從搜索引擎到AI搜索： 大模型賦能下的信息獲取變遷分析

【摘要】AI搜索是一種面向信息搜索領域的大模型垂類應用，提供了全新的對話式信息獲取體驗，正在改變人類信息消費方式。文章分析媒介技術進化帶來的信息獲取方式變遷，即經歷了以人為主的博聞強記、互聯網搜索輔助的信息尋求、大模型賦能下的人智協同三個發展階段，并提出信息獲取變遷背后蘊含兩個變化：其一，人類角色轉變，即全面執行者—部分執行者—協作者和決策者；其二，人機關系演進，即被動響應—主動智能—人智協同。AI搜索智能體以主體身份深入傳播實踐，文章思考的問題是這種趨勢是否對人類能力和信息環境構成新的挑戰。

【關鍵詞】AI搜索 信息獲取 智能體 人機關系 人智協同

【中圖分類號】G206 【文獻標識碼】Ａ 【文章編號】1003-6687（2025）3-074-07

【DOI】10.13786/j.cnki.cn14-1066/g2.2025.3.010

一、AI搜索的應用與問題提出

繼微軟的New Bing、谷歌的AI Overviews和百度的AI智能問答之后，OpenAI于2024年7月推出了專為搜索設計的SearchGPT原型產品。這一系列舉措標志著傳統互聯網巨頭們堅定地朝“AI大模型+搜索”方向邁進，也反映出AI搜索已成為大模型的主流應用形態。由于ChatGPT等大語言模型（以下簡稱大模型）在生成內容時存在幻覺問題，信息可信度成為影響其發展的核心因素。大模型與傳統搜索引擎相結合，通過連接實時的網絡信息，增強了大模型的對話能力，使得AI生成的內容有據可依。這種結合方式，為解決大模型生成內容的可信度問題提供了一條有效途徑。

AI搜索作為一種面向信息搜索領域的大模型垂類應用，融合了傳統搜索引擎技術、自然語言處理和大模型提示詞工程技術?；诖竽Ｐ妥吭降淖匀徽Z言理解和生成能力，為用戶提供了全新的對話式信息獲取體驗。事實上，早在一眾互聯網巨頭入局之前，“AI大模型+搜索”形態的產品已經落地商用，其中Perplexity就是一個典型代表。它是全球首個對話式AI搜索應用，且是繼ChatGPT之后增長最快的AI大模型應用，[1]目前已成為全球最流行的AI搜索應用之一。[2]數據公司Similarweb的最新統計顯示，Perplexity的用戶平均訪問時長已超過ChatGPT，[3]這也表明用戶對AI搜索類應用的高度參與。這種參與度的提升，得益于AI搜索所提供的全新對話式信息獲取體驗。

與傳統搜索引擎通過匹配關鍵詞篩選出大量結果列表的檢索邏輯不同，AI搜索通過實時檢索網絡信息，篩選高質量信息來源，智能分析整理、提煉總結，以對話的方式回答用戶問題，同時提供清晰的信源鏈接。用戶可以通過這些鏈接，核查信息來源的可靠性和結果的準確度。此外，AI搜索還具備記憶查詢上下文的能力，能夠自動預測用戶可能提出的后續問題，方便進一步追問。這種方式如同與人類伙伴聊天，使用戶在連續對話中獲取所需信息。

本文提及的搜索引擎不局限于百度、谷歌等傳統搜索工具，還包括微信、抖音、微博和X（原Twitter）等平臺自建的搜索引擎。搜索巨頭谷歌推出了AI搜索應用AI Overviews，[4]在其搜索引擎中內嵌專門定制的Gemini大模型，借助其先進的推理、規劃及多模態能力，結合自身一流的搜索系統，為用戶提供全新的智能對話式搜索體驗。百度在其搜索引擎中集成了AI智能問答功能，專注于智能生成搜索結果。大模型公司也積極布局搜索領域，如OpenAI的SearchGPT、Claude Opus、智譜AI搜索等。與此同時，其他社交媒體、知識問答和電商平臺也紛紛推出AI搜索產品，如小紅書的搜索直達、知乎直答、淘寶問問和抖音AI搜索等。此外，垂類AI搜索應用也在快速崛起，代表性產品如Perplexity、You.com、360AI搜索、天工AI和秘塔AI搜索等。由此可見，未來的信息獲取方式將更多依賴AI搜索，用戶的信息獲取習慣、模式和效率將發生顯著變化。傳統依賴關鍵詞檢索、依靠平臺排名算法和系統推薦，并由用戶自行篩選整合信息的方式，正在被逐漸取代，新一代AI搜索將催生全新的信息消費范式。

