声明:本文来自于微信公众号 窄播，作者:折木，授权站长之家转载发布。
在DeepSeek席卷中文世界的热潮中，我们通过小红书联系上了浪仔和豁如。他们是AI搜索产品Hika的两位创始人，都有大厂工作背景，也都是2023年初就在积极思考，希望抓住AI带来的趋势性机会。
浪仔认为，上一波的互联网创新本质上更接近于资源的嫁接，而AI则是基础能源的升级，由此带来了更多产品创新的想象力，让更多创业团队可以参与其中，也对产品的设计者带来了更高的要求。
浪仔和豁如最初的想法是，做一个类似NotebookLM的AI知识库产品，通过让用户自己提纯资料，来提升AI回答的有效性。但在过程中，他们发现AI搜索应该比AI知识库更灵活，市场也应该更大。
浪仔表示，AI搜索往下做可以做（垂直领域），往上可以做通用性搜索。知识库产品一开始就框定了笔记类型用户，做SaaS方向则需要考虑太多AI之外的东西。
同时，AI作为新的基础能源，动摇了搜索产品在互联网时代形成的稳固市场格局，降低了传统搜索引擎的算法和技术壁垒。
就像我们在《AI搜索迎来新拐点》所总结的，大模型的技术平权趋势下，AI搜索正在成为AI助手、平台型产品和初创团队挑战传统势力的重要战场。这个过程中，不同的团队会从自身视角出发，产生不同的思考和判断。
Hika于2024年11月下旬开始测试，12月底正式上线，目前团队有5个人。浪仔表示，Hika更侧重对复杂信息的解析，并非完全意义上的通用搜索，更偏向研究型搜索。
Hika的产品逻辑与Perplexity有所不同。Perplexity希望通过AI简化传统的「搜索—链接—再搜索」链路，实现对搜索结果的直达。Hika则希望通过「再多讲讲」和「再多问问」的交互设计，来让AI先能够辅助用户去探索答案。
图片由受访者提供
浪仔认为，从提问到答案路径不会马上实现，AI搜索如果想实现像人一样回答问题可能还需要8到10年。「实际上，AI搜索并不能像很多产品自称的那样，可以一步到位，直接给出问题答案。他们现在最多能做到没有广告，不用像谷歌一样去看链接。」
以下是《窄播》（微信公众号ID:exact-interaction）与Hika团队的对话整理:
AI搜索并不能一步到位
窄播:团队是怎么聚在一块，并决定开发Hika的?
浪仔:2023年，我跟豁如在一个兴趣群里认识，那时候ChatGPT刚火，我们都在关注AI的产品化的方向，并进行了大量的讨论，之后一起做了一款类似谷歌NotebookLM的产品，偏向于本地知识库的形态。这个产品有诸多问题，后来决定做搜索方向。剩下的伙伴是做搜索时拉过来的。
窄播:当时围绕AI的产品化，你们讨论的核心问题是什么?如何决定要做类似NotebookLM的产品?
浪仔:最开始我们在大量使用GPT以及类似GPT（产品）的过程中察觉到不少问题，比如幻觉和理解问题。我们尝试借助大模型思考基于已有知识的深入问题，却发现GPT没办法和我们的知识量与期望对等，所以表现并不稳定。
所以我们思考，如果将GPT的知识量限定在特定领域资料内，回答也许会更精准。豁如提出把GPT做成机器人，通过输入文件构建其 「脑子」，再看回答效果。早期测试还不错，圈定知识范围后，对于具体问题的胡乱作答程度变得很低，还能从资料中挖掘出我们未曾察觉的信息。
窄播:后来哪些问题无法解决，从而准备转变方向?
浪仔:首先是速度。喂入文件越多，反应越慢。喂入大量杂乱文件后，进行上下文的连续提问，回答会变慢且准确率变低，以当时的能力难以处理。
我们也在思考这样的需求是否成立。因为喂入的文件往往当下需要，但复用频率很低，这样信息流转效率非常低。我们当时推断，伴随着大模型能力增强、联网搜索及产品进化，未来需要向AI上传本地文件供解析的场景会越来越细分，更偏向个性化、专业化的领域。
窄播:为什么转向AI搜索?
