Google Search Central · 33:11 · 发布 2026-05-01 · 1.1万次观看(截至抓取) · 观看原视频
主旨
Google 搜索工程师 Nikola Todorovich 从内部视角讲清 AI 特性(AI Overviews、AI Mode)如何嫁接在既有检索排名系统之上,以及在这套新系统里网站与 SEO 从业者靠什么继续存活。
核心论点
- AI 搜索是”革命”,但由多年的小步累积而成,不是凭空冒出的新东西。(→ 详解1)
- 用户查询正在变长、变对话化,这是新流量的来源,也是搜索改变用户行为的证据。(→ 详解2)
- Google 每年数千项变更都要经”实验 → 人工评分 → launch review”三关,不靠工程师直觉上线。(→ 详解3)
- AI/ML 早在生成式 AI 之前就进了搜索,以隔离信号的形式(Safe Search、BERT、MUM)支撑排名。(→ 详解4)
- AI Overviews 本质是老式检索排名之上盖的一层:先 fan out 多路检索,再用语言模型摘要。(→ 详解5)
- fan out(查询扇出)是把一个 query 派生成多路并行检索、结果再汇总的机制,让模糊长问也能出好结果。(→ 详解6)
- AI Mode 是搜索对对话式使用的回应:多轮、自带引用,拥有更大的自有平台而非纯隔离特性。(→ 详解7)
- 在 AI 系统里网站存续的唯一原则仍是”给用户真价值”,没有 SEO 魔法棒。(→ 详解8)
- AI 已抹平了”把规格转述成人话”这类活,人类的第一手经验与观点成为不可替代的护城河。(→ 详解9)
- 善用 AI 工具的正解不是廉价批量生成内容,而是拿它辅助理解数据、竞争与打磨表达。(→ 详解10)
知识点详解
1. AI 搜索是革命,但由无数小步累积 03:10
Nikola 认为当下确实是一场革命,但整个过程是由一连串小步组成的。把今天的搜索和十年前对比,是一个非常不同的产品。
关键判据是用户行为的改变:新一波 AI 特性让用户发现”搜索原来能回答更复杂的问题”,于是主动尝试更复杂的搜法。所以他强调,别把 AI in Search 当成横空出世的新事物,它在幕后已经存在很久。
2. 用户查询正在变长、变对话化 04:00
一个可观测的信号是平均查询长度在增长。用户从关键词式(“restaurant vegetarian Zurich”)演进到对话式(“按饮食限制,午餐在苏黎世推荐哪家”),甚至连自己都不知道”好问题”该怎么问,直接把模糊意图丢给搜索。
Nikola 把这波新流量解读为用户”看到了能做的新事”的结果——需求一直在,是能力释放让它显性化了。对做内容的人,这意味着命中的是意图而非字面关键词。
3. Google Search 如何变更:实验、人工评分、launch review 06:58
Google 每年有数千项搜索变更,全部被追踪和评估。变更要么源自新技术、要么源自观测到的糟糕结果,工程师据此做一个和生产版不同的实验版。
判断优劣靠 Side-by-side 实验:用随机真实 query 让评审看到生产版与实验版的差异,再由人工评分员依公开的 Search Quality Rater Guidelines 打分,得出统计结论。
统计变好也不直接上线,还要过 Launch review:工程师向有决策权的 leads 汇报。哪怕总体指标改善,只要存在一批明显变差的”损失模式”且有合理修法,就打回工程师去修。这是理解 Google 排名”为什么这么变”的底层机制。
4. AI/ML 早在 GenAI 之前就进了搜索 12:05
模型像个黑箱、难调试,所以不能到处乱塞。Safe Search 是 Google 最早能放心用 AI/ML 的地方之一,因为它能被隔离在主排名流之外:单独处理图像/视频/文本,只吐一个”内容有多露骨”的信号。约十二年前卷积神经网络进来后,机器在图像理解上很多场景已胜过人类。
再往后是 transformers——Nikola 认为这是最大的一步,最终催生了整个 GenAI 世界。但 Google 早在生成式浪潮前就在搜索里享受 transformer 红利,并公开了 BERT、MUM 等系统。
这些系统都以隔离方式建成,作为新增信号叠加支撑整套排名基建,而不是推翻重来。这印证了核心论点里”革命由小步累积”的说法。
5. AI Overviews:老式检索 + fan out + LLM 摘要 14:47
AI Overviews 的骨架其实就是普通搜索,只是多了几路 fan out。整套检索系统、排名系统仍是”老派”的那一套,AI Overviews 是盖在其上、在自己隔离空间里运行的一层特性。
它把多路检索回来的结果做一个有趣的筛选,基于 snippets、标题以及页面里能拿到的额外上下文,由语言模型生成一段摘要。换句话说,AI Overview 没有取代排名,而是消费排名的产出再重新组织。
6. fan out:查询扇出机制 13:39
fan out 指:你给出一个原始 query,系统识别出若干”对你原问也相关”的额外 query,然后分叉、并行地对多个 query 做检索,结果再汇总回你那个更复杂的原始问题。
这正是模糊长问也能出好结果的原因——一堆”你本来得自己问”的子问题,由系统替你问了。它同时服务两端:query 很模糊时帮你补方向,query 很详细时帮你多路兜住细节。
7. AI Mode:多轮对话式搜索 18:52
用户喜欢对话式、喜欢聊得更长,AI Mode 是搜索对这种偏好的回应,支持多轮追问。它借助大模型的 参数化记忆(像”法国首都是什么”这类无需检索即可回答的内置知识),同时仍然基于搜索:有自己的 fan out、有链接结果与引用。
与 AI Overviews 不同的是,AI Mode 不再是纯隔离特性——基建是新的,它拥有更大的自有平台和更大”所有权”。用户可以从 AI Overviews 顺势切进 AI Mode 展开更长对话。
8. 生态存续的唯一原则:给用户真价值 21:56
