LinkedIn憋了三年的大招：AI搜索上线，1.3亿用户的规模效应是场噩梦 [企业追踪]

LinkedIn本周终于上线了AI驱动的“人脉搜索”功能。从ChatGPT发布算起，这整整晚了三年。从LinkedIn自己推出AI求职搜索算起，这也慢了六个月。就问你，一个本该是生成式AI最自然应用场景的功能，凭什么让用户等这么久？

答案很简单：企业级部署生成式AI，从来不是写个Prompt那么简单。尤其是在LinkedIn这种拥有13亿用户的平台上，任何一点“智能”的代价，都是工程上漫长的、血淋淋的、务实的优化过程。这碗饭，不是谁都能吃的。

老搜索的棺材板，这次是真盖上了

先看看产品本身。现在，你可以在LinkedIn的搜索框里直接问：“谁懂治疗癌症？”搁以前，基于关键词的老搜索直接就懵了——它只会傻乎乎地匹配“cancer”这个词。你想搜得聪明点？那得自己先搜“cancer”，再搜“oncology”，然后手动把两拨结果拼起来，跟拼乐高似的，费时费力。

新系统不一样。底层的大语言模型能理解语义——它知道“cancer”和“oncology”是近亲，甚至能联想到“基因组学研究”。所以，哪怕某位肿瘤学大牛的Profile里压根没写“cancer”这个词，系统也能把他捞出来。这才叫“找人”，不是“找词”。

更绝的是，系统还懂得“平衡”。它不会只把全球最顶尖的肿瘤学家甩给你——那种三度人脉之外的大神，你加了也白加。它会同时计算你的一度人脉里，谁“比较相关”，可以作为你触达那位大神的桥梁。这叫什么？这叫把“社交图谱”和“语义理解”揉在一起，就问你服不服？

别想一口吃成胖子，先打赢一场仗

但对企业技术管理者来说，产品本身只是表象。真正的干货，是LinkedIn内部总结的那本“AI部署食谱”——一条可复制的流水线：蒸馏、共创、死磕优化。这道理听着简单，做起来要命。

LinkedIn工程副总裁张文静（Wenjing Zhang）上周接受VentureBeat采访时不藏着掖着，直接说了：团队早期“野心太大”，想一口气搞一个统一系统覆盖所有产品，结果“进度停滞不前”。这脸打得，疼不疼？

后来他们学乖了，先集中火力攻一个垂直场景。之前推出的AI求职搜索就是试验田——据产品工程副总裁Erran Berger透露，这个功能让没有四年大学学历的求职者，获得录用的概率提升了10％。有了这个成功样本，LinkedIn才敢把同一套打法，复制到“人脉搜索”这个体量大得多的战场上。

“在几千万个职位里做语义匹配是一回事，”Berger对VentureBeat说，“在13亿用户的社交网络里做同样的事，完全是另一场噩梦。”这话说得够实在。职位搜索的实体是结构化的岗位描述，而人脉搜索的实体是活生生、写法各异、充满俚语和隐晦表达的个人Profile。后者的复杂度和噪音，至少高一个数量级。

企业级AI的真相：慢，但必须赢

往好听了说，LinkedIn这次是“稳扎稳打，厚积薄发”。往坏了说，连LinkedIn这种坐拥海量数据、顶级工程师和微软爸爸算力支持的巨头，都要花三年才能把生成式AI真正落地到一个核心搜索场景里。那些天天喊着“All in AI”的创业公司，你们掂量掂量，自己的家底够不够烧？

但这就是企业级AI的残酷真相：它不是Demo，不是聊天机器人，它要在生产环境里面对海量并发、数据隐私、结果可解释性、以及“推荐错了谁负责”的问责压力。你可以在测试集上跑出99％的准确率，但用户搜出一个不相关的人，他就会骂娘。

LinkedIn的“食谱”其实就三句话：别贪多，先赢一个场景；把场景做透，提炼出可复用的方法论；然后，带着这套方法论，去啃下一个更硬的骨头。这听起来不性感，但这就是企业服务该有的样子。

三年磨一剑，剑锋所指，不是颠覆搜索，而是重新定义“找人”这件事。至于其他还在观望的玩家，你们慢慢学吧。等你们学会的时候，LinkedIn可能已经把下一个功能都打磨完了。这场游戏，从来都是慢工出细活，但慢的前提是，你得活到那一天。

该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。