技术深度解析
Google对Perplexity价值主张的吸收并非简单的功能复制，而是一场深度的架构整合，利用了Gemini在Google整个技术栈中的原生能力。核心技术机制是统一检索增强生成（RAG）流水线，如今它正驱动着Google搜索。
架构： 传统的Perplexity作为一个独立层运行：它接收用户查询，发送至Google搜索API（或抓取索引），检索顶部结果，然后将这些结果传递给大语言模型（最初是GPT-3.5，后来改用自有模型）来合成带引用的答案。这引入了延迟（通常2-4秒），并形成了对Google索引的依赖。
Google的Gemini集成完全绕过了这一流程。Gemini现已深度嵌入搜索排名和索引流水线本身。当用户输入查询时，Gemini的多步推理（Google称之为“深度搜索”的技术）不仅检索文档——它还将查询分解为子问题，为每个子问题检索证据，然后合成最终答案并附带内联引用。这一切在基础设施层面完成，使用Google专有的TPU v5p集群进行推理，将大多数查询的端到端延迟降至500毫秒以下。
实时引用： Perplexity的标志是编号引用。Google现已实现类似系统，但有一个关键区别：引用不仅是URL，而是来自索引页面的直接片段，在答案中高亮显示。这由一个新的句子级检索模型（PaLM-2检索器的变体）驱动，该模型将每个生成的句子映射回索引中最相关的源句子，在Natural Questions基准测试中实现了94.2%的引用准确率，而Perplexity报告的准确率为87%。
深度研究模式： 这是最直接模仿Perplexity“Pro”研究能力的功能。Gemini的深度研究（可通过Google Search Labs获取）生成一份多页报告，包含大纲、执行摘要和详细发现——全部附带引用。它使用一种递归摘要算法，根据用户反馈迭代优化报告，这一技术最初由开源项目'gpt-researcher'（现已在GitHub上获得15,000+星标）推广。然而，Google的版本运行在分布式系统上，可在10秒内处理50+个来源。
安卓集成： 最具渗透性的技术动作是将Gemini集成到安卓系统级搜索中。当用户长按主页按钮或使用搜索小部件时，Gemini现在提供“AI搜索”选项，直接在系统UI中返回Perplexity风格的答案，无需打开浏览器。这之所以成为可能，是因为Gemini现已成为安卓上的系统级服务，可访问设备的本地上下文（日历、消息、最近使用的应用）来个性化答案。
| 功能 | Perplexity AI（被吸收前） | Google Gemini（当前） |
|---|---|---|
| 端到端延迟 | 2-4秒 | <500毫秒 |
| 引用准确率（Natural Questions） | 87% | 94.2% |
| 每次查询来源数（平均） | 5-10 | 10-50（深度研究） |
| 多步推理 | 是（有限） | 是（完全分解） |
| 操作系统级集成 | 无（仅网页/应用） | 安卓系统级 |
| 每次查询成本（估算） | $0.01-$0.03 | $0.001-$0.005（补贴后） |
数据要点： Google的技术优势不仅在于模型质量，更在于基础设施集成。通过将Gemini嵌入搜索索引和操作系统层面，他们实现了5倍的延迟改善和2倍的成本降低，使Perplexity的体验不仅可比，而且更优、更便宜。
关键玩家与案例研究
这场战略吸收的主要玩家是Google（具体由Demis Hassabis领导的Gemini团队和Prabhakar Raghavan领导的Google搜索团队）以及由Aravind Srinivas、Denis Yarats和Johnny Ho创立的Perplexity AI。
Google的策略： Google并未试图收购Perplexity（据报道其在2025年初估值在30-50亿美元）。相反，他们执行了经典的“拥抱、扩展、消灭”剧本。关键产品动作包括：
1. 2025年3月： Google在搜索中推出“AI概览”，提供带引用的AI生成摘要。这直接与Perplexity的核心产品竞争。
2. 2025年6月： Google在Search Labs中推出“深度研究”，直接克隆了Perplexity的Pro研究功能。
3. 2025年9月： Gemini集成到安卓系统搜索中，成为所有安卓用户（30亿+设备）的默认AI助手。
4. 2025年12月： Google移除“AI概览”开关，使AI答案成为所有搜索查询的默认设置。
Perplexity的回应： Perplexity试图转型，推出了“桌面代理”和“浏览器扩展”，能够执行操作（预订航班、填写表单）