“未來的搜索形式會不斷地發(fā)生變化，但是它的市場規(guī)模之大，恐怕遠超很多人的想象。”

　　李彥宏4年前打出的子彈，時至今日，似乎擊中了百度自己。

　　近期(七月底)B站投資者日上，管理層披露業(yè)務最新進展：“B站在搜索這塊，有非常大的流量增長空間，今年Q2起，我們會增加搜索廣告的嘗試。”

　　而更早之前，3月初B站開始陸續(xù)出現搜索廣告。比如搜索“游戲”，搜索結果中的第三個位置展示了游戲廣告。

　　也就是說：B站給出商業(yè)化可能的答案，正是視頻搜索。

　　實際上，這不是無源之水，也不是無本之末。行業(yè)趨勢便是如此，目前視頻平臺的搜索趨勢都愈加明顯。抖快均在去年上線搜索廣告，Tiktok也在今年3月放開搜索廣告。

　　對于后面的發(fā)展，普遍信心十足。如快手2023Q1電話會議也說道：搜索流量快速增長，搜索廣告轉化效率更高。

　　巧合的是，這都是最新一個季度發(fā)生的轉變。這顯然離不開過去半年AIGC的大熱——行業(yè)由TensorFlow時代，發(fā)展至Transformer時代。

　　當下，技術進步的催化，或許打開了視頻搜索可能性。過去受制于視頻搜索技術、時間效率、成本(人工、硬件)等難題，正在不同程度的一一發(fā)生變化。

　　這自然會打破過去視頻行業(yè)的商業(yè)化天花板。

　　相比長視頻(缺乏有用性)、短視頻(純粹奶頭樂)的特征，B站獨特的中視頻、泛知識、通俗有趣等特征，匹配搜索行為的特定需求，會產生更好的化合效應。

　　在AIGC時代，視頻搜索或將成就B站的“野望”，同時，引發(fā)百度的“危機”。

　　01  AI實現“看視頻說話”，視頻平臺就能坐上金礦

　　很長的互聯網發(fā)展周期里，視頻搜索都被證明是一條很困難的賽道。

　　難就難在，視頻搜索的整個搜索流程里(輸入關鍵詞→解析關鍵詞→召回→結果呈現)，召回和結果呈現環(huán)節(jié)，都存在很大挑戰(zhàn)。

　　以召回環(huán)節(jié)來說，要實現這點——根據輸入的關鍵詞，與數據庫內容進行匹配，檢索出*的視頻——不僅要求平臺擁有豐富的視頻內容池，還要有搜索的精準度。

　　內容豐富度方面，視頻內容因為創(chuàng)作門檻高、時間短等原因，在深度與厚度沉淀上有限。

　　搜索精準度上，則存在更大的挑戰(zhàn)。舉個例子，在谷歌上搜索“邊牧智商”，呈現的*個搜索文章，內容里明確有邊牧如何高智商的解釋字眼。

　　但如果在YouTube上有一個視頻，從能聽懂人話、完成指令等各個動態(tài)維度，更直觀展示了邊牧智商很高，可標題、字幕等卻沒有提及邊牧智商等文字標簽，這個視頻就很難被搜到。

　　之所以會這樣，是因為視頻融合了文字、圖片等多模態(tài)信息，相比純文章，內容理解要難得多——很難將視頻里的狗子，識別成為邊牧，更難把邊牧的動作，和高智商掛鉤。

