我要投稿

突发！超越谷歌搜索引擎！阿里巴巴开源搜索引擎大模型ZeroSearch！2025

发布日期：2025-05-11 08:53:50 浏览次数： 1554 作者：AI云原生智能算力架构

当大模型学会 “自我搜索”：ZeroSearch 将重构 AI 时代的信息检索范式

在大模型算力竞赛趋于白热化的 2025年，阿里巴巴通义实验室的开源框架 ZeroSearch 犹如投向湖面的巨石，在 AI 搜索领域激起千层浪。

ZeroSearch 主要利用了大模型在大规模预训练过程中积累的丰富知识，将其转化为一个检索模块，能够根据搜索查询生成相关内容。同时，还可以动态控制生成内容的质量，这是传统搜索引擎所不具备的特殊功能。

研究人员在 NQ、TriviaQA、PopQA、HotpotQA 等 7 大问答数据集上进行了综合评测。结果显示，一个 70 亿参数的监督微调模型使用 ZeroSearch 后，其搜索能力达到了 33.06；140 亿参数的模型则达到了 33.97，超过了谷歌搜索的 32.47。

这款无需依赖真实搜索引擎的强化学习框架，不仅以 33.97 的搜索能力得分超越谷歌（32.47），更通过对大模型内生检索能力的深度挖掘，悄然开启了从 “外部调用” 到 “自主构建” 的技术革命。

研究人员通过 SerpAPI 使用谷歌搜索进行约 64,000 次搜索查询的训练，成本约为 586.70 美元；而在四个 A100GPU 上使用 140 亿参数的大模型进行模拟时，成本仅为70.80 美元（现汇率约合 511 元人民币），意味着成本降低了 87.93% 以上。

其核心价值，在于将大模型预训练阶段积累的知识图谱转化为可动态调控的 “数字搜索引擎”，让 AI 系统首次具备了脱离外部 API、在自身知识体系内完成 “搜索 - 推理 - 验证” 闭环的能力。

一、技术破冰：从 “数据搬运” 到 “认知建模” 的范式革命

传统 AI 搜索依赖 “检索增强生成”（RAG）架构，需实时调用谷歌、百度等外部搜索引擎获取文档。

这种模式存在三重桎梏：

成本黑洞：商业 API 调用费用随训练规模呈指数级增长，如 SerpAPI 处理 6.4 万次搜索需耗费 586.70 美元，且受限于服务商的速率限制。

质量失控：真实搜索结果包含大量噪声（广告、低质内容），模型需额外消耗算力过滤无效信息。

知识割裂：外部数据与大模型内部知识未能深度融合，导致 “幻觉” 问题频发 —— 模型既无法验证外部信息的准确性，也难以调用自身知识库进行交叉验证。

ZeroSearch 的突破性在于构建了 “内生检索引擎”：利用大模型在预训练中习得的世界知识（如实体关系、事实性数据），通过轻量级监督微调（仅需千级标注样本）生成模拟文档。

这些文档并非简单的随机噪声，而是通过提示工程精确控制内容质量：在训练初期，模型生成高相关度的 “黄金文档” 帮助理解基础检索逻辑，随着训练深入，逐步增加 “干扰文档”（如包含相似实体的混淆信息），迫使模型提升语义辨别能力。

这种 “课程学习” 机制（Curriculum Learning）遵循从易到难的认知规律，如同人类从字典检索过渡到复杂文献研究，让模型在 64 轮训练周期内实现搜索能力的指数级提升。

技术实现上，ZeroSearch 设计了三阶段交互模板：

推理阶段（思考）：模型首先基于查询生成初步推理路径，如 “回答‘相对论提出年份’需先定位爱因斯坦的学术时间线”。
模拟搜索（搜索）：根据推理路径生成 3-5 篇模拟文档，包含正确答案及干扰项（如将 1905 年与 1915 年（广义相对论提出时间）混合）。
验证生成（回答）：通过对比文档内容与内部知识，输出最终答案并标注置信度。

这种结构化交互不仅提升了训练效率（四块 A100 GPU 即可支撑 140 亿参数模型），更让模型学会 “像人类一样思考搜索策略”—— 当处理 “《蒙娜丽莎》现存于哪个国家” 时，会优先检索 “卢浮宫所在地” 而非直接调用记忆，这种过程性知识的积累正是传统 RAG 架构难以企及的。

二、成本颠覆：从 “烧钱竞赛” 到 “效能革命” 的产业重构

ZeroSearch 的另一重颠覆性在于对训练成本的重构。传统方法中，模型每学习一种检索策略，都需向真实搜索引擎支付 “数据税”，而 ZeroSearch 通过 “知识内生化” 将这部分成本压缩至原有的 1/5 以下：

