GEO（Generative Engine Optimization，生成式引擎优化）正在取代SEO成为数字信息分发的核心范式。本文从AI公司的视角出发，分析搜索能力如何成为大语言模型竞争力的决定性因素。通过梳理实时搜索与RAG两种技术路径的成本差异、搜索功能嫁接对用户增长的因果关系（含Perplexity纯搜索产品的独立验证）、网络时代人类认知退化对AI搜索需求的结构性驱动、生产端与消费端用户的使用分野、以及OpenAI/Google/Perplexity/Anthropic四家公司的搜索基础设施对比，本文论证：在GEO时代，搜索能力不是AI公司的附加功能，而是其商业竞争力的核心基础设施。AI公司间的竞争将越来越多地表现为搜索质量、搜索成本控制和信息对齐精度的竞争。
本文为《AI搜索信息对齐是LLM最核心的功能》（V1, 2026.4.6）的姊妹篇。前作从用户视角论证”信息对齐是LLM的核心功能”，本文从企业视角论证”搜索能力是AI公司的核心竞争力”。
实时搜索 vs RAG：两条路径的成本博弈
Real-Time Search vs RAG: The Cost Architecture of Two Paths
AI公司为用户提供信息对齐服务时，面临一个基础性的架构决策：是在每次用户查询时实时调用搜索引擎API获取最新信息，还是基于预先构建的索引库进行检索增强生成（RAG）？这两种路径的成本结构截然不同，深刻影响着AI公司的商业模式和竞争策略。
实时搜索：按次付费的可变成本模型
实时搜索意味着每次用户触发搜索请求，系统都会向搜索引擎发出API调用。这产生了多层成本：搜索API的调用费用（按次计费）、网页全文抓取的带宽和计算开销、以及将检索结果塞入大模型上下文窗口带来的推理算力消耗。上下文越长，推理成本越高。这是一个”用户越多、成本越高”的线性增长模型。
RAG索引：重前期、轻运营的固定成本模型
RAG路径要求AI公司预先大规模爬取网页、清洗数据、进行向量化处理、构建索引库并持续维护存储。前期投入巨大，但建成后每次查询仅需在自有数据库中做向量检索，单次成本极低。缺点是信息新鲜度取决于索引更新频率。
| 维度 | 实时搜索 | RAG索引 |
|---|---|---|
| 成本结构 | 可变成本（按次计费） | 固定成本（建设+维护） |
| 信息时效性 | 实时（秒级） | 滞后（小时~天级） |
| 单次查询成本 | 高 | 极低 |
| 规模化压力 | 线性增长 | 边际递减 |
| 第三方依赖 | 强（搜索引擎API） | 弱（自有基础设施） |
实际上，多数AI公司采用混合架构：高频且时效要求不高的查询用RAG承载，时效敏感的场景走实时搜索。部分公司还引入缓存机制——对短时间内大量用户查询的相同热门话题，复用第一次搜索结果以降低API调用频次。
搜索成本：AI公司财务报表中的隐性巨项
The Hidden Cost Giant: Search Expenses in AI Company Financials
AI公司向搜索引擎公司支付的搜索API费用目前没有任何一家单独披露。但从泄露的财务文件和产业变动中，可以拼出搜索成本的产业图景。需要明确的是：搜索成本与推理成本是两个不同但相互叠加的概念——搜索API费用是调用外部搜索引擎的成本，推理成本是运行LLM生成回答的算力成本，而搜索功能的引入会同时增加两者（API调用费+更长上下文的推理费）。
OpenAI与微软的财务关系揭示了什么
泄露的内部文件显示，2024年微软从OpenAI收取了约4.94亿美元的收入分成，2025年前三季度飙升至约8.66亿美元。OpenAI按收入的约20%向微软支付分成，涵盖了Azure算力、Bing搜索数据等多项服务。而在推理成本方面，OpenAI仅Azure上的推理开销在2024年约为37亿美元，2025年前三季度达到约87亿美元——推理支出甚至可能已超过其总收入。
2024年OpenAI→微软收入分成
2025年前三季度收入分成
2025年前三季度推理成本（仅Azure）
微软关闭Bing API：搜索数据垄断的信号
