1000公里

从去年6月份开始重启跑步，到现在，跑龄已经1年4个月了

突然发现，今年累计跑量已超过1000公里

这是第一次年跑步公里数超过这样的水平，对我个人，是一个非常大的突破

跑步已经深度融入到日常生活中

对我而言，跑步的好处实在太多，除了生理上、心理上带来的各种积极变化与帮助，还有一个非常的作用

在跑步的过程中，对自我的认识、能力边界认知、欲望管理，也有不一样的促进

尤其是当我以第三方视角审视自己的时候，那种豁然开朗也经常让人惊喜

在漫长的跑步过程中，人是最容易进入自我对话、自我觉察状态的。没有外界干扰,只有自己的呼吸、步伐和思绪

跑步时，人仿佛既是运动的执行者，又能跳出来以旁观者的角度看待自己。这种视角转换能力，对自我认知有着独特的促进作用

跑步的意义，对我来说，获得的不仅是健康的身体，也获得了一种审视生命、理解自我的新方式

经营资产

对经营公司而言，如果从风险视角，最重要的洞察：经营公司，就是经营风险

但如果从发展视角，目前最重要的洞察之一，应该就是：经营公司，就是经营资产

如何理解这里的“资产”？

资产是指能带来未来经济利益的任何资源，简单说，就是能为自己“赚钱”或“省钱”的东西，满足任意一项都算

它的关键特征包括，可被控制、可衡量、能带来未来收益

所以，对企业或个人创业者来说，资产 = 能持续产生现金流、复利效应或战略壁垒的资源

具体包括：

- 内容资产，比如文章、视频、脚本、知识库

- 技术资产，比如代码、模型、API、架构、专业体系

- 品牌资产，比如声誉、影响力

- 关系资产，比如客户群、合作伙伴

- 系统资产，比如标准化流程、自动化工具

- 金融资产，比如股票、基金、不动产、公司股份

以上，既适用于公司，也适用于个人

个人的资产布局，随着年龄的增长，重要性要越来越大，而且，什么时候开始重视，都来得及，这是因为，绝大多数人，都并不是很重视个人资产的经营

Vibe Coding

10月份的8天假期，主要是待着媳妇的老家，一个风景优美的北京郊区，主要的活动包括：捡板栗、跑步、写书、开发工具

其中，大部分的时间，都在写工具

因为AI编程能力的大幅提升，作为一个非程序员，这几个月借助Vibe Coding，其编程能力也在快速的提升

10月份这不到10天的时间，写的代码行数超过了345万行，初步完成了4个工具，其中有一个工具的复杂度，也不小，光是梳理它的产品逻辑与需求说明，就花了差不多一下午的时间

这给国庆节的假期，增添了不少乐趣与成就感

在借助AI写工具的过程中，其实也是学习AI编程的过程，通过这样的实战方式，对Vibe Coding也有了很多与之前不一样的理解

在这个过程中，其实最大的挑战，不再是写代码，而是标准的确定

每一个功能逻辑、每一个样式、每一个工具，如何评价它是好是坏？如何将脑子里面对“好”的认知与想象，通过清晰的提示词或工程规划让AI真正的理解并正确执行，这是一个很大的挑战

归根到底，又回归到了对审美、对逻辑甚至哲学层面的认知，回归到了价值观与方向选择，回归到了对用户、对行业的商业洞察

关于增长

如何正确的做增长？

真正的增长，不仅仅是把人拉进来，更重要的是，让人忍不住“回到这里”

世界上顶级的产品，成功的一个共性，就是有着非常好的留存

所以，对产品增长来说，留存，才是真正的杠杆

留存在某种程度上也代表了真正的价值创造

没有留存的产品，即便新增做得再好，也总有枯竭的一天，生命力极其脆弱

做好留存的两个核心底层原则：系统性的增长实验+有效经验的系统复用

关于增长实验，从整体来看，单点实验的效果稳定性是很差的，非常依赖人的经验及运气，而系统性的增长实验逻辑，在于把方方面面的可能性进行全面的梳理，并通过并行测试的方法，拿到大量的数据

