5月30日，腾讯AI助手应用“腾讯元宝”上线，由于能引用公众号文章，且内容生态质量较高，尽管AI搜索赛道充满坎坷，但来得晚的元宝依然被看好。
7月1日，元宝进行重大升级：上线“深度搜索”模式，手机APP更新至最新版本即可使用。
所谓“深度搜索”，其实就是让AI助手变得更加聪明，将你的提问和回答延伸得比基础搜索更加广泛和深入，还能同步生成让人欣喜若狂的内容大纲、思维导图等格式。
这听起来很熟悉，国内外的AI搜索都有类似的功能——“专业”搜索，秘密之塔的“深入”和“研究”搜索，天宫的“增强”和“研究”搜索……
总是落后一步的元宝真的能追上来吗？
认真回答问题和写太多字之间有一条界线
首先需要注意的是，“深度搜索”并不是一个可以预先选择的模式，元宝会先像往常一样回答你的问题，然后才有机会为你提供“深度搜索”的一键生成选项。
比如我给元宝发一个链接，让它总结一篇公众号文章的内容时，“深度搜索”并没有出现。
现在我们先正式开始一个热身问题：City或not City是什么意思？
这个表情包来自外国博主@保保熊，形容一个地方城市化、现代化、时尚。最近随着大量外国游客涌入中国，这个表情包在互联网上引发热议。
元宝精准找到了表情包的来源，解释了基本含义和引申含义，以及如何在更多短视频中使用。参考资料还很新鲜。其中一篇公众号文章比我提问早了大约 2 个小时。
不过，这是元宝用基础搜索就能做到的，亮点是一个闪闪发光的选项——“深入研究问题”。
点了一下，元宝直接刷出了一份研究报告，耐心讲解了这则梗火的原因和社会影响，并列出了提纲、思维导图、相关人物。
但元宝的回答实在是太过啰嗦，段落之间重复的表达很多，就像是一篇本科毕业论文，如果把所有字都挤出来的话，里面就满是水分。
▲ 4张截图都不够！
随后，我又拿着同一个话题，用秘塔的“深度模式”搜索了一遍，给出的结果同样有大纲、思维导图、相关事件和人物，甚至还有生成的PPT，但看上去更加简洁，没有遗漏重点。
▲ 图片来自： Tower
我们之所以选择米塔作为对照组，是因为它在国内AI搜索中口碑不错，引用来源丰富，支持思维导图、大纲等功能，而米塔的“深度模式”和元宝的“深度搜索”对比，相对来说比较公平。
这里再提一个高级问题：2024 年 6 月，国内外的 AI 生成视频工具将会有哪些重大进展？
元宝一开始拒绝回答，说这是“未来”的事情，让我自己做。虽然训练数据不是那么新，但可以在网上搜索到！当我提醒元宝时，它终于回应了，并列出了 和 Luma 等工具。
随后我进入“深入研究”，元宝给出了一堆乱七八糟的答案，可能是他对提示词和上下文理解混乱。他同时回答了我的两个问题：哪些AI可以搜索互联网，以及AI生成视频工具的开发情况。
理解能力比较弱，但延伸角度弥补了这部分。元宝介绍了一些工具的具体使用方法，并思考了AI生成视频可能存在的风险。实用又升华。
然后使用MiTa的深度搜索模式，一口气输出的答案很不错。每个工具的发布时间都有标注，旁边的提纲引出了6月份没有发布的更多工具，以及对整个行业的展望，细节和遗漏都恰到好处。
▲ 图片来自： Tower
事实上，在体验过程中，元宝的“随机阅读回复”出现过不止一次。
当我问到全球首款集成GPT-4o的智能眼镜时，在“深度搜索”模式下，除了眼镜本身，元宝还介绍了GPT-4o在其他领域的应用，甚至提到了GPT-4o的竞争对手。
如果我是评分老师，我会认为AI是堆料，有跑题的嫌疑。同学们，我们的核心是智能眼镜，所以要么纵向介绍发展历史，要么横向对比竞品，而不是疯狂地扩充支线剧情。
接下来我们来试试元宝的舒适区。腾讯称，在科研、金融等专业场景下，深度搜索的效果更加凸显。那么，这里有一个学术问题：近期发生的咖啡店员与顾客的冲突，可以用哪些社会学理论来解释？
