// 与 Google 正面交锋的男人 在所有人都在做"更聪明的搜索"时， 他直接给你答案。

他从不掩饰自己的目标：要做一个"Google killer"。

2024 年 8 月，Aravind 在 Lex Fridman 的播客上被问："你真的认为 Perplexity 能取代 Google 吗？"他笑了一下，没有回避："我不知道我们能不能赢，但我知道 Google 的搜索框是过去的产物。"

过去 25 年，Google 把"搜索"训练成了一种条件反射——你输入关键词，得到 10 条蓝色链接，你自己点进去找答案。这是一个完美的广告商业模式，但它从来不是一个完美的用户体验。

Aravind 想做的事很简单：把"找答案"这件事的中间步骤都省掉。你问一个问题，AI 直接给你答案，并把每一句话标注好引用来源——你想验证就点进去，不想验证就直接接受。

一个印度小镇出来的强化学习博士，怎么走到了 Sand Hill Road？

Aravind 出生在印度南部金奈附近一个普通家庭，父亲是工程师。他在 IIT Madras 读了电气工程本科——这是印度最难考的大学之一，每年录取率不到 0.5%。

本科期间他对深度学习产生了兴趣，毕业后去 UC Berkeley 读博，导师是强化学习领域的明星 Pieter Abbeel。在 Berkeley 的几年里，他先后在 OpenAI、Google、DeepMind 实习——几乎是把硅谷所有最前沿的 AI 实验室都走了一遍。

• IIT Madras 电气工程本科（2017）
• UC Berkeley 计算机博士，师从 Pieter Abbeel（强化学习方向）
• OpenAI 实习——参与 GPT-2、GPT-3 早期工作
• DeepMind 实习——做大规模语言模型的对齐研究
• Google AI 实习——做 RLHF 相关工作
• 2022 年博士毕业即创业，与 Denis Yarats 等人创办 Perplexity

这种"用今天的模型做明天的产品"的偏执，后来成为了 Perplexity 区别于其他 AI 创业公司的最大基因。

"我们不是在做更好的搜索，我们是在做一种全新的产品。"

2022 年底 ChatGPT 横空出世的时候，整个硅谷都在讨论"AI 会不会颠覆 Google"。但大多数人想到的颠覆方式是——用 ChatGPT 来回答搜索问题。这是一个非常简单粗暴的逻辑。

Aravind 不这么看。他认为ChatGPT 有一个致命问题：它不告诉你答案是从哪来的。这意味着用户没法验证，没法判断准确性，没法形成真正的信任。

所以 Perplexity 从一开始就做了一个非常重的决定：每一个回答，都必须有可点击的引用链接。这个决定看起来只是一个 UI 选择，背后却是一整套复杂的工程——实时网页抓取、相关性排序、引用归因、事实校验。

2025 年，Perplexity 做了一件比答案引擎更激进的事——做一个浏览器。

Comet 是 Perplexity 的浏览器产品，2025 年正式发布。它最不寻常的地方在于：新建标签页打开的不是搜索框，而是一个"问题输入框"。

当你打开 Comet，它默认假设你不是来浏览的，而是来寻找答案的。整个浏览器被重新设计成"答案优先"的形态——侧边栏可以一直跟着你的浏览过程，你随时可以问它当前页面的问题、跨多个 tab 总结信息、让它帮你完成一个购物决策。

Comet 的核心思想是把浏览器从"内容容器"变成"任务代理"——不是让你看页面，而是让 AI 帮你完成跨页面的任务。

• Sidebar Assistant：随时呼出的对话助手，能感知当前 tab
• Cross-tab Summary：把 10 个打开的 tab 一键总结为一份要点
• Agentic Shopping：让 AI 帮你比价、下单、填表
• Native Answer Bar：地址栏直接是答案栏，不再是 URL 栏

很多人质疑 Comet "做浏览器没必要"，但这恰好和 Cursor 的逻辑一样——当你要重新定义产品体验，就必须拥有自己的壳。

在 Perplexity 内部，引用被当作"第一公民"。

"Citation as product, not footnote." 这是 Aravind 在 Perplexity 内部反复说的一句话。意思是：引用链接不是一个事后补丁，它就是产品本身。

这件事看起来很小，但它构成了 Perplexity 和 ChatGPT、Gemini 最本质的区别。后两者的"引用"是后挂的，是模型生成完之后再去找几个 link 配上去；Perplexity 的引用是检索结果先生成，答案再基于检索结果合成——这是一种 RAG-first 的架构。

100 多人，对抗一家 18 万人的公司。

Perplexity 团队规模一直被刻意控制得很小。截至 2026 年初，全公司大约 120 人，工程团队不到 60 人。这相比 Google 搜索团队动辄上万人的规模，几乎是悬殊的对比。

Aravind 的解释很直接："AI 时代，团队越小越好。沟通成本是创新最大的敌人。"他参考的对标不是其他 AI 创业公司，而是早期的 WhatsApp（55 人服务 4 亿用户）和 Instagram（13 人卖给 Facebook）。

• 没有传统 PM——产品决策由 designer + engineer + Aravind 直接做
• 没有市场部——增长靠口碑和 founder 自己在 Twitter 上拼
• 没有外包——核心模型、检索、UI 全部自研
• 没有冗余流程——任何决策都不超过 3 个人

如果你今天要做 AI 产品，他给的建议非常具体。

Aravind 在过去两年的几十次访谈里，给过非常多具体的建议。归纳成四条：

• 追求"信任"，不追求"智能"——AI 产品的护城河不是模型有多聪明，而是用户敢不敢用你的答案做决策。
• 团队要小，决策要快——超过 100 人的 AI 创业公司，几乎都死于内耗。
• founder 必须自己"在前线"——不在 Twitter 上回复用户、不在 Reddit 上看吐槽、不自己用产品的 founder，三年内必败。
• 选对架构，别选模型——模型一年换三次，但你的检索架构、产品体验、引用归因可以用十年。

这是 Aravind 反复强调的一句话——不要把 AI 创业做成模型的代理人，要做用户的代理人。