
Bing与百度的总搜索份额在量级上接近,而搜索成本受到规模效应影响,我们以Bing的份额近似估计百度的搜索成本,这对应百度边际搜索成本大约是0.002元/千tokens(按人民币兑美元汇率7.3估计)。因此粗略来看GenAI对搜索的成本影响很大,但如同ERNIE 3.0/3.5的经验,上线后大概率ERNIE 4.0会采取模型蒸馏/压缩,这会使得模型的推理成本下降一个数量级,来到与搜索接近的水平。但需要注意的是,并非每一次搜索都需要触发大模型推理。
AI对搜索的影响更多是改进式,用户需要一个逐步适应的过程。1)并非所有搜索都需要触发大模型推理,我们前述分析提到,LLM+搜索改进最明显的是利用模型泛化能力强化对用户意图的理解,并作进一步延申,LLM可以将这部分用户意愿不明确的搜素转化为有明确意愿的搜索(提升商业价值),而对于用户搜索已经明确的关键词,LLM的改善程度相对较小。而从节奏上看,用户对LLM+搜索是需要一个用户心智改变的过程,即逐步适应LLM的能力边界,因此AI对搜索的影响可能不是立刻释放,而是逐步兑现潜力的过程;2)随着大模型架构/大规模计算集群的优化,模型推理成本有望稳定下降,过于关注短期的成本冲击可能忽视技术带来的长期变革性影响。
除了搜索,百度在如流、地图、网盘、文库、贴吧、小说等场景也引入了ERNIE 4.0,对原有模式进行升级。以百度文库为例,根据百度互娱和垂类平台负责人王颖,百度文库目前已经重构为“一站式的智能文档平台”,希望打造为用户办公/学习的起点。典型用户案例即通过自然语言交互实现智能文本生成与编辑、智能PPT生成与编辑、智能问答与总结、智能脑暴、大纲写作等。