从谷歌到百度，AI正在打开搜索增长空间

文/王慧莹

编辑/子夜

AI时代，搜索这门发展了二十余年的成熟生意，又有了新故事。

一个最显著的变化：搜索正在从信息检索工具变成任务执行平台。

过去，搜索的核心是“找到”，用户输入关键词，系统返回链接，剩下的判断、筛选和整理，都要靠用户自己完成。今天，AI开始把搜索从信息分发推向任务交付，帮人把事情做完。

放到全球坐标系里看，这场变化其实很一致。

谷歌把AI Mode、AI Overviews深度嵌入搜索主链路，搜索结果页越来越像一个围绕用户需求即时搭建起来的应用。

百度则推出整页可交互的搜索结果页面和文心助手任务引擎，把答案、步骤、演示、成品直接放进搜索里。

搜索的角色变了，搜索框后面的增长空间，正在被AI激活。

1、搜索的终点正在重新定义

终点的变化，首先发生在搜索结果页上。

过去，搜索结果页只是把用户带向下一个网页；现在，它开始直接承担理解、推演和交付的功能。

用户搜索之后拿到的，不再只是“去哪里看”，而是“怎么理解、怎么操作、怎么完成”的完整过程。

8月20日，百度在AIDAY开放日发布了全球首创整页可交互搜索结果形态“GUI通识卡片”——搜索结果不再是静止的图文页面，而是将结构化知识卡片、步骤图解、可交互动画整合为可以直接操作的界面。

比如，用户搜索“凹透镜成像规律”，得到的是一个光学模拟器；搜索“排水法求体积”，得到的是一个可调参数的物理实验台。目前该功能已精准覆盖K9数理化中100%适合交互呈现的高频考点，拥有2000多个组件，每天服务几百万个问题。

换句话说，搜索结果页不再仅仅是通往外部网页的跳板，本身就成为理解知识、动手推演的交互载体。

交付路径的变化，则发生在任务执行链路上。过去搜索交付的是信息，现在搜索开始交付成品。

以刚刚升级的文手助手任务引擎2.0为例，用户上传几张图片，AI会自动转成Excel表格；给一份职业数据，就能自主生成透视汇总和榜单；收集“大模型六小龙”的详细信息，AI自动整理成包含九个维度的结构化文件。

更值得关注的是，从“答疑解惑”到“教学相长”，搜索的能力边界也在变。在深度教育场景，百度同步升级了“文心老师”AI讲题产品。区别于此前行业普遍的文字及静态图答疑，文心老师通过动态板书、分层讲解、多模态互动“边讲边画”，效果接近真人老师，学生可针对不理解的步骤随时语音追问。该能力将于9月初正式上线。

几乎同时，谷歌也在Search和Gemini中推出一系列AI学习工具。谷歌AI Overviews可为学术主题生成交互式可视化内容；Gemini Live支持多步骤研究报告，用户发起任务后系统在后台自动完成。

据The Information报道，谷歌还在测试新版搜索界面“Colossus”，用户输入提示词后可直接获得网页应用、游戏或工具。

从百度到谷歌，路径虽然不同，但都指向同一个方向：搜索的价值，不再只取决于能覆盖多少信息、返回多少结果，而取决于能否在用户提出需求之后，继续完成理解、组织、推演和交付。

2、搜索的增长空间持续延展

传统搜索的商业逻辑很清晰，用户输入关键词，搜索引擎返回链接，广告商为点击付费，核心公式是流量×点击率。

这套模型运转了二十年后，增长路径正在发生根本性变化。

一个可拖拽的物理模拟页面，会显著延长用户在结果页的停留时间；一次专题研究报告的生成，可能包含数十轮对话；一次K12知识点的交互学习，会让用户在一个垂直场景中深度参与。

搜索一旦从“找答案”变成“做任务”，它的使用频率、停留深度和用户黏性都会跟着变化。

文心助手的数据可以印证这一趋势，今年6月，文心助手DAU同比增长83%，日均对话轮次增长超过两倍。

它说明用户不再是“搜一次就走”，而是在和搜索进行多轮、深入的交互。

这背后有一个被很多人忽略的产业逻辑。

搜索的商业模式重心其实并不是信息，而是用户意图。用户在搜索框里输入的每一个关键词，都是一次意图的表达。

意图越清晰，搜索的价值重心才会从“把用户带去哪里”转向“帮用户完成什么”。尤其是在办公、教育、金融、消费决策、企业服务等高价值场景里，用户要的往往不是一个单点答案，而是一整套可执行的方案: 先拆解任务，再匹配信息，再交付结果，最后连接后续服务。

AI搜索把这条链路接起来之后，搜索的商业价值也就不再只是点击，而是任务完成度、线索质量和场景转化效率。

这套逻辑已经在被行业验证。艾瑞咨询数据显示，2025年Q2中国GEO市场规模同比增长215%，超78%的企业已将AI搜索优化列为数字化转型重点方向。

谷歌的路径同样印证了这一点。Alphabet 2026年第二季度财报显示，AI功能持续带动谷歌搜索查询量增长。谷歌也首次把AI理解能力和商业化效率联系到一起。

当搜索从猜用户的行为到理解用户的目的，它的估值逻辑就不再只是注意力生意，而是任务经济。AI搜索真正打开的，不是更大的用户触达面，而是更高的价值密度。

3、AI重构搜索，需要更多底层能力支撑

任务经济的成立，有一个隐含前提，搜索系统必须具备在极短时间内完成意图理解、任务拆解、多步执行和结果交付的能力。

这不能只依靠模型参数的单点突破，而是需要算力、平台、模型、应用四层协同能力和调度效率。

换句话说，AI搜索的竞争，已经从交互形态延伸到基础设施。能否在芯片、云、模型、应用之间形成纵向闭环，决定了一家公司能否将AI搜索从演示推向规模落地。尤其是在行业内同类产品，多按订阅制或积分制收费，文心助手能够实现所有功能完全免费。

这背后，百度“芯云模体”全栈AI布局和长期投入开始在此刻兑现。

最底层的芯片层，昆仑芯解决的是算力问题。任务经济对推理算力的消耗远超传统搜索，每一次任务完成都是一次真实成本。算力掌握在自己手中，单次任务执行的边际成本可以被压到行业里较低的水平，商业化路径才能跑通。

再往上一层是智能云，承接了任务和垂直场景需求。搜索是互联网产品中并发量最高、延迟容忍度最低的场景之一，任务级搜索的普及，对云基础设施的弹性调度能力提出了更高要求。

文心大模型是理解用户复杂意图的智能内核，智能体框架负责把模型能力转化为可落地的任务执行能力。文心任务引擎2.0、伐谋、百度搭子等能力均沉淀于此。

不仅如此，芯片降低推理成本、云提升调度效率、模型保证任务质量，应用沉淀数据反哺迭代，四层协同进化，共同承载了百度搜索的进化路径。

此外，在生态层面，百度目前通过MCP协议，文心助手已接入百度生态内的地图、健康服务，以及京东、美团、携程、盈米基金等上百家合作伙伴，任务交付能力从文档、PPT进一步延伸到真实生活服务。

可以预测的是，AI搜索的终局，不是谁的模型更强，而是谁的全栈协同更顺畅、谁的交付闭环更完整。

对百度来说，真正的想象力，不只是AI重构了一个更强的搜索产品，而是长期投入的全栈布局和生态协同，正在把搜索从流量入口，变成一个拓展增长空间的引擎。