通过这种方式，可以快速获得很多有价值的洞察

基于这个逻辑，一个完整的增长体系，应该包括

  1. 从价值维度，产品必须能持续创造价值，让人忍不住“回到这里”或忍不住“继续合作”，这需要深入理解用户需求，打造核心竞争力
  2. 从方法维度，通过系统化实验获取数据洞察，而不仅仅靠直觉
  3. 从规模维度，将成功经验标准化、模块化并大规模复制
  4. 从时间维度，真正的增长是一个循环往复、不断迭代的过程

GEO与SEO

  1. 无论SEO还是GEO，决定能否被AI引用的首要因素之一，还是内容质量
  2. GEO是内容营销的一种新形态，是顺应AI检索与生成的整合式内容营销策略
  3. 问题驱动替代关键词驱动：SEO围绕“关键词”，GEO围绕“用户完整问题”，这背后搜索行为变化的原因，也是因为AI对复杂语义的处理能力大大增强
  4. 结构化可以让AI更“省算力”：清晰的分段、列表、数据表与JSON结构化标记更易被AI拆解与引用
  5. AI倾向选择专业、权威、可验证来源，比如：引用权威研究、标准文档、官方数据，并清晰标注出处
  6. 信息增益是GEO差异化的一个关键策略，在低成本生成时代，独特洞见与深度实证更稀缺。比如，可以给出实测数据、反直觉结论、失败教训与可复现实验
  7. 由于AI搜索的“零点击”特点，决定GEO的效果会更偏品牌，用户常在AI答案处结束，一般不点链接，除非有进一步需求，这个时候往往会去检索品牌词；所以，核心价值会体现为“被看见”，即便点击流量不高，但AI频繁提到你的品牌，心智影响会大大提升
  8. SEO是GEO的地基之一，传统搜索排名在很大程度上会影响AI检索与引用概率
  9. 品牌的内容，成为训练语料需要较长时间且不可控，对GEO来说，实时搜索是核心主战场，被纳入基础训练门槛极高，现实路径是做SEO提升被实时检索
  10. 多模态是趋势，短期文本内容的建设和优化性价比最高，可以逐步构建多模态内容体系
  11. 国内AI幻觉多与搜索服务能力与成本有关，模型常粗略聚合摘要，这样也容易出错，我们曾实验过GEO霸屏的效果，就是利用这种“漏洞”
  12. 近期做了一个关于AI摘要的GEO实验，最终数据发现，AI摘要对AI搜索的权重影响比想象的要大

关于AI搜索

这一期“未来硅世界”邀请了小宿科技的两位技术专家进行与AI搜索有关的分享，很多干货，通过GPT-5对直播的主要问题进行了梳理：

Q1：AI搜索到底是什么？和百度、谷歌有什么不同？

传统搜索靠关键词匹配，你得自己从10个网页里找答案

AI搜索则是“问题导向型”搜索——你问一句，AI自动整合信息并直接回答

举例：

  • 你搜“苹果CEO是谁”，百度列出网页

  • 你问AI搜索，它直接告诉你“蒂姆·库克”，并解释他的任期与相关新闻

AI搜索的关键区别是：它不仅找信息，还理解问题并生成答案

Q2：AI搜索要靠“Infra”，这是什么？

Infra是“基础设施”的意思

如果把AI搜索比作大脑，Infra就是神经系统和工具库

它包括：

  • 搜索引擎API

  • 链接正文提取、PDF解析、网页渲染

  • 数据召回、排序、缓存、语义理解模块

这些组件让AI能像人一样“读网页”“理解语境”“引用来源”

Q3：开发者和普通用户使用AI搜索的区别是什么？

  • 开发者：关心“如何让我的AI会搜索”，可加入小宿科技开发群，申请API调用额度，拿到技术文档

  • 普通用户：只想“得到更聪明的回答”，可直接用AI搜索应用或在活动中提问

一句话：开发者造轮子，用户开车

Q4：为什么要区分ToC搜索和ToAI搜索？

这两种搜索服务的“对象”完全不同

  • ToC搜索：给人看的，返回简短摘要

  • ToAI搜索：给AI读的，返回全文或结构化数据

举个例子：

百度给你“华为发布新机”摘要

而ToAI搜索会给AI整篇新闻稿，让AI能生成一篇分析稿

AI要的不是标题党，而是“可被机器理解的内容”

Q5：从提问到回答，AI搜索内部经历了什么？

  1. 理解问题：判断是否联网
  2. 问题拆解：把复杂问题分成多个子问题
  3. 外部搜索：通过API抓取网页或数据
  4. 召回排序：筛选最相关内容
  5. 生成答案：模型整合信息、生成自然语言回答

