21世纪经济报道记者肖潇北京报道

　　所谓“AI幻觉”——AI一本正经地胡说八道，已成为行业热词。它常被归因为大模型生成机制的天然缺陷、训练数据的有限，但在一系列技术解释之外，一个环节鲜少被讨论：搜索。

　　联网搜索如今几乎是每个AI通用聊天产品的标配，它承担着为AI补充“最新知识”的任务。如果把AI联网回答的过程比喻为做菜，大模型是厨师，搜索引擎就是食材供应商。一道菜的风味如何，厨师水平固然重要，但食材同样关键。

　　在我们此前对AI幻觉的实测中，“食材”环节存在不少问题：失真信息、自媒体二手资料、人工智能生成内容被反复引用……为什么准确信息难被引用到？AI依据哪些标准在互联网中挑选信息？（详见：《让AI查了330次新闻：平均准确率25%，近一半链接打不开》）

　　为了更好理解AI幻觉的链路，我们把视线投向了一家总部位于杭州的公司：博查。这家初创公司是国内60%以上AI应用的服务商，为DeepSeek、字节跳动、腾讯等头部AI产品提供搜索服务。团队告诉我们，今年3月，博查搜索API日均调用量已经突破了3000万次，达到微软必应的三分之一。

　　我们与博查CEO刘勋和CTO翁柔莹展开对话。作为AI的信息入口，博查提供了另一种理解AI幻觉问题的视角。

　　AI幻觉只能尽可能减少，很难彻底消除

　　21世纪经济报道：“AI+搜索”相当于给AI外挂了一个动态更新的数据库，这一概念刚兴起时，很多人期待它能从源头解决AI胡编乱造的问题，但现在幻觉情况依然常见。作为AI搜索能力的提供方，你们会如何看待AI幻觉问题？原因出在哪里？

　　翁柔莹：本质上这是信息来源的问题，你去百度、谷歌、必应搜索，会发现里面也有很多不实信息。虽然传统搜索引擎和AI搜索引擎的底层技术架构不同，但“内容生产、抓取、索引”的逻辑是一致的，内容真实性并不是AI搜索能完全控制的。也就是说， AI去联网搜索，和我们自己使用传统搜索引擎一样，都会碰到信息不准确的问题。

　　这个问题只能尽可能减少，很难彻底消除。我们现在能做的，主要是通过技术手段去做信息过滤。

　　21世纪经济报道：有哪些有效的技术手段，让AI提供尽可能准确的搜索结果？

　　刘勋：准确性和权威性需要从多方面判断，现在比较普遍的策略是“模型+人工”。

　　首先在大模型层面，我们有一套对抗性的模型体系——在互联网信息进入我们的索引库之前，大模型会先判断可信度。比如有人在我们的信任站点雪球（一个投资者社区）上，发帖说 DeepSeek 是李开复发布的产品，而且整篇内容都是胡编乱造的，我们能用大模型识别出来，大幅降低其权重。

　　但也有一些内容是大模型判断不出来的。比如大S去世时，有人说汪小菲包机把遗体运回中国台湾了，甚至他妈妈（张兰）都在抖音上点赞了这条消息。很多用户都以为这是真的，大模型也无法准确识别，这时候就需要人工介入了。当我们确认某条信息被官方媒体明确辟谣、证实是造谣后，我们会主动将这类内容清除。

　　翁柔莹：初步得出相关结果之后，我们会再进行一轮排序（re-rank）。会沿用谷歌EEAT 的维度（EEAT：专业性、经验、权威性、可信度；谷歌算法用来评估网站排名的重要指标）给每条结果打分。通过加权评分，对搜索结果进行重新排序。

　　21世纪经济报道： AI搜索还有哪些挑选标准？我们之前实测发现，有一些阅读量很少但面面俱到的自媒体内容，在传统搜索引擎里位置特别靠后，但会被AI看到和引用到。这可能是什么原因？

　　刘勋：目前我们权重最大的评估指标是“语义相关性”，核心原则是返回的内容里必须包含用户问题的答案。

　　如何理解？大家用DeepSeek搜索，会直接提问一段完整的句子。以前把这么长一段话放到搜索引擎里，是搜不出什么结果的，因为传统搜索引擎是匹配关键词，而AI搜索引擎的技术架构是“语义搜索”，即基于自然语言匹配结果。