AI搜索會是人類未來信息獲取的最優方式嗎？要探討這個問題，首先要從人類信息獲取的歷史發展出發，考察其創新之處和進化趨勢，然后從人機交互的視角切入，分析其背后蘊含的規律，最后討論AI搜索對個體及社會產生的深刻影響?；诖?，本文深入探討AI搜索影響下的信息獲取，擬圍繞以下問題展開：AI搜索與傳統搜索引擎在信息獲取方面有何不同？大模型賦能下的信息獲取產生了怎樣的變化？信息獲取變遷背后蘊含著怎樣的規律？AI搜索影響下的信息獲取變遷會產生哪些影響？

二、從博聞強記到AI搜索：人類信息獲取邁進新階段

信息獲取模式包括主動信息尋求和偶然接觸信息，[5]而搜索是一個典型的主動信息尋求行為。本文探討的信息獲取，主要指為了解決問題而主動采取的有目的的信息尋求，信息尋求是一個深思熟慮的過程，即選擇信息渠道搜索有關特定主題的信息來主動改變自身知識狀態。[6-7]參考威爾遜的信息尋求行為模型，[8]結合傳統時代及當下網絡環境中用戶獲取信息的普遍方式，本文將信息獲取過程概括為四個步驟：問題（需求）提出—搜集資料—分析整合—信息采納。

按照信息獲取過程中人的主體性變化及技術介入的不同程度，可將人類信息獲取劃分為三個歷史發展階段：1.0傳統時代、2.0互聯網時代、3.0大模型時代（見表1）。在此過程中信息獲取每個步驟的行動者角色發生改變，呈現出從完全由人作為行動主體到“人—智”協同主體的顯著變化。

1. 1.0階段：以人為主的博聞強記

在信息傳播初期，信息尋求主要依賴個體行為，通過人際交流或其他媒介系統獲取所需信息，信息獲取處于初始的1.0階段。從人類傳播的發展進程看，這一階段經歷了漫長的發展期，即口語傳播—文字傳播—印刷傳播。電子傳播時代，信息傳播從人類面對面傳遞逐漸過渡到使用物質載體和機器媒介。但在此發展過程中，信息獲取的主體依然是人，獲取信息的效率和質量與個體能力緊密相關，也就是說，這一時期的信息獲取主要依靠個體的博聞強記。

從信息獲取的方式來看，無論是通過人際交流、查閱文獻資料，還是借助廣播電視獲取信息，人類始終扮演著不可或缺的重要角色。信息獲取的全程都要依賴個體的能動性，即從問題（需求）產生，開始選擇媒介搜集資料，再到分析整合相關信息，最后選擇采納、識記有用信息。其中，信息搜集和分析整合會消耗大量的時間和精力，面對廣泛的信息來源，個體很難涉及方方面面，為了減輕這種認知負擔，個體在選擇信息來源和渠道時往往會趨于單一，依賴少數熟悉且信任的信源，以保證信息獲取的效率和質量。概言之，在信息獲取1.0階段，個體的能力影響自身信息行為，決定最終信息獲取的廣度與深度。

2. 2.0階段：互聯網搜索輔助信息尋求

得益于互聯網技術的發展，信息獲取模式迎來迭代升級，機器媒介開始介入信息尋求。這一階段最具代表性的媒介渠道就是互聯網搜索引擎，其為信息獲取帶來了質的提升。按照傳播發展進程，這一時期的信息獲取，經歷了從電子傳播到智能傳播的演進，智能算法賦能機器媒介，使其煥發出新的生命力，由此，標志著信息獲取進入全新的2.0時代。

在互聯網搜索引擎的輔助下，2.0階段的信息獲取效率產生質的飛躍，個體從繁重的資料搜集工作中得以解脫。搜索引擎像一個信息聚合器，匯集了門戶網站、新聞平臺、資訊網站和社交媒體等渠道的內容，并提供了簡單的交互窗口，通過單一入口和檢索關鍵詞，個體可在毫秒間連接任意主題下的海量信息。相比信息獲取1.0階段，個體可通過更加廣泛的渠道尋求所需信息，可接入的信源體量遠超人工獲取的信源體量。盡管互聯網輔助下的信息獲取方式比通過大眾媒介渠道（報紙、書籍、電視等）獲取信息的方式使用率更高，[9]信息來源和渠道更加廣泛，但與此同時，大量未經事實驗證和編輯審查的信息混入互聯網，被搜索引擎算法爬取。因此，2.0階段的信息獲取存在真實性和可信度不高的潛在問題。此外，信息過載也困擾著這一時期的用戶，從海量結果中披沙揀金，尋找想要的答案變得愈發艱難。2.0階段的機器作為行動者開始參與人類信息獲取，但只能幫助個體搜集資料，最終的精煉提純還得靠人。

在信息獲取的特征方面，海量、多元、實時、高效成為2.0時代的代名詞，同時對個體能動性提出了新要求。在互聯網的輔助下，獲取信息的豐富性和時效性有了充分保障，隨時隨地可以實時接入多元化網絡信源。信息獲取過程不再由人全程參與，搜索引擎接管了資料搜集過程，很大程度上解放了個體的部分認知資源，使其可以將更多的注意力投入其他環節。但搜索結果的真實性和可信度難以保障，需要個體甄別篩選，廣告植入、虛假信息等也常常混淆視聽，影響個體的認知判斷?？偠灾阉骱蟮男畔⑦x擇、分析整合、信息采納依然依賴人來完成。

3. 3.0階段：大模型賦能下的人智協同

隨著ChatGPT的火爆破圈，[10]以大模型為代表的生成式人工智能技術迎來突破性進展，信息傳播步入AI大模型的機器互聯網時代。[11]不同于機器剛開始介入信息傳播的2.0階段，在AI大模型的賦能下，信息獲取模式發生革命性轉變，AI搜索帶來全新的對話式信息獲取體驗。機器不再被動地聽從人類指令、響應需求，而是開始發揮主體能動性，以主動的姿態與人類協作。從傳播發展歷程來看，此時人類正在邁向一個更高層次的智能傳播時代，推動信息獲取進入人智協同的3.0階段。

3.0階段的信息獲取方式從廣泛搜索向智能篩選轉變，為了確保獲取高質量信息，權威性較高的信源會被AI搜索優先索引。相比傳統搜索引擎中充斥商業廣告、虛假信息等低質信源，AI搜索具備智能篩選的特性。其憑借大模型高效的語義理解，智能選擇頭部媒體、高質量知識社區、專業博客和學術網站等權威平臺作為信源，并主動將多個來源信息進行歸納總結、精煉提純，直接為用戶提供最終答案。AI搜索接管了信息獲取的中間環節（搜集資料、分析整合），通過多智能體協作，主動為用戶篩選高質量信源，信息從AI搜索這個超級節點直達用戶，有效降低了接觸噪音和信息失真的概率，[12]保證了信息獲取中間環節的可靠性。至此，機器作為行動主體開始深度參與人類信息獲取。

大模型加持下的信息獲取具備智能篩選、主動生成、連續對話式追問以及多模態信息交互等特征，個體只需專注于問題的提出和信息的采納，但需要更高的認知水平。一方面，AI搜索出現后，解決了需要耗費個體時間精力去搜集資料、分析整合的高認知負擔問題，它會根據信息需求，智能篩選信源、主動生成用戶所需信息；另一方面，還提供了類似人際交流的對話式體驗，讓信息獲取像與人聊天一樣簡單。借助大模型的自然語言理解和連續對話能力，用戶不需要根據信息需求構思精巧的搜索關鍵詞或檢索方式，只需像聊天一樣表達問題或需求，通過自然語言與AI搜索對話，即可輕松獲取結構清晰、邏輯連貫的搜索結果，且每個觀點都附帶了可溯來源。此外，用戶還可在上次搜索的基礎上，繼續追問。AI搜索會智能分析用戶問題，通過智能聯想匹配出一系列相關問題，以供用戶進一步結合上下文深入探索。這一特性有望拓展個體的認知范圍，拓寬認知邊界，獲得額外的知識增量。AI搜索還支持多模態信息交互，如視頻搜索，谷歌的AI Overviews支持通過拍攝視頻提問題。[13]綜合來看，AI搜索在一定程度上打破了傳統的信息獲取模式，個體不再需要去搜索并根據結果提煉信息，只需提出問題，然后決定是否采納結果。因此，人類用戶如何提出好問題與如何判斷AI生成的結果非常關鍵。

三、信息獲取變遷背后人的兩個角色轉變

縱觀信息獲取的演進過程，自媒介技術介入傳播活動以來，信息獲取變遷的關鍵要素是機器以不同角色和程度參與傳播活動，映射出機器行為對傳播活動中人類中心主義的直接挑戰。

1. 人類角色的轉變：全面執行者—部分執行者—協作者和決策者

在信息獲取過程中，人類角色經歷了顯著的轉變，而這一轉變也恰恰反映了信息獲取變遷的核心規律之一（見圖1）。

傳統搜索時代，人類是信息獲取行為的全面執行者。電子媒介未出現之前，信息傳播主要依靠個體間的交流，報紙、書籍等實體形態的信息媒介出現后，人類獲取外部信息變得更加多樣化和全面化，但是執行信息獲取全流程的主體依然是人，從問題產生信息需求，然后開始查閱并搜集資料，接著分析整合有效信息，最后提煉總結符合需求的核心信息，在此過程中人類是全面執行者。

技術發展推動搜索引擎出現，人類角色開始轉變為檢索規則制定者和結果篩選者。隨著互聯網技術的快速發展，人們越來越意識到傳統獲取信息手段的劣勢，其效率低下、難以涉及更廣的范圍和時效性差等缺點愈發明顯，于是人類需求和技術發展共同催生了搜索引擎技術，信息獲取體驗發生了顛覆性變革。人類徹底從搜集資料的繁重工作中解脫，以往需要花費數小時甚至幾天的資料收集工作，使用搜索引擎一秒鐘就可解決。此時的信息獲取變得更加高效、輕松，用戶只需要為信息需求制定好檢索關鍵詞，搜索引擎就會從互聯網海量數據中尋找信息，并以關聯程度倒序的列表形式呈現給用戶，用戶直接從結果列表中篩選關鍵信息即可。從信息獲取的全流程來看，人類開始從全面執行者變成部分執行者，搜索引擎接管了搜集資料的工作。

AI搜索時代，人類角色進一步轉變為提出問題的協作者和最終結果的決策者。AI搜索基于大模型的能力，有效打通了從粗篩到精讀的工作流，并在此基礎上延伸了智能理解和總結的功能，形成AI搜索特有的“理解—粗篩—精讀—總結”能力。需要說明的是，AI搜索的理解能力需要用戶協助，理解力建立在提出的問題之上，問題的質量越高，機器對信息需求的理解越深入。

不難看出，在信息獲取變遷的過程中，執行者的角色逐漸細分化和明確，人類角色朝著更具創造性和批判性的趨勢轉變。從傳統手動搜尋到使用搜索引擎這類機器，人類從參與全過程的角色轉變為查詢規則制定者和結果篩選者，機器開始負責復雜的信息收集和過濾工作，顯著提高了信息獲取效率。雖然機器介入后人類變成部分執行者，但仍需積極參與整個過程。AI搜索出現后，人類角色在信息獲取過程中轉向更加高階的任務：一是負責協助機器提出高質量的問題，二是評估和判斷AI搜索生成的回答。從全面執行者到部分執行者，再到協作者和決策者，人類角色在信息獲取變遷中經歷了根本性的變化，人類告別了資料搜集和分析整合這些費時費力的工作，轉向更需要創造力和批判性思考的任務，人類的主體能動性不但沒有減弱反而更加凸顯，在此過程中，機器的行為表現也被逐漸放大，開始以主體身份參與傳播實踐，人類和機器的關系也開始變得更加融洽。

