2025年6月08日·1 分钟
Alphabet 的引擎：将搜索、广告与 AI 变为互联网默认层
本文解析 Alphabet 如何将搜索、广告拍卖与 AI 基础设施连接起来，塑造人们获取信息与网络变现的方式——以及这在当下意味着什么。
本文解析 Alphabet 如何将搜索、广告拍卖与 AI 基础设施连接起来，塑造人们获取信息与网络变现的方式——以及这在当下意味着什么。
现代网络由两项持续需求支撑：发现 与 变现。发现是找到你想要的东西——答案、商品、本地服务、视频、定义。变现则是支付这些内容的方法——资助网站、应用、创作者以及维持服务运行的基础设施。
Alphabet（通过谷歌）成为“中间层”，因为它位于三类彼此依赖但很少协调的群体之间：想要快速获得相关结果的用户、需要流量和收入以支撑内容生产的出版者、以及希望在用户有意图时可衡量地触达他们的广告主。
谷歌并不创造你在线上看到的大多数内容。它做的是路由注意力：帮助人们决定去哪个页面、打开哪个应用、或打电话给哪个商家。对出版者而言，路由有时决定了是被看到还是被埋没；对广告主而言，它把“有人在找这个”转化为资助网络的现实方式。
本文关注三个相互连接的系统：
我们将审视产品、激励与二阶效应——为什么体系能工作、在哪里出现应力、以及它促成了什么。目标不是炒作或阴谋论，而是一张清晰的地图，展示搜索、广告与计算如何把 Alphabet 打造成在线意图的中央交易所。
早期网络像一本缺标签的大图书馆。页面不断出现与消失，任何人都可以发布任何东西，却没有中央目录。找到值得信赖的答案不仅不便——还有很大不确定性。
三类问题迅速叠加：
谷歌的突破在于把网络自身视为一个信号系统，而不仅仅是文本堆。
一个简单的类比：链接就是投票，而来自受尊敬页面的投票权更重。如果许多可信站点指向某一页面，它更有可能值得被放在靠前的位置。
这并不能单独“解决”质量问题——垃圾信息者也尝试伪造投票——但它提高了基线，也改变了激励：通过有用性来获得真实链接成为一种可行策略。
相关性很重要，但“感受”同样关键。谷歌的简洁首页、快速结果和一致体验把摩擦降到了近乎零。当天“最好答案很快出现”几次后，这种行为就会形成肌肉记忆。
这种日常行为——输入问题、得到清晰列表、点击——把开放网络变成了可导航的东西。搜索不再是一个特殊工具，而成为学习、购物、排错和规划的默认起点。
搜索拥有一种独特且有价值的原始素材：意图。查询通常是对用户此刻想要什么的自然语言描述——“最佳降噪耳机”、“链球菌症状”、“如何注册有限责任公司”、“飞往东京的机票”。这种即时性使查询不同于互联网上的大多数其它信号。
社交信息流和展示广告通常从被动消费开始：你滚动、你浏览、你看到下一个东西。搜索则把顺序颠倒：用户先给出目标，系统的工作是与之匹配。
这种差别的重要性在于：
当结果看起来可靠时，人们会在更多类别的问题上回到搜索：简单问题、重大购买、本地服务、技术排错。每一次成功的搜索都教会用户提问是高效的——也教会系统什么看起来是“好”的结果。
这种信任很脆弱。如果结果混乱、充斥垃圾信息或具误导性，用户会迅速适应：他们可能在查询里加上“reddit”，换搜索引擎，或依赖应用。保持高相关性不是可有可无的；它保护了习惯。
搜索靠重复改进：
更好结果 → 更多搜索 → 更多关于满意度的信号 → 更好结果。
这些信号包括点击、改写查询、返回时间，以及相似搜索间的模式。随着时间推移，系统能学会人们“意味着什么”，而不仅是他们打了什么字——把意图转化为一种复合性优势，支持发现与变现。