　　大模型在处理一个用户的问题时，可能会一次性接收到 30条～50 条网页内容。我们通常会用1到 10的分数来评估这些内容质量。总共划分成四个区间，分数越高，代表网页内容越能完整地回答用户的问题，甚至还能额外补充一些信息。

　　当然，我们不是AI产品本身，而是为 AI 产品提供联网搜索的API，也就是说我们没有最终输出的决定权。AI产品会根据语义相关性再做一轮筛选，从这几十条候选网页中，最终选择几条内容进行总结。

　　21世纪经济报道：所以即使是接入相同的搜索API接口，不同AI产品最终输出回复的准确度也会有差异。

　　刘勋：其实AI 产品接入的信息源也往往不止一个，我们只是内容来源之一。比如豆包，它既接入今日头条、抖音等字节系信息源，同时也接入我们这些第三方的数据源。这在技术上叫“多路召回”——从多个内容池子里一起抓取结果。多路召回之后，怎么排序、优先展现哪些内容，是由AI厂商自己决定的。

　　一般来说，AI厂商会优先展示自家生态里的内容，因为这些内容不仅有更高的信任度，而且在它们自己的平台上也更容易实现流量变现和生态闭环。

　　GEO在兴起，低质量内容涌入

　　21世纪经济报道：传统搜索引擎的一些问题被诟病许久，比如广告太多、优质内容藏在“围墙花园”里不对外开放等等，这些老问题对AI搜索会有影响吗？你们是怎么应对的？

　　翁柔莹：这个情况其实还好。首先，广告的问题不在于内容本身，而是搜索引擎公司在选择在用户界面加入广告，也就出现了你说的问题。我们的定位是“给AI用的搜索引擎”，在商业上没有引入竞价排名机制。

　　其次，关于信息质量差、优质内容不开放，还是技术问题。传统搜索引擎基于关键字搜索，围绕着这套架构，低质内容可以通过一些手段让自己排名更靠前，比如只要付钱就能被推到前面。

　　21世纪经济报道：说到竞价排名的商业模式，SEO （搜索引擎优化）已经发展成一个庞大产业了，而AI流行后出现了一项新服务叫GEO（生成引擎优化），即让某个网页内容更容易被AI引用。你们有没有关注到这个现象？

　　翁柔莹：我就用一句话总结：你要精准知道用户会提什么问题，然后基于这些问题来写答案，就能大幅提高内容排名。

　　当然，无论是 GEO还是传统的 SEO，高质量内容都是基础。在此基础上，结构清晰且有明确回答的内容，就更容易被 AI 搜索并引用。

　　已经有一些原本做 SEO 的公司在转型做 GEO，但我们目前不打算跟进这条路径。因为我们发现，大模型真正需要的是最权威、最准确的内容源。如果允许低质量内容通过GEO 技术“混进来”，反而容易加剧AI幻觉问题，所以我们并不鼓励低质量内容的涌入。

　　相反，其实我们更希望建立一种全新的内容合作机制。过去大家是花钱买搜索排名，未来我们希望能够反过来：不需要买排名，而是主动奖励好内容。如果你能给我们提供高质量、结构清晰、可信的内容，我们可以进行内容分润或其他形式的合作激励。这是我们正在探索的一种新模式。

　　刘勋：提供优质内容会是我们坚持的原则。不过目前国内的 AI 生态仍在快速演化，AI 应用的最终形态，尤其是在 C 端用户场景中的具体形态，其实在未来2～3年内仍存在较大不确定性。我们希望在行业形态更加明朗之后，建立一套成熟、清晰的内容合作机制。

　　21世纪经济报道：现在很多AI回答的来源，其实是另一个AI生成的内容，“AI引用AI”的自循环越来越常见，目前有没有比较可行的应对策略？

　　翁柔莹：我们一直在推进信息过滤的工作。第一步是清理黄赌毒等违法违规内容；第二步，也是目前重点投入的方向，是识别并拦截 AI 生成内容，尤其是“投毒型”AI生成内容。

　　这类内容有两个明显特征：一是结构、用词、语义风格与人类创作存在差异，我们可以训练一套专门的大模型来识别，类似论文AI查重；二是经常夹带虚假细节。比如同一事件，网上可能有十篇真实报道，而 AI 写的那一篇可能加入了杜撰内容，我们可以通过交叉对比剔除这些内容。

　　21世纪经济报道：我们还注意到了延时问题。此前有一家媒体报道全国秋粮收购3.45亿吨， 当时AI搜不到“秋粮收购3.45亿吨”的数据出处，直到第二天整体报道数量多了，AI才收录到这一信息。为什么会出现这一情况？

　　刘勋：跟传统搜索引擎的架构类似，当我们抓取到一个网页后，数据需要经过一系列处理流程，包括原始内容的提取、黄暴等合规性识别、内容清洗、结构化处理，最终才会进入索引库。这一套流程是需要时间的，目前我们能实现的最快数据处理时长大约为半小时，这是一个技术限制。

　　未来AI的搜索调用量可能是人类的5～10 倍

　　21世纪经济报道：你们的不少合作方是国内互联网厂商，本身拥有成熟的技术团队和互联网经验。他们找博查合作时最主要的需求是什么？

　　翁柔莹：最核心的需求就是搜索质量。

　　其实无论是互联网大厂还是中小厂商，只要做AI搜索，面对的都是一套全新的技术架构。行业最早将“语义搜索”应用于 AI 场景，是微软基于必应搜索开始为 ChatGPT 提供搜索服务。直到 2023 年 5 月， ChatGPT 接入必应实现联网搜索后，这套架构才被广泛关注。但要推翻几十年的技术积累、重新搭建架构，难度和成本都很高，所以整体推进速度比较慢。

　　另一方面，有一些客户本身并不具备搜索引擎技术，仅能做站内搜索，无法支持全网检索，因此希望通过我们补足从 0 到 1 的能力。

　　过去这些客户通常会接入微软必应的搜索API。但必应有两个问题：一是数据出海，存在安全合规隐患；二是价格高。博查对标的是必应，所以会选择我们作为更安全可控的国产替代方案。

　　21世纪经济报道：可以说说提供AI搜索服务的技术和成本吗？门槛高在哪里？

　　刘勋：举个例子，做搜索引擎的第一步，是构建一个“索引库”，可以简单理解为内容的底层数据库。谷歌的索引量大概是万亿级，必应略低一些。即便在国内刚起步，索引库的规模也至少要达到百亿条数据。

　　这个数据量级意味着什么？我们目前支持百亿级数据的实时检索，而且要实现毫秒级响应，这背后需要非常庞大的基础系统。仅服务器部分，我们使用的数量就在1万到2万台之间。支撑这套系统的成本也非常高，“起步价”至少就要每月几千万元。

　　更重要的是，我们的技术架构完全围绕内容相关性设计，没有广告干扰，这对AI 搜索是最基本的要求。传统搜索引擎公司如果也想转向做AI搜索的 API，就意味着要抛弃原有的关键字搜索架构，重做一套向量索引系统。另外，如果要提供一个没有广告干扰的 API，也会冲击他们原有的商业模式和收入结构。

　　21世纪经济报道：那博查预计的盈利周期大概多久？接下来在技术优化和商业布局上有什么打算？

　　刘勋：我们目前并不着急盈利，更关注如何推动整个 AI 生态的发展。等国内AI应用生态成熟起来了，我们再跟着去实现商业变现。

　　现在全球范围里，所有人类主动发起的搜索总量大概在 100亿次～200 亿次之间（包括谷歌、必应以及微信等平台内搜索）。但我们认为，未来 AI 的搜索需求会远远超过这个量级。

　　举个例子，当你向 DeepSeek 这样的模型提问时，大模型会把一个问题拆解成多个子问题的同时调用搜索。尤其是像 Manus 这样的 AI 智能体，为了完成一个复杂任务，往往需要反复调用搜索服务接口。我们估计未来的AI搜索调用量会是人类的 5 到 10 倍，甚至更高。

　　也就是说，搜索能力未来会像地图、支付一样，成为AI 应用不可缺的基础模块，而为此掏钱的是上层AI应用。所以我们会等待国内 AI 应用生态跑起来。

　　我们一直是以谷歌和必应为对手，明年希望至少达到谷歌一半——5000 亿条索引库。其实接下来的关键挑战在基础设施上，我们的资源部署在各大云厂商上，目前的成本和限制依然是所谓的“三架马车”：算法、算力、数据。所以我们需要整个基础设施的进一步发展，来支持下一阶段的扩展和突破。