浪仔:比较直白的点在于，我们认为AI搜索应该比AI知识库更灵活，市场也应该更大。AI搜索往下做可以做（垂直领域），往上可以做通用性搜索。但知识库产品一开始就框定了笔记类型用户，做SaaS方向则需要考虑太多AI之外的东西。
当时AI搜索产品Perplexity已经出了一段时间，关注度很高。在创业的时候，还是应该选择一个大家都关注的方向，才可能获得更多的资源和曝光。AI搜索也许能提供的信息价值更多。用AI面向整个网络信息进行加工和赋能，影响的人群面也更广。
搜索是人类非常普遍且接近于刚需的需求。我们几乎每天都会花大量时间做有目的和无目的的搜索，像抖音小红书这类产品，本质上是无目的搜索。张一鸣2015年曾经提到过，要用推荐算法来取代谷歌的搜索算法。所以在他眼里，这也是一种搜索行为。
随着技术发展，人们的搜索需求其实没有变化。如果能在这个市场切出一个蛋糕，把产品做好，产品的可持续性一定更强。
窄播:当时有想过具体做什么领域和市场吗?
浪仔:偏向知识工作者这一类群体，白领，学生，小型甚至单人公司，不过也还在摸索调整中，因为Hika目前还处在验证阶段。它产品逻辑跟其他的搜索产品有很大不同。
谷歌时代是通过搜关键词得到链接，再提出更多关键词，用户基于不断进化的关键词接近问题结果，以词搜词很难一次得到答案。我理解的AI搜索是将以词搜词简化成以词直接搜答案，答案是用逻辑思考问题，然后将信息总结成回答，这可能是搜索的最终形态。
但我们在思考，Perplexity在用的AI搜索形态是有效的吗?如果没有，大概多久能够达到有效?有效就是问10个问题，至少有8到9个只搜一次就得到正确答案。
实际上在使用体验和用户访谈中，这些产品问10个问题可能只有1到3个问题回答很好，还需要基于回答继续往下问。在我们看来这有点倒退，用了新技术，用户获得答案，依然要5到6次搜索行为。
大家对于AI的理解还是太理想化了，现在没有办法基于底层AI的能力，（使AI搜索能力）达到人或者超过人。以目前的迭代速率，AI能真正意义上像人具备主观判断，同时保持结构化的理智思考，还对互联网信息一览无遗，至少需要八到十年。所以实际上AI搜索并不能像很多产品自称的那样可以一步到位。
Hika的差异性建立在这个前提下。我们认为在搜索中依然需要发挥人的主观能动性，但这个探索过程被设计的极其简单，我们提供各种图表以及深入探索的入口，用户只要点击感兴趣的内容做简单交互，就能横向关联其他知识点形成知识网络，或者纵向深入挖掘信息。我觉得我们的产品与竞品最大的一个区别就是，比起像机器一样来替代用户完成任务，我们更想让AI来帮助用户变得更强大。
AI在技术层面给予了非常大便利，在这个过程中，我们和用户一起完成信息的效率提升。
窄播:本质上大家做搜索都是在做更高效率的信息筛选。比如谷歌是让用户总结关键词去做筛选，张一鸣是猜你的兴趣来做筛选，Hika是在AI的辅助下主动做筛选。
浪仔:是的，而且这一套设计完全遵循人脑的认知过程。人的思考是发散性的。我们从小认知事物，绝对不会列大纲式样的，一定是东一块西一块的，因为这样效率最高。当你看到一个东西会快速的去获取其不同角度的特征，并与脑海中对世界的建模做对比，看重合度。
Hika的思路也是如此，提出问题之后，产品会呈现这个问题相关的不同角度，让用户可以基于兴趣和经验，快速进行某些角度的发散探索，或者获得已有经验上的补充。
没有最正确，只有更正确
窄播:Hika是在朝着通用搜索产品努力吗?
浪仔:不完全是，Hika可当作普通搜索使用。但对于普通问题，有时候没那么好用，因为它更侧重对复杂信息解析，并非完全意义上的通用搜索，更偏向研究型搜索。
窄播:目标人群是有深度信息搜索需求，且具备一定信息获取技巧和基础的?
浪仔:可以这么理解。比如工作中涉及脑力劳动，不是写周报这样，而是需要对某一主题展开更复杂的分析。比如一些自媒体工作者、品牌运营、建筑设计，甚至还有一些导演也在使用Hika，当然也包括教育体系中的人群。我们称他们为知识工作者，这都属于我们的目标客户。
窄播:Hika上线15天用户破万的过程中，你们做了哪些关键动作?
浪仔:在运营上没有特别大动作，主要是在X上邀请KOL试用产品。有些KOL对产品表示了浓烈兴趣，愿意自发推广，一层层往下让用户逐渐增长。一下子涌入很多用户原因，还是产品本身的差异化特点，给用户留下深刻印象，以人传人的方式吸引更多人。
在产品的早期阶段，这种方式既能检验产品对用户需求的满足程度，又能以最低的成本实现传播扩散。所以我觉得一开始不要急于投放广告，而是正常运营，观察用户增长情况和口碑反馈。
窄播:你们也在小红书上做运营，小红书适合AI应用做冷启动和运营吗?