面对”AI 特性进搜索后生态怎么活”的高频质疑,Nikola 坦言没有能直接给指引的魔法棒。他的指导原则是:站主必须持续确保自己的产品/网站/平台给用户真价值——只要你提供价值,用户就会继续来,也会继续通过 Google 来找你。
他用媒介演进类比:报纸、广播、电视、互联网一路来,旧形态并未消失,但每一步都要求内容方继续提供价值,否则没人买你的报纸、听你的播客。AI 系统里这条不变,变的只是你得同时别忽视新技术、把它用到最好。
9. force feedback 寓言:人类经验是护城河 27:45
Martin 讲了个故事:他不懂 force feedback,去问店员,店员只回”这就是说这手柄有 force feedback”——等于把包装盒上的字复述一遍,毫无增量。他说现在大量文章就是这样,只是把眼前信息重新排列。
这类”把厂商规格表转述成人话”的活,AI 现在轻松就能做,chatbot 就替你干了。于是人的价值转移到 AI 给不了的地方:你真用过这个技术、你有具体使用场景下的评测与观点。你是专家,用法跟你相近的人就会来看你的意见。这与 经验护城河 完全同构:第一手实践经验是普通从业者相对 AI 不可复制的优势。
10. 善用 AI 工具,而非廉价批量生成 24:00
Nikola 明确不推荐”因为便宜就把内容成倍生成”——那不带来价值。但用 AI 改语法、润色风格、让表达更有趣,他不认为是错用。更有价值的方向是让 AI 帮你更好地理解自己的数据、理解竞争对手。
他也用编码工具举例:Google 代码库巨大,面对层层抽象,问内部工具几秒就定位到信息来源,省下二三十分钟翻抽象层。但工具不替你判断”这么做是否合理、取舍对不对”——那部分暂时还不可自动化。结论一致:工具有用,但价值取决于你怎么用。
可执行步骤
- 审视自己网站的每篇内容:问”这页有没有 AI/chatbot 给不了的第一手经验或观点?”只是转述可查信息的段落,重写或删掉。
- 把内容定位从”命中关键词”转向”命中意图”:针对用户可能问的模糊长问、对话式问法组织内容。
- 用 AI 工具做辅助而非替身:让它帮你理解自己的数据、分析竞争、润色表达,但不要成倍生成空洞内容。
- 想被 AI Overviews / AI Mode 引用,先确保内容是被检索排名系统认可的优质来源——AI 层消费的是排名产出。
- 遇到自家排名波动,别归因玄学:理解它可能来自某项过了 side-by-side + launch review 的变更,回到内容价值本身应对。
关联
- 印证:经验护城河——本片 force feedback 店员寓言是该概念的教科书案例;Google 官方口径亲自确认”AI 抹平转述、第一手经验成护城河”,给这条来自创业策略视频的判断补上了搜索方内证。
- 印证:AI Overview——此前笔记定义其为”可能让用户无需点击就获得答案的 AI 摘要”;本片从工程内部补充其机制:老式检索排名 + fan out + LLM 摘要,是叠加层而非替代。
- 2026年电商SEO策略（真正有效的方法） · 参数化记忆:印证:补充了Common Crawl/CCBot是模型训练数据的具体入口
术语
- Search Off the Record(Google 官方搜索播客,揭幕搜索幕后)
- fan out(查询扇出:把一个 query 分叉成多路并行检索再汇总)
- AI Overviews(搜索结果页顶部的 AI 生成摘要)
- AI Mode(搜索的多轮对话式模式)
- side-by-side(并排实验:用随机真实 query 对比生产版与实验版)
- Search Quality Rater Guidelines(搜索质量评分员指南,公开文档)
- BERT / MUM(Google 公开的基于 transformer 的搜索理解系统)
- parametric memory(参数化记忆:模型权重内置、无需检索即可回答的知识)
- Safe Search(安全搜索,Google 最早隔离应用 AI/ML 的场景之一)
- launch review(上线评审:实验统计变好后仍需 leads 决策的关卡)
金句
“But I think we have to increase the level of our content to be useful and interesting for humans from humans to humans and I don’t think AI is going to take that away. I think AI is going to bridge that.” → 官方的定调:AI 不会拿走”人对人的有用内容”,反而抬高了内容必须达到的下限。
“It doesn’t replace us making the effort of figuring out if what we’re doing makes sense in the first place and if it takes the right trade-offs.” → 工具加速执行,但”该不该做、取舍对不对”的判断仍在人这边——对 SEO 和编码都成立。
立场与利益
这是 Google 官方频道的播客,两位都是 Google 员工(Martin Splitt 是 Search 关系工程师,Nikola 是 Safe Search / 生态团队负责人)。利益关系明确:内容天然为 Google 搜索与其 AI 特性(AI Overviews、AI Mode、Gemini、NotebookLM)背书,对”生态是否受损”的回答偏乐观、偏原则性(“提供价值即可”),回避了 AI Overviews 挤压点击这一从业者最痛的具体数据。
可采信的是机制层描述(变更流程、fan out、AI 特性与排名栈的关系),这些是官方一手信息;需打折扣的是”生态照样繁荣”的价值判断——那是有立场的安抚,与从业者观测到的 曝光-点击解耦 存在张力。
价值定位
对想在 AI 搜索时代继续靠内容/独立站获客的 solo builder:
