你有没有好奇过：AI搜索给出的那些答案，到底是从哪里来的？

当你问“2025年最佳手机推荐”，AI洋洋洒洒列出一串机型，这些信息是它自己编的，还是从某个地方“抄”的？

德国鲁尔大学与马克斯普朗克研究所的最新研究，第一次系统地揭开了这个“黑箱”。

信息来源：比你想象的更广

研究比较了谷歌传统搜索与四种生成式搜索引擎（GoogleAIOverview、Gemini、GPT-4oSearch、GPT-4oTool），涵盖政治、科学、商品与新闻等六大领域。

结果令人惊讶：生成式搜索引擎在信息来源广度上显著超过传统搜索。

以GoogleAIOverview为例，其平均有53%的信息来源不在传统搜索前十名结果中，27%甚至不在前一百名。这意味着，AI搜索不会只盯着那些排名靠前的热门网站，而是能从更广阔的互联网角落抓取信息。

AIOverview在生成答案时平均调用8.6个网页，而GPT-4oTool仅调用0.4个网页，显示出不同模型在外部信息依赖程度上的极大差异。即便如此，GPT-Tool仍能覆盖全部主题中71%的概念，表明即便减少检索数量，主题完整性未显著下降。

来源结构：更“专业”的面貌

传统搜索结果中，89%的网站来自全球访问量前一百万的域名，而GPT类模型仅为81%。生成式引擎常引用排名较低、主流度较弱的域名，其信息多样性与新颖度高于传统结果。

更值得注意的是，生成式引擎在网站类型上更倾向引用企业网站与百科类内容，而社交媒体与论坛类来源显著减少，呈现出更“专业化”的信息面貌。

这意味着，AI搜索正在把信息的“门槛”抬高。那些个人观点、未经核实的小道消息，被过滤掉了；而那些有企业背书、百科认证的专业内容，被优先采纳。

内容形式：从“列表”到“叙事”

在内容维度上，生成式搜索的输出从“列表”转为“叙事”。

AIOverview平均生成1656字符的答案，Gemini更长达2500字符，而GPT-Tool仅约1000字符。这不再是十几个链接的简单罗列，而是经过整合、重组、加工后的完整答案。

研究利用LLM主题识别模型分析发现，尽管总体主题覆盖度相近（传统搜索为0.78，GPT-Search为0.78，Gemini为0.77），但不同系统呈现的概念集合重叠度低，信息呈“多极分化”。

在歧义性强的查询（如同名人物或多义词）中，传统搜索仍优于生成式引擎，前者对模糊问题的主题覆盖达67%，后者则降至48%。这说明，当问题本身不清晰时，AI搜索反而容易“跑偏”。

时间敏感性：各有优劣

面对“2025艾美奖获奖名单”此类实时话题，GoogleAIOverview几乎不触发生成（仅3%），而依赖外部搜索的GPT-Search与Gemini表现更佳，主题覆盖率分别为72%与66%。

反之，主要依赖模型内部知识的GPT-Tool因缺乏时效信息，在16%的案例中出现理解偏差或事实错误。

这意味着，如果你搜索的是实时性话题，选择那些能调用外部搜索的AI工具会更靠谱；如果是通用知识问答，各类AI的表现差异不大。

结语

研究揭示了一个关键趋势：搜索正从“找信息”走向“整合知识”。

未来的搜索评价体系需从“排名精度”转向“内容综合度”“信息多样性”与“时间敏感性”的多维指标，才能准确衡量AI时代的信息检索质量。

对品牌而言，这意味着什么？意味着你的内容不仅要“存在”，还要“被认可”。要在更广的信息来源中被AI选中，要在更专业的来源结构中被AI信任，要在“叙事化”的答案中被AI引用。

AI搜索的答案从哪里来？从更广、更深、更专业的地方来。你的内容，在那里吗？