Perplexity AI：有機會挑戰 Google 搜尋的答案搜尋引擎？

Hi 我是 VK~

NVIDIA 執行長黃仁勳在今年 2 月《連線》雜誌採訪時透露，「我一直在用 Perplexity，不過也很喜歡 ChatGPT，我幾乎每天都會使用這兩款 AI 工具。」

這期來聊聊 AI 新創 Perplexity 他們的成立故事，並聚焦在：

• 為什麼 Perplexity 選擇打造回答搜尋引擎？打造之前他們推出哪些產品過？
• Perplexity 的創業團隊如何看出 LLM 優化搜尋的機會？
• Perplexity 想解決什麼問題？如何運作？
• 搜尋領域歷來的挑戰者有誰？
• Perplexity 的商業化之路與挑戰

喜歡這期的內容，歡迎分享給朋友一起訂閱《VK科技閱讀時間》，祝你今天一切順利~

除了 Google、Bing 等搜尋引擎之外，有機會看見新一代搜尋引擎嗎？

這基本上是 AI 答案搜尋引擎 Perplexity AI（又被稱為 Perplexity）想做的事。如同 Perplexity 描述的，「與提供連結清單的傳統搜尋引擎不同，Perplexity 以自然語言處理（NLP）提供合成資訊，並附有引用資訊和後續建議，以便進行更精準的搜尋。公司的使命是服務於世界的好奇心」。

這家成立不到兩年的新創，他們目前不到 60 名員工，使用者已經來到每月有約千萬用戶，他們還創造了超過 2000 萬美元的年度經常性收入（ARR）。

背後資金也大有來頭，今年 4 月在 B1 這輪籌集 6300 萬美元的資金，估值超過 10 億美元。他們的投資者陣容也非常豪華，有 Y Combinator 前 AI 總監 Daniel Gross、Y Combinator 執行長 Garry Tan、Figma 執行長 Dylan Field、Jeff Bezos、NVIDIA、Elad Gil、Nat Friedman、Naval Ravikant、Andrej Karpathy 等人。

Perplexity 的誕生：數次失敗的產品

時間倒回到 2022 年，這一年 Perplexity 剛成立。現在我們看到的 AI 答案搜尋引擎，並不是他們的第一個產品。在這兩年中，他們推出幾次不同產品、迭代無數次，每次的 pivot 都圍繞在一個核心：如何透過大型語言模型（LLM） 優化用戶在搜尋引擎上的體驗，最終也讓他們打造現在的 AI 答案搜尋引擎 Perplexity 。

接下來，就會來談這幾次不同產品分別是什麼？為什麼會 pivot？每次的轉向如何幫助他們更接近現在？

第一個產品 Bird SQL：因為 Twitter 關掉 API 而失敗

Bird SQL 是 Perplexity 的第一款產品，這在 2022 年 12 月推出。它基本上允許用戶可以使用自然語言搜尋 Twitter 上的內容。比如說，進到 Bird SQL 的網站，你只要輸入「誰是最常與馬斯克互動的？」「關於 ChatGPT 的熱門推文」，它就會幫你列出所有與馬斯克互動最頻繁的帳號、與 ChatGPT 的熱門推文。

Bird SQL 的運作方式是使用 OpenAI 的 Codex 模型將自然語言轉換為 SQL 查詢，從 Twitter 的 SQL 介面中擷取最相關的推文。在這階段，因為 Twitter 本身的搜尋功能不是太好，Bird SQL 剛推出獲得蠻多的好評。

但後來因為在 2023 年 2 月 Twitter 把 API 關掉後， Bird SQL 基本上就沒辦法用。

這時他們被迫嘗試不同想法，開發其他產品，其中一個想法是「做面向企業的 AI 搜尋產品」。可以把這想像是從特定公司的 Salesforce 和 HubSpot 的資料庫找資料，並為團隊生成需要獲得的資訊。但這最後因為蠻多因素並沒有成功，像是內部資料庫的資料不夠完善、當時的 AI 模型不夠先進等。

搭上 ChatGPT 起飛的時刻：AI 搜尋產品 Ask

2022 年底剛好也是 ChatGPT 剛推出，兩個月內就達到了 1 億月活躍使用者。在歷經了 Bird SQL、想打造面向企業的 AI 搜尋產品的兩次失敗後，Perplexity 開始思考如何借助這股生成式 AI 的趨勢，讓他們在搜尋領域中有更多的進展。

他們的答案是「引用資料是將搜尋和 LLMs 結合在一起的好方法，」簡單來說，他們想透過打造一個應用程式，透過添加引用來源，來解決 AI 可能會生成事實不準確訊息的問題。基本上現在可以看到 Perplexity 生成的資訊，後面都會有數個不同來源，這些可以提供用戶更多的延伸資訊來確保資料的正確性。