- 适合谁:已懂基础 SEO、想搞清”AI Overviews / AI Mode 到底怎么运作、我该怎么应对”的人。
- 解决什么:把 fan out、AI 层与旧排名栈的关系讲清,让你不再把 AI 搜索当黑箱;并给出官方版”存续原则”(提供 AI 给不了的第一手价值)。
- 认知 vs 实操:以认知/格局为主。它不教具体操作技巧,而是校准你对搜索机制与内容方向的判断,属于”理解格局”型背景。
- 与 经验护城河 笔记重叠,但本片独有”Google 官方从工程内部确认这条护城河 + fan out/AI Mode 的机制拆解”,是第三方创业视频给不了的内证。
自检问题
- AI Overviews 与传统检索排名系统是什么关系? 答案:AI Overviews 不取代排名,而是盖在老式检索排名之上的一层:先 fan out 多路检索,再由语言模型对结果做摘要,消费的是排名产出(见详解5)。14:47
- fan out(查询扇出)具体指什么,为什么它让模糊长问也能出好结果? 答案:把一个原始 query 派生出若干相关的额外 query、并行检索再汇总回原问;等于系统替你问了一堆你本来得自己问的子问题,所以模糊或详细的查询都能兜住(见详解6)。13:39
- Google 一项搜索变更从想法到上线要过哪几关? 答案:实验版 → side-by-side 让人工评分员依 Quality Rater Guidelines 打分得统计结论 → launch review 由 leads 决策,存在损失模式还会被打回修(见详解3)。06:58
- 在 AI 系统里,网站/SEO 从业者存续的核心原则是什么? 答案:持续给用户真价值,没有 SEO 魔法棒;只要提供价值用户就会继续通过 Google 来,同时别忽视新技术、把 AI 用到最好(见详解8)。21:56
- force feedback 店员寓言想说明什么,对内容创作者的启示是? 答案:只复述可查信息(如规格表)毫无增量,这类活 AI 已能替代;人的价值转移到 AI 给不了的第一手经验与具体场景观点,即经验护城河(见详解9)。27:45
💬 热门评论 top-12 主 + 3 回(抓取 2026-07-07)
[1] @BlindSpotGTM:我一直好奇一件事……搜索系统是怎么考虑需求匹配度的？如果两家公司看起来都相关，系统如何判断哪家真正最适合特定买家的需求，而不仅仅是这个话题的权威？感觉这是两个完全不同的问题。 👍 1 [2] @PeggyKTC:如果搜索结果里的AI输出不是那种看起来很权威的摘要，里面经常包含断章取义、来源不可靠甚至错误的信息，我会更看好它。我在自己已经有一定专业知识的查询中见过这种情况，而且实际点击链接查看源网页（这些网页往往不是原始来源，而是其他网站转述原始来源的信息）时也发现了。我还看到过一些搞笑的回复，AI概览直接瞎编（主要是当我搜索的东西在搜索结果里找不到明确答案时）。大多数人看到问题被权威地回答了，就不会去点链接。 👍 10 [4] @opencartgoogleads9403:Martin Splitt，工程团队如何确保AI优先考虑来自有经验和值得信赖的创作者的内容，而不是自动生成或AI生成的垃圾信息？ 👍 13 ↪ @เอกชัยทัดมาลีบ:5:22 👍 1 [6] @tazzimusic:你们实施的那些都挺好。能不能先解决DMCA滥用的问题？ [8] @kulbhushanpareek7683:AI概览正在重塑SEO的真正含义。看了这个——Nikola关于查询行为转向对话式的观点直击要害。我们正在亲眼目睹：客户开始问“最佳方式”而不是“最佳[产品]用于”。排名加点击的模式已经死了。现在关键是成为Google AI引用的来源。结构化标记、内容深度、E-E-A-T——这些不再是可选项。它们是当AI总结答案而不是显示10个蓝色链接时，你保持可见性的方式。真正的问题是：有多少机构正在为他们的客户准备应对这一转变，而不是仍然追逐排名第一？ 👍 2 ↪ @hombacom:“关键是成为来源”，但这不会带来任何点击。显然，在AI时代，获取媒体和文本而不怎么显示来源链接是可以的。 👍 1 [10] @As_Ss:是啊是啊，什么都好，但能不能给YouTube加个正常的搜索功能？现在的搜索太烂了，什么都不能过滤，没有精确的日期范围，没有精确的时长范围，不能按最新排序。 👍 2 ↪ @SamirBanerjee-b3k:,😊😮 [12] @USTechAutomations:Nikola提到的向对话式查询的转变，确实改变了企业思考内容结构和用户意图的方式。 ——其他 3 条:感谢/夸赞([7]@FrankBrankerSR、[9]@GatraTechID-CV.GatraEkaTeknik、[11]@paulo-leads);2 条 spam 已略
英文原文
[1] @BlindSpotGTM:One thing I’ve been wondering about… How do search systems think about requirement fit? If two companies both appear relevant, how does the system determine which one is actually the best fit for a specific set of buyer requirements versus simply being authoritative on the topic? Feels like those are two very different problems. 👍 1
