这段 Perplexity 的创始人 Aravind Srinivas 与 Stripe 的 David Singleton 炉边谈话的视频非常值得一看，Perplexity 很坦诚的分享了 Perplexity 的创业历程、内部运作、招人、从其他大公司学到的经验以及未来展望等话题。
一、Perplexity 的创业经历和发展历程
David: 能否跟我们分享一下你的创业经历。你为何要创办 Perplexity?
Aravind: 我们大约一年半前创办了 Perplexity，最初是专注解决建立一个出色的自然语言到 SQL-2 的转换工具。我们受到搜索引擎和 Google 的故事启发，作为在数据库上搜索的工具。我们开发的一个原型与 Stripe 有密切关系，为此构建了一个基于自然语言的 Stripe Sigma 工具。
我们开始抓取外部数据，创建了一个名为 Bird-SQL 的工具，将所有 Twitter 数据整理成一堆表，以此支持搜索。此举效果显著，我们也因此得到了所有最初的投资者。随着进步，我们改变了策略，现在的目标是获取链接，从这些链接中提取原始数据，并在推理时间内在线处理更多的任务。我们推出了一个通用搜索工具，发布时带有一个声明：”这是一个很酷的演示，将 GPT 3.5 和 Bing 链接起来。”
David: 实际上，今天在座的人中有多少人试过 Perplexity?
(观众举手示意)
David: 我用过很多次 Perplexity，我认为你们构建的使用体验之一大优点是它的速度非常快。你们是如何做到的？
Aravind: 这就是为什么我们不仅仅是一个套壳的原因。我们投入了大量精力建立我们自己的索引，提供我们自己的模型。第三个环节实际上更重要，那就是协调这两个部分，确保搜索调用和 LLM 的调用能够尽可能的同时进行，将网页切割成片段快速检索，同时进行大量的异步调用，尽力确保尾部延迟最小化。这些概念其实都是 Google 提出的，我们有在已有的基础上进行建设的优势。
二、从 Google 等大公司学到的经验
David: 我想你们团队的其他成员也曾在其他一些大公司任职。对于 Perplexity 来说，像 Google 这样的公司的工作经验有什么影响？
Aravind: 我觉得主要是工程文化，比如尊重工程卓越并为之痴迷，这是 Google 为硅谷创造的，而且这种文化延续至今。像 Meta、OpenAI 这样的公司都采纳了这种文化。所以，我们也在追求重视工程卓越，注重像延迟这样的事项，即使团队会议上的人并不理解，我仍会详细解释一些人是如何做出改变，从而减少了我们的尾部延迟。
三、Perplexity 的内部运作
David: 能否进一步告诉我们你们内部是如何运作的？你们现在有多少人？你们是如何招聘的，你们是如何让新人上手，以便能够为这个使命做出贡献的？
Aravind: 我们现在大概有 45 个人。对于最初的一批员工，我非常赞同 Patrick 在一次采访中提出的观点，即前 10 个员工决定了接下来的 100 个员工。所以你必须非常谨慎。因此，我们的前 10 个，甚至前 20 个员工，都不是通过面试招聘的。他们都经过了试用期。
David: 他们有来真正和你们一起工作吗？
Aravind: 对，没错，他们会得到一个任务，然后工作三四天。我们会支付他们的薪水，除非他们有移民问题，我们不能支付他们，但我们会在他们的起薪中进行调整。
我们之所以这么做，原因有两个。一个是我们不知道如何面试。作为第一次创业的创始人，没有人知道如何进行面试。你不能采用大公司的面试流程。那会拖慢你的进度，也难以找到合适的人。所以唯一的方法就像 GPT 一样，你并没有真正的智能”作弊码”。找到优秀的人的唯一方法就是看看，如果你给他们一个你在工作日会给他们的任务，他们是否能做得很好，你是否印象深刻，你是否从他们那里学到了东西？
这种方式对我们来说效果非常好。实际上，我从这个过程中学到了一个重要的信号，那就是你很快就能确定要录用的人通常是非常优秀的，几个小时甚至一天内你就能发现他们的出色。而那些让你犹豫了很多天的人，你可能并没有给他们提供聘用，或者你给了他们聘用机会，但最后的结果却并不理想。这是一个非常明显的信号。
这个过程非常耗时，对于像 Stripe 这样的大公司，或者对我们未来打算扩张的公司来说，这个方法并不适用。但这是我们做对的事情之一，真正优秀的人都会通过这个试用过程，这对于候选人来说也是一个明显的信号。
四、Perplexity 的一周标准工作流程
