Инвестирует ли NVIDIA в Perplexity? Согласно отчетам, опубликованным 24 августа 2026 года, NVIDIA ведет переговоры об инвестициях в компанию, занимающуюся разработкой ИИ-поиска, в рамках раунда финансирования акционерного капитала, который может оценить Perplexity более чем в $30 миллиардов. Эти переговоры подчеркивают, как капитал в сфере ИИ-инфраструктуры все глубже проникает в разговорный поиск и системы генерации ответов, где обнаружение бренда может происходить до — или вообще без — традиционного клика по реферальной ссылке. Для команд по росту и атрибуции возникающая сложность заключается не в том, что любое взаимодействие с ИИ можно мгновенно отследить, а в том, что традиционные измерения по последнему клику теперь фиксируют лишь меньшую часть все более фрагментированного пути пользователя к открытию продукта.
Переговоры об инвестициях NVIDIA могут оценить Perplexity выше $30 миллиардов
Краткий обзор
- Сообщения СМИ указывают на то, что NVIDIA обсуждает инвестиции в Perplexity в рамках раунда финансирования акционерного капитала, который может оценить ИИ-стартап более чем в $30 миллиардов, в то время как общий объем раунда оценивается в миллиарды долларов.
- Годовая регулярная выручка Perplexity выросла с менее чем $250 миллионов в начале 2026 года до более чем $750 миллионов благодаря расширению возможностей агента автоматизации рабочих процессов Perplexity Computer.
- Эти обсуждения соответствуют расширяющейся тенденции выравнивания инфраструктуры, связывающей спрос на аппаратные вычисления с нисходящими платформами разговорного поиска и распространения программного обеспечения.
Коммерческое расширение разговорного поиска трансформирует цепочку создания стоимости искусственного интеллекта. Десятилетиями экономика поисковых систем опиралась на индексацию веб-страниц и предоставление ранжированных результатов в каталогах, монетизируемых через аукционы ключевых слов и рекламу с оплатой за клик. Эта структура предоставляла операторам сайтов непосредственно наблюдаемые каналы входящих рефералов. Напротив, разговорные поисковые системы на базе ответов объединяют большие языковые модели с системами извлечения информации для предоставления прямых ответов, выводя источники прямо внутри синтезированных ответов, а не стимулируя переходы на полные страницы.
Это фундаментальное изменение в поведении пользователей создает особую сложность измерения для цифровых издателей и специалистов по привлечению. Когда пользователи получают синтезированные ответы прямо в поисковых или диалоговых интерфейсах, показатели кликабельности (CTR) для сторонних издателей могут снижаться, добавляя ненаблюдаемый слой обнаружения перед традиционными посещениями веб-сайтов. Одновременно с этим создание и обслуживание таких разговорных запросов требует колоссальной вычислительной инфраструктуры. Работа многомодельной маршрутизации в реальном времени и агентских компьютерных рабочих процессов требует значительных мощностей ускоренных вычислений, что увеличивает операционные расходы поисковых провайдеров на инференс. Эта рыночная динамика анализируется в недавнем отчете Reuters, отслеживающем траекторию роста компании.
Сообщаемые переговоры отражают более широкую взаимосвязь между поставщиками ИИ-инфраструктуры и компаниями прикладного программного обеспечения. Ожидаемый раунд финансирования может оценить стартап более чем в $30 миллиардов по сравнению с $20 миллиардами в конце 2025 года. Годовая выручка Perplexity превысила $750 миллионов, чему во многом способствовал ее агент Perplexity Computer для автоматизации рабочих задач. Дискуссии последовали за более ранними переговорами, в ходе которых NVIDIA рассматривала варианты лицензирования технологий и найма персонала, прежде чем они переросли в инвестиции в акционерный капитал. Perplexity отдельно заявила о планах развернуть процессоры NVIDIA Vera для агентских нагрузок и поддерживает инфраструктурное соглашение с CoreWeave, использующее системы NVIDIA Grace Blackwell. Для NVIDIA партнерство в сфере акционерного капитала с быстрорастущими ИИ-приложениями может усилить влияние на нисходящий спрос на вычисления и расширить ее позиции за пределами продаж кремниевых чипов.
Системные первопричины: от прямых переходов к обнаружению без кликов
На архитектурном уровне платформы разговорного поиска меняют характер движения цифрового трафика в интернете. В традиционном веб-поиске запрос пользователя сопоставляется с поисковым индексом, и в качестве результатов возвращаются гиперссылки. Когда пользователь нажимает на помеченную внешнюю ссылку, полученная веб-сессия может раскрыть информацию об источнике перехода (реферере), параметрах кампании и существующих идентификаторах сессий первой стороны с учетом настроек браузера и конфиденциальности.
Разговорные поисковые системы вводят иной сценарий взаимодействия. Вместо того чтобы полагаться исключительно на парсинг веб-страниц в реальном времени для каждого отдельного запроса, современные архитектуры поиска могут комбинировать поисковые индексы, кэшированные копии контента и актуальные источники данных перед синтезом ответа. Во многих таких взаимодействиях конечный пользователь получает необходимую информацию без создания мгновенной сессии браузера на исходном сервере цитируемого издателя.
Рассинхронизация протоколов: прямые клики против цитирования синтезированных ответов
Многие устаревшие системы цифровых измерений сильно зависят от атрибуции по последнему клику, предполагая, что каждая конверсия происходит из идентифицируемого веб-клика. В экосистеме поисковых систем знакомство клиента с брендом происходит в ходе диалога задолго до того, как пользователь посетит веб-сайт или установит приложение.
На схеме ниже показано расхождение протоколов между традиционными воронками поисковых кликов и процессами разговорных поисковых систем:
[Традиционная воронка поисковых кликов] Запрос пользователя ──> 10 синих ссылок ──> Прямой клик ──> Входящая веб-сессия (доступны данные реферера / кампании) [Процесс разговорной поисковой системы] Запрос пользователя ──> Синтезированный ответ ──> Упоминание бренда ──> Ноль кликов / Позднее посещение (нет прямого ключа объединения)
Когда поисковая система цитирует бренд, продукт или репозиторий программного обеспечения в качестве источника, пользователь может прочитать сводку, оценить рекомендацию и самостоятельно открыть нужное приложение на своем мобильном устройстве спустя часы или дни. Поскольку во время первоначальной оценки не произошло прямого реферального клика, стандартные инструменты однокасательной атрибуции могут зафиксировать последующую активацию как прямую, органическую или иной наблюдаемый нисходящий источник, потеряв при этