传统搜索、AI搜索与大型语言模型的差异-雨果网

什么是大语言模型（LLMs）？

2022年，LLMs（大语言模型）首次登上历史舞台。尽管AI（AI）与机器学习（ML）技术早已存在，但LLMs以颠覆性的表现让全球意识到：这项技术将彻底改变未来。

如今，我们有许多不同的模型（LLMs），也被称为生成式AI引擎，它们采用不同的运作方式。

以下是 2025 年初最受欢迎的大型语言模型列表：

lOpenAI o1

lOpenAI GPT-4o

lDeepSeek R1

lLlama 3.1

lGemini 2.0

lPerplexity Sonar

lMistral AI's Mistral 8x22B

lClaude 3.5 Sonnet

lGrok 3

归根结底，所有大型语言模型都会采用类似的方法，并相互竞争、齐头并进。

就搜索 / 问答体验而言，生成式AI体验分为两类：

1. 具备内部知识库的大型语言模型（LLMs）

例如 Claude、Llama 和 Grok，它们依赖内部知识，这些知识来源于对海量数据集的广泛训练。然而，其知识仅限于截至最近一次训练周期（称为 “知识截止日期”）的可用信息，无法涵盖该日期之后的内容。

2. AI搜索

如带有 AI 概览功能的谷歌、Perplexity 和 ChatGPT。这些是搜索引擎，它们结合了大型语言模型和网络搜索能力，从互联网上收集最新信息。它们可能会将简短的搜索关键词优化为提示词，以便为用户提供更优质的响应。这种技术被称为 RAG，即 “检索增强生成”。

也可以将这些AI搜索体验称为混合系统，因为它们将内部知识与网络搜索能力相结合（即 RAG—— 检索增强生成）。

为何AI搜索比大型语言模型（LLMs）更具相关性？

传统搜索、AI搜索与大型语言模型的差异图片来源：Effilink

AI搜索平台开始提供所使用来源（搜索结果）的引用，这不仅能为你的网站带来引荐流量，还能帮助你找到生成式引擎优化（GEO）的行动项。AI搜索引擎可以被视为 “问答机器”，而非传统意义上的搜索引擎。这意味着它们会尝试直接给你答案，而不是展示搜索结果。

纯粹的大型语言模型（如 Claude）会从自身的知识（训练数据）中提取信息来给出答案。只有当供应商重新训练模型时，它们才能获取新信息。而重新训练的成本，低则数百万美元（如深度求索（DeepSeek）），高则数亿美元（如 OpenAI）。

对于这些大型语言模型而言，大型语言模型优化（LLMO）仅适用于长期的品牌定位策略。

传统搜索、AI搜索与大型语言模型的差异图片来源：Effilink

AI搜索会像传统搜索一样使用搜索查询来获取最新信息，丰富当前的响应内容。这与你所了解的搜索引擎优化（SEO）有几分相似，但仍存在诸多差异。

AI搜索通常（并非总是）会使用 RAG 技术，这意味着根据你的提示词，大型语言模型会向搜索引擎（如谷歌、必应等）发起搜索查询，并利用搜索结果收集最新的新闻或信息来生成响应。例如，如果你向大型语言模型询问某个刚举行过选举的国家的总统是谁，只有通过这种方式才能得到准确的答案。

这一过程分为几个步骤：AI / 大型语言模型选择要处理的网络搜索来源（即所谓的引用或来源链接），然后抓取（读取）这些链接中的所有内容，最后根据页面内容和自身内部知识生成响应。传统搜索只是找到匹配项，然后向你展示蓝色的结果链接。

例如，Perplexity AI（一款AI搜索引擎）在被问及迈阿密的天气后，会从网站上获取实时数据。

传统搜索、AI搜索与大型语言模型的差异图片来源：Effilink

下表是三种搜索模型的比较，需要的是理解不同类型的大型语言模型与传统搜索的运作方式，以及找到哪些优化方式在它们身上奏效。

传统搜索、AI搜索与大型语言模型的差异图片来源：Effilink

（来源：小亿）

以上内容属作者个人观点，不代表雨果跨境立场！本文经原作者授权转载，转载需经原作者授权同意。