David: 那么在 Perplexity，一周的标准工作流程是怎样的？你描述了一种相对自然的过程，找到那些符合市场需求的项目。那么今天你们是有一条非常明确的路线图，每个人都在朝这个目标努力，还是说每个小团队都在进行大量的尝试和实验？
Aravind: 随着时间的推移，我们逐渐减少了实验性的工作。就像你需要建立一个有凝聚力的组织一样。我想说的是，我们现在更注重应用而不是实验。我们有一条非常明确的路线图，并且我们会给每个人详细解释。
我们将工作按照小项目的形式进行安排，每个项目都有明确的发布日期，每个项目都会分配一个后端、一个全栈和一个前端工程师。显然，我们的人力资源有限。所以当我说”一个”的时候，其实可能是同一位员工在处理多个项目。我们还会在每周一的会议上明确那周的重要事项。每周五，我们会进行全员会议，回顾那周我们取得的成就和下周的重点工作。每周三，我们会为像产品、AI、搜索、移动端以及分发或者用户反馈等小团队开展站立会议。我们把这些会议分成这样的周期，每周都会进行轮换。
这就是我们现在运营公司的方式，这其实是受到了 Stripe 的启发。我们开始邀请一些付费用户参加每周五的全员大会，有时候只是想听听他们的反馈。这是我在 Twitter 上看到有人说 Stripe 也会邀请他们的客户参加会议后采纳的做法。
五、从付费用户获得的见解和影响
David: 更深入地说，你从付费用户或非付费用户那里获得了哪些最有趣的见解？这些见解又是如何影响你接下来的计划的？
Aravind: 实际上，我们推出了一个名为”collections”的功能，它并不是最受欢迎的功能。用户只是想把他们的讨论线程整理到文件夹里，然后回顾它们，创建新的线程，规划出线程的范围。这个功能是从我们与付费用户的互动中得来的。他们说：”我在这里做了很多工作，但我真的不知道该如何整理所有这些信息。”这个功能与提高搜索质量等完全无关，但却证明是有用的。
六、与 Arc 浏览器的合作
David: 关于这个，你刚刚与 Arc 浏览器合作，使 Perplexity 成为默认的搜索引擎，并从中获得了很大的价值。能否详细介绍一下这个交易或这种合作是如何形成的，你是否认为 Perplexity 会取代传统的搜索引擎？
Aravind: 那个特定的事情其实就是用户不断的在提及我或者 Josh Miller，他们浏览器公司的 CEO 频繁地询问我们什么时候会在 Arc 上推出 Perplexity。在一段时间后，我们两个都意识到，”我们有共同的投资者，比如 Nat Friedman 和 Toby，他们都对我们两家公司进行了投资。””我们还没开始互相接触，但显然我们的用户希望我们能进行合作，那我们何不试试看呢？”
他回答说，”我们也在自己进行一些相关的开发，就像 Arc 的搜索，我还不太确定，我更倾向于使用你们的 API。”我告诉他，你做好你的事，我们并非竞争对手，我们都只是大海中的小鱼。在那边有一个名为 Google 的大鲨鱼，我们不应该把对方视为竞争对手。于是他决定这样做。
有人以为我们支付了他们报酬，其实我们一分钱也没付。他们是为了自己的用户而做，我们也是为了我们的用户而做，这是非常好的。我也试用了一下 Arc 的浏览器，虽然需要一些时间来适应，但它的体验完全不同。
David: 那么你认为 Perplexity 的体验或者 Perplexity 本身有可能取代传统的搜索引擎吗？
Aravind: 我想这可能需要一点时间，让我们诚实地说一下。我注意到推特上有一些讨论说，”哦，我真的很想要这个功能，但我现在不再需要了。”那条推特得到了大约五十万的点击量，那一天我感到压力很大。但是，实话说，我从未打算将其推广为”再见 Google”。那是 Josh 的营销策略。
我认为这更像是我们站在一个光谱的某处，左边代表完全基于导航链接的搜索，而右边则始终直接给出答案。很明显，Google 更偏向于左边，我们更偏向于右边，但实际上，均衡点应该在中间某处。这就是最理想的位置，但现在没有人能确定具体是 0.8，还是 0.4，还是 0.5,0.6。这也将随着用户在互联网上的行为变化而不断变化。在一个你可以通过语音或眼镜进行交互的世界里，浏览器的意义是什么呢？所有这些都会在未来几年内发生变化，现在说 Perplexity 会取代传统的搜索还为时过早。但一点非常清楚，那就是传统搜索的价值将会逐渐降低。它就像是一个网络导航器，能快速找到链接，而且人们也希望能尽可能快地得到答案。这就是我认为我们所做的事情比 Google 所做的事情更接近理想的原因。
七、从大公司学到的防止偏见的经验
