OpenAI 正通过一系列对 ChatGPT 搜索能力的更新向 Google LLC 发起挑战,其中包括一项全新的购物体验,提供产品推荐以及一键购买链接。
公司表示,今天在 ChatGPT 上宣布的新购物功能将使用户能够搜索产品,并在点击链接后购买产品——该链接会将用户重定向至商家网站。此更新将向所有用户推出,无论是否登录账户。
Wired.com 首次报道了此次更新,该网站曾观看过新购物推荐功能的演示。用户如果向 ChatGPT 询问关于咖啡机或办公椅等产品的推荐,将会根据其表达的偏好、多来源的产品评价以及 ChatGPT 对每位用户的“存储记忆”展示出多种合适产品。
此次更新使得 OpenAI 向 Google 发起挑战。ChatGPT 的购物体验与 Google Shopping 非常相似,当用户点击一个产品图片时,会显示出来自多个零售商(例如 Amazon.com Inc. 和 Walmart Inc.)的链接及其价格。如果用户点击链接,就可以通过相应零售商进行购买。
在接受 Wired 采访时,OpenAI 搜索产品负责人 Adam Fry 表示,公司目前正在尝试多个不同的产品类别,包括美容产品、电子产品、家居用品及时尚单品。他解释说,ChatGPT 结果中展示的产品评价取自多个在线渠道,包括购买指南出版商、像 Amazon 这样的网站以及 Reddit 等论坛。用户还可以指定 ChatGPT 优先考虑某个特定的评价来源,从而缩小搜索结果范围。
Fry 强调,OpenAI 并非试图与 Google 基于算法的购物推荐方式竞争。虽然普遍认为 Google 那不透明的购物搜索算法倾向于优先展示那些评价较为充分且真实的产品,但 ChatGPT 则致力于更具体地理解这些评价与用户需求及其先前表达偏好的关联。因此,如果某人在之前的对话中曾告诉 ChatGPT 自己偏好某种风格的服装或钟爱特定品牌,系统会记住这些信息,并在推荐时予以考虑。
虽然这一体验与 Google Shopping 十分相似,Fry 迅速指出 ChatGPT 目前并未展示任何赞助产品推荐——至少现阶段是如此。
TechCrunch 引用 Fry 的话称,OpenAI 不会通过 ChatGPT 直接从促成的销售中获取收入,但 Wired 指出,此举可能会影响到第三方联盟的收益。
例如,每当有人阅读 Wired 的产品评价并点击购买该产品时,Wired 都能获得一部分收入分成。然而,ChatGPT 用户可能基于这些评价做出购买决策而不点击原文链接,从而实际上将联盟分成排除在外,尽管系统是抓取了该网站的内容。
当被问及 OpenAI 是否计划以某种方式补偿联盟时,Fry 表示,公司将“尝试”多种方式确保联盟仍能从每笔交易中获得分成,但他拒绝透露具体细节。他表示,目前公司更专注于完善其产品推荐系统。因此,对于依赖联盟收入的评价网站来说,这可能不是个好消息。
Fry 同样拒绝对此发表评论,说明 ChatGPT 未来是否会在其购物推荐中包含赞助结果。不过,如果基于 ChatGPT 的购物功能获得成功,公司恐怕难以抵挡引入赞助结果的诱惑。
除了改进的购物体验外,OpenAI 还表示,ChatGPT 现在会显示一份用户搜索的“热门流行搜索”列表。它还模仿 Google,引入了一项新的自动补全功能,因此当用户开始输入查询问题时,系统会显示相关建议,帮助用户免去输入完整问题的麻烦。
这些更新凸显了 OpenAI 在网络搜索业务中颠覆 Google 的决心。公司早在十月就首次在 ChatGPT 中推出了网页搜索功能,使其能够推荐产品并分析网络上发布的最新信息。此外,公司还推出了一款实验性“agentic” Operator 工具,该工具允许 ChatGPT 使用网页浏览器代替用户执行在线操作。
好文章,需要你的鼓励
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。