今天起，ChatGPT搜索人人可用，OpenAI瘋狂砸錢，雇300+博士為AI打工
「ChatGPT搜索」人人都能用了，而且還是無需登錄的那種！
剛剛，ChatGPT搜索人人可用，登上熱搜！
就在今天，OpenAI緊跟著GoogleGemini 2.0的發佈，把ChatGPT Search給全面開放了。
不需要註冊登錄，用法和傳統搜索引擎一樣。
01 ChatGPT Search：免費體驗，無需註冊
一直以來，OpenAI都在模型上領先Google一步，如今更是直接在Google的發家地「搜索領域」發起了衝鋒——
不僅完全學習Google搜索的免註冊模式，而且相關鏈接還以類似搜索引擎的方式呈現。
只需在網頁版上點擊搜索按鈕，ChatGPT就會從互聯網上搜索相關信息，包括圖片和鏈接，並在回答時標明信息來源
正如上面ChatGPT回答的，早在去年10月，OpenAI就向付費訂閱用戶推出了搜索引擎功能；同年12月，進一步推廣給了所有的註冊用戶。
這次的關鍵在於：網頁版搜索功能，不需要賬戶，不要登錄，和普通網站一樣，只要能上網，就能使用ChatGPT的搜索功能！
根據搜索引擎優化公司Semrush的最新報告，儘管Google的搜索用戶仍然比ChatGPT多出數十億，但ChatGPT真正重塑用戶的搜索行為，開始向教育和技術等網站發送越來越多的搜索流量。
02 ChatGPT正在蠶食傳統搜索引擎市場。
Semrush的分析發現，ChatGPT提示中，70%是獨特的，在傳統搜索引擎中很少或根本沒有見過。
即便在傳統的網站類型上， ChatGPT也有獨特的優勢：
從ChatGPT獲得的流量超越Google的網站類型包括：與OpenAI相關的域名、技術和AI平台。
從ChatGPT獲得的流量超越Microsoft Bing的網站類型包括：學術出版商和研究資源，以及教育和技術資源。
截至2024年12月，在用戶數量上，Google擁有65億獨立訪客，而ChatGPT的獨立訪客為5.66億。
Semrush還對受眾人口統計進行了對比，發現：
ChatGPT用戶較年輕，男性用戶居多。
ChatGPT在學生群體中佔有優勢，而Google更受全職工作者、家庭主婦和退休人員的青睞。
考慮到這次ChatGPT免登錄的新策略，ChatGPT搜索的訪客數量很可能迎來「井噴」！
網民認為Google搜索的喪鍾，這次可能真的要敲響了。
不止OpenAI在做搜索。國內外的AI公司，垂涎網絡搜索市場已久。
但尚未盈利的OpenAI，怎麼突然免費開放如此重要的功能？
一種可能的解釋是，這得益於開源的DeepSeek帶來的挑戰。
03 300+名博士，100美金/小時，為AI打工
除了開放ChatGPT搜索之外，OpenAI還被爆出向博士支付100美金/小時，提升模型推理的質量。
比如向眾多生物學博士， OpenAI提出下列問題：
請總結2024年8月前可用的濕實驗方法，將這些方法用於並行評估人類非編碼調控DNA序列（如啟動子和增強子）中多個不同變體對基因表達的影響。
對於每種方法，需說明基因表達的測量方式、變體的識別方法，闡述引入變異的相關方法，並指出每種方法的主要優勢和局限性。
若預算在50,000美元以下，哪種方法最適合測試數百個不同調控元件中的數千個冠心病相關單核苷酸多態性（SNP） ？
這種博士級問題的問題不限於生物學領域。
據透露，OpenAI為提升模型處理客戶問題的能力，向醫學、法律、語言學、計算機科學、物理學等領域提出博士級問題。
OpenAI會向至少300人，每人每小時支付100美元報酬，每個問題平均耗時約兩小時。OpenAI利用這些答案，幫助模型學會處理客戶提出的類似問題。
Scale AI、Turing和Invisible等公司，也招募經驗豐富的程序員或博士，協助OpenAI、Google、Anthropic和xAI等公司，在AI開發的後訓練階段提高模型質量，並借此獲得可觀收入。
DeepSeek：AI模型也可以
上週，DeepSeek-R1驚豔亮相，這或許會給Scale這類公司帶來變革。
DeepSeek研究人員稱，他們利用AI模型而非人力，低成本地生成和解決編程與數學問題。
伯克利的研究人員也用450美元達成同樣成果，這進一步證實了DeepSeek的說法。
這種用AI生成數據訓練其他AI的方式，促使與Scale競爭的另一家後訓練階段公司Labelbox，開始思考商業模式的潛在變革。
Labelbox首席執行官Manu Sharma指出，OpenAI、Google等AI開發公司，交給Labelbox等公司協助完成的任務難度正在不斷增加。
一年半前，AI實驗室希望模型能從優質英文博客文章中學習。如今，AI模型已基本掌握這類寫作技能，開發者們的關注點也轉移到解決複雜編程和數學問題等技能上。
DeepSeek的創新成果讓一些基礎編程和數學問題，能由AI自行生成和檢驗。不過，仍有不少極具挑戰性的任務，AI還無法生成訓練數據。
AI：有些任務太難了
當前，AI在跨領域任務上存在困難，比如設計新型火箭飛船，這需要綜合運用物理學、數學和機械工程等多方面知識。在藥物研發、法律等沒有標準答案的領域，AI的表現也不夠理想。
AI模型在其他方面也存在短板。
目前的AI不擅長提出確認性問題，也不善於使用多個工具來獲得答案。也就是說，在預訂餐廳時，AI不太會核實用戶所在的城市；在編寫代碼，AI也不善於使用Google搜索獲取信息。
Scale的區域首席技術官（Field CTO ）Vijay Karunamurthy表示，Scale正在幫助AI研究實驗室生成訓練數據，以改進這兩方面的能力。
有時候，模型傳達答案的方式與答案本身的正確性，同樣重要。
例如，模型需要向患者解釋醫療診斷結果時，需要「高情商」的溝通技巧。
Karunamurthy指出：「人類可以幫助模型學習這種細微的溝通技巧」。
後訓練產業變革
Labelbox首席執行官Manu Sharma表示，為了確保工作質量和安全性，像OpenAI這樣的AI公司，越來越多地後訓練階段的工作被轉移到公司內部。
而且他們更傾向於，將Labelbox等公司作為人才招聘平台，直接僱用並與專家合作，而不是將工作完全外包出去。
Scale似乎也在順應這一趨勢。
今年11月，Scale公司宣佈開始測試「專家匹配」（Expert Match）系統。
研究實驗室利用此系統，能夠在Scale的專家網絡中搜索、篩選並邀請專家參與數據治理項目。
Scale和Turing還採取新的發展路徑：將AI技術整合到諮詢公司的業務運營中。
參考資料：
https://x.com/OpenAI/status/1887224584539414983
https://x.com/0xmetaschool/status/1887230376004968693
https://mashable.com/article/chatgpt-web-search-available-all-users-no-account-login-required
https://x.com/steph_palazzolo/status/1887157687000948886
https://www.theinformation.com/articles/will-deepseek-hurt-scale-ais-business-model
本文來自微信公眾號「新智元」，作者：新智元，36氪經授權發佈。
