评测爱奇艺B站和海外平台的AI助手后，我们发现了一个新世界

作者|举大名耳

不知从什么时候起，各大视频平台引以为傲的推荐算法，开始失灵了。

当下，在人们打开某些视频APP时，反复刷了近半个小时，仍旧没看到自己想看的视频，反而看到了很多无关的、忍不住点“X”的内容。

但就算你对这类视频点了“X”，它们下次仍会顽固地出现。

在内容多样化的今天，传统的推荐算法，似乎正在变得越来越不“懂”用户。

为了解决这一难题，有人选择将揣测用户的任务交给了AI。

例如10月初，全球最大的免费视频平台之一Tubi发布的“Rabbit AI”，就是这样一个代表。

Tubi是被福克斯公司收购的免费视频长片平台，主要业务是提供免费但由广告支持的影视剧（英文简称FAST），类似于优爱腾们的“免费专区”。 截至 9 月份，Tubi月活跃用户数超过了 7000 万，

如果用一句话总结Rabbit AI与传统推荐机制的不同，那就是采用了ChatGPT内核的Tubi，用聊天的方式，代替了原来被动的推荐算法。

用户打开Rabbit AI后，只需在聊天界面内输入自己想看的影片类型，AI就会自动调出影片库中与之相近的内容，供用户选择。

加载了GPT-4的Tubi会从包括了20万部电影和电视剧集的影库中挖掘出独特的标题，并根据语义的上下文含义提供个性化的推荐。

但是，这种“AI视频助手”，和传统的搜索引擎，有本质区别吗？它究竟真的是代表了视频平台的新方向，还是一个哗众取宠的噱头？为此，我们特意评测使用了Tubi、爱奇艺和B站的AI功能……

如何揣测用户？

要回答刚才的问题，我们不妨做个简单的测试，看看最新的生成式AI，与传统的搜索引擎相比，究竟有怎样本质的区别。

在上图中，我们对Rabbit AI说：“Any movies that are funny about sharks?”，意思是：能帮我找些关于鲨鱼的搞笑电影吗？

一番查询后，AI调出了如下结果：

可以看到，出现的结果中，有些还是符合我们对“鲨鱼”、“搞笑”等元素的要求的。

例如其中的《Sharknado》（鲨卷风），虽然评分低了点，但确实是一部和鲨鱼有关的喜剧电影。

那么，如果用传统搜索引擎进行查询呢？

呃……看来这样复杂长文本的要求，对传统搜索引擎来说，似乎有些勉为其难了。

然而，这其实不完全是搜索引擎的锅，和平台自身也有关系。这点后面会提到。

当我们精简了关键词，只输入“shark”、“funny”进行搜索时。情况还是不怎么尽人意。

结果虽然多了些，但相关性却很差，在出现的结果中，有三个是低幼的动画片，还有两部是音乐喜剧片，只有《Sharknado2》算是搭上了边。

实际上，这样的结果并不意外。

因为平台自带的搜索一般都很差，因为对于平台来说，站内搜索转用谷歌、搜狗等专业引擎，在成本上是一件很划不来的事。

当我们将同样的文本，输入谷歌等传统搜索引擎后，发现结果明显要精确、丰富了许多。

尽管如此，生成式AI用于搜索的做法，对平台来说，仍然是一种能带来优势的策略。

除了免去用户转到外部搜索引擎，增加平台粘性外，搜索AI对平台的另一大增益，就是可以针对平台独有的“特色资源”进行优化。从而更好地服务目标用户。

例如B站和爱奇艺，就是这样一个例子。

就拿B站的AI助手来说，其强项更多地在于对一些动漫番剧的搜索，当用户想看的番剧带有某种抽象的特质，而这一特质又难以被标准化分类时，AI助手就会起到很大的作用。

例如下图中，对“催泪番剧”的搜索就是个明显的例子。

可以看到，在搜索结果中，AI助手十分精准、直接地展示了各个催泪番剧的具体名称。

倘若不用AI助手，而采用传统的方式进行搜索，用户就必须在一个个时长不等的视频中，挨个点进去看，并且可能还要在观看过程中不时拖动进度条，才能找到自己心仪的番剧。

或许是洞悉了用户“通过UP主视频获知番剧”的这一行为，B站在设计AI助手时，也针对性地做了优化。

其搜索结果中的简介，实际上就来自普通搜索中Up主们已经做好的点评文案——因为B站现在可以给视频自动生成隐藏式字幕，所以需要搜索视频内容时，只要搜索字幕的内容就好啦。

即便如此，这样的搜索AI也有不太“智能”的地方。

例如其给出的某些番剧中，有些（比如八音盒、未闻等等）是B站买过版权的，但AI却连个跳转链接都没有，说明它并不“懂得”自己生成的内容是什么。

相较之下，爱奇艺在今年推出了AI搜索功能，则十分精确地实现了这样的“跳转”。

与B站类似，爱奇艺AI助手的优势，也是对平台自身的剧集进行“特色搜索”。

例如，在其基于人物角色进行搜索时，用户只需输入剧中角色的名字，搜索AI就会自动检索关联剧集，从而一键查询相关的剧情、角色信息，让用户直观地了解整个剧情的概况。

这样的“跳转”功能，精确定位到第几集、第几分钟，确实是传统的推荐算法、搜索引擎难以做到的。

不过，它的原理其实也不算复杂。这是因为，剧集在宣发过程中本来也会编写“本集剧情”，设置章节跳转。

我们将爱奇艺的AI搜索给的剧情丢进百度，可以搜到一模一样的原话。所以它不是AI生成的，可以避免“瞪眼说瞎话”的风险。

不难看出，爱奇艺之前对视频做的结构化拆解越多，越可以深入到影片内部，现在这个AI助手就越有用。

看了这么多视频网站的AI助手，它们风格各异，各有特长。那么，现阶段的视频AI助手，究竟能对传统推荐算法形成多大优势？

说到这里，就得先谈一下传统算法的局限性。

分水岭

从总体上来说，传统算法的缺陷/弱点，主要集中于推荐结果不精准，内容重复，或是某些小众内容在冷启动时得不到较好的匹配等。

而这样的情况，则是由传统推荐算法的技术特点决定的。

具体来说，这样的特点包括了：

冷启动问题，在某些冷门作品上很突出。

中间大楼的广告，其实是由AI植入