　　事實上，2017年Transformer架構被提出之后，多模態(tài)模型已不斷進化。

　　比如，先是谷歌由此架構提出了實現圖像分類的ViT模型，將Transformer 帶到了視覺領域，但該模型仍然只是單圖像模態(tài)。

　　在其之后，OpenAI提出了CLIP模型，可以基于文本對圖片進行分類，包括圖像處理和文本處理兩方面的內容，打破了過去二者涇渭分明的界限，實現多模態(tài)。

　　而且，CLIP在GPT-3的啟發(fā)下，可以直接全網數據爬蟲，一圖一文匹配，稍微做篩選即可，幾乎不需要人工標注，實現了更高的成本和時間效率。

　　要知道，過去的視覺模型都是基于人工標注的數據集訓練，而一秒視頻至少有24幀，短短一分鐘的視頻就能夠提取出1440張圖像，把其應用到視頻識別上，成本極高。

　　但盡管CLIP在識別常見物體上表現良好，卻無法處理更抽象的任務，比如輸出圖片中物體的個數等需要一定邏輯思維推理的任務。

　　也就是說，此時的圖像識別，更像人的視網膜原理。但人不光是眼睛看到了當前的情況，大腦還得對情況有相應的反應。

　　這需要算法具備像大腦一樣的語義理解能力，才能夠全面理解視頻，更好地支撐關鍵詞的召回匹配和排序。

　　而幾個月前發(fā)布的GPT-4，讓這一問題有了解決的跡象。

　　比如在對話中輸入下圖，GPT-4 的回答是“這是一棵生長在冰凍湖上的仙人掌，它周圍長滿了巨大的冰晶，遠處還有白雪覆蓋的山峰”。

　　繼續(xù)問“這種景象在現實世界中是否常見”，其解釋很少有這樣的景象，并給出相應原因。

　　也就是說，最新的GPT 4已經具備了“看圖說話”的能力——不僅做了物體的識別，還可以做很多語義的解讀。

　　以此后推，隨著AI模型加速迭代，“看視頻說話”也指日可待。當然，反過來也能夠實現文本生成視頻，降低制作視頻的門檻。

　　但GPT-4這個能力目前只在宣布階段，還不存在一個完整的多模態(tài)大模型，需要一定時間的探索。

　　況且，多模態(tài)大模型要以圖像和視頻等作為訓練數據，文件大小遠大于語言類模型，算力成本極高。

　　比如，百度的文心一言雖然展示了視頻生成能力，但因成本較高，現階段還未對所有用戶開放。

　　而在結果呈現環(huán)節(jié)，視頻也不能像文章一樣快速瀏覽，ctrl+F查找，一個十分鐘的視頻，可能到后半段才有你要的信息，再加上暫停、記錄，三十分鐘都搞不定。

　　但這個問題，國內已有音視頻大模型破解：將視頻信息歸納總結，想看哪一段，直接點擊章節(jié)，就可以跳轉到相應的時間段播放。

　　總的來說，隨著視頻AI技術的應用，視頻搜索在核心的內容豐富度以及搜索精準度，都有望解決。

　　何況視頻本身比文本就更加直觀生動，更具吸引力——截止2022年6月，國內網民每天一半的網上娛樂時間都花在短視頻平臺上。

　　種種利好疊加，到那時，視頻或能代替文本成為搜索的主流。當下在海外，這種苗頭已經出現。

　　Chowdhury機構調研顯示，近40%的年輕人在尋找吃飯的地方時，會在TikTok進行，而不是谷歌搜索。

　　可以看到，海外年輕人平均每天都要沉浸在TikTok上近兩個小時。在這兩個小時內，但凡看到有趣的內容，自然觸發(fā)搜索行為。

　　這樣的情況，讓谷歌深感威脅。據透露，谷歌數百名員工被分配到一個被稱為“重要的搜索轉移”的項目中工作，該項目的內容是讓搜索結果顯示更多圖像和視頻。

　　顯然，這對百度來說，也可能是未來會遇到的情況。

　　但“驚喜”，遠不止此。

　　不同于文字，視頻能潤物細無聲地植入廣告，吸引用戶點擊。最早上線視頻搜索廣告的youtube曾表示，視頻搜索廣告帶來的點擊次數比插播廣告，高出近五倍。

　　不止點擊率，廣告價格方面也是一樣。視頻平臺本身在算法推薦上就具備優(yōu)勢，再與搜索結合，廣告精準度提升，就有人買單。

　　總的來說，視頻搜索場景下，搜索廣告的幾大驅動因子——流量、加載率、點擊率、價格等都有了進一步提高的可能。

　　這樣一來，意味著一旦技術突破，視頻搜索可能會重構搜索廣告的生態(tài)與邏輯，視頻平臺相當于坐上了金礦。

　　02  “潑天富貴”終于輪到B站？

　　B站14周年慶上(6月召開)，陳睿當著全國年輕人的面，向中長視頻UP主服軟稱，“要用更真實的播放分鐘數去替代播放次數，作為B站視頻的主要外顯數字。”

　　那么，為何B站會口風大變呢?