这次，元宝给出了很好的答案，他提到了异化、情感劳动、资本监督、工人困境等理论，并引发我们思考：这次事件是否反映了更广泛的社会问题？
然后将问题交给秘塔的深度模式，选择学术作为搜索范围，得到的答案会比元宝的更加豁达，更加无厘头，看上去学术价值更高。
▲ 图片来自： Tower
根据以上问题的测试结果，结合用户的体验，深度搜索的特点总结如下：
1. 不是每个问题都需要深入搜索。有时，这可能会导致信息冗余，逻辑混乱，重点不明确。
2. 在有限的问题范围内，元宝的深度搜索性能不如米塔的深度模式。（欢迎大家提出自己的看法）
3、元宝的参考资料是第三方网站和公众号文章混杂，在有限的主题范围内，公众号生态优势不明显，优质来源固然重要，但模型能力也很重要，对语境的理解错误会直接拉低产出效果。
4、深度搜索的加载速度慢，且字数较多，需要1分多钟才能生成近3000字的完整答案，让人很不耐烦，如果想在等待加载完成的同时阅读内容，操作不是很方便。
人工智能搜索让少数问题得到更多考虑
无独有偶，AI搜索产品也都在朝着更纵深的方向发展，包括“深度搜索”“研究”“增强”……
这些神秘的前缀，明确了AI搜索的定位，它们并非完全取代传统搜索，而是有自己的赛道，更深入地理解用户的查询意图，提供更精准、更完整的搜索结果。
数据显示，目前在大模型相关产品的使用中，超过65%的用户需求集中在提高工作学习效率，其中“搜索问答”需求占比高达45%。
如果你只是想在手机上找一个网站或者一条新闻，AI搜索和传统搜索没有太大区别。
比如，相比在腾讯元宝上输入“7月4日生成式AI事件”来了解今天的大新闻，我觉得爱范儿和APPSO的晨间报道更有价值。
人类编辑的信息筛选、概括，甚至排版审美都比满屏幕文字的AI要高明。
然而，找到与某一主题相关的文章、视频、图片和数据，对播客和论文进行有针对性的搜索，并生成调查报告、思维导图和PPT，是AI搜索的强项。
AI搜索不仅仅是搜索，更是研究和总结，有点类似我们编辑把话题扩展成提纲，再写成文章的过程。
基于这样的视角，我向元宝提问：请介绍一下国内外几款与网易有道Echo类似的AI口语教学APP。
问题在于事实本身，我想知道深挖之后元宝的延伸角度会是什么，能不能提炼出一些有用的观点？搜索结果比较常规，还是围绕某款APP的特色功能、收费标准等展开。
我决定进一步提出问题，将这些应用串联起来：这些AI口语教学应用有哪些共同的特点？它们反映了用户口语学习的哪些需求？
这次元宝给了我更好的答案，总结了个性化学习、即时反馈、模拟真实对话场景、学习资源丰富的特点。
延伸的角度也很有趣，变得更加具体有形，关注时效性和用户群体：2024年最新的AI口语教学APP会有哪些新的技术应用？哪些AI口语教学APP适合初学者？
AI搜索和查找信息的能力很强大，但也需要我们的引导，提供有用的“你可能还想知道”和“你可能还想问”的问题。在这个过程中，我们也在思考。
这家领先的人工智能搜索公司的首席执行官在接受采访时表示，大多数问题只需通过互联网搜索就可以解决，但有些问题需要额外的思考。
这个观点很适合用来解答2024年的一道高考作文题目：随着互联网的普及和人工智能的应用，越来越多的题目可以得到快速解答。那么，我们的题目会不会越来越少呢？
古希腊哲学家芝诺把人类的知识比喻为一个圆圈，圆圈里面是已知的，圆圈外面是未知的。我们知道的越多，圆圈就越大，外边就越长，我们不知道的也就越多。
有了人工智能，我们可以更快地得到答案，但同时也会产生更多问题。有了人工智能，我们可以进一步研究那些需要额外思考的问题。