2025年5月，微软宣布将于8月11日彻底关闭传统的Bing Search API，替代方案基于Azure的AI产品价格比原API高出40%至483%。此前两年，微软已将Bing API价格提高了3至10倍。这意味着所有依赖Bing搜索索引的AI公司——包括DuckDuckGo和其他小型搜索服务商——面临搜索数据获取成本的急剧攀升。
对AI公司而言，高质量搜索索引是其产品运转的命脉。AI的输出来自两个来源：模型的训练数据（预训练知识），和通过实时网页检索（RAG/grounding）获取的最新内容。微软封锁传统搜索API，本质上是在掐住AI产业的信息管道。
搜索功能嫁接：用户爆发增长的因果引擎
Search Integration as the Causal Engine of User Growth
ChatGPT的发展史提供了一个精确的自然实验：在搜索功能从无到有的过程中，用户数量和使用频率发生了什么变化？
三个阶段的演进
| 阶段 | 时间 | 搜索能力 | 用户规模 |
|---|---|---|---|
| 静态回忆期 | 2022.11 – 2023.3 | 无搜索，纯训练数据 | 5天→100万 / 2月→1亿 |
| 插件嫁接期 | 2023.3 – 2024.10 | 浏览插件/早期RAG | 1亿 → 2亿周活 |
| 原生搜索期 | 2024.10 – 至今 | ChatGPT Search正式上线 | 3亿 → 8亿周活 |
关键数据点：2024年12月至2025年2月，即ChatGPT Search向全部用户开放的窗口期，用户增长了33%，从3亿跃升至4亿。此后两个月内再次翻倍至8亿。月度流量从2023年1月的6亿次访问增至2025年10月的62亿次，增长超过10倍。
更重要的是使用习惯的质变：到2025年4月，周活跃用户数几乎等于月活跃用户数，意味着绝大多数用户已形成每周使用的习惯，而非偶尔尝鲜。ChatGPT上平均对话轮次为5.2轮，50.6%的对话是多轮的——用户在通过对话逐步提炼意图、实现信息对齐。
混杂因素与独立验证
需要承认的是，ChatGPT Search上线的时间窗口与GPT-4o发布、免费用户功能扩展、移动端增长等多个因素重叠，用户增长不能单一归因于搜索功能。但Perplexity AI——一个纯搜索产品——的独立增长曲线提供了有力的辅助佐证。
Perplexity没有编程助手、没有图像生成、没有Agent功能，纯粹靠搜索信息对齐实现了以下增速：月活用户从2024年1月的1000万增长到2025年4月的3000万（两年增长1400%）；月查询量从2024年8月的2.3亿飙升至2025年5月的7.8亿；估值从2024年1月的5.2亿美元跃升至2025年7月的180亿美元；年经常性收入从2025年初的1亿美元增至年底的约2亿美元。仅38人的团队服务了3000万月活用户。
需求侧驱动力：网络时代的人类认知降级
Demand-Side Driver: Cognitive Degradation in the Internet Age
AI搜索的价值不仅来自技术供给侧的进步，更来自需求侧的结构性变化——网络时代人类语言表述能力和深度认知能力的系统性退化。
“脑腐”：2024年度热词的学术实证
牛津大学出版社将”brain rot”（脑腐）评为2024年度词汇。发表于《心理学公报》的元分析（基于71项研究、近10万人）确认：短视频使用频率越高，个体认知表现越差。MIT认知科学研究中心数据显示，深度阅读能力正以每年12%的速度衰退。斯塔万格大学的研究揭示约40%的Z世代正在失去手写沟通能力。
认知卸载：从”Google Effect”到”AI Effect”
学术界将这一现象命名为”认知卸载”（Cognitive Offloading）——人类将记忆、推理和问题解决任务转移给技术工具。过去10-15年间，人类基础认知负荷已下降约20%。搜索引擎时代产生了”谷歌效应”（人们不再记忆可搜索的信息），而AI时代则进一步：人们不再进行搜索引擎所要求的关键词提炼思考。
对666名参与者的研究发现，频繁使用AI工具与批判性思维能力之间存在显著负相关，认知卸载是其中的中介因素。更令人警醒的是，持续了整个20世纪的IQ上升趋势（弗林效应）在工业化国家已经逆转。
