被誉为“谷歌杀手”的AI搜索初创公司Perplexity，近日完成了今年的第四轮融资，其估值较年初的5.2亿美元暴增约17倍，达到了90亿美元！
不仅如此，本轮5亿美元融资由Institutional Venture Partners领投，英伟达、New Enterprise Associates、B Capital、TRowe Price等机构也纷纷参与其中。
此前的投资者还包括软银的愿景基金2、英伟达、亚马逊创始人杰夫·贝索斯（Jeff Bezos），以及人工智能领域的多位领军人物，如OpenAI联合创始人安德烈·卡帕斯（Andrej Karpathy）和Meta首席人工智能科学家Yann LeCun。
黄仁勋曾公开表示，他几乎每天都在使用Perplexity这一产品，展现了业内对其技术实力的高度认可。
成立还不到三年的Perplexity，员工却只有不到50人。跟着估值一起爆发式增长还有用户数。2024年，Perplexity的用户数突破了500万，并荣获《Fast Company》颁发的“最具创新力公司”称号。
下面就让我们来看看这家的公司是如何利用AI坐上“增长火箭”的。
Perplexity总部位于美国，公司刚成立时，创始人和初始团队规模只有10-20人。其中核心创始人就占了四位。他们都是人工智能和计算机科学领域的精英：
Aravind Srinivas （首席执行官）在电气工程领域拥有硕士学位，并在加州大学伯克利分校获得计算机科学博士学位。他曾在OpenAI、DeepMind和Google等公司工作，专注于人工智能研究。
Denis Yarats（首席技术官）在微软、Facebook等公司担任AI科学家，积累了丰富的行业经验。他的技术背景使他在Perplexity的技术开发中发挥了关键作用。
Johnny Ho（首席战略官）是一位华裔程序员，曾在国际信息学奥林匹克竞赛中获奖。他在Quora工作过，拥有强大的编程能力和对大数据的敏锐洞察力。
Andy Konwinski（联合创始人）具有丰富的后端系统和AI背景。他在团队中负责战略规划和业务发展，推动了Perplexity的市场定位。Konwinski同时也是数据分析公司Databricks的联合创始人。
Perplexity能够在谷歌几乎垄断的搜索引擎市场中脱颖而出，主要得益于以下几个关键因素：
AI时代的差异化打法
当市场被大公司主导时，创业公司需要找到独特的市场切入点，利用差异化策略来避免与巨头正面竞争，而是通过创新的方式建立自己的品牌和市场地位。
Aravind Srinivas创立Perplexity的动力，来源于他对传统搜索引擎效率不足的深刻挫败感。每次使用搜索引擎，他都被成千上万的链接和冗长的信息淹没，真正需要的答案却难以获得。这种低效的搜索体验，让他决定去做一些改变。
Aravind想要打造一个不仅仅是展示链接，而是直接提供准确答案的搜索工具，以帮助用户节省时间，提升效率。
Perplexity 的搜索引擎不单纯依赖传统的网页爬虫，而是通过生成式 AI 来为用户提供答案。与传统搜索引擎相比，Perplexity AI擅长处理复杂问题并提供准确的答案，它不仅仅是一个搜索工具，更像是一个知识引擎，敢于表达观点并提供多个视角。
而谷歌搜索在处理复杂问题时，用户往往需要自行筛选和验证信息。它通常避免直接给出观点或主观意见。
大型语言模型（如OpenAI, Gemini） 更侧重于文本生成，但由于缺乏外部信息检索能力，生成的答案可能不够准确，且缺少来源验证。
用AI构建AI
Perplexity的创始人坦言，刚开始他们其实不知道该怎么处理很多事情，比如产品管理、项目管理、财务和人力资源。
早期，他们是用GPT-3来帮忙，用AI构建AI。
比如，他们会问“如何发布产品？” AI给出的步骤虽然粗略，但对他们这种初创公司来说，已经足够用了。虽然这些步骤通常需要不断调整，但这也是人类和AI一样，都是从失败中不断学习的过程。
他们说，借助AI和一些提示，他们能在五分钟内开始做一些原本可能需要几天才能完成的工作。不过，尽管AI在编写脚本方面挺有帮助，但它在构建稳定的代码和平台方面还是不够强大，尤其是涉及设计长期可持续的系统时，AI的能力还是有限的。
去中心化管理模式
