下一代AI視覺搜索，不止于“搜”。

原標(biāo)題：支付寶長眼睛了！打造新一代視覺搜索，AI幫你探索萬物
文章來源：智東西
內(nèi)容字?jǐn)?shù)：7209字

支付寶“探一下”：下一代AI視覺搜索的探索

本文探討了支付寶新推出的AI應(yīng)用“探一下”，以及其代表的下一代AI視覺搜索趨勢。與傳統(tǒng)視覺搜索不同，“探一下”的核心在于“探索”，它不僅能識別物體，還能提供知識、靈感、文本等多方面信息，堪稱隨身“視覺百科全書”。

1. 視覺搜索賽道的現(xiàn)狀與挑戰(zhàn)

過去，視覺搜索主要作為文字搜索的補充，但近年來其重要性日益凸顯。Google Lens的成功佐證了視覺搜索的巨大潛力，其每月調(diào)用量已超200億次。然而，國內(nèi)視覺搜索產(chǎn)品大多局限于特定領(lǐng)域，缺乏對圖片深層信息的理解和分析能力，未能實現(xiàn)突破性發(fā)展。

2. 生成式AI重塑視覺搜索

生成式AI（GenAI）的興起為視覺搜索帶來了性的變化。它使得視覺搜索從單純的信息檢索工具，進(jìn)化為能夠理解用戶意圖、提供個性化內(nèi)容、激發(fā)創(chuàng)意靈感并連接服務(wù)生態(tài)的智能工具。Google Lens和蘋果新款iPhone的視覺智能功能也體現(xiàn)了這一趨勢。

3. “探一下”的技術(shù)優(yōu)勢與創(chuàng)新

“探一下”正是基于GenAI技術(shù)，將多模態(tài)大模型、mRAG技術(shù)、基礎(chǔ)視覺算法和Agent能力相結(jié)合。它采用多模態(tài)大模型全圖理解和open-set多主體檢測技術(shù)，實現(xiàn)快速、精準(zhǔn)的意圖識別，并能進(jìn)行更深入的分析和解讀。同時，它還具備“探靈感”功能，能根據(jù)場景生成趣味性文本，并通過輕量化推理加速和Coarse-to-Fine機制提升響應(yīng)速度。為了保證準(zhǔn)確性和可靠性，“探一下”利用RAG技術(shù)進(jìn)行信息交叉驗證，并注明信息來源。此外，它還嚴(yán)格遵守支付寶的金融級安全合規(guī)標(biāo)準(zhǔn)。

4. “探一下”的生態(tài)優(yōu)勢與未來發(fā)展

依托支付寶龐大的用戶基礎(chǔ)和商業(yè)生態(tài)，“探一下”有望成為國內(nèi)現(xiàn)象級視覺搜索產(chǎn)品。“探一下”未來將專注于GenAI優(yōu)勢領(lǐng)域，并可能接入小程序、智能體等，進(jìn)一步拓展應(yīng)用場景，例如與支付寶的AI管家服務(wù)（支小寶、螞小財、AI健康管家）以及“車生活”服務(wù)進(jìn)行整合。此外，“探一下”也將在旅游、戶外、親子等場景落地，并探索無障礙輔助等領(lǐng)域，服務(wù)更多人群。團(tuán)隊還在探索與智能硬件的融合，例如智能眼鏡等。

5. 總結(jié)：視覺搜索的未來

在生成式AI時代，視覺搜索將成為搜索的重要組成部分，它不再僅僅是尋找答案，而是提供更智能、更豐富、更具交互性的服務(wù)體驗。支付寶“探一下”的推出，標(biāo)志著螞蟻集團(tuán)在AI First戰(zhàn)略上的進(jìn)一步推進(jìn)，也為下一代AI視覺搜索的發(fā)展方向提供了新的思路，有望讓AI技術(shù)更便捷地服務(wù)大眾生活。

聯(lián)系作者

文章來源：智東西
作者微信：
作者簡介：智能產(chǎn)業(yè)新媒體！智東西專注報道人工智能主導(dǎo)的前沿技術(shù)發(fā)展，和技術(shù)應(yīng)用帶來的千行百業(yè)產(chǎn)業(yè)升級。聚焦智能變革，服務(wù)產(chǎn)業(yè)升級。