k1体育钉钉发布 AI 搜索：不像百度不像秘塔还集齐国产大模型七龙珠

　　k1体育今天，通义，MiniMax、月之暗面、智谱 AI、零一万物、百川智能 、猎户星空 7 家国产大模型厂商，齐聚一场发布会。

　　AI 行业似乎总不缺乏戏剧性，当然这几家大模型聚在一起不是要「围攻光明顶」，而是官宣与钉钉达成合作，要一起构建中国最开放的 AI 生态。

　　用户可以根据自身需要切换 AI 大模型，除默认的通义外，首批可选择 MiniMax、月之暗面、智谱 AI、猎户星空、零一万物、百川智能 6 家大模型，钉钉总裁叶军形容这是召唤神龙的「七颗龙珠」。

　　AI 时代的工作方式会是什么样子的？在钉钉 7.6 版本里 AI 搜索、AI 助理这些功能里，或许可以看到一些答案。

　　在钉钉总裁叶军看来，随着行业从模型创新走向应用创新，探索大模型的应用场景将会是钉钉的责任所在。

　　此前 APPSO 曾提出一个观点：我们需要更多不做大模型的 AI 应用主义者，将大模型能力转化成生产力，从而来影响人们的工作和生活。

　　如之前发布的 AI 助理要解决钉钉功能的臃肿分散问题，今天钉钉发布的 AI 搜索则是聚焦于解决钉钉上的信息分散问题，这和常用 Perplexity、秘塔这些通用 AI 搜索的路线完全不同。

　　具体来说，钉钉 AI 搜索具有专有个性搜索、感知信息变化、自然语言输入、直接生成答案、深入挖掘追问以及追溯内容信源等六大特征。

　　叶军举例称，要想知道近期全球化工作的重大进展时，只需使用 AI 搜索，它能够借助大模型的理解、推理、生成等能力，基于平时的资料信息，罗列出客户进展、产品迭代、市场策略、合作进展等等内容。

　　并且，AI 的总结还会自带引用，防止 AI 幻觉，以及生成钉钉脑图，让结构更加清晰明了。

　　又或者，作为钉钉总裁，叶军每天都会接收到不可胜数的客户反馈。现在，有了 AI 搜索后，就能实现一键总结分析客户的需求，帮助提高工作效率，包括在询问客户项目的承接部门时，钉钉 AI 搜索给出的结果一目了然。

　　AI 搜索构建知识网络的能力，也可以应用到写周报、任务管理等场景中，这意味着用户处理信息的方式，将由原来的「时间流」式，转为以事为中心，用户可以更有效、更专注地聚焦于重要的事情上。

　　这也是钉钉 AI 搜索的最大特点，那就是将知识整体化，逻辑化，网络化，实现知识融会贯通，从而成为每个人的「答案之书」。

　　发布会现场还展示了一个有趣的案例，比如向 AI 搜索提问上周叶军承诺过多少人喝咖啡，钉钉 AI 搜索就能整合群聊的记录，不到半分钟的时间，就能得出承诺 3 次，涉及 9 位同学的答案。

　　这背后也反映了在大模型的加持下，AI 助理在语义理解，逻辑推理和信息整合能力的大幅度提升。

　　目前钉钉 AI 搜索已开启邀请测试，现在用户可以点击钉钉 APP/PC 端顶部的搜索框，即可进行内测申请。

　　今年 1 月份，钉钉推出 AI 助理产品，每个人、每家企业都可以创造专属的超级助理。截至 5 月底，钉钉 AI 助理总数达到 50 万个。

　　钉钉 AI 助理市场上线一个多月以来，上架的 AI 助理更是已超 700 个。

　　无论是工作汇报、会议协调，还是生活娱乐、音乐创作，AI 助理都能提供全方位的支持。尤其是在产品能力方面，钉钉更是大幅升级了 AI 助理的思考系统、感知系统和行动系统。

　　用户授权后，可以让 AI 助理记住与其相关的信息、习惯、偏好等，包括姓名、岗位、上下级关系、工作任务进展，也支持用户自定义设置记忆，让 AI 助理的生成结果做到千人千面。

　　也就是说，钉钉 AI 助理将有望成为你在工作场景中的「第二大脑」，比你更懂你自己。

　　在执行具体任务时，AI 助理增强后的推理规划能力，能像真人一样对任务进行深度思考和合理拆解，比如根据不同人的日程、文档、会议纪要等记忆，快速生成个性化的总结周报。

　　借助多 Agent 协同的能力，用户可在一个工作流或者群聊中，点兵点将，让多个不同的 AI 助理进行协作，共同完成任务。

　　比如发布会现场演示，借助多个 AI 助理的协同能力，用户就能在掼蛋老友群，通过一个简单的 @ 号就能创建一场掼蛋的预约行程，总结上一场掼蛋的胜率，用音乐创作大师 AI 助理创作音乐等。

　　又比如，向负责行程规划的钉钉 AI 助理询问明天杭州的天气，使用联网查询功能后，AI 助理不仅知道天气，还能人性化地为你汇总接下来一周的工作计划。

　　叶军强调，要用 AI 助力打掉企业数据墙，通过钉钉低代码把存量 SaaS 升级为 AI 助理。

　　在这个过程中，用户只需对话，就可唤起 AI 并让 AI 替人跑腿来完成复杂操作的使用，真正解放每个人的工作。

　　工作流能提高 AI 处理复杂性、多环节的任务的准确性。通过对 AI 执行流程进行编排，实现自动、逐步完成多环节的任务，并在有需要时访问网站或调用各类工具来完成任务。