2. 人機關系的演進：被動響應—主動智能—人智協同

人機關系的變化是信息獲取變遷的另一個重要轉變，反映了技術進步如何重塑信息獲取的本質。隨著新技術不斷嵌入并形塑媒介環境，網絡空間逐漸成為個體獲取信息的主要渠道。人機關系隨著網絡空間的復雜性變化不斷演進（見圖2）。

傳統互聯網搜索階段，機器主要以被動方式響應用戶指令。在電子媒介出現之前，是人—人交往的時代，人際交流成為人們獲取信息的主要方式之一。其后，隨著媒介技術的快速發展，互聯網空間逐漸成為人際交流的虛擬映射，個體或組織利用網絡賬戶，開始在網絡空間中生產與傳播信息，并與真實的個體產生連接，人與機器的交互關系開始建立，逐漸形成互聯網空間中人—機器的傳播生態。從拉圖爾的行動者網絡理論視角看，此時的傳播實踐由人類行動者和機器行動者共同構成。[14]需要強調的是，在媒介技術發展初期，以輔助形態介入傳播活動的機器占多數，其具備很強的工具屬性，后來逐漸作為人—人跨時空交往的中介，只能在網絡空間被動響應個體的人—機器交互指令。人工智能技術出現后，以社交機器人為代表的部分機器行動者表現出一定的主體能動性，[15]開始充當信源或信宿的角色，主動參與信息傳播并與人類互動，人機關系開始從簡單的交互走向互動。需要說明的是，早期的智能媒介雖然也開始以主體身份參與傳播，但受限于當時的技術水平，并不能表現出更加類人的特征，這類機器通常預置了由人類編寫的規則腳本，在表現形式上呈現出一定程度的智能，如微軟小冰、Apple Siri語音助手等，但是，一旦出現“超綱”的問題，其就會答非所問，或者直接罷工。此類機器普遍具有形式上的智能，缺乏真正意義上的類人智能本質，但因具備較強的互動性，可以充當傳播實踐的行動者。

機器互聯網時代，機器表現出更加主動智能的特性，多個機器行動者配合工作，形成能夠與人類協同的AI智能體。不同于傳統互聯網時代，AI大模型的出現賦予機器行動者新的主體能動性，大模型驅動的機器擁有更加接近于人的能力，可以感知意圖、主動行動、理解語義、生產內容、互動反饋等，甚至進行情感交流。機器行動者也可以被賦予差異化的功能特征，還可以與其他機器交流，形成機器行動者間的新型互動關系，此時網絡空間中人—機器、機器—機器兩組互動關系相互交織，不斷交融、互構形成新的傳播實踐。隨著機器智能特性的不斷提高，傳播實踐中機器行動者的主體性也更加明顯，多個不同功能特征的機器行動者可以相互配合，普通機器行動者和大模型驅動的智能機器行動者分工協作，可以解決超出人類能力限制的復雜問題。這種機器行為模式下，不同屬性和特征的多個機器行動者連接在一起，可以組成一個具備主體能動性的智能協作體，即“AI智能體”。

AI搜索就是一種典型的AI智能體，由多個傳統和智能機器行動者組成，分別負責理解用戶需求與識別意圖、調用搜索引擎API、處理和分析檢索結果，以及最后生成內容總結。個體通過與AI搜索協同互動，能夠高效完成復雜的信息處理任務。至此，步入機器互聯網時代，機器開始成為與人類平等的對話者，開始深度參與信息傳播，人與機器互動不再是簡單的指令交互，智能體可以通過自然語言與個體主動溝通協作，向人類提供個性化信息，信息獲取變成人與智能體的類人際交流體驗。此時的網絡結構不僅包含了人—機器、機器—機器兩組互動關系，還具備人—機器—機器交融互動的特點，網絡空間呈現出人類與智能體的人智協同傳播圖景。

