Perplexity Labs 这类产品受关注,不只是因为它会搜,而是因为它开始把搜索结果直接收成报告、表格、仪表盘和可继续修改的产物。搜索工具的竞争点已经慢慢往交付物上移。
过去大家用 AI 搜索,更多还是为了快一点拿到答案,或者先把资料找齐。但真到工作里,问题很少停在搜索这一层。你查完资料,后面还要整理、比较、汇报、做表、做页面,甚至还要继续改第二版。真正费时间的,常常就是搜索之后那一段。
Perplexity 在 2025 年 5 月推出 Labs 时,给它的描述很直接:它可以花更长时间处理任务,生成报告、表格、仪表盘和小型应用。TechCrunch 当时提到,这套能力会调用网页搜索、代码执行、图表和图片生成,还会把产出的文件统一整理到一个项目标签页里。这个动作真正有意思的地方,不在于它又多做了几种格式,而在于它把搜索工具往交付工具那边推了一步。
很多人以为搜索产品竞争的核心一直是谁答得更准,但如果把真实使用过程拆开看,后半段的整理成本一点也不小。做竞品调研时,你要的不只是几段结论,而是一张能继续补字段的对比表;做行业观察时,你要的不只是资料链接,而是一份能拿去汇报的提纲;做小项目验证时,你甚至希望它顺手把一个可交互的页面先起出来。谁能把这些产物先做出来,谁就更容易留下来。
所以后面大家再比搜索产品,未必只会问谁引用更多、谁回答更快。另一个越来越重要的问题是,查完以后还剩多少人工整理。Perplexity Labs 这条线,和后来大家越来越常见的 Deep Research、Pages、Artifacts,其实都在往同一个方向收:把结果从一段回答往一份可继续修改的成果物推进。形式不完全一样,逻辑是一致的。
这会影响站内内容怎么写,也会影响用户怎么选工具。以后再写 Perplexity、ChatGPT、Kimi、NotebookLM 这类产品,不能只写谁擅长搜索、谁擅长长文、谁擅长总结,还得单独写清楚它最后能不能收成表格、报告、网页和项目草稿。因为很多用户点开一个工具,最后真正关心的已经不是它会不会答,而是它能不能帮自己少做一轮整理。