搜索广告不像买一个广告牌，倒更像是在为一刻注意力竞价。当有人输入查询时，可能有多个广告主想要出现在该意图上（“跑步鞋”、“会计软件”、“紧急水管工”）。谷歌运行快速拍卖来决定哪些广告展示、以何种顺序展示，以及大致花费多少。
每个广告主设置最高出价：他们愿意为某次点击支付的上限。但最高出价并不总是能赢。
谷歌同时考虑质量与相关性信号——这些信号估计某条广告是否真的能帮到搜索者。如果你的广告与落地页与查询高度匹配，人们倾向点击并找到所需，你常常能以低于更高出价者的成本获胜。这推动系统朝向有用性：广告主不能仅靠“买”来长期占据糟糕结果的位置。
不同于主要为曝光付费的传统广告，搜索广告普及了按点击付费（PPC）：当有人实际点击时才收费。
这种结构让成本与结果对齐。小企业可以从有限预算开始，测试少量关键词，并对未产生成果的词停止投放。与此同时，高意图的搜索（用户更接近采取行动）自然变得更有价值。
真正的加速器是可测量性。通过跟踪点击后的行为——电话、表单提交、购买——广告主可以算出粗略的“是否盈利”的数字。
随着转化追踪的改进，营销预算向搜索倾斜，因为它更具可读性：你能看到哪些查询和广告产生了结果，然后据此再投资。这个反馈循环奖励相关性、改善定向，并帮助为用户预期的免费服务提供资金。
AdSense 将谷歌的广告需求对所有网页开放。出版者不需谈判直接赞助或组建销售团队，只需粘贴一段代码，小博客、垂直论坛或地方新闻站就能开始从同一广告池中赚钱。
本质上，AdSense 连接了三件事：出版者页面（供给）、广告主预算（需求）以及谷歌的定向与拍卖系统（匹配 + 定价）。这种匹配不要求出版者“去卖”——只要创作吸引访问者的页面并提供足够上下文，系统就能投放相关广告。
结果是一个共享的激励循环：
这个循环帮助拓展了开放网络的长尾：数以百万计的网站即便观众不多也能实现商业可行性。
规模化变现也影响了行为。当收入与点击和展示挂钩时，出版者会感到压力去追求流量——有时以牺牲质量为代价。它鼓励以 SEO 为先的内容、标题党、更重的广告布局和更糟的页面体验（加载慢、杂乱、侵入式位置）。谷歌尝试用政策执行和页面质量信号来平衡这些问题，但核心激励并未完全消失。
随着时间推移，许多出版者变得依赖谷歌驱动的推荐流量和 RPM（每千次展示收入）。这种依赖使得商业规划脆弱：一次排名变化、用户行为转变或政策更新就可能让收入大幅波动。AdSense 不仅仅是变现工具——它把出版者的命运系在了同一个把他们送来访客的发现引擎上。
谷歌搜索不是“一个网站”，更像是一套全天候运行的工业系统。承诺很简单——输入任何东西，立刻得到有用结果——但要兑现这个体验，需要把开放网络变成持续刷新的、可查询的资产。
抓取开始看似简单：获取页面并跟随链接。在谷歌的规模下，它变成了一条生产线，有调度、优先级和质量控制。系统必须决定去抓取哪些内容、多频率抓取一次、以及如何避免在重复、垃圾或每分钟都在变的页面上浪费资源。
索引是转化发生的地方。谷歌不是保留“页面堆”，而是构建结构化表示：词项、实体、链接、鲜活度信号、语言特征以及许多可快速检索的特征。这个索引必须持续更新而不破坏查询性能，这需要围绕增量更新、存储布局与容错进行谨慎工程设计。
当搜索量以数十亿次日查询计量时，基础设施决策就是产品决策：
延迟是竞争优势，因为它塑造行为。如果结果更快，人们会更多地搜索、更多地细化查询，并在更高风险的任务上信任该工具。可靠性同样重要：一次宕机会破坏习惯，而不仅仅是停机时间。
在大规模下运营能通过优化硬件利用率、定制系统和更聪明的调度降低每次查询成本。较低的单位成本又为更快的迭代提供资金：更多实验、更频繁的模型更新和更频繁的索引刷新。随着时间推移，这种复合循环让“小厂”难以匹敌“速度”和“鲜活度”。