豁如:小红书用户还是更偏娱乐。大多人刷的是娱乐和吃喝玩乐。那种一键换脸或者AI自动修图的工具天然就自带流量，因为跟小红书的大部分用户是匹配的。如果做AI搜索的，只能靠算法推荐来获得一部分用户。我们在小红书上主要会联系一些有使用AI产品经验的用户做试用和访谈，让他们给到更多反馈。
窄播:现在Hika有13种语言的支持，这是怎么定下来的?
浪仔:一方面是想尽可能覆盖更多用户，另一方面是依据数据。除了中国地区，美国、日本以及一些东南亚国家的用户占比较高，敏感度也很高。
数据的体现也和之前的设想不同，原以为只有经济发达地区才会对这类产品感兴趣，实际上并非如此。
甚至可以这么理解，中国常提 「弯道超车」，发展中国家可能都有类似想法。他们会拼命抓住科技的世界性变革的机会，或者说他们没能力开发，但想用这类产品让生活变得更好。
窄播:Hika吸引了不少海外用户关注，这些用户是从哪里来的?
浪仔:自发来的。我们最早主要在中文社区宣传，可能有些用户觉得产品不错，就在海外网站发帖宣传。有些真的是超出预料。有个处于战乱的国家，某天突然有很多用户涌入平台，基本都是大学老师或学者，因为有人在当地论坛发了推荐帖。
窄播:为什么没有让用户用划词提问呢?是需求小众吗?包括小红书的点点和夸克锦囊的旅行规划等，大家都选择给用户更多预设问题，而没有给用户自主输入延伸问题的机会。
浪仔:划词已经在更新计划内了。准确来讲这是两个不同维度。划词可以划一个字或者一段话，最小维度是字。我们的「再多问问」基于的是对段落的关键概念提取，然后围绕这些概念进行展开。
至于目前产品大多基于一个回答进行问题推荐，是因为国内产品更多是对Perplexity的借鉴。针对一段回答有延伸提问就是Perplexity的卖点，其次是回答有对应引用，第三是正在进行的广告引入尝试，国内产品都会借鉴。
有些产品不去做更细颗粒度的延伸也是因为人群。通用性很高或生活性的搜索引擎，用户希望得到的回答很简单。我的一个暴论是，这类问题当中推荐问题的点击率应该比较低，因为大家即用即走，不那么care推荐，更何况在不知道用户背景和当下场景诉求，盲猜延伸问题猜中的概率会很低。
图片由受访者提供
窄播:有什么方法能让回答内容的质量更高?
浪仔:这是所有搜索产品都在努力的方向，这是个无底洞，没有最正确，只有更正确。我们在这方面花了很多心思。首先，抓取的信息来源经过内部筛选。我们希望信源更加真实、准确，并有洞见性。
其次，我们对用户问题的理解要求也更高。想要得到好回答，理论上得先提出好问题。所以，我们会针对用户问题进行定制化的理解。有些用户提小众领域的问题，我们会让Hika针对小众领域的信源进行搜索，而非通用范围内搜索。
窄播:在内部来处理这种信息来源的具体标准是什么?
浪仔:这个标准挺复杂的，参考的维度众多。我们内部会基于对用户数据的分析以及自己判断，这是动态变化的，有些信源随着时间推移内部的优先级就会越来越高。
窄播:未来会拓展什么样的信源，会有类似秘塔那种基于PDF的信源吗?
浪仔:后面肯定会推出不同类型的信源。秘塔做的蛮好的，因为在专业的细分领域会直接提供PDF，这点就爆杀Perplexity的专业搜索。
Perplexity只是给出网上的链接。它自称是专业搜索，但只是把自己认为更权威的某些网站推给用户，而这些内容在网上就能搜到。秘塔能搜到PDF文件，应该是建立了内部知识库，服务那些对专业性和数据性有极高要求的用户。
窄播:比如微信的问一问、Perplexity的发现，这种基于用户搜索行为的内容聚合板块，会是Hika未来需要的吗?
浪仔:最早版本的Hika有类似板块。我个人对社交产品特别感兴趣，所以会考虑在产品内搭建人与人之间的关系，但做最小可行产品（MVP）时，觉得它不属于必要部分，只是未来可以延伸的方向。
我现在的思考:在搜索平台上呈现别人搜索的内容，或者相关新闻，是否真的符合用户需求?相比今日头条这类产品，我真的会去AI搜索平台看新闻吗?其差异化在哪里呢?搜索场景比较严肃，如果内容不有趣，别人为什么要点进去看?
AI更像是基础能源的革新
窄播:之前一波搜索浪潮给人的感觉是，只有大公司或其内部孵化团队才有能力做搜索，但AI出现后，为什么搜索能够是小团队的机会了?