Perplexity 當時在 2022 年 12 月，不僅推出 Bird SQL，隔沒幾天也推出 beta 版本的 AI 搜尋產品 Ask。這幾乎是 Perplexity AI 的 MVP 版本，就是會生成兩部分的內容：第一部分是 AI 生成的答案，之中會有引用內容和連結索引，它會標示每句話的來源出處。第二部分是它在生成資訊中所參考到的資料連結來源。

到了 2023 年 1 月，他們推出了更新版本的 Ask。這次的更新主要加上「延伸問題」，可以提供用戶多個與資料相關的問題，進一步完成對話。這時他們也宣布 Perplexity 是世界上第一個對話式搜尋引擎，並在前四個月內達到 200 萬月活躍使用者。

Perplexity 是一家打造產品、迭代速度非常快的團隊，他們的天使投資人 Elad Gil 就說：「你會向他們提到一個想法，然後一天後，他們就會建造一些東西。」2022 年 8 月，Gil 在Perplexity 種子輪前的融資中，寫下了第一張支票。

到了 2023 年 5 月，Perplexity 在幾天內開發了第一個互動式搜尋原型 Pro Search（前身為 Copilot），後來演變為當前的搜尋引擎產品。這讓用戶可以在輸入複雜問題時，可以協助用戶更明確表達他們的搜尋意圖，最終給到更可控且準確的回答。

這裡提到了 Perplexity 在兩年間不斷迭代產品，到今天我們看到的 AI 回答搜尋引擎。他們都圍繞在抓緊 LLM 的機會來優化搜尋引擎，但這讓我蠻好奇當時他們如何看到這件事？為什麼會特別挑搜尋領域的賽道來和 LLM 結合？

為什麼 Perplexity 看出 LLM 優化搜尋的機會？

這就必須來介紹 Perplexity 的團隊。

Perplexity 共同創辦人有 Aravind Srinivas（執行長）、Denis Yarats（技術長）、Johnny Ho（策略長），以及 Andy Konwinski。創辦團隊過去都有在 OpenAI、微軟、Meta 等工作經驗，對於 LLM 有很深入的理解，而且有趣的是有 3 位成員之前在線上問答網站 Quora 工作過，對於 Ranking、問答系統都有很豐富的經驗。

在 2022 年 7 月，ChatGPT 還沒出現之前他們就決定建立一個使用 LLM 建立的新搜尋體驗的應用程式，但當時的技術還沒有達到可以自己生成詳細和相關答案的階段。他們那時的解法是在印度等國家外包人力來寫問題和答案範本來訓練人工智慧。這也說了為什麼後來 ChatGPT 出來他們可以抓緊機會的原因之一。除此之外，創辦團隊的工作經歷，也讓他們更專注在搜尋領域中。

執行長 Aravind Srinivas

Srinivas 來自印度，後來在加州大學柏克萊分校攻讀博士學位。2018年，他先後在 OpenAI、DeepMind 和 Google 實習。畢業後，他加入 OpenAI 工作了一年，研究語言模型和擴散模型。2022 年 8 月，它離開 OpenAI 後，開始創了 Perplexity。

至於他如何找到技術長 Denis Yarats 一起創業？這得把時間倒回 2020 年，他透過電子郵件認識了 Yarats，因為當時他們在加州大學柏克萊分校、紐約大學發表了內容幾乎相同的 AI 訓練方法論文，剛好有機緣認識，也從那時候開始一直保持聯絡。

技術長 Denis Yarats

Yarats 的工作經驗幾乎圍繞在科技巨頭中，從 2011-13 年在微軟 Bing 團隊的工程師，之後跑到 Quora 當 Ranking 演算法的技術主管。2016 年他加入 Facebook，成為 AI 研究科學家，他在機器學習和自然語言處理領域擁有豐富經驗。

除了在技術領域上有很豐富的經驗之外，Yarats 非常善於招募，第三位 Johnny Ho 正是他招募進 Perplexity 的。（當然這有些舊識的因素在）

策略長 Johnny Ho

Johnny Ho 畢業後在 Quora 擔任工程師一年，當時他剛好就在 Yarats 的團隊工作。後來他離開 Quora 後，後來轉成了量化交易員。他主要負責開發 Perplexity 用戶友善的搜尋界面等。

董事長 Andy Konwinski

Konwinski 算是 Perplexity 團隊中有豐富營運和管理經驗的人。他是 Databricks 的共同創辦人，過去也做過 VP of professional services、VP of Product 等，這些都讓他提供早期的 Perplexity 蠻多營運上的經驗。

除了從創辦團隊的組成上，可以看到他們幾乎有豐富的工程經驗外，為了寫這篇，我聽了 Lex Fridman 訪 Srinivas 的 Podcast，他提到「他非常欣賞 Google 的共同創辦人 Larry Page、Sergey Brin。」

他對 Google 的研究非常深入，甚至他可以背出科技記者 Steven Levy 在十多年前寫 Google 內部運作的書《IN THE PLEX》。這也帶給他們更多在打造 Perplexity 的想法。