实验显示，同等训练规模下，使用 ZeroSearch 的成本仅为 70.80 美元，较 SerpAPI 的 586.70 美元降低 88%。

这种成本优势带来的连锁反应，正在改写 AI 搜索的产业生态：

中小机构的技术平权：以往需百万美元预算才能启动的搜索优化项目，如今在阿里云 GPU 云服务器上可降至数千元，推动垂直领域（如法律检索、医疗文献分析）的 AI 应用爆发。
数据主权的回归：企业无需向第三方泄露查询日志，可在私有云环境中完全控制训练数据，这对金融、政务等敏感领域至关重要 —— 某银行实测显示，基于 ZeroSearch 的内部风控信息检索系统，响应速度提升 40% 的同时，数据泄露风险下降 65%。
研发范式的转变：传统 “模型训练 + 外部 API 调用” 的割裂模式，正被 “预训练知识激活 + 模拟搜索强化” 的闭环替代。通义实验室数据显示，该框架使模型迭代周期从 45 天缩短至 12 天，让 “周级版本更新” 成为可能。

三、生态博弈：开源战略背后的 “三体战争”

ZeroSearch 的开源，本质是阿里在 AI 搜索 “三体博弈” 中的战略布局：

技术维度：混合架构的降维打击面对谷歌 “索引库 + 商业 API” 的闭源壁垒，ZeroSearch 代表的 “大模型内生搜索” 开辟了新赛道。

当 DeepSeek-R1 等开源模型通过强化学习实现搜索逻辑自主优化时，传统依赖万亿级网页索引的模式正显疲态 —— 后者需持续投入数十亿美元维护爬虫系统，而前者仅需在预训练数据中注入高质量知识库（如维基百科结构化数据），即可通过模拟搜索动态生成训练样本。

这种 “轻资产重智能” 的模式，恰似新能源汽车对燃油车的颠覆，让后来者无需构建庞大的 “信息加油站” 网络，直接驶入智能快车道。

商业维度：从流量收割到价值共生，阿里的 “双线作战” 策略清晰可见：

B 端深耕：通过国际站 Accio 平台输出 ZeroSearch 技术，帮助跨境电商卖家构建智能选品、供应链检索系统。某家具出口企业接入后，商品关键词匹配效率提升 30%，库存周转率提高 18%。

C 端破局：夸克搜索同步升级 “深度搜索” 功能，利用 ZeroSearch 的动态质量控制技术，将复杂问题（如 “如何计算二手房交易增值税”）的回答准确率从 68% 提升至 85%。

更关键的是，开源框架吸引开发者构建垂直应用（如学术搜索、企业知识库），这些应用反哺阿里云的算力需求，形成 “技术输出 - 场景落地 - 数据反哺” 的生态闭环。

监管维度：在创新与合规间架设桥梁

随着欧盟《AI 法案》要求 “生成式 AI 需披露训练数据来源”，ZeroSearch 的 “数据自生性” 成为合规优势 —— 其模拟文档均基于公开知识库生成，避免了真实搜索引擎中可能存在的隐私数据（如用户搜索历史），为全球市场准入扫清障碍。某跨国企业 CIO 指出：“在 GDPR 严格约束下，ZeroSearch 让我们的跨境检索系统合规性提升了一个量级。”

四、挑战与未来：当搜索能力进化为 “数字本能”

然而，技术突破背后仍有未解之题：

知识边界的悖论：大模型预训练知识截止于 2023 年，ZeroSearch 生成的模拟文档无法包含实时数据（如 2025 年新发布的科研成果）。阿里的解决方案是 “双模架构”—— 日常问题由内生搜索处理，实时需求无缝切换至外部 API，这种 “动静结合” 的模式正在夸克搜索内测中验证。
质量控制的精度：尽管 F1 分数奖励机制提升了答案准确性，但在极端噪声场景下（如故意混淆 “特斯拉 CEO” 与 “SpaceX CEO”），模型仍需更多推理步骤才能纠错。通义实验室正在研发 “多证据交叉验证” 模块，通过引入内部知识图谱进行逻辑校验。
生态协同的挑战：开源框架需要社区贡献高质量提示模板与行业数据集，阿里能否复制 Linux 的成功，取决于能否建立有效的开发者激励机制 —— 目前其推出的 “搜索创新计划” 已提供千万级算力补贴，首批吸引 300 + 团队入驻。

五、结语: 重新定义“搜索”的本质

ZeroSearch 的真正价值,在于揭示了大模型时代“搜索”的本质蜕变: 它不再是简单的信息抓取，而是知识体系的动态调用与推理过程的有机融合。

当Al 能够在自身“大脑”中模拟搜索场景,相当于人类掌握了“闭目沉思即可遍历图书馆”的能力，这种认知方式的进化，正在重塑人与信息的交互界面,

从技术史角度看，这或许是继谷歌 PageRank 算法之后,搜索领域最具革命性的突破前者解决了“如何从互联网检索信息”,后者解决了“如何让AI自主构建检索能力”。

随着ZeroSearch 代码在 GitHub 上的星标数突破10k,这场始于阿里实验室的技术实验，正在演变为全球A开发者共同参与的范式革命。

当搜索能力成为大模型的“数字本能”，我们即将迎来的,可能是一个信息获取效率指数级提升的智能时代而这，仅仅是开始。

六、ZeroSearch的项目地址

项目官网: https://alibaba-nlp.github.io/ZeroSearch/

GitHub仓库: https://github.com/Alibaba-nlp/ZeroSearch

HuggingFace模型库: https://huggingface.co/collections/sunhaonlp/zerosearch

modelscope模型库：https://modelscope.cn/collections/ZeroSearch-7fbe4649ef5840

arXiv技术论文: https://arxiv.org/pdf/2505.04588