Alphabet 并非仅凭优秀搜索引擎取胜，它还把握了上网“前门”：人们开始浏览的地方与默认选择默默影响后续发生的一切。
Android 驱动着全球大量手机，这很重要，因为大多数人看到的第一个搜索框往往嵌入在设备体验中。预装应用、主屏小部件与默认设置降低了摩擦：如果搜索只需轻扫即可到达，它就成了习惯。
Android 的服务捆绑同样关键。当核心应用（搜索、Chrome、Maps、YouTube、Play 服务）协同工作时，替换任何一部分都可能让人感觉像是在破坏手机——尽管实际上存在替代品。因此，“默认搜索位置”并非小问题；它是每天重复几十次的行为提示。
Chrome 介于用户与开放网络之间。通过优先考虑速度、安全性和某些 API，它引导网站优化方向以及什么是“良好”网页体验。更快的页面与更顺滑的登录也会增加人们搜索、点击与继续使用的频率。
Chrome 还创造了反馈通道：来自浏览器层面的性能与可用性信号能影响网站构建方式，间接影响它们如何被发现。
一旦 Android 与 Chrome 成为通向用户的常见路径，合作伙伴就会围绕它们对齐：开发者优先在 Chrome 上测试，出版者优化性能指标，企业把谷歌视为默认的分发伙伴。这种网络效应使得入口本身成了一道护城河——关键不在于锁门，而在于把一条通道做得远比其他通道更方便。
搜索与广告不仅连接买卖双方——它们还持续产生关于什么有效的反馈。这些反馈让 Alphabet 在无需猜测的情况下调优产品（搜索）与商业模式（广告）。
“测量”回答一个基本问题：这条广告是否导致了有价值的行为？在实践中，它通常包含：
即便测量并不完美，它仍提供了共享的记分板。广告主可以比较活动、关键词、受众与素材，并把预算转向表现好的地方。
当广告看起来不像“市场活动”而更像投资时，就更容易被证明合理。如果广告主能可靠估计回报（或至少方向性地跟踪），他们就能：
这种愿意投入会反哺拍卖：更多竞争、更多数据、以及更强的改善相关性的激励，从而让用户继续点击。
随着浏览器与平台减少跨站标识符（cookie、移动广告 ID），测量从第三方追踪转向第一方数据——企业直接收集的信号（登录会话、购买、CRM 列表、站内行为）。这推动产品走向聚合与建模报告，并倾向于“在广告主一侧工作”的工具（例如服务器到服务器的转化上传）。
测量选择如今受到监管机构、平台与用户的持续关注。关于同意、数据最小化与透明性的压力会塑造可测什么、数据保留多长时间以及如何清楚地呈现控制选项。结果是一个带有护栏的反馈循环：在维护信任与合法合规的规则内最大化性能。
搜索起初是大量规则的集合：计数链接、读取页面文本，并应用人工调优的信号来猜测用户想要什么。这个办法在网络规模、语言、格式与操控行为爆炸式增长之前运行得相当好。当简单规则不再可扩展时，向机器学习的转变不是噱头，而是保持结果有用性的必然选择。
现代排序仍使用许多信号（鲜活度、位置、页面质量等），但 ML 帮助决定这些信号在特定查询中应如何发挥作用。模型可以从汇总行为与评估者反馈中学习模式：人们何时快速返回结果、何时改写查询、哪些页面更能满足特定意图。
结果是实用的：明显错误结果减少，对模糊查询（“jaguar”是动物还是汽车）的处理更好，以及对更长、更自然查询的理解增强。
机器学习已经渗入搜索与广告的底层：
这很重要，因为相关性就是产品。更好相关性增加信任，带来更多使用，提供更多改进的反馈。
幕后，“AI”是一个运营堆栈：专用芯片、训练好的模型，以及安全部署更新的流水线。
