Perplexity为何失宠？AI搜索产品的护城河困境

一位重度用户的失望：从离不开到几乎不用

近日，一篇发布在 Reddit 上的帖子引发了大量 AI 用户的共鸣。发帖人是一位软件开发者，他坦言在半年前，Perplexity 曾是他心目中最重要的 AI 服务——即使没有订阅每月 200 美元的顶级套餐，他也依赖其研究功能和各类新闻标签，甚至夸张地形容 Perplexity 已经"替代了他一半的互联网使用"。

Perplexity AI 成立于 2022 年，是一家基于大语言模型（LLM）的对话式搜索引擎。值得注意的是，其核心技术架构并非自研底层模型，而是通过调用 OpenAI、Anthropic 等公司的 API，结合实时网络检索技术（RAG，检索增强生成），为用户提供带有引用来源的答案。这种"API 调用 + 检索增强"的模式让 Perplexity 能够快速上线并建立早期口碑，但也埋下了对上游模型高度依赖的结构性隐患。

然而如今，这位用户的态度发生了 180 度转变："我几乎不再使用它了，即便用了也常常感到失望。"他列举了几个核心问题——幻觉频发、返回大量他并未询问的冗余信息，以及订阅内容变得越来越"单薄"。更让他不满的是，作为一名年度付费用户，他感觉自己拿到的服务与最初购买时的承诺渐行渐远。

这条帖子的价值不在于个人抱怨，而在于它精准折射出当下 AI 搜索赛道的核心命题：当通用大模型持续进化，垂直 AI 产品的差异化优势还能守住多久？

是 Perplexity 变差了，还是对手进步太快？

发帖人自己也提出了一个极具洞察力的疑问："是它真的变差了？还是它其实没怎么变，只是周围的一切都变好了，所以我的参照系发生了偏移？"

这个问题触及了产品竞争的本质。答案很可能是"两者兼有"。

通用模型的能力扩张

用户明确指出，ChatGPT 和 Claude 正在越来越擅长处理"曾经属于 Perplexity 的领地"——网络检索与信息摘要。在他看来，这些通用助手如今"和 Perplexity 巅峰时期做得一样好，甚至比现在的 Perplexity 好得多"。

这一观察并非孤例。2023 年至 2024 年间，通用大模型厂商密集推出联网搜索功能，直接冲击了 Perplexity 的差异化定位。OpenAI 于 2023 年为 ChatGPT 推出联网浏览插件，2024 年进一步将搜索能力深度集成为 ChatGPT Search，支持实时检索并标注来源；Anthropic 也在 Claude 中强化了引用与检索功能；Google 则凭借 Gemini 与其搜索引擎的天然整合，在这一赛道具有先天优势。这一趋势印证了科技行业的"平台化吞噬"规律：当某项功能被证明足够重要，掌握基础设施的平台方几乎必然会将其内化。随着联网搜索成为大模型的"标配功能"，一个专门做 AI 搜索的产品自然面临被稀释的风险。

产品体验的相对退化

另一方面，用户描述的"幻觉增多"和"返回无关信息"也指向了产品本身的体验问题。

理解这一点需要先了解 Perplexity 的核心技术——检索增强生成（RAG，Retrieval-Augmented Generation）。其原理是将用户问题先转化为搜索查询，从互联网或特定知识库中检索相关文档，再将这些文档作为上下文喂给语言模型生成最终答案，并标注信息来源。这种方式理论上可以显著减少 AI"幻觉"（Hallucination）——即模型凭空捏造信息的问题。然而，RAG 并非万能药：当检索到的原始文档质量低劣、语义匹配不精准，或模型在整合多份文档时过度"发挥"，幻觉依然会出现。用户感知到的"幻觉增多"，可能源于检索质量下滑、模型切换带来的行为变化，或用户期望值提升后的更严格审视。

对于一个以"准确、有据可查"为品牌承诺的搜索工具而言，幻觉是最致命的信任杀手。当用户开始怀疑答案的可靠性，产品的核心价值就随之崩塌。

垂直 AI 产品的护城河困境

Perplexity 的遭遇，本质上是一场典型的"平台化吞噬"危机。

功能护城河为何脆弱

在 AI 应用层，纯粹基于"更好地调用某个能力"建立起来的产品，护城河往往极浅。VC 界将这一现象称为"层叠风险"（Layer Risk）——当底层能力由少数几家模型厂商提供，且这些厂商本身也是潜在竞争对手时，上层应用几乎没有还手之力。真正具有防御性的 AI 应用护城河通常来自四个方向：一是独有的私有数据或数据飞轮；二是深度嵌入特定行业工作流形成的高切换成本；三是强品牌信任与用户习惯；四是围绕特定场景构建的专业化生态（如插件市场、企业集成等）。Perplexity 在这四个维度上均未形成足够深的壁垒。

Perplexity 的价值主张是"AI 搜索"，但搜索恰恰是所有大模型都想覆盖的高频入口。这意味着它长期处在巨头的"射程范围"之内。

订阅价值感的流失

发帖人特别提到"订阅内容越来越单薄"这一点值得深思。Perplexity 的订阅模式设计了多个层级，其中 Pro 订阅定价约 20 美元/月，顶级套餐则高达 200 美元/月，主打高级模型访问权限、更多每日查询次数及专业研究功能。

然而，订阅制产品面临一个结构性挑战：用户对"价值"的感知是动态的，会随市场参照系实时更新。行为经济学中的"锚定效应"在此处反向生效——当 ChatGPT Plus（20 美元/月）和 Claude Pro（20 美元/月）提供的能力越来越接近甚至超越 Perplexity Pro 时，用户会以功能最全的竞品为锚点评估当前订阅的性价比，一旦产生落差，流失便难以避免。当一款订阅制产品在维持或提高价格的同时，用户感知到的价值不升反降，续费意愿就会迅速瓦解。

这对 AI 应用创业者意味着什么

这场讨论给整个 AI 应用行业敲响了警钟。

第一，单点功能不足以构成壁垒。 任何可以被底层模型"顺手做掉"的功能，都不应成为产品的唯一卖点。真正的护城河可能在于独特的数据积累、深度的工作流集成、垂直行业的专业化，或是极致的用户体验。

第二，参照系永远在移动。 正如发帖人所反思的，用户期望值会随整个行业的进步水涨船高。一款产品即便"没有退步"，在快速迭代的 AI 竞赛中也可能因"进步不够快"而显得落后——停滞即倒退。

第三，信任是 AI 产品的生命线。 对于搜索、研究这类以准确性为核心的场景，幻觉问题绝非小瑕疵。一旦用户信任被消耗，重建的成本极其高昂。

结语：一个用户的困惑，一个行业的缩影

需要说明的是，本文核心信息来自单一 Reddit 用户的主观体验，并不代表所有 Perplexity 用户的看法。Perplexity 依然拥有庞大的用户基础，并在持续推出新功能。

但正是这样一条真实的用户心声，让我们得以窥见 AI 应用层竞争的残酷逻辑：当通用大模型的能力边界不断向外扩张，垂直 AI 产品必须找到那些模型厂商无法或不愿轻易复制的价值，才能避免成为被时代浪潮抹平的"过渡形态"。

Perplexity 是否真的变差了，或许见仁见智；但这个关于"参照系偏移"的追问，值得每一位 AI 从业者和用户认真思考。

核心要点