　　目前拟人操作、多 Agent 协同已接入工作流，用户可在工作流直接配置建文档、发日程、待办等钉钉功能，天气查询、路线查询、OCR 识别等 20 多项第三方服务，也可以通过访问 API 接口或钉钉连接器来集成更丰富的工具。

　　叶军称，钉钉 AI 能力的升级，还将通过 Assistant API 和 Inside API 两种方式，进一步向生态伙伴和客户开放，提供场景化的智能服务，真正推动 AI 走入到应用、协作、经营等场景中。

　　钉钉表示，钉钉致力于 AI 普惠，要让 AI 普及到每个人的手中，所以它提供了免费的额度。如果需要更高级的产品功能，或者想要定制解决方案，那就得付费磋商。

　　在我刚进入内容行业的时候的，Google 等搜索引擎是搜集资料和选题素材的重要渠道。但从去年开始，我使用传统搜索引擎的比例越来越少，像 perplexity、天工等 AI 搜索提供了更高效的信息处理体验。

　　AI 搜索大大提升的信息检索的速度，缩短的是我们海量搜索结果中筛选的过程。

　　不过 AI 搜索提供的信息也未必能让人放心，我们之前曾报道，越来越多 AI 生成内容被搜索引擎收录，最终呈现在用户面前的，很可能是 AI 叠加 AI 的垃圾结果。

　　提升信息获取效率是技术提升的本质，AI 提供了新解法，但获取高质量信息的需求还未能完全被满足。

　　在办公场景中，内部的信息管理是一个多少被忽视的场景。麦肯锡的一项调查显示，典型的知识工作者有超过四分之一的时间花在信息搜索上。这里的信息不光是外部的，还有相当是沉淀在内部的庞杂信息。

　　前 Google 工程师 Arvind Jain 在创办云数据公司 Rubrik 后，发现由于数据分散在大量不同的软件中，导致自己的工作效率因查找正确信息所花费的时间而耽误进度。

　　Jain 认为，查找信息是人们生产力面临的最大挑战，于是他开始创办一家专注于企业 AI 搜索的企业 Glean。

　　现在很多公司在探索 AI 在企业中的应用，除了提升重复性和低知识密度的工作效率，另外一个可以对组织效能产生显著影响的，其实就是对企业数字资产的管理。

　　钉钉没有做通用搜索，转而用 AI 搜索解决应用内信息分散问题，也是给对目前主流 AI 搜索一个恰逢其时的补充。

　　当办公应用内留存了越来越多信息，群聊、会议、待办、文档、日志……如何从过去人被海量信息推动的逻辑，进化到以人为中心来处理信息，或许才是众多企业通过 AI 实现智能化关键的一步。

　　而在钉钉的 AI 助理支持记忆、新增多 Agent 协同等能力后，其实也给 AI 搜索体验带来更多可能性。比如在 AI 整理出需要的文档信息后，与其他人的通知、协作和任务分发都可以衔接起来。

　　虽然发布会钉钉没有披露太多细节，但AI 搜索+ AI 助理的确有可能在企业内部形成一套更完整的工作流。

　　根据 ReportLinker 的预测，全球企业搜索市场预计到 2028 年将达到 69 亿美元，企业对高效搜索和知识管理的需求日益增加。

　　其实大模型带来应用体验革新最大的地方也体现在这里，基于庞大的知识库，让用户要做的事情从搜索，变成提问。

　　那除了公开可检索的知识库，个人或企业在不同行业更细分的场景内，能不能也形成一个这样完善的知识库。

　　其实在最近发布的 Apple Intelligence 和鸿蒙原生智能上，我们也可能看到类似的逻辑。设备的个人信息被整合成个人的知识库，用户随时用自然语言检索并调用功能。

　　或许这是对 AI 信息处理逻辑的不谋而合，钉钉也是华为原生鸿蒙的首批应用适配最深的应用之一。

　　在原生鸿蒙系统中，只需要对小艺说一句话，意图框架就可以理解用户用钉钉开会的意图，直接找出钉钉里的联系人，然后拉起钉钉会议。

　　今天大量的移动终端几乎成为我们的人生记忆库，对于企业来说同样如此，那些散落在不同设备的数据，某种程度就是组织的数字孪生。

　　与个人数据相比，企业内部的数据更加需要从碎片化、离散化转向结构化、体系化，形成专属的知识资产库。信息的组织与结构，是实现企业智能化的关键。在这一场景下，调用公域的通用知识反而变得相对不那么重要。

　　无论在通用搜索还是企业搜索，我们需要一种更加智能和高效的搜索工具，不仅能够处理海量数据，还能精准地提取高价值信息。

　　2. 精准信息筛选：具有高效的算法，能在海量信息中快速找到最相关和有价值的内容。

　　3. 上下文理解：具备理解和分析用户需求的能力，提供更具针对性的搜索结果。

　　正如钉钉总裁叶军所说的，「AI 时代，全人类的知识易搜，企业或个人沉淀的知识难找。」

　　我们处在一个从未有过的信息爆炸时代，快速获取和使用高质量信息将决定未来。

　　虽然传统搜索引擎可能会被淘汰，但对高净值信息获取效率的需求永远不会消失，而对这个需求的探索将继续推动更多技术的进步和创新。