- Perplexity 年初至今收入翻超三倍,ARR 远超 5 亿美元,估值 200 亿美元,仅 400 人团队运营
- Aravind 核心论断:「模型不是产品,编排才是」——应用层的差异化在于如何编排模型、工具和上下文,而非自研基座模型
- Perplexity 已进入 Agent 阶段,Computer Use 产品的超级用户月消费高达 1 万美元
- 电力是最大瓶颈:40% 的数据中心因公众阻力未能建成,模型能力增长受限于物理基础设施的交付速度
- Aravind 认为Agent 驱动的收入终将超越 Google 和 Meta 的广告收入,因为客观判断类交易(代码、数据、研究)将被 Agent 完全接管
从印度中下阶层到 200 亿美元公司:Aravind 的攻防哲学
Perplexity 创始人兼 CEO Aravind Srinivas 在 20VC 的访谈开场就抛出了一个很少在 AI 创始人访谈中听到的坦率回答。当被问及「你是更害怕失败还是更渴望胜利」时,他的回答没有片刻犹豫:渴望胜利。
理由很简单:他从没什么可失去的。「我来自一无所有。我在印度中下阶层长大,对我们家来说,能在 Google 当工程师就已经算成功了。相比之下我现在已经远超这个标准。」这种心态塑造了他贯穿整个访谈的核心理念——「进攻,进攻,进攻」。不做防守,不做舒适区,永远在进攻。
这个哲学在 Perplexity 的产品和竞争策略中有直接映射。早年的 Aravind 会在社交媒体上直接谈论 Perplexity 对 Google 的挑战,如今他不再做同样的事,不是因为收敛了锋芒,而是「这个话题已经讲腻了」。
他们改变了 Google 的搜索首页
Aravind 给出了一个相当大胆但无法反驳的判断:「Perplexity 改变 google.com 的程度,超过了 Google 历史上任何一位产品经理。」
证据是具象的。Google AI Mode 的界面——引文格式、内联加粗、行内超链接、建议追问——几乎完全复刻了 Perplexity 的体验。「唯一的区别是质量还是不如我们。」Aravind 说。
但这并没有让 Perplexity 感到安全。因为他从 2024 年底就预判到 Google 会跟进,真正的挑战不在搜索本身。「搜索只是前端用于获客的产品,真正让用户付费的是前沿能力。」 他说,Perplexity 的 Pro 和 Max 订阅用户的核心需求不是获取快速答案,而是复杂的研究报告和能帮你做事、而非只给你答案的 Agent。
Perplexity 的深研(Deep Research)至今仍是行业 SOTA。2024 年如果 Perplexity 以为搜索形态已经功成圆满、可以高枕无忧,就不会有今天这些 Agent 产品。
模型不是产品,编排才是
这是整场访谈中最值得反复咀嚼的一句话。Aravind 说,Greg Brockman 最近的一条推文「模型不再是产品」说到了点子上,但原因不是 OpenAI 想看到的。
「如果你只是一个模型 token 的二道贩子,你根本没有生意。模型会被商品化。」 他进一步拆解:无论是 Codex、Claude Code 还是 Perplexity Computer,本质上都是一个编排系统(Orchestration System)。它把模型和一个 Agent 框架(Harness)配在一起——框架定义了 Agent 循环怎么跑、有哪些子 Agent、连接了哪些工具和数据源。 没有框架,模型内在的智能就无法转化为有价值的输出 Token。Aravind 定义了一个他认为 AI 行业最重要的单一指标:每用户 Token 价值(Token Value Per Watt Per User)——用最少的算力消耗,产生最有价值的输出 Token。
而 Perplexity 的差异化在于:不只编排工具和上下文,还编排模型。Anthropic 和 OpenAI 无法在彼此的产品中声称「我会帮你用到对方最好的模型」,但 Perplexity 可以。GPT-5.x 不会出现在 Claude Code 里,Claude Opus 4.x 不会出现在 Codex 里。但这两个模型都可以出现在 Perplexity Computer 里。 Agent 的收入将超越 Google 广告
这是 Aravind 全场最具争议但也最有逻辑链条的判断。
他首先解释了为什么对话式 AI 界面不适合广告。原因有三:第一,主观决策类消费(买衣服、选桌子、订酒店)需要浏览和发现,对话界面天然不适合这类行为;第二,在追求准确答案的产品中嵌入广告会腐蚀用户信任;第三,Meta 和 Google 在聊天和邮件中放广告的先例都以失败告终。
但他说 Agent 的收入不靠广告。「Agent 的产品不是被几十亿人使用的,但它们的收入将超过 Google 和 Meta 的广告收入。」 逻辑链条是:未来公司里大量非开发者的工作——财务、销售、数据科学、研究分析——都会被 Agent 替代或增强。每个「Agent 工程师」每年产生的 Token 消费可能高达数十万美元。
Salesforce 已经在 Anthropic 上花了 3 亿美元(相当于其开发者薪资的 3.8%)。Aravind 认为如果这个比例在未来两年上升到 100%(就像 Brandon McQuaid 预测的那样),那 Anthropic 和 OpenAI 就会变成 10 万亿美元的公司。
