2022年底，一个印度裔年轻人走进硅谷投资人的办公室，说要做"AI版Google"。投资人看了看他的简历：OpenAI实习、DeepMind研究经历、博士还没毕业。然后问了一个问题：Google有二十万工程师，你凭什么？
他的回答只有一句话："我不需要做搜索引擎，我需要做一个能回答问题的引擎。"
这个年轻人叫Aravind Srinivas。两年后，他创立的Perplexity AI月活用户突破1500万，估值超过90亿美元，被《财富》杂志称为"Google最危险的挑战者"。
RAG：Perplexity的技术底牌
Perplexity的核心技术不是从头训练一个更大的大模型，而是用了一种叫检索增强生成（Retrieval-Augmented Generation, RAG）的方法。
简单说，RAG分三步：第一步，把用户的问题拆解成搜索关键词；第二步，实时检索网络上的最新网页和文档；第三步，把检索到的内容喂给大模型，让模型基于这些真实信息生成回答，并标注引用来源。
这跟ChatGPT有什么不同？ChatGPT靠的是训练数据里的知识，一旦训练完成就"冻结"了，问你昨天发生的新闻它一无所知。而RAG让大模型"边查边答"，每次回答都基于实时检索的结果，天然解决了知识过时和幻觉问题。
换句话说，Perplexity把搜索引擎的实时性和大模型的理解力嫁接在了一起。 这正是Google最怕的事——Google的搜索结果给你一堆链接，而Perplexity直接给你答案。
为什么大公司没先做？
一个自然的疑问：Google有最好的搜索基础设施和自己的大模型Gemini，为什么没先做出Perplexity这样的产品？
答案是一个经典的创新者窘境。Google搜索广告每年贡献超过2000亿美元收入，商业模式是让用户点击链接、看到广告。如果直接给答案，用户就不需要点击了，广告收入会断崖式下跌。Google不是做不出Perplexity，而是不敢做。
这就是创业公司的机会。Perplexity没有历史包袱，可以从零设计一个"答案优先"的产品体验。Srinivas后来在采访中说："大公司的问题不是技术能力，是利益结构。"
从被拒20次到90亿估值
Perplexity的起步并不顺利。2022年融资时，Srinivas被超过20家投资机构拒绝。理由出奇一致：搜索是Google的天下，创业公司没机会。
转折点来自一个意外。2023年初，ChatGPT爆火，用户开始意识到大模型可以"对话式"地获取信息，但同时也被幻觉问题折磨。投资人突然发现，Perplexity用RAG解决了幻觉——每个回答都带引用链接，用户可以一键验证。这个"可验证的AI回答"恰好击中了市场痛点。
融资迅速到位。2023年B轮由IVP领投，Jeff Bezos个人参投；2024年估值从5亿美元飙升至90亿美元，投资方包括NVIDIA和SoftBank。Perplexity只用了不到两年，就走完了Google花了十年才走完的估值之路。
三条启示
第一，"拼接"比"发明"更有力。 Perplexity没有发明大模型，也没有发明搜索引擎，它把两者拼在一起，创造了新物种。创新不一定需要从零开始，关键在于找到已有技术的空白交叉点。
第二，大公司的弱点是创业公司的入口。 Google的搜索广告帝国越庞大，"答案优先"的产品就越不可能从内部诞生。利益结构本身就是创新的天花板。
第三，RAG正在成为AI应用的标配。 从企业知识库到客服机器人，RAG让大模型从"闭门造车"变成"开门查资料"。理解RAG，就理解了当前AI应用层最核心的架构模式。
当Google终于在2024年推出AI Overviews功能、开始直接在搜索结果中展示AI摘要时，Srinivas在X上发了一条推文："模仿是最真诚的赞美。"
语气轻松，但所有人都知道，这场搜索战争才刚刚开始。