讨论 AI 搜索渗透率时，最常见的用法是拿一个增长数字证明「搜索引擎要被替代了」，然后推出「所以必须立刻投入」。
两段推理都太快。数字本身是可核验的，推论不是。
先把能核验的两组数据摆出来
第一组来自 CNNIC 第 57 次《中国互联网络发展状况统计报告》。截至 2025 年 12 月，我国生成式人工智能用户规模达 6.02 亿人，较 2024 年底增长 141.7%；普及率达 42.8%，比上年底提高 25.2 个百分点。同期网民规模 11.25 亿人，互联网普及率突破 80%。
第二组来自 Pew Research 在 2025 年对 Google 用户真实搜索行为的跟踪。其中有三个数字值得注意：只有 18% 的搜索触发了 AI 摘要；结果页出现 AI 摘要时，用户在 8% 的访问中点击了传统结果链接，没有出现时这个比例是 15%；以疑问词开头的查询有 60% 触发了 AI 摘要，而只有一到两个词的查询只有 8%。
这两组数据来自不同的调查对象，不能拼在一起算。前一组是国内的人口层面统计，后一组是国外单一平台的查询层面实测。
误读一：把普及率当成替代率
普及率统计的是使用过生成式人工智能产品的人口比例。它说明的是「有多少人用过」，不是「有多少次检索走了生成式回答」。
后一个数字才是企业关心的，而它在国内目前没有可引用的公开实测。Pew 那组 18% 的数据是国外单一平台的查询层面统计，可以参考方向，不能当成国内的数值。
这个空缺要承认。遇到有人给出国内的具体触发率数字时，值得问一句出处。
误读二：把点击减少读成流量消失
Pew 的那组对比显示，出现 AI 摘要时点击传统结果链接的访问比例约为未出现时的一半。
一半不是零。而且减少的幅度和问题形态高度相关：写成完整句子的查询更容易触发生成式回答，短查询仍然大量落在传统链接列表上。
对企业的含义是两套工作并存，不是其中一套作废。品类短词仍然走搜索结果页，长句具体问题越来越多地走生成式回答，而两者共用同一份底层资产：能被抓取的页面、结构清晰的内容、第三方印证。
| 常见说法 | 数据实际支持的 | 差在哪 |
|---|---|---|
| 搜索已被 AI 替代 | 点击减少约一半，未消失 | 程度不同 |
| 普及率四成多等于一半检索走 AI | 普及率是人口比例 | 统计对象不同 |
| 国内触发率可以用国外数据 | 国内无同类公开实测 | 样本不可移植 |
| 增长快所以要立刻加大投入 | 增长支持尽早开始 | 规模另需自测 |
误读三：把行业数据当成自己的数据
这是对决策影响最大的一条。
行业渗透率再高，也不说明自己品类的客户在用什么方式提问。有一项大规模知识探测实验用一万四千道问题测试了十个模型，结论是模型在冷门事实上表现明显更差，而且扩大模型规模并不能改善长尾知识的记忆；带检索的模型在长尾问题上大幅超过参数量大得多的无检索模型，而在高热度实体上，无检索模型仍有竞争力。
含义是：如果自己品类的客户问的大多是品类头部名单这类高热度问题，答案主要来自模型记忆，外部材料影响有限，投入再多数字也不动。反过来，如果客户问的是带条件的具体问题，模型必须检索，材料就起作用。
这个差别在行业数据里看不到，只能自己测。
为什么国内缺这一类实测
这个空缺不是偶然，它来自一个结构性原因，值得说明，因为它同时解释了 GEO 这件事为什么难验证。
Pew 那组数据的做法是征集志愿者，采集他们在浏览器里的真实搜索行为与结果页内容，再逐条标注。这套方法依赖两个条件：可以观测到结果页的完整内容，以及样本量足够大。
国内的生成式产品大量发生在独立 App 内部，而不是浏览器的搜索结果页。App 内的交互无法用浏览器插件采集，这让同类研究的数据获取难度高出很多。
这个空缺的直接后果是：任何声称掌握国内某个平台触发率或引用率全局数据的说法，都要追问方法。实际能做的只有抽样提问，也就是自己设一批问题反复问，统计自己看到的结果。抽样有抽样的价值，但它不是全局数据，不该被说成全局数据。
这也是为什么我们在报告里只给自己实测的那部分，并且把问题集、提问次数和统计口径一并写明。数据范围有限但来路清楚，比一个说不出方法的大数字有用。
另一组值得一起看的数字
生成式回答的准确度也是决策的一部分，不只是渗透率。
审核多个生成式搜索引擎的研究发现，答案中平均只有 51.5% 的句子能被其引用完整支撑，而引用确实支撑其所在句子的比例是 74.5%。也就是说大约四分之一的引用对不上它所支撑的说法。
这组数字对企业的含义有两面。一面是风险：答案里提到你，描述却可能是错的，而用户看到的是一段看起来有出处的话。另一面是机会：在准确度还不高的阶段，材料清楚、事实可核对的一方更容易被正确引用，这个优势在准确度普遍提升之后会被摊薄。
那这些数据到底有什么用
有两个用处，都不是用来决定投入规模的。
一个是立项时说明方向。向上申请预算时需要外部依据，CNNIC 的数据是公开可查的官方统计，比任何咨询机构的预测可靠。
另一个是校准考核口径。Pew 那组点击数据的真正价值在于它解释了一个现象：同一篇内容在不同场景下带来的点击量不同。如果公司现有的内容考核只看流量，一个正在被频繁引用的页面会在报表上显得在变差。这是口径问题，而口径只能在立项时解决。
一个值得注意的时点判断
增长数据支持的结论是尽早开始，不是立刻加码。
两者的区别在于：尽早开始的成本很低，一轮基线加几项技术修复，两三周能完成；盲目加码的风险是投入落在答案本来就来自模型记忆的那类问题上。
而早做确实有一个机制上的好处。品类里没人认真做的时候，候选池接近空的，模型在这类冷门话题上更依赖本次检索，占位成本最低。等到同行都在做，同样的位置要付出更多。
生成式引擎的工作方式与它和传统搜索的分工，见生成式引擎词条。整条服务链路上各环节的顺序关系，见GEO 服务。
参考来源
- 中国互联网络信息中心 (2026). 第57次《中国互联网络发展状况统计报告》. CNNIC.
- Pew Research Center (2025). Google users are less likely to click on links when an AI summary appears in the results. Pew Research Center.
- Mallen, A., Asai, A., Zhong, V., Das, R., Khashabi, D., & Hajishirzi, H. (2023). When Not to Trust Language Models: Investigating Effectiveness of Parametric and Non-Parametric Memories. ACL 2023.
- Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of KDD 2024.
- Liu, N. F., Zhang, T., & Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. EMNLP 2023 Findings.