四、AI搜索時代：人類信息獲取面臨新挑戰

從表現形式來看，AI大模型更像是基于超大知識庫的搜索增強技術，但因幻覺等問題仍無法替代搜索引擎。在訓練之初，大模型便學習了從互聯網收集的海量數據，形成一個潛在的強大知識庫，再憑借強大的算法及算力加持，其可以基于用戶輸入快速生成任意內容。大模型的生成過程如同從自有知識庫中檢索關聯信息，用戶輸入問題之后，大模型便可以快速生成答案，同樣，用戶也可以通過搜索引擎檢索，然后整理需要的信息。從形式及體驗上來看，大模型獲取信息的效率要遠高于搜索引擎，用戶獲取信息似乎不用再依賴搜索引擎。但事實并非如此，由于大模型的核心工作原理是基于概率預測下一個字詞，而不是基于真實知識或邏輯推理，再加上學習過程中海量數據的可靠性難以保障、公開數據覆蓋領域不足，以及知識無法實時更新等，大模型生成內容的可靠性備受詬病，幻覺或事實性錯誤成為困擾大模型發展的現實問題。相比之下，使用搜索引擎獲取信息受到普遍認可，用戶可以直觀溯源，選擇權威性或可信度高的信源，自主判斷提取有效信息。但此過程并非輕松簡單，面對龐雜的互聯網信息數據庫，搜索引擎只提供檢索后的相關結果列表，用戶還需要投入更多的認知資源，才能從大量來源中抽絲剝繭，獲取高質量信息，此外，商業廣告和虛假信息也常常混淆視聽，影響用戶信息獲取體驗。

而AI搜索的對話式信息獲取體驗，代表了信息傳播模式的重要轉變，不僅有潛力化解AI大模型在傳播過程中面臨的挑戰，而且正在重塑人類對傳播主體的理解。自大模型出現后，互聯網空間充斥著各類生成式內容，這些未經事實核查的、有可能包含算法幻覺的不可靠信息快速傳播，嚴重影響信息環境。如公安部網絡安全保衛局就通報了多起利用AI生成虛假信息，制造并傳播網絡謠言的案件，這些網絡謠言對社會造成不良影響，嚴重擾亂社會公共秩序。[16]為了避免大模型直接生成答案存在的幻覺問題，AI搜索采用檢索增強生成RAG（Retrieval-augmented Generation）技術，借助大模型的自然語言理解和生成能力，以及搜索引擎的實時檢索技術和可溯源特性，理解用戶問題后，先進行傳統搜索引擎檢索，然后提取高相關度、高可信度來源的信息，利用大模型分析整合信息，最終以類似人際對話的方式輸出結果。此外，AI搜索會根據問答情境擴展問題，用戶可以繼續追問，就像跟伙伴交流一樣，AI搜索還會記住聊天的上下文，確保在多輪對話中不偏離主題。該流程能有效避免大模型的幻覺問題，生成的答案具備可溯來源，方便用戶自主核查，以此提升生成結果的可信度。在此基礎上，為進一步確保AI選取信源的可靠性，部分AI搜索產品還與權威媒體機構合作。據OpenAI介紹，SearchGPT基于AI大模型的優勢并結合實時的網絡信息，通過與主流媒體和出版商等專業信息生產機構合作，確保生成內容的準確性和可信度。[17]AI搜索的智能對話能力表明，其已經具備了跟人類傳播主體一樣的主體性特征，其強大的信息檢索、分析和整合能力甚至已超越了人類，如此，未來傳播網絡中這一傳播主體將與人類主體長期共存，AI搜索在信息選擇、處理和傳遞過程中的自主性和創造性，以及它與人類用戶的互動模式，都將引發一系列新的傳播問題，需要進一步深入探討。

