场对这一领域的浓厚兴趣。
AI搜索之所以成为焦点，原因多样。一方面，用户搜索行为正在发生变化，生成式AI技术的爆发进一步催熟了用户以提问为主的搜索需求。另一方面，头部科技大厂逐步意识到，传统搜索与AI搜索并非绝对的替代关系，用户搜索行为的惯性依旧存在。RAG技术的发展也为AI搜索提供了新的可能。
然而，AI搜索的火爆背后也隐藏着现实的挑战。成本、数据、体验与商业模式等问题逐渐浮出水面。不少业内人士对此轮AI搜索的态度十分冷静，认为需要更深入地思考技术工程化和产品化的发展。
AI搜索的入场门槛正在变高，这主要体现在入局成本的增加。目前市场上许多AI搜索产品都是通过“接入传统搜索引擎API+大模型”实现能力的整合，并没有基于真正的AI架构重新在底层搭建一套搜索系统。原因在于AI搜索的成本仍然很高，包括模型成本、搜索API费用、私有数据存储和服务费用等。
面对这些挑战，AI搜索玩家们的策略也在发生变化。大厂玩家结合自身的数据和生态积累，正在集成更多样化的AI能力，寻找更多的场景入口。而垂直领域的AI搜索初创企业则走向更精更专与更定制化的体验。
商业化也成为AI搜索领域的一个重要话题。不少玩家开始探索订阅制和广告等盈利模式。谷歌宣布将AI搜索能力整合进Google Lens，并增加了购物广告展示位。Perplexity AI也在探索搜索广告的营收模式。
AI搜索的竞争还远没到终局，产品、场景与技术的迭代还会继续。如何降低成本、塑造用户信任、把流量变留量，以及如何解决技术工程与数据上的诸多问题，都是行业玩家们需要面对的挑战。