不可逆性的投资含义
认知退化的最重要特征是其不可逆性。短视频时代的注意力碎片化、碎片化阅读对深度思考能力的侵蚀、以及AI本身加速的认知卸载，都是单向过程——没有任何证据表明人类群体层面的表述能力和深度阅读能力会在未来恢复。这意味着AI搜索信息对齐的需求不是周期性的（如经济周期导致的需求波动），而是结构性且不可逆的。对AI公司而言，在搜索基础设施上的投资回报是长期且确定的——这不是一个可能消退的风口，而是一个只会加深的结构性趋势。
模糊意图的精准定位：AI搜索的微观机制
Precision from Vagueness: The Micro-Mechanism of AI Search
Nielsen Norman Group（全球顶级用户体验研究机构）的研究为AI搜索的微观机制提供了精确描述。研究发现，用户在不确定自己在找什么、或不知道如何描述搜索目标时，会主动转向AI工具。传统搜索要求用户提供具体关键词，而AI在搜索空间不熟悉时提供了更大的灵活性。
“Keyword Foraging”：搜索之前的搜索
NN/g将这一现象命名为”keyword foraging”（关键词觅食）——即用户必须先做一轮预备搜索来确定该用什么关键词进行真正的搜索。例如，想买调酒师用的Y形削皮器但不知道它叫”channel knife”的用户，只能在搜索引擎里反复试错。AI消除了这个中间步骤。
MIT Technology Review的观察印证了这一点：使用AI搜索，你不需要能够精确表述自己在找什么。你可以描述院子里那只鸟长什么样、冰箱似乎出了什么问题、或者车发出的怪声，就能得到准确答案。一旦习惯了这种搜索方式，就会产生依赖。
中国市场的同步验证
弗若斯特沙利文的《2025年中国AI搜索行业白皮书》确认，传统搜索在面对语义复杂或多义的长尾问题时难以应对，而AI搜索通过NLP和深度学习模型深入解析用户意图。中国AI搜索产品如秘塔搜索推出的”先想后搜”模式，让搜索从”寻找已知信息”进化为”解决未知问题”。
生产端与消费端：AI使用的二元结构
Producers vs Consumers: The Dual Structure of AI Usage
AI的使用场景存在一个被行业讨论严重忽视的二元分野：生产端用户（Producers）和消费端用户（Consumers）的使用模式截然不同。
| 维度 | 生产端用户 | 消费端用户 |
|---|---|---|
| 典型画像 | 开发者、设计师、内容创作者 | 普通用户、学生、各行业从业者 |
| 核心使用 | AI编程、图像/视频生成 | AI搜索、信息获取、决策咨询 |
| 人群规模 | 小（编程仅占ChatGPT消息4.2%） | 巨大（信息搜索+实用指导占53%） |
| 社区声量 | 极高（Reddit/HN高度活跃） | 极低（沉默的多数） |
| 付费意愿 | 高（多工具订阅） | 低（主要使用免费层） |
| 对搜索功能的依赖 | 中等（主要用于API文档检索） | 核心需求 |
关键数据佐证：在美国调查中，60%的用户将”搜索信息”列为AI第一用途。在青少年用户中，信息搜索以57%领先所有用例。Anthropic的数据显示Claude平台上”计算机和数学”活动占37-40%——但这反映的是Claude特定的开发者用户群体。放到ChatGPT的全量8亿周活用户中，编程仅占4.2%，而信息搜索+实用指导合计超过53%。
AI时代的新行为惯性：对话→提炼→搜索→对齐
The New Behavioral Paradigm: Converse → Refine → Search → Align
搜索行为正在从”单次交易”演变为”多轮对话”。用户不再是输入关键词、获取链接列表，而是通过与AI的迭代对话逐步提炼自己的真实意图，再由AI执行精准检索完成信息对齐。
从”单次查询”到”对话式发现”
LLM监测数据显示，2025年8月ChatGPT对话的平均轮次为5.2轮，50.6%的对话是多轮的。学术研究指出，用户经常以模糊的、规格不足的、甚至内部不一致的目标开始，只通过与模型的迭代对话过程才逐步澄清其真正需求。
“提示流利度”是新时代的搜索素养