[2] @PeggyKTC:I would be more enthusiastic about the AI in the search results if the output wasn't authoritative looking summaries that often include information that is out of context, from an unreliable source, or is just wrong. I've seen that from queries where I do already have some expertise, and by actually clicking the links to the source web pages (which often aren't original sources, but other sites regurgitating information from the original sources). And I've seen some funny responses where the AI Overview just makes stuff up (mostly when I search for something that isn't found clearly in the search results). Most people aren't going to click the links if it looks like their question was answered with authority. 👍 10
[3] @AkanshaMishra_Me:I believe website promotion can be highly complex and challenging, even for experienced SEO professionals.
[4] @opencartgoogleads9403:Martin Splitt, How does the engineering team ensure that the AI prioritizes content from experienced and trusted creators over automated or AI-generated spam? 👍 13
↪ @เอกชัยทัดมาลีบ:5:22 👍 1
[5] @alex2-zeus885:Pozdrav Nikola Todorovic. Da li bi pomogao kolegi iz Srbije da dobije bilo kakav posao u Google-u? U svakom slucaju, bravo za tebe. Svaka ti cast sto radis za njih i cestitam ti na uspehu u tvojoj karijeri! 👍 2
[6] @tazzimusic:That's all good that you implement. How about fixing DMCA abuse first?
[7] @FrankBrankerSR:Thanks good stuff. 👍 1
[8] @kulbhushanpareek7683:AI Overviews are reshaping what SEO actually means. Watched this—Nikola's point about query behavior shifting conversational hit hard. We're seeing it live: clients asking "best way to" instead of "best [product] for". The rank-and-click model is dead. Now it's about being the source Google AI pulls from. Schema markup, content depth, E-E-A-T—these aren't optional anymore. They're how you stay visible when AI summarizes answers instead of showing 10 blue links. Real question: how many agencies are actually preparing their clients for this shift versus still chasing position 1? 👍 2
↪ @hombacom:”it’s about being the source” that doesn’t give any clicks. Obviously it’s ok to take media and text nowadays in the age of ai and hardly see any source link. 👍 1
[9] @GatraTechID-CV.GatraEkaTeknik:Berita bagus :) . Terimakasih . Sukses Selalu :) 👍 1
[10] @As_Ss:yeah yeah everything but to add a normal funcional search on youtube the current search is terrible cant filter anything, no precise date range, no precise duration range, no sorting by newest 👍 2
↪ @SamirBanerjee-b3k:,😊😮
[11] @paulo-leads:❤
[12] @USTechAutomations:The shift to conversational queries that Nikola mentioned really changes how businesses need to think about content structure and user intent.