当这些运行良好时，用户看到更快的答案和更少的垃圾结果——广告主则获得更高效的匹配——而无需关心底层机器。
Alphabet 的优势不仅在于“更好的算法”。更重要的是能廉价、快速且广泛地运行这些算法——达到大多数公司无法企及的规模。当毫秒与几分钱决定你看到哪个结果、哪个广告胜出以及是否能实际部署一个 AI 模型时，计算就成为产品特性。
训练与服务现代 AI 模型很昂贵。通用芯片能完成任务，但未必对机器学习的特定运算最具成本效益。
TPU（张量处理单元）是为这些工作负载定制的硬件，能以更高的每美元性能运行。这在四方面重要：
Alphabet 并不会为搜索、YouTube、广告、地图与云各自建立完全独立的计算堆栈。底层基础设施——数据中心、网络、存储与 ML 平台在很大程度上是共享的。
这种共享基座带来效率：在模型工具、芯片利用或数据中心能耗管理方面的改进可同时惠及多个产品，也让团队能复用经过验证的组件而非重复发明。
更多使用带来更多收入（尤其是通过广告）。收入资助更多计算容量与更好的基础设施。更好基础设施催生更优模型与更快的产品。这些改进吸引更多使用。
这是一个复合效应：循环的一次转动使下一次更容易。
AI 基础设施并非仅是内部吹嘘——它体现在日常体验中：
计算是战略，因为它把 AI 从偶发功能变成默认能力——可可靠、大规模并以竞争对手难以匹配的成本交付。
搜索与广告并非并排存在的两个产品——它们是一条管道，把人从“我只是好奇”带到“我要买了”，往往只需几分钟。关键在于自然结果与付费列表在同一页面、同一时刻回应同一意图。
在典型查询上，自然结果与广告争夺同一稀缺资源：页面上方的可见空间与用户信任。广告可能靠位置与明确报价（价格、运费、促销）取胜；自然结果则靠权威、深度与被感知的中立性取胜。
实际上，赢家通常是最匹配用户紧迫性的结果：购物广告对“买”；指南对“如何”；本地结果对“附近”。
现代结果页不再是“十条蓝链”，而是由多个模块构成：特色摘要、地图包、商品网格、“人们还问”和富结果等。这些模块以两种方式改变流量流向：
对企业而言，这意味着排名第一不再是全部故事。可见性现在包括出现在正确模块中（本地列表、商家中心提要、结构化数据）并在用户准备好时提供有吸引力的报价。
对小企业来说，上述机制能立即捕获需求：你可以通过广告在当天上线时出现在结果中，然后建立长期的自然信誉。但风险是依赖——如果大部分收入依赖单一关键词或单一平台的布局，任何变动（价格、政策、新功能）都可能一夜之间造成打击。
创作者面临类似紧张关系：搜索能带来稳定的发现，但页面上的答案与摘录可能压缩点击率。务实的心态是把搜索视为一个渠道，而非家园。
多元化获客渠道（邮件名单、推荐、社媒、合作、地方社区），使搜索成为增量而非生死攸关。并测量增量效果：做受控测试（地域拆分、时间段对照、品牌与非品牌分离），以识别哪些广告真正创造了需求，而不是仅仅掠夺了已有的自然需求。这个习惯能保持发现到结账管道的盈利性，而不仅是繁忙。
Alphabet 作为默认的信息与客户路由者，这一角色也使其经常成为批评目标。高效把意图与结果匹配的系统也会集中过多权力——这就提出了谁获得可见性、在何种条件下、并在何种监督下的问题。
一个常见指责是市场力量：当一家企业中介如此多的发现渠道时，排名、界面或广告格式的微小改变都能重塑行业。这就是为什么自我偏袒指控重要——即谷歌是否会把用户导向自家产品（购物、本地、旅行、视频），即便替代品可能更好。
还有一个现实问题是广告负载。如果更多查询展示更多付费位置，出版者与商家会觉得他们在租用一度可自然到达的受众。
监管压力通常聚焦三大主题：
结果可能从新的披露要求到限制默认协议，或改变广告与测量系统的运作方式。
