ChatGPT搜索搞不定勾股定理新证明 但国产AI可以！

万万没想到，现在的国产AI搜索，竟然让我成功读懂了陶哲轩推荐的论文。

事情是这样的。

前几天陶哲轩在自己的主页上推荐了一篇关于勾股定理新证明的研究，引发了一波不小的讨论。

毕竟2500多年的数学定理，竟然还能出现新玩法，而且是两个高中生搞出来的。

带着好奇，去翻阅了一下论文，结果……

（试图唤醒尘封的记忆……以失败告终）

But！遇事不决，问问AI啊~~~

于是乎，我们打开了一个国产AI，很直接地搜索一句：陶哲轩推荐的勾股定理新证明的论文讲的是什么？

然后它就唰唰唰地开始在网上找资源了，包括公众号文章、arXiv论文和权威期刊等等：

不过这个AI接下来的表现，才是真正让人为之意外的，我们一步一步来看下它是怎么求解的。

首先，这个国产AI搜索，它会先铺垫一些背景知识，包括什么是勾股定理，以及2位高中生新证明的故事概要。

然后它并没有直接进入证明过程，而是继续先铺垫三角学证明和几个先决条件，信源也是可以在右侧的参考链接中追溯。

在预备知识就绪之后，这个AI才正式开始对新证明进行阐述。

每一个步骤，每一个公式，可以说是非常清晰、一目了然了。

不仅如此，它，一个AI，竟然还会拓展和上价值！

我们的问题只是限定在了论文，但它却把两位作者如何产生思路的灵感，以及这些研究对数学界的贡献都描述了出来。

或许这时你会问了，现在的AI搜索不都能做到这些吗？

非也非也，我们不妨来看看其它头部AI搜索的效果。

首先有请OpenAI最新推出的ChatGPT search，同样的问题之下，结果是这样的：

嗯，生成的内容是有够短的……

但这并非是个例，再来看下Perplexity的表现：

回答依旧是非常简短，重点是它俩都没法对数学公式、证明步骤等内容做出任何解析。

那么这个国产AI搜索到底是什么来头？

不卖关子，它就是由自昆仑万维天工AI推出的最新功能——高级搜索，而且是不限次数的那种哦~

如果用四个字来形容天工AI高级搜索的特点，或许可以是多快好省：

多：引入超10亿的专业型数据，包括网页、PDF（例如研报、财报、海内外权威学术文档）等。

快：构建分钟级的信源收录系统，能够更快地收集全网高价值信息。

好：AI可以把复杂的难题拆解为多个简单的问题，自动规划路径，一边思考一边执行。

省：甚至引入了企业的收费数据，并且所有的功能都是免费的。

昆仑天工AI高级搜索的加入，也体现着AI搜索竞速来到了高端局。

在海外，Perplexity之外，ChatGPT开始全面发力；在国内，Kimi探索版，昆仑万维天工AI高级搜索等也加入战局。

那么接下来，我们就继续深入了解一下。

最New的技术也能hold住

之前的AI搜索，有一个较为明显的通病，那就是回答的太泛，有种听君一席话胜似一席话的感觉。

从刚才ChatGPT search和Perplexity的例子中就能看出一二。

那么天工AI搜索对于特别新的知识的掌握能力到底能到何种程度，我们来一波实测。

最近要论AI圈里什么新概念最fashion，李飞飞提出的空间智能（Spatial Intelligence）绝对是其中一个。

我们不妨简单粗暴地搜一句：

李飞飞空间智能的原理。

首先映入眼帘的，就是超多的信源，来感受一下这个feel：

而且从天工AI搜索的资源来看，它没有仅限于我们提问的原理，也做了相应的发散，包括定义、研究方向和应用等。

更重要的一点是，不仅生成的内容做了拓展，甚至还配上了对应的图片，颇有一种维基百科+完整科普文章的既视感了：

之所以如此，是因为天工AI支持对学术论文、技术文档等的快速检索与深度解析，可以帮助研究人员迅速定位最具价值的研究成果。

我们还是横向对比来看，ChatGPT search给出的答案仅是罗列式且极其简单，并且也没有做相应的拓展：

而Perplexity这边，虽然有拓展到应用场景，但内容上还是简单提了几句，并且二者都没有做到图文并茂。

因此这一波，国产的天工AI，胜！

金融领域，也是一把好手

除了最前沿的科学知识之外，天工AI搜索在金融财经方面也是具备较强的搜索能力。

例如我们还是非常简单地搜一句：

英伟达Q3财报。

老规矩，天工AI搜索还是会把超多的权威信源展示一波：

然后它会从关键财务数据、分项业务表现、资产负债状况、现金流量、重要事件和未来发展，以及总结等多方面介绍英伟达Q3的表现。

同样的关键数据还是会以图文并茂的形式来呈现。

不仅如此，我们还可以继续追问更具总结性的问题：

英伟达Q1-Q3财报的走势。

对于这种多维度数据放到一起比较的问题，制作表格可以说是最一目了然的呈现方式。

对此，天工AI搜索也是get到了：

不难看出，天工AI将关键的数据都转变成了表格的形式，而后再基于这些数据做文字性的提炼和总结。