他对具体比例不做预测,但指出一个更重要的趋势:AI Agent 将引发公司架构的彻底重构。 未来独角兽公司可能只需要 20-30 人。「400 人建成了 200 亿美元的公司,这意味着 40 人就能建成 10-20 亿美元的公司,4000 人就能建成 2000 亿美元的公司。」
最大的瓶颈不是模型,是电力
在谈到 AI 基础设施时,Aravind 给出了一个在他看来越来越清晰但很多人还在忽视的判断:电力是当前 AI 发展最大的物理瓶颈。
「目前 40% 的数据中心因为公众阻力无法建成。」公众的恐惧来自多个源头——失业焦虑、贫富差距不满、对电力成本上升的担忧,以及对环境影响的误解(他认为数据中心的实际水耗和电能消耗被严重夸大)。
他认为这种阻力不会在短期消失。物理基础设施的交付周期远长于模型迭代周期,这意味着一方面数据中心的稀缺性让掌握该能力的公司获得定价权,另一方面也带来了巨大的风险——如果出现一个 DeepSeek 式的高效架构突破,让现有的大规模算力投资变得过剩。 Aravind 给了这个「效率突破」发生概率的估计:大约 20% 到 30%。原因之一是出口管制迫使 DeepSeek 等中国公司从根本上重新思考架构:用不了 HBM(高带宽内存)、用不了最先进的 NVIDIA 芯片,就必须从 KV Cache 压缩到训练算法的方方面面做垂直整合。如果他们的路线成功了,美国这边的巨大资本支出就会面临不确定性。
关于出口管制和中国的竞争
Aravind 对出口管制的评价非常克制但也非常真实。短期来看,出口管制确实维持了前沿模型和开源模型之间的差距——这是 Anthropic 等公司积极游说的理由。但长期来看,「正因为被切断了供应,他们在物理层变得极其擅长」。
中国的优势在于:建数据中心的速度、电力供应、许可审批、人才和劳动力都没有瓶颈。Aravind 说,把中国逼到自力更生的道路上,实际上是「把他们锻造成了一个更强的竞争者」。他明确表示,美国可能仍然严重低估了中国在 AI 物理层(芯片、机器人、能源管理)的综合能力。
OpenAI 是否已准备好 IPO
在快问快答环节,Aravind 谈到几个关键判断。
关于 OpenAI 的 IPO 准备情况,他略微犹豫后说,OpenAI 仍是一个主导性消费产品,但从财务层面看「他们还没有准备好」。他指出一个矛盾:ChatGPT 在消费者搜索领域是领导者,但搜索领域本身不赚钱,所以 OpenAI 全力押注 Codex——因为那才是真正的收入来源。
当被问到最值得 10 年持有的公司——SpaceX、Anthropic 还是 OpenAI——他几乎没有犹豫地选择了 SpaceX。「Anthropic 和 OpenAI 可以声称彼此正在做的事情对方也能做,但 SpaceX 是唯一在构建太空基础设施的公司。」他特别提到了 Starlink 的体验:「你只要坐过一次有 Starlink 的航班,就再也不会想乘没有的了。」
不要退休
访谈结尾,Aravind 分享了他从 Jensen Huang 和 Elon Musk 身上学到的最深刻的一课:不要停下来。
Jensen 每天醒来都告诉自己「我很差」,并且告诉身边的每个人「我们距离倒闭还有 30 天」。一家 5 万亿美元市值的公司,已经稳赚未来两年的 5 亿美元收入,拥有全球最先进的芯片——但创始人依然以「随时倒闭」的心态在运营。
Aravind 说,很多人的创业思维是「赢了就退休,赚了世代花不完的钱就可以躺平」。但 Elon 的 SpaceX 薪酬方案绑定的是「在火星建立百万人口殖民地」和「在太空构建足够的算力」——这些目标比任何财富数字都更令人兴奋。Jensen 最近还说过他希望在工作中死去。
「你需要在超级富豪的孩子面前树立一个榜样。如果他们从小看到父亲只打高尔夫球,他们不会学会如何把你留下的财富翻倍。」
编辑判断:Perplexity 的编排叙事能否兑现
Aravind 输出了一套在 AI 行业独创性很强的理论体系——编排(Orchestration)。这个叙事如果成立,Perplexity 将从一个「AI 搜索引擎」升级为「AI 操作系统」。但这里有几个需要谨慎判断的地方。
编排战略的价值取决于两个前提:一是模型之间的性能差异仍然显著,二是用户确实关心「哪个模型完成了我的任务」而非「我的任务是否完成了」。如果未来模型能力趋于同质化,编排层能攫取的价值会收窄。
另外,Perplexity 自研模型的策略(基于开源模型微调)虽然在成本控制上合理,但也会带来一个潜在矛盾:当 Perplexity 同时编排自家模型和第三方模型时,如果自家模型在处理某些任务上不如第三方,编排层的「中立性」是否会打折?
后续值得关注的关键变量
Perplexity Computer 的超级用户消费模式是否能规模化——从单个用户月消费 1 万美元,到企业批量采用。如果这个模型成立,Perplexity 的 ARR 增速可能远快于市场预期。
Perplexity 的 IPO 节奏——Aravind 提到 2028 年是此前公开说过的时间表,但他在访谈中表示「希望比那更早」。结合其收入增长的表述(已远超 5 亿美元且增长极快),IPO 的时间窗口可能在 2027 年前后。
最后,Perplexity 自研模型的进展:如果前沿模型(OpenAI/Anthropic)继续急速迭代,自研路线是否能跟上;如果开源模型与前沿模型的差距缩小,Perplexity 将获得最大的成本优势。
本文基于 Aravind Srinivas 在 20VC 播客(Harry Stebbings 主持)的完整访谈整理撰写。