使用AI搜索獲取信息，可被視作由人類與AI智能體共同主導的新型傳播實踐，這不僅是對用戶認知能力的一次新考驗，也將對信息環境產生深遠影響。同時，智能體作為新的傳播主體，其行為后果也值得深入關注。用戶向AI搜索提問時，就像人際傳播一樣，智能體首先會理解用戶的問題，然后開始“思考”和“組織語言”（開始搜索，將有價值的信息篩選出來，分析整合并生成有用的答案），最后通過對話方式回應用戶，形成一次傳播活動。為保障這一過程的高效且可靠運行，人類和AI搜索智能體需要協同配合，由此也引發了幾個值得思考的問題。一是對人類提問和決策能力的要求。問題的質量會直接影響智能體的回答，清晰表達信息需求是協助智能體高效運作的前提。此外，用戶還需具備一定的決策能力，以判斷智能體的回答是否準確，是否可以直接采納。二是對信息環境的影響。為了確保AI搜索的準確度和可信度，智能體會自主選擇高質量信源，在此過程中，用戶接觸到的信息廣度和深度會受到后臺算法設置的直接影響，不同平臺對來源權威性的定義和理解會有差異，在保障信息質量的同時是否會引起新的傳播問題值得思考。三是智能體行為約束。AI搜索背后的運作機制對用戶來講如同黑箱，機器間互動以及智能體與人協作必須符合社會價值規范和倫理要求，在此傳播場景中，智能體是信息出口的二次把關人，其行為會直接影響用戶。

結語

正如電話的出現徹底改變了人類溝通的方式，AI搜索憑借對話式互動體驗，也將徹底改變人類獲取信息的方式。而這種日益普遍的人機伙伴關系，可能會從根本上改變人類感知和評估自己的方式。[18]機器的內在特征決定了可以獲取信息的范圍、性質和數量，而這些特征總是會被算法操縱，AI搜索作為信息獲取的新興方式，還面臨著信息準確性驗證、結果可解釋性等一系列挑戰。而要解決這些問題，不僅需要技術層面的迭代創新，還需跨學科的研究努力和人類的共同參與。

回顧技術介入后的傳播實踐，人類的地位始終突出。[19]如前文所述，AI搜索所形塑的未來傳播生態中，人類作為協作者和決策者，依然把握著信息傳播的關鍵環節。從信息獲取方式的演進規律看，未來信息獲取很大程度上會長期處于穩定的形態，智能體接管中間流程，人類負責提問和決策。隨著技術的進一步迭代升級，資料搜集和分析整合會更加高效、智能、可靠、可信，也會出現智能體輔助人類決策，但是信息需求緣起于人，最終采納信息的決定權還在人類手中。在此過程中，人與智能體的協同會更加高效，人機共融將成為機器互聯網時代的關鍵特征。

進入大模型驅動的機器互聯網時代，人類對技術的依賴會更加強烈，人智協同將成為未來主要的信息獲取方式?；ヂ摼W技術的出現，使得信息獲取的障礙越來越少，而AI搜索進一步降低了信息收集和分析整理的成本，代替人類獲取、篩選、分析和整合信息，長此以往，人的感知和搜集信息能力會逐漸減弱。[20]而當人們的感知和搜集信息能力不足時，會更加傾向使用AI搜索等智能體尋求信息。[21]如此，人類社會實踐將與這類具備高階智能的機器緊密連接，滲透到人類信息傳播的方方面面，人類傳播主體與智能體形成一定的平衡關系，成為未來傳播實踐的主流形態。因此，在大模型技術深入傳播實踐的背景下，人類應該從機器作為傳播主體的行為視角出發，積極思考與之和諧相處之道。

參考文獻：

[1] Murgia M， Criddle C. Perplexity's popularity surges as AI search start-up takes on Google[EB/OL].[2024-08-25]. https：//www.ft.com/content/87af3340-2611-4650-9ae3-036927e9f65c.

[2] Moore O. The Top 100 Gen AI Consumer Apps-3rd Edition[EB/OL].[2024-08-21]. https：//a16z.com/100-gen-ai-apps-3/.

[3] Similarweb. perplexity.ai Traffic Analytics， Ranking amp; Audience[EB/OL].[2024-07-31].https：//www.similarweb.com/website/perplexity.ai/.

[4] Reid L. Generative AI in Search： Let Google do the searching for you[EB/OL].[2024-05-14]. https：//blog.google/products/search/generative-ai-google-search-may-2024/.

[5] Lewis N. Information Seeking and Scanning[M]//R?ssler P， Hoffner C A， Zoonen L van. The international encyclopedia of media effects. Malden： Wiley Blackwell， 2017： 745-754.

[6] Lewis N， Martinez L S， Carmel O. Measures of Information Seeking： A Validation Study in the Context of Nonmedical Drug Use Behaviors[J]. Communication Methods and Measures， 2017， 11（4）： 266-288.