它不仅能够实时提供股票、基金等金融资产的关键数据，还能对市场动态进行分析，提供精准的建议。

而面对类似这种较为复杂且具总结性的问题，反观ChatGPT search和Perplexity这边，则依旧是罗列式的文字。

这一局，天工AI搜索，win again。

不只是搜索这么简单

不过除此之外，天工AI搜索此次升级之后，还有一个更高阶的玩法——深度解析模式。

这个功能会更聚焦在超长文档的解读能力上。

我们这次以微软Q3财报的case为例，若是把鼠标悬停在PDF处，页面便会弹出一个小窗口：

而这正是天工AI搜索在生成结果过程中所引用的关键文档之一，要是对这个文档内容感兴趣，我们可以点击弹窗中的深度解析进一步做了解。

进入这个页面之后，我们可以通过自然语言对话的方式对文档中的内容提出问题，或者也可以让AI做总结性、提炼性的工作。

当然，根据报告生成脑图也是不在话下：

如果你手头上有现成的需要解析的文档，天工AI搜索也是可以处理——AI文档-音视频分析功能。

只需一个上传的动作，剩下的统统交给AI。

例如我们把特斯拉今年三季度的报告（英文版）上传之后，天工AI搜索就可以从众多复杂的财务报表中提取关键数据，整理成关键指标表格（支持一键复制）。

而且也可以根据需要，对比每条数据间的关系，做进一步分析原因：

对于超长的文档，天工AI搜索的文档解读功能，是可以图文并茂地提炼最核心内容的哦~

不过有一说一，对于单个文档的处理，还不能够完全体现天工AI搜索的能力，毕竟市面上的许多AI产品也是能够做到。

但这一次，天工AI是可以做到联动多个文档，一块进行处理了！

例如我们把特斯拉和谷歌两家公司的财务报表一块喂进去，天工AI搜索跨文档回答用户的所有问题：

由此可见，天工AI搜索在此次升级之后，不仅可以对复杂问题的分析推理与逐步解决，还针对学术和金融等这些强需求的领域做针对性的优化。

嗯，着实是上了一波大分。

怎么做到的？

天工AI的最新搜索能力远非简单的关键词匹配，而是通过复杂的多层次技术堆栈，为用户提供深度且权威的搜索体验。

首先就是分钟级实时内容检索与精准信息索引。

这种方法结合了大规模预训练语言模型与分片和多域建模技术，通过对海量数据的精准分片存储和索引，确保检索结果的高相关性与精准性，能够迅速捕捉最新的新闻事件、财经动态以及学术成果。

其次是深度推理与复杂问题分析。

结合自研搜索引擎与具备强大推理能力的大规模语言模型，天工AI不仅能够深入挖掘细节，还能从多个角度对结果进行总结，以确保用户获得的是深刻且权威的解答。

这种能力在应对跨领域复杂难题或逐步解决的多阶段任务时可以说是尤为关键。

最后是高权威信息的信源保障。

天工AI通过融合多种算法（如PageRank、GNN等）对信息质量进行评估，建立了严格的信源权威性评价体系，可以自动识别低质量或虚假信息。

此外，天工AI还引入了企业级的实时收费数据，例如股票市场数据，以满足用户对信息时效性和准确性的高要求。

不过现在还有一个问题值得聊一聊，为什么OpenAI、Perplexity等玩家都没法做到的能力，天工AI可以率先实现？

若是纵观天工AI在大模型时代的发展路线便一目了然了。

天工AI是大模型时代较早将对话式生成AI的产品投入到实际应用的玩家之一，而后的发展阶段中，每一次新模态的爆发，几乎都能看到它的身影。

例如在图片生成方面，天工AI也是早期便开始布局，不仅能够生成风格各异、质量极高的图片，也已广泛应用于电商、广告和创意设计等行业。

天工AI的音乐生成也成为其在行业中的一大亮点。通过深度学习和音乐特征分析，天工AI不仅可以生成原创的背景音乐，还能根据特定情感或场景定制音乐内容。

此外，PPT自动生成与短视频剧本创作功能也体现了天工AI对办公与娱乐场景的全面覆盖。

用户可以利用天工AI快速生成高质量的演示文档或短视频剧本，大大提高了工作和创作的效率。尤其是在短视频时代，天工AI生成的剧本内容在创意与内容质量上表现出色，满足了用户多样化的创作需求。

由此可见，天工AI的发展应当是顺应了用户所需，且技术发展到了一定程度之后，顺其自然地迭代和推陈出新。

这也与现在AI大模型的趋势高度契合——

已经到了应用为王的关键阶段，谁家产品用得好才能笑到最后。

而天工AI，绝对是其中之一。

One More Thing：

除了此次高级搜索功能之外，天工AI还有一个细节也是有点意思。

这就是在新版天工AI中的宝典，简单来说，它是用户和AI共创的专属知识网页。

每个用户都有机会成为宝典的主理人，内容方向几乎是覆盖了所有的行业和领域。

而更有意思的一点是，若是持之以恒地去打理自己的宝典，那么就还有机会赚取收益哦~

最后，新版天工AI的入口放下面了，感兴趣的小伙伴可以去体验喽：https://www.tiangong.cn/