传统搜索时代的核心素养是”关键词构造能力”——知道用什么词去搜。AI时代的核心素养正在转变为”提示流利度”（Prompt Fluency）——知道如何与AI对话来表达需求。当AI搜索平台积累了足够的用户上下文（设备、位置、搜索历史、偏好、过往对话），用户需要在提示中明确表述的内容将越来越少。
Jakob Nielsen（全球UX教父）将这一转变定义为UX的第三纪元：互联网时代（1995-2025）的目标是”影响”用户购买和订阅；AI时代（2026年起）的目标转向”增强人类存在”——帮助人类做出更好的决策、想象和判断。
趋势线：搜索在AI使用场景中的占比持续上升
The Rising Curve: Search’s Growing Share of AI Usage
如果从时间维度观察ChatGPT各类使用场景的占比变化，一条清晰的趋势线浮现出来。
| 使用类别 | 早期（2023-2024初） | 当前（2025中） | 趋势 |
|---|---|---|---|
| 写作 | ~36% | ~24% | ↓ 持续下降 |
| 信息获取 | ~14% | ~24% | ↑ 唯一持续增长 |
| 实用指导 | ~28% | ~29% | → 稳定 |
| 编程 | ~4% | ~4.2% | → 稳定（小众） |
| 个人表达 | ~11% | ~11% | → 稳定 |
信息获取是ChatGPT所有使用类别中唯一持续增长的类别，从14%上升到24%，增幅达71%。同时，写作从36%下降到24%，两者在当前阶段已经持平。若将”实用指导”（29%）——本质上是个性化的信息对齐——纳入广义信息搜索范畴，则广义信息对齐占比已达53%，远超其他任何单一用途。
更宏观的数据同样支持这一趋势：全球搜索总量（搜索引擎+AI搜索）增长了26%，美国增长16%。AI搜索平台在过去一年月均流量增长超过721%。AI搜索流量的转化率高达14.2%，而Google传统搜索仅为2.8%。75%的用户表示比一年前更多地使用AI搜索工具，43%的人每天使用。
GEO时代的竞争定义：搜索就是护城河
Competition in the GEO Era: Search IS the Moat
综合前述分析，GEO时代AI公司的竞争力可以分解为三个维度：
维度一：搜索质量（信息对齐精度）
谁能更准确地理解用户的模糊意图、检索到最相关的信息、并以连贯的方式综合呈现？这直接决定用户留存和使用频率。当前所有主流AI搜索——Google AI Overviews、ChatGPT Search、Perplexity、Claude——都基于RAG或其变体运行，但搜索质量差异巨大。
维度二：搜索成本控制（商业可持续性）
在微软关闭传统Bing API、搜索数据获取成本急剧攀升的背景下，谁能以更低成本提供同等质量的搜索服务？自建搜索索引（如Perplexity）、优化缓存策略、混合架构的精细调配，都是成本竞争的武器。
维度三：搜索基础设施自主性（战略安全）
完全依赖Google或Bing API的AI公司，随时面临价格上涨、服务中断或数据限制的风险。搜索基础设施的自主可控程度，决定了AI公司的长期战略安全。
四家AI公司的搜索竞争力矩阵
| 公司 | 搜索索引 | 搜索策略 | 自主性 | 竞争定位 |
|---|---|---|---|---|
| 自有（全球最大索引） | AI Overviews/AI Mode原生集成 | 完全自主 | 平台深度：Search + Workspace + Cloud | |
| OpenAI | 依赖Bing API + 自建SearchGPT | 垂直整合，嵌入ChatGPT | 中等（受微软制约） | 模型+API+消费者平台一体化 |
| Perplexity | 自建（2000亿+URL，400PB热存储） | 搜索即产品，模型无关架构 | 高度自主 | AI原生搜索引擎，38人团队/180亿估值 |
| Anthropic | 调用第三方搜索API | 安全优先，MCP开放协议 | 低（依赖外部搜索） | 安全+开放标准，强于编程/长文档 |