[7] Lewis N， Andrews E A， Keefe D， et al. A meta-analytical review of the relationship， antecedents， and consequences of information seeking and information scanning[J]. Human Communication Research， 2024， 50（4）： 468-479.

[8] Wilson T D. Models in information behaviour research[J]. Journal of Documentation， 1999， 55（3）： 249-270.

[9] Flanagin A J， Metzger M J. Internet Use in the Contemporary Media Environment[J]. Human Communication Research， 2001， 27（1）： 153-181.

[10] 張洪忠，王彥博，趙秀麗. 熱點生產：ChatGPT“破圈”的網絡擴散研究[J]. 現代出版，2023（2）：5-20.

[11] 張洪忠. 機器的互聯網：如何看待AI大模型發展背景下的虛擬空間[J]. 全球傳媒學刊，2024（3）：1-2.

[12] 張洪忠，王彥博，任吳炯，等. 烏合之眾的超級節點？AI大模型使用的人機網絡結構分析[J]. 新聞界，2023（10）：12-19.

[13] Liz R. Generative AI in Search： Let Google do the searching for you[EB/OL].[2024-05-14].https：//blog.google/products/search/generative-ai-google-search-may-2024/.

[14] 全燕. 重組人機——行動者網絡中的人機傳播研究[J]. 新聞與傳播研究，2023（10）：39-51，127.

[15] Neff G， Nagy P. Automation， Algorithms， and Politics| Talking to Bots： Symbiotic Agency and the Case of Tay[J]. International Journal of Communication， 2016（10）： 4915-4931.

[16] 公安機關查處網絡謠言 | 有圖未必有真相 AI造謠要警惕[EB/OL].[2024-08-02]. https：//mp.weixin.qq.com/s/5F5UeKSgzWHDhTceXoGTEg.

[17] OpenAI. SearchGPT Prototype[EB/OL].[2024-07-25].https：//openai.com/index/searchgpt-prototype/.

[18] Hamilton K A， Yao M Z. Blurring boundaries： Effects of device features on metacognitive evaluations[J]. Computers in Human Behavior， 2018（89）： 213-220.

[19] 陳昌鳳. 未來的智能傳播：從“互聯網”到“人聯網”[J]. 人民論壇·學術前沿，2017（23）：8-14.

[20] Yang Q， Van Stee S K， Rains S A. Comprehensive Model of Information Seeking： A Meta-Analysis[J]. Journal of Health Communication， 2023， 28（6）： 360-374.

[21] Liao W， Weisman W， Thakur A. On the Motivations to Seek Information From Artificial Intelligence Agents Versus Humans： A Risk Information Seeking and Processing Perspective[J]. Science Communication， 2024， 46（4）： 458-486.

From Search Engines to AI Search： An Analysis of Information Acquisition Evolution Empowered by Large Language Models

WANG Yan-bo1，2， ZHANG Hong-zhong2，3（1.School of Educational Technology， Northwest Normal University， Lanzhou 730070， China; 2.School of Journalism and Communication， Beijing Normal University， Beijing 100875， China; 3.New Media Research Center， Beijing Normal University， Beijing 100875， China）

Abstract： AI Search represents a vertical application of large language models in the field of information retrieval， providing a novel conversational information acquisition experience which is reshaping human information consumption patterns. This paper delineates the evolutionary trajectory of information acquisition methodologies driven by media technology advancements and identifys three developmental phases： 1） the human-centered information acquisition and memorization， 2） the internet-assisted search paradigm， and 3） the emerging human-AI collaborative interaction empowered by large language models. Two fundamental shifts underpinning this evolution are proposed： first， the transformation of human roles from comprehensive executor to partial executor， and ultimately to collaborator and decision-maker; second， the evolution of human-machine relationships from passive responsiveness to proactive intelligence， culminating in human-AI collaboration. As AI search agents， acting as autonomous agentic entities， increasingly engage in communication and dissemination practices， this paper also critically examines the potential challenges this trend poses to human cognitive capabilities and the broader information ecosystem.

Key words： AI search; information acquisition; AI agent; human-machine relationship; human-AI collaboration