随着 AI 生成的摘要被推到页面更高位置，一些查询可能在不产生点击的情况下结束。这会减少出版者的流量，削弱传统的“搜索→站点→变现”链，并把更多价值推入平台控制的页面单元。
开放的问题不是答案是否会更“直接”，而是当界面本身成为目的地时，价值会如何重新分配。
关注默认设置之争、测量变化（尤其围绕 cookie 与归因）、以及发现习惯的变化——更多会话式查询、更多应用内搜索和更多以答案为优先的体验。
如果谷歌是网络在“意图”层面的默认中间层，那么产品越来越取决于把意图高效转化为结果的能力：清晰的页面、快速的体验、可测的转化，以及能随着发现方式从链接向摘要转变而适应的系统。
这也是现代“AI 辅助构建”适配的位置。像 Koder.ai 这样的平台应用了类似理念——把自然语言意图变成可运行的软件——允许团队通过聊天接口创建 Web、后端与移动应用（Web 用 React，后端用 Go + PostgreSQL，移动用 Flutter）。在由反馈循环主导的世界里（测量→迭代→部署），缩短从想法到实现周期的工具成为竞争优势，尤其当它们配备实际控制功能（规划模式、快照、回滚、源码导出）时。
Alphabet（通过谷歌）位于三类彼此需要但很少直接协调的群体之间：需要快速、相关答案的用户；需要流量和收入以支持内容创作的出版者；以及希望在用户有意图时可衡量地捕获需求的广告主。搜索引导注意力，广告为意图变现，而基础设施和 AI 在大规模下维持相关性与速度。
因为查询表达的是主动意图（例如“飞往东京的航班”、“紧急水管工”），而不是被动的兴趣。这个即时性使搜索处于决策节点附近，天然形成从发现到行动的路径，这对用户的相关性和广告主的变现都极为有利。
早期网页搜索面临的问题：
谷歌的改进是把网络的结构和行为本身当作信号，而不仅仅是文本堆，从而提高了发现有用页面的基线水平。
PageRank 风格的逻辑把链接视为信誉信号：链接就是“投票”，来自受信任网站的投票权重大。它不能保证质量（垃圾信息也能伪造链接），但结合其他信号时，有助于把被广泛引用的资源和孤立或低信任页面区分开来。
速度和简洁性把摩擦降到几乎为零，使搜索成为习惯性行为。当“输入问题→快速获得有用结果”多次奏效时，用户会更频繁地把搜索当做各种任务的起点，这也产生了更多能改进结果的反馈信号。
搜索广告以实时拍卖形式运行，广告主设置最高出价，但展示顺序不仅看出价，还看质量/相关性信号（类似“质量得分”概念）。换言之，如果你的广告和落地页与查询不匹配，即便出价最高也不一定能赢得展示或长期效果。
按点击付费（PPC）把费用与结果挂钩：你在有人点击时付费，而不是仅为曝光付费。这让小预算也能测试关键词、衡量效果并快速停止无效词项，从而把更多预算吸引到可衡量的搜索广告上。
AdSense 把谷歌的广告需求接入了整个网页生态：无需直销团队，小博客或垂直社区只需粘贴一段代码，就能从同一批广告中获益。结果是变现规模化，但也带来了一些副作用：
Android 和 Chrome 通过默认设置与入口位置降低摩擦：预装应用、主屏小部件和默认搜索框让搜索触手可及。将搜索放在“最容易到达”的位置会反复强化行为，使该入口成为一个分发护城河，即便技术上存在替代品。
AI 会把更多“答案优先”的内容推到页面顶部，从而可能在不产生点击的情况下结束会话——这会减少出版者的流量，并将更多价值转移到平台可控的单元上。结合监管对默认设置、隐私与透明度的关注，这可能改变激励结构，促使企业分散获客渠道并更重视增量（incrementality）测量，而不是把希望完全寄托在搜索上。