一、Google自己的宣传

Ask anything-融入了知乎的问题模式

Ask any way-这种模式豆包的呼叫模式是创新

Research made easy

二、范式转移：谷歌AI模式深度解析

2.1 从关键词到对话：全新的用户交互模型

• 自然语言交互： AI模式的核心是让用户能够以自然、流畅的对话方式提出问题，彻底摆脱了过去那种生硬、片段化的关键词查询模式 。用户现在可以一次性输入包含多个约束和细节的复杂问题，例如“帮我找一个适合四个人、周五晚上七点、在市中心、安靜的意大利餐厅” 。

• 有上下文的多轮对话： 传统搜索的每次查询都是孤立的，而AI模式则能在连续的问答中保持上下文记忆 。用户可以对AI生成的答案进行追问，比如在得到餐厅推荐后继续问“哪家有户外座位？”或者“另一家的评价如何？” 。这种交互方式更接近于与人类专家对话，允许用户进行探索式、层层递进的信息发掘。

2.2 核心能力：多模态、代理化与超个性化

• 多模态（“Ask Any Way”）： AI模式深度整合了多模态输入能力，用户不仅可以通过文字，还可以通过语音、拍摄照片或上传图片来发起查询 。这项能力植根于Google Lens等现有技术，但通过生成式AI的加持，能够对图像内容进行更深层次的理解并提供富有情境的综合性回答 。例如，用户可以拍下一株植物的照片，然后提问“这种植物需要多久浇一次水？”。

• 代理化能力（“Getting Things Done”）： AI模式正在演变为一个能够代表用户执行任务的智能代理（agent）。它不仅仅是提供信息，更致力于帮助用户完成现实世界中的任务。目前，这项能力已开始应用于餐厅预订等场景。AI模式可以根据用户的复杂需求，跨多个预订平台和网站搜索实时可用的席位，然后直接提供预订链接，极大地简化了用户的决策和操作流程 。

• 超个性化： AI模式将个性化提升到了一个新的水平。它不仅利用用户的地理位置和语言等基本信息，还会结合用户的历史对话、在谷歌搜索和地图中的活动记录来推断其深层偏好 。例如，如果系统推断出用户偏爱素食和意大利菜，那么在推荐午餐地点时，会优先展示符合这些偏好的选项 。这使得搜索结果不再是千人一面，而是为每个用户量身定制的建议。

2.3 技术引擎室：Gemini 2.5 Pro、查询扇出与深度搜索

• Gemini 2.5 Pro——推理核心： AI模式由谷歌最先进的Gemini 2.5 Pro模型驱动。该模型被描述为一个“会思考的模型”（thinking model），在推理、编码和多模态理解方面达到了业界顶尖水平 。其最引人注目的特性之一是拥有高达100万个令牌（token）的超长上下文窗口，这使其能够同时理解和分析海量的文本、代码库、图片、音频和视频数据，为深度综合信息提供了前所未有的能力 。

• “查询扇出”（Query Fan-Out）——信息收集机制： 这是AI模式在架构上的一项关键创新。当接收到用户的复杂查询时，系统不会只执行一次搜索，而是会智能地将其分解为多个相关的子主题，并针对每个子主题同时发起并行的搜索，这些搜索会跨越多个数据源 。这种“扇出”机制使得AI模式能够在短时间内收集到比传统单一搜索更广泛、更深入的信息。随后，Gemini模型会将这些来自四面八方的信息碎片进行推理和整合，最终生成一个逻辑连贯、内容丰富的综合性答案 。

• 深度搜索（Deep Search）——终极综合引擎： 对于那些需要进行详尽研究的超复杂问题，谷歌为订阅用户提供了“深度搜索”功能。在这一模式下，Gemini 2.5 Pro会自主地浏览数百个网站，在不同来源的信息之间进行交叉比对和推理，识别出核心主题、观点差异甚至信息矛盾之处，并在几分钟内生成一份结构完整、引用齐全的深度研究报告 。这代表了该系统信息综合能力的顶峰，它解决了多步规划和长时间推理等重大的技术挑战，将过去需要数小时甚至数天的人工研究工作自动化 。

三：对比分析架构与功能

3.1 查询解读：语义意图 vs. 词法匹配

• 传统搜索： 传统搜索引擎的查询解读主要依赖于关键词匹配。尽管后期引入了像RankBrain这样的人工智能系统来推断词语间的概念关系，但其根本逻辑仍然是寻找那些在文本内容上与查询词条或相关概念相匹配的文档 。它的目标是回答“哪些文档包含了这些词？”。

• AI模式： AI模式则运用了先进的自然语言理解（NLU）技术，旨在洞察用户查询背后深层的意图（intent）、上下文和细微差别，即便这些意图没有被明确表述出来 。它能理解像“这里有点冷”这样的日常用语可能隐含着一个关闭窗户或调高暖气的请求，而不仅仅是搜索“冷”这个词的定义 。这种能力使其能够回答用户
真正想问的问题，而不仅仅是他们输入的那个问题。

3.2 信息呈现：链接列表 vs. 综合答案

• 传统搜索： 搜索结果页（SERP）的核心产物是一个由“十个蓝色链接”组成的排名列表。这些链接是指向外部文档的路标，用户的探索之旅从点击这些链接开始 。

• AI模式： 其主要输出是一个由AI实时生成的摘要，即“AI概览”（AI Overview）。这个摘要直接回答了用户的问题，并且通常以段落、项目符号列表、对比表格甚至交互式图表等富媒体形式呈现 。用户的探索之旅很可能在这个结果页上就已经
结束，这直接导致了“零点击搜索”（zero-click search）现象的出现 。

3.3 数据粒度：页面级权威 vs. 段落级相关性

• 传统搜索： 像PageRank这样的排名系统主要在页面或网站级别上运作。它们通过分析链接、域名历史等宏观信号来评估一个文档的整体权威性 。

• AI模式： AI模式则利用了段落排名（passage ranking）等技术，能够识别并从一个网页中提取出与特定子查询最相关的单个段落或句子 。这意味着系统可以从一个权威新闻网站中提取一个定义，再从一个专业论坛中提取一个用户经验，将它们融合在同一个答案中。这种做法从根本上解构了“单个页面排名”的概念，将评估的粒度从整个文档细化到了信息本身。

表1：传统搜索引擎 vs. 谷歌AI模式功能对比

来源：

1. google

2. gemini deepresearch