这像是一支“AI搜索小分队”：模型当大脑，工具当手脚

Q6：AI不是看摘要就够了吗？为什么要全文？

因为AI要“理解语义逻辑”，不是“浏览关键信息”

摘要只能给出结论，AI要根据上下文判断因果、细节、出处

就像人类写论文必须看原文，AI回答问题也要有“上下文依据”

Q7：小宿科技的搜索技术相比其他公司有什么特别？

  • 多语种支持：唯一国内支持多语种搜索的厂商

  • 纯自研：拥有从爬虫、索引、召回到语义模型的全链路自研能力

  • 低延迟：平均响应仅数百毫秒

  • 灵活服务：可同时支持AI问答类和智能体类客户

Q8：AI怎么判断“苹果”是水果还是品牌？

靠语义理解模型

AI会分析上下文，识别你的意图，然后决定召回哪类数据

这涉及：

  • 意图识别

  • 切词与消歧

  • 语义匹配

例如你问“苹果市值多少”，系统就会自动切换到“Apple Inc.”的财经数据语料

Q9：AI搜索会不会老是读到旧数据？

不会

一般系统会判断问题是否有时效性

  • 非时效性问题（如“地球半径”）可从缓存读取

  • 时效性问题（如“今天A股涨跌”）则调用最新索引

甚至在排序模型中，还会给“时效性结果”额外加权，让它们排在更前面

Q10：网页那么多，AI怎么找到“最合适”的那几篇？

通过语义匹配 + 关键词匹配的混合策略

  • 语义匹配帮助AI理解上下文

  • 关键词匹配保证命中具体词汇

此外，召回分两阶段：

  1. 离线阶段：过滤不良网页，仅保留优质内容
  2. 在线阶段：根据query动态排序、再筛一轮

最终留下的往往不到10%，但质量最高

Q11：互联网充满AI写的文章，怎么看？

AI生成内容不是坏事，但要有质量

系统会评估段落逻辑、事实准确性和原创性

低价值的AI洗稿、拼接文会被剔除

一句话：AI创作没问题，关键是得写得“对”

Q12：AI能分辨好文章吗？

能

模型会学习人类的判断逻辑，比如：

  • 信息密度高

  • 逻辑结构清晰

  • 来源可信

  • 不抄袭、不空洞

  • 系统会将这些特征量化，综合打分，从而识别“高价值内容”

Q13：怎么应对黑帽SEO？

我们有独立反作弊团队

在离线阶段就会剔除黑帽页面、虚假内容和采集站

具体算法保密，但目标明确：让AI搜索生态干净可信

Q14：AI搜索会不会出现不合规内容？

不会

公司在中国的业务遵循国家法律与价值导向

海外则依据当地法律

不同地区使用不同API与数据部署，确保“各地合法，各自合规”

Q15：现在AI搜索的盈利模式是什么？未来会变吗？

目前以API收费为主

未来可能与AI应用合作形成广告或知识付费模式，但不会像百度那样直接插广告

因为ToAI搜索是“B端基础设施”，不是“C端流量入口”

Q16：AI搜索能不能看到全网热词趋势？

目前还没有这个功能

但如果开发者或企业客户有需求，小宿科技可基于搜索数据生成类似“AI趋势榜”“智能体热门问题榜”等产品

关键是：搜索热度由需求驱动，不是噱头驱动

Q17：AI搜索会不会爬取小红书、抖音这些平台？

不会违规抓取

公司严格遵守平台数据政策，只与愿意合作的优质内容方建立数据通道

郭耕良提到：“我们宁愿少，也要干净”

同时，团队也在与垂类厂商谈判，获取更多结构化内容授权

Q18：AI搜索的使用比例有多高？会不会取代传统搜索？

以目前数据看，大约30% 的AI问答会调用联网搜索

随着模型更懂上下文，这个比例还会继续上升

但完全取代百度或谷歌暂时不现实——AI搜索更像“新层”，不是“替代层”

Q19：有了AI记忆功能，它还会继续查网页吗？

会

  • 对于固定知识（如物理常数、历史事实），AI可以记忆

  • 但对动态信息（如天气、股市、政策）仍需外部更新

  • 搜索和记忆是互补的关系

  • 未来AI会在“内部知识”和“外部实时数据”之间动态平衡