八年前Meta就有萬(wàn)億參數(shù)模型了——但搜索引擎理解查詢的方式，比大模型早革命了十年。

2000年，Google用PageRank算法終結(jié)了雅虎們的全文檢索時(shí)代。它把整個(gè)互聯(lián)網(wǎng)建模成一張"網(wǎng)頁(yè)圖"，用概率分布計(jì)算頁(yè)面重要性。這招讓Google成為當(dāng)時(shí)增長(zhǎng)最快的公司，把還在死磕傳統(tǒng)文本搜索的競(jìng)爭(zhēng)對(duì)手甩在身后。

但打敗Google的，是Google自己。

2012年，Google發(fā)布了一篇著名博客：《Introducing the Knowledge Graph: things, not strings》。這句話點(diǎn)破了搜索技術(shù)的質(zhì)變：PageRank時(shí)代，搜索引擎只返回包含關(guān)鍵詞或統(tǒng)計(jì)相關(guān)的文檔；而知識(shí)圖譜要捕捉的是詞語(yǔ)背后的概念。

現(xiàn)在你在Google搜"居里夫人"，結(jié)果頁(yè)會(huì)同時(shí)顯示她的家庭成員、合作者、成就、著作、相關(guān)地點(diǎn)——這些都不是你主動(dòng)搜索的關(guān)鍵詞，而是系統(tǒng)理解的"相關(guān)實(shí)體"。

知識(shí)圖譜的本質(zhì)是一種結(jié)構(gòu)化信息表示：真實(shí)世界的對(duì)象或概念作為"實(shí)體"，它們之間的連接作為"關(guān)系"。比如"(湯姆·漢克斯)-[:出演]->(阿甘正傳)"，"(阿甘正傳)-[:導(dǎo)演]->(羅伯特·澤米吉斯)"。

當(dāng)用戶輸入查詢時(shí)，系統(tǒng)不再問(wèn)"哪些文檔包含這些詞"，而是問(wèn)"哪些實(shí)體與這個(gè)實(shí)體相關(guān)，它們?nèi)绾芜B接"。

實(shí)體可以是人物、組織、產(chǎn)品、疾病或抽象概念。這種從"字符串匹配"到"語(yǔ)義理解"的躍遷，正是當(dāng)下RAG系統(tǒng)試圖復(fù)用的核心能力。