浪仔:传统搜索核心的竞争壁垒是算法，且算法会随数据累积而变得更有竞争性，有时间壁垒。即使是谷歌的同样一批人，十年前做的效果也赶不上五年前做的。传统搜索算法对专业性要求极高，不是小团队能轻易做好的。
AI应用和互联网做需求嫁接的逻辑很不一样。比如滴滴打车本质上是通过手机的硬件承载，基于原有需求做资源的交换与升级，来颠覆市场。AI更像是基础能源的革新，是从烧煤油的时代到有了电和水厂。
这种革新会带来很多规则上的变化，甚至改变一个行业的工作方式。现在很多电商商家已经不用摄影师和模特了，只需要几个AI产品组合成的工作流，就能产生自己想要的产品素材图。这种能源越来越强劲，就会驱动越来越多的产品形态和体验产生。
这也让更多人可以参与进来，使用这种新能源去创造新的体验。但这会对人的综合素质提出更高要求。除了竞品没有任何参考，下一个时代搜索就是由你来定义和思考，没有现成答案。
AI是更加智能性的体验，其交互范式也发生很大的变化。搜索产品的交互范式一定是自然语言吗?搜索结果呈现逻辑类似于大模型吗?很多可能性需要探索。
窄播:其实互联网只是完成了数字化或智能化的一半，把现实的东西数字化，但本质逻辑没有变。大模型出来之后，是要求把交互或交易的逻辑改变，找到新能源更高效的利用方式。
浪仔:是。
窄播:DeepSeek出来后，会给Hika带来哪些影响?
豁如:内部测试下来，感觉对高级搜索比较有用，但它现在成本还有降低的空间，如果用在Hika上面的话，我们可能会考虑做收费功能。DeepSeek的R1是有推理能力的，再加上本身的调性，在Hika多维度搜索的框架和深入思考上面，测下来感觉挺惊艳。
DeepSeek的R1和同等级产品相比性价比很高，但还有降价空间，按官方价定价是每百万token16元。
窄播:DeepSeek会加速AI应用爆发吗?
豁如:肯定会。以前O1（OpenAI 的高级推理模型）对用户帮助有限且贵，我们都没考虑接入。现在DeepSeek价格便宜了好几倍，质量也更好一些，尤其对中国用户而言，我们也愿意接入。其他厂商也在跟进，长期来看会降低成本并优化算法，推理模型可能会像普通模型普及。
窄播:选择模型的标准是什么，主要用哪些模型?
豁如:目前没有统一标准，主要就是看回答质量。Hika现在会根据期望效果，对模型都进行一遍测试。
窄播 :未来会让大家选吗?还是Hika在后台就做出了这种选择?
豁如:目前后台就做选择。未来不好说。但普通搜索，我们还是倾向于用我们认为最合适的模型。
窄播:你们切入AI搜索赛道，未来可能发展成通用搜索产品，也可能成为专业搜索。如果是后者，会成为通用搜索的Agent，还是独立存在?专业搜索和通用大搜索并存，会是什么状态?
豁如:要实现通用搜索根据问题自动匹配专业搜索产品，难度较大。因为不同用户搜索需求差异大，很难精准匹配。如果AI足够成熟，或许能根据用户搜索和浏览偏好，像推荐引擎一样自动调整搜索结果。
浪仔:你是想问未来是否会出现类似谷歌的通用AI搜索，大家有细分需求时再去找专业AI搜索产品?以及专业搜索是否会成为通用搜索的Agent，融入其生态?这是个很好的设想，但实践有难度。若要实现，意味着所有Agent要覆盖80% -90%的专业性问题，通用搜索在解决其他问题的同时，还要接入众多细分领域Agent。
我不认为有一家公司能做好所有细分领域，因为做好细分领域依赖对行业的理解。这些产品也未必愿意将接口与通用搜索整合。毕竟细分领域就是针对特定人群，后者通过通用搜索跳转反而更麻烦。
窄播:会考虑融资吗?
浪仔:会。资本介入能加快运营和产品迭代，提升产品声量。目前AI产品处于早期，扩大声量很有必要，所以有这方面需求，并且已经在接触资方。
窄播:对于2025年AI应用爆发，你怎么看?
浪仔:可能要到明年，今年大家还在试水。爆发一方面要看行业关键技术变革周期，比如GPT5预计今年或明年发布，还要观察其对行业的影响。另一方面， DeepSeek这类产品降低了开发门槛，大量公司会涌入，经过筛选留下优质产品后，才会迎来真正的AI爆发，这个过程可能需要半年到一年。
窄播:所以，在AI搜索领域，小团队和大公司目前处于相近水平，都在寻找爆发机会?
浪仔:可以这么说。
ChatGPT源码推荐：小狐狸ChatGPT付费创作系统完全开源源码