　　其實，管理層可能不是在討好中長視頻UP主們，而是要迎接自己的時代。

　　眾所周知，一直以來，抖快以沉浸式娛樂內容，在日活、用戶時長上，壓了視頻號、B站等以泛知識內容為主的平臺一頭。

　　但視頻搜索場景下，兩者的處境截然相反。

　　YouTube相關負責人曾提到：“YouTube上，每周經由關鍵詞搜索而產生的視頻瀏覽量有數十億次，許多風格偏實用的視頻正是通過這種方式被發(fā)現的。”

　　其所說的實用視頻正是how to(如何...)類視頻——Youtube上每天有數以百萬計的搜索關鍵詞當中包含“how to”，用戶花在“how to”類視頻的時間是“寵物和動物”的10倍。

　　原因在于：視頻搜索是有目的性的，偏知識類的內容，更符合搜索需求。

　　而這也是B站的舒適區(qū)，可以看到，截至今年3月份，B站泛知識內容占比41%，“學習網站”的名頭無意中越來越夯實。

　　如此就不難理解，為何“睿帝”低頭，調整激勵方式。

　　不過，內容優(yōu)質只是一方面，視頻搜索效率高，還要能提取足夠多的關鍵詞。

　　這一點來看，同一關鍵詞分別在抖音、B站搜索到的標題匯總顯示：抖快視頻標題很長，但大多數采用現成的tag，或者“標題黨”類標題;

　　相比之下，B站的標題簡單，可大多具備關鍵詞匯，也更加專業(yè)。

　　搜索內容呈現也是一樣，以“山東地震”為例，抖音搜索結果聚焦在“肯定要先跑出去呀”、“啊啊啊啊啊，地震了”等博主本人感受。

　　B站搜索到的諸如“山東為何突然爆發(fā)地震?”等知識科普，創(chuàng)作者更多運用“板塊運動”“斷裂帶”等專業(yè)詞匯講解。

　　也就是說，無論標題、內容，還是時長方面，中視頻比短視頻都更易提取關鍵詞，與視頻搜索更適配。

　　且短視頻平臺的創(chuàng)作者想轉向做中長視頻，恐怕也有難度�？梢钥吹�，過去一年，不少千萬粉絲的抖音創(chuàng)作者入駐B站后，粉絲量表現均不佳。

　　此外，用戶自己搜索所需下，優(yōu)質的內容能夠獲得更長的生命周期。

　　仍以youtube為例，上述所說的How to(如何...)類視頻生命周期極長，即使過去很長時間，依然能維持較高的熱度，甚至是逆襲式的消費曲線。

　　B站自己也有這樣的暢想，2022Q4電話會議曾提到：B站上面有很多知識類內容，都有很好的歷史價值，幾年以后大家也都會去看它。ChatGPT的搜索體驗，它可以把B站的內容積累的價值，更充分地發(fā)揮出來。

　　這樣一來，會激勵創(chuàng)作者產出更多優(yōu)質內容，而不是像當下的Story Mode模式，不斷沖擊站內的中長視頻UP主基本盤。

　　有了更多的優(yōu)質內容，就能夠擴大搜索流量池，廣告主聞利而來，創(chuàng)作者也能獲得更多收益，社區(qū)生態(tài)整個良性循環(huán)。

　　換言之，如果技術實現突破，相比可能讓B站陷入“死亡螺旋”的Story Mode模式，視頻搜索廣告才是良藥。

　　更何況除了拉動正循環(huán)，搜索場景下，平臺還掌握著宏觀調控的權力。

　　如YouTube，2020年提升了how-to類內容和高商業(yè)化KOL分發(fā)權重，當年廣告營收達到198億美元，相比2017年翻了超過3倍。

　　B站來說，可以將搜索流量分發(fā)至更多中腰部up主的推廣視頻中，一定程度上可以帶著up主“共同富裕”。

　　視頻搜索的藍圖，讓所有人垂涎。AI大模型加持下，技術正在突破ing，廣闊的商業(yè)化變現空間，隱隱招手。

　　而B戰(zhàn)尤甚，中視頻與視頻搜索更適配，這意味著盤活平臺的創(chuàng)作者生態(tài)，促進新一輪的生態(tài)發(fā)展。

　　當然，預期總是美好的，但這一塊短中期落地方面，仍存在較大的挑戰(zhàn)。

　　比如，視頻訓練成本高極高，同時AI聯想能力并不可控，可能會導致不恰當關鍵詞投放，讓廣告主落入負面風險中。