这张矩阵揭示了一个关键分野：Google和Perplexity拥有自主搜索基础设施，OpenAI和Anthropic依赖第三方。在模型能力日趋同质化（价格战已经开始）的背景下，搜索基础设施的自主性正在成为更持久的差异化来源。Perplexity的案例尤其值得关注——仅38人的团队，凭借自建的覆盖2000亿URL的搜索索引和模型无关架构，在搜索竞争力维度上已经超越了许多拥有数千名工程师的公司。
可能的反对意见与回应
Counterarguments and Responses
反对1：“模型能力仍然比搜索更重要。更聪明的模型才是竞争力核心。”
回应：模型能力的差异正在快速收窄。从2024到2026年，LLM推理成本以每年50-200倍的速度下降，GPT-5.2、Gemini 3.1 Pro、Claude Opus 4.6在多数基准测试上的差距已经缩小到可忽略。当模型成为同质化商品时，围绕模型的差异化服务——尤其是搜索质量——成为用户留存的真正决定因素。正如Perplexity的案例所证明的：它不自研前沿模型，采用模型无关架构，却凭借搜索能力获得了180亿美元估值。
反对2：“Agent时代到来后，搜索将被自动化执行取代。用户不再需要’搜索’，AI代理直接帮你完成任务。”
回应：Agent的自动化执行不是搜索的替代品，而是搜索的延伸。任何Agent要执行任务（购物、预订、管理），其前置步骤仍然是信息检索——Agent需要先”知道”才能”做到”。截至2026年，仅24%的消费者对AI代理自主购物感到安心，Agent仍处于早期阶段。即便Agent成熟，搜索也将从”用户显式触发”转变为”Agent隐式调用”——但搜索基础设施的需求不减反增。
反对3：“Google凭借自有搜索索引具有不可逾越的优势。其他AI公司永远无法在搜索上与Google竞争。”
回应：Google的搜索索引优势确实巨大，但GEO时代的”搜索竞争力”不等于”搜索索引规模”。Perplexity以2000亿URL的索引（远小于Google）和38人团队，在AI搜索体验上获得了高度用户认可。关键差异不在于索引的绝对大小，而在于：语义理解精度、多源信息综合能力、以及将搜索结果与LLM推理无缝融合的架构能力。这些维度上，专注于AI搜索的公司可以（且已经在）超越Google的通用搜索。
反对4：“搜索成本会随技术进步自然下降，不构成长期竞争壁垒。”
回应：推理成本确实在快速下降，但搜索成本的走势更复杂。微软关闭Bing API并将替代方案涨价40%-483%，Google的搜索数据同样不是免费开放的。搜索成本不仅包括算力（会下降），更包括数据获取权（在垄断化，会上升）和索引维护（规模固定成本）。在数据垄断趋势下，搜索基础设施的自主可控反而变得越来越重要。
结论与展望
Conclusion and Outlook
本文从成本结构、用户增长因果、人类认知退化驱动、用户二元分野、行为范式转变和使用占比趋势六个维度，论证了搜索竞争力在GEO时代对AI公司的核心意义。
第一，搜索是AI公司成本结构中增长最快的部分。实时搜索的API费用、Bing API的关闭与涨价、推理成本随搜索功能嫁接而线性增长——搜索成本正在成为AI公司最重要的财务管理课题。
第二，搜索是用户增长的因果引擎。ChatGPT从1亿用户到8亿用户的跃升，与搜索功能的嫁接和完善在时间上高度吻合。搜索使LLM从”有趣的工具”变为”不可替代的基础设施”。
第三，搜索的需求来自人类认知退化的结构性趋势。网络时代的碎片化信息消费导致人类深度阅读、精确表述和独立思考能力系统性下降，而AI通过理解模糊意图弥补了这一鸿沟。这一需求只会增强，不会减弱。
第四，搜索服务的是”沉默的多数”。AI编程和图像生成在社区中声量巨大，但实际使用中信息搜索与对齐占据了53%的份额，是支撑AI产品日活的真正底盘。
在GEO取代SEO的时代转折中，AI公司的竞争已经不仅仅是”谁的模型更聪明”，而是”谁的搜索更好、更便宜、更自主”。搜索竞争力，就是GEO时代AI公司的核心竞争力。
参考文献
- TechCrunch (2025). “Leaked documents shed light into how much OpenAI pays Microsoft.”