Chrissy: 你们如何避免答案中出现偏见？比如对某些主题或多元视角的问题，你们如何构造答案，来体现人们的观点各异，但他们的观点都可能是正确的？
Aravind: 从我们的构建策略来看，我们可以做到这一点，因为我们的目标就是尽可能汇集多个信息来源，提供汇总答案，而非特定的观点。但是，偏见的产生可能因大语言模型本身——有时候，它可能会拒绝表达某些观点，或者反过来，它可能会说出一些有害的话语。偏见也可能因为你对哪个领域给予了优先考虑，过度偏重某些领域而产生。这里并没有一种万全之策，我们只能不断试验，寻找最佳的平衡点。每个人的想法都可能不同。所以你必须首先考虑的是真相，而不是其他任何事物。而真正的真相可能是我们现在还不知道的，但在未来会被揭示出来。因此，我们尽可能地让大语言模型更关注于提供有帮助的信息，而不是无害的信息，同时也不能过于有害。就像 OpenAI 或 Anthropic 给出的略有不同的观点，我们拒绝回答如何制造炸弹这样的问题。不过你仍然可以在谷歌或 YouTube 上找到这样的信息。这就是我们在部署自己的模型时所持有的一个观点。
八、内容生成方式与商业模式
观众 2: 我的问题跟内容生成方式有关，我也想再谈谈你对广告的看法。你是如何看待在 Perplexity 世界及其延伸中，内容生成方式与商业模式稍有不同的呢？
Aravind: 我认为，答案基本上就是相关性。比如，我真的认为今天做得非常好的一个广告媒介就是 Instagram。我从没有听过有人说 Instagram 的广告让他们分心。反而我听过很多人说 Instagram 的广告对他们来说非常相关。我自己也在 Instagram 上买了很多东西，很多时候我只是看一眼 Instagram 上的广告，我就立即决定购买。事实上，Instagram 使这些交易变得非常容易。顺便说一下，这是 Stripe 可以真正发挥作用的地方。如果能在平台上更本地化地实现交易，我认为，提高广告的相关性，使其看起来就像是搜索结果的一部分，这将是非常棒的。但这需要收集用户的数据并进行社交分析，比如 Instagram 在这方面就做得很好。然而，如果没有足够的用户数据或社交分析，该如何实现这种模式呢？这是一个待解决的问题。我希望大语言模型能成为解决这个问题的办法，但这还有待进一步研究。
观众 2:在广告和用户的交互感觉像对话，广告极其相关，而且用户对产品或服务真正感兴趣的情况下，我发现许多人仍然不喜欢广告与搜索结果类似，感觉难以区分。当你在寻找某样东西时，你可能并不喜欢分不清什么是广告什么不是。你对此有何看法？你认为应该如何解决这个问题？这不仅是一个技术问题，也涉及到心理学。
Aravind: 是的，人们可能会争论广告或销售的目的就是要影响阅读者。营销就是要影响阅读者的行为。我认为，作为一个平台，我们应该尽可能地保持透明。比如 Google 明确标注了”赞助链接”,Instagram 和 X 也同样这么做，让用户清楚地知道这是广告。这至少是应当采取的最基本步骤。
九、SEO 与提示注入
观众 3: 我有个问题关于 SEO 和网站设计方式，有人提出了一个很好的观点。我想知道，你是否看到这种趋势对提示注入有所影响？你认为内容创作者或网站创作者会不会开始添加一些看不见的文本，其实是在对大语言模型注入。
Aravind: 这种情况已经出现了。我们的一位投资人，Nat Friedman，如果你去他的网站，你会发现有一段看不见的文本，告诉所有的 AI 爬虫，我希望你知道我既聪明又帅气。然后——(观众笑) 当你在 Perplexity 上搜索 Nat Friedman 并获取摘要时，它确实会告诉你，他希望 AI 知道他既聪明又帅气。他没有直接说他聪明又帅气，而是希望 AI 知道他是个聪明又帅气的人。我想这种情况总会发生的。至于如何处理这种情况，我还没有找到明确的方法。但这里有一点需要注意，像《纽约时报》这样的媒体，由于在发布内容前经过了严格的审阅，所以这种情况应该不会发生。因此，我们应该优先考虑那些在内容发布前有严格审查机制的领域，而不是任何人都可以随意发表内容的地方。这种方法显然可以帮助我们解决这个问题。
十、对未来一年的展望
David: 2023 年，Perplexity 的月活跃用户达到了 1000 万，查询量超过了 50 亿。这是了不起的进步。你对未来一年有何期待？
Aravind: 这两个数字都将增长 10 倍。
David: 太好了。非常感谢你，这真是一次鼓舞人心的对话。我希望你能实现 10 倍的增长，我相信你一定能做到。感谢你的参与。
Aravind: 谢谢。