Perplexity保持着小规模团队的运作方式。典型项目通常由一到两个人负责，最复杂的项目也仅有三到四人。随着团队规模的扩大，传统的层级管理并不能有效解决问题，反而可能导致信息的隐瞒和沟通效率的下降。
Perplexity管理层的目标是减少“协调阻力”，以提高团队的效率。
他们明确了每个团队成员的职责。通过列出“谁做什么”的清单，成员能够直接找到负责的同事。即便团队没有正式的产品经理（PM），成员也会自发承担起PM的职责，包括调整项目范围和做出面向用户的决策。
扁平化的组织结构，可以避免复杂的报告层级，确保团队成员的优先事项是基于对顶层目标的承诺，而不是传统的上下级汇报。通过并行处理项目，最大化地减少协调成本。
AI在Perplexity的运营中扮演了重要角色，尤其是在降低协调成本和提升工作效率方面。团队成员在与他人沟通之前，通过AI进行“橡皮鸭调试”（向别人解释自己的问题或思路来帮助自己理清思路）来理清自己的思路并获得反馈。
Perplexity通过保持小而精的团队，采用去中心化决策、精简的组织结构来实现高效运作。相较于谷歌这样的传统大公司，Perplexity能够更加灵活快速地响应市场需求，避免了大型组织中普遍存在的拖延和低效。
先套壳，再迭代
尽可能快速行动，尤其是刚开始时。我认为这是关键。
部分初创公司，一开始会使用开源的AI模型（比如GPT、Llama等），然后根据自己的需求“包裹”上一层独特的外壳，加入特定的功能、优化用户体验或者专注于某个垂直领域。
这种做法可以在不需要从头开始研发模型的情况下，迅速推出产品并测试市场反应。
Perplexity就属于这种。他们的创始团队认为，对于以产品为导向的公司来说，最初应该集中精力开发能够吸引用户并确保其持续使用的产品，而不是过多依赖自研AI模型。突破“用户基础”这一门槛是创业初期的关键，也就是说，先积累足够的用户。
Perplexity的核心策略之一是保持模型无关性，即不局限于使用某一个特定的AI模型，而是根据实际需要灵活选择最合适的模型。这种灵活性使得它能够在AI技术日新月异的今天，快速采用最前沿的技术，而不被单一的技术束缚。相比之下，谷歌作为传统的搜索巨头，虽然技术深厚，但在新兴AI技术的整合上，可能未必能如此快速响应市场需求。
创始人快速问答
今天在 AI 领域，什么是被过度炒作的，什么是被低估的？
在 Perplexity 的发展过程中，你认为有哪个想法本来以为能成功，但却没能马上奏效？
关于开放源代码模型的未来，你怎么看？
你认为 AI 是否应该被监管，如何监管？
如果你不在 Perplexity 工作，想去其他公司或领域构建生成型 AI 产品，你会选择哪里？
被过度炒作的绝对是“护城河”，每个人都在谈论这个，特别是垂直化的战略。我认为这真的被过度炒作了，我还是没看到有一个 AI 原生的东西能在一个垂直领域中占据主导地位。
被低估的应该是更多人应该专注于打造令人愉悦的用户体验，很多人没有关注这一点。我们在这方面受到尊重，但我没有看到太多产品在这方面做得好。
我们运气很好，很多东西都取得了成功。一个没有立刻成功的是我们的“收藏”功能。并不是说它没有被使用，实际上很多人在用，每天都有成千上万的收藏被创建。但它还没有成为下一个协作研究的工具。我觉得我们知道为什么，我们还需要推出更多功能，因为人们不想手动创建收藏，或者手动移动内容，所有这些必须是自动化的，这需要更强的魔力和更流畅的操作。
我的感觉是，今天通过 GPT-4 能做到的事情，未来也会通过没有 GPT-4 的方式做到，成本更低，速度更快。但当那时发生时，会有一些以前做不到的事情，比如 Copilot，未来我们拥有的东西如果没有 GPT-4，根本无法做到。
我认为现在的监管可能为时过早，我们甚至还没有看到广泛的经济效益，人们却在恐慌，仿佛如果不早做行动就会像社交媒体一样出现问题。要对未来进行深思熟虑很重要，没有人在说不要讨论 AI 安全性，但也不要过度反应。如果我们没有东西可做，就无法进行安全性的建设。真正的 AI 安全需要先构建一些东西。
我非常喜欢 LE Labs 和 P 公司所做的工作，我自己也投资了这些公司。不是说因为我有股份，而是因为它们真的很酷。
在AI技术的快速发展和资本的热烈追捧下，很多公司获得了空前的估值和投资。
资本退潮后，最重要的不是明星创始人的光环，也不是短期的收入增长，而是是否有持续的技术创新、健全的商业模式以及与用户需求深度契合的产品。