- Ed Zitron / Where’s Your Ed At (2025). “Exclusive: Here’s How Much OpenAI Spends On Inference.”
- The Register (2025). “OpenAI has spent $12B on inference with Microsoft.”
- PPC Land (2025). “Microsoft ends Bing Search APIs on August 11.”
- Open Markets Institute (2025). “Microsoft’s Monopoly on Bing Search Data.”
- Computerworld (2023). “Microsoft more than triples Bing Search API prices.”
- Search Engine Journal (2025). “Timeline Of ChatGPT Updates & Key Events.”
- DemandSage (2026). “ChatGPT Statistics – Active Users & Growth Data.”
- Textero.io (2025). “ChatGPT Users Statistics 2025: Global Growth.”
- Chatterji, A. et al. (2025). “How People Use ChatGPT.” NBER Working Paper No. 34255.
- Nielsen Norman Group (2025). “GenAI for Complex Questions, Search for Critical Facts.”
- Nielsen Norman Group (2025). “How AI Succeeds (and Fails) to Help People Find Information.”
- MIT Technology Review (2025). “AI is weaving itself into the fabric of the internet.”
- 弗若斯特沙利文 (2025).《2025年中国AI搜索行业白皮书》.
- Gerlich, M. (2025). “AI Tools in Society: Impacts on Cognitive Offloading.” Societies, 15(1).
- Pressenza (2025). “The decline of the intelligence quotient in the digital age.”
- IE Business School (2025). “AI’s cognitive implications: the decline of our thinking skills?”
- Nguyen, L. et al. (2025). “Feeds, feelings, and focus.” Psychological Bulletin.
- Jakob Nielsen / UXTigers (2026). “Intent by Discovery: Designing the AI User Experience.”
- iPullRank (2025). “User Behavior in the Generative Era: From Clicks to Conversations.”
- Superlines (2026). “AI Search Statistics 2026: 60+ Data Points.”
- Orbit Media / QuestionPro (2026). “The AI-Search Adoption Survey.”
- a16z (2025). “State of Consumer AI 2025.”
- Menlo Ventures (2025). “2025: The State of Consumer AI.”
- DataReportal (2025). “Digital 2026: more than 1 billion people use AI.”
- Exposure Ninja (2026). “AI Search Statistics for 2026: CMO Cheatsheet.”
- Pew Research Center (2026). “AI Chatbot Use Among U.S. Teens.”
- Graphite (2026). “Total search usage combining search engines and LLMs.”
- Backlinko/Semrush (2026). “Perplexity AI User and Revenue Statistics.”
- DemandSage (2026). “Perplexity AI Statistics – Active Users & Revenue.”
- ByteByteGo (2025). “How Perplexity Built an AI Google.”
- MindStudio (2026). “Anthropic vs OpenAI vs Google: Three Different Bets on the Future of AI Agents.”
- Sacra (2025). “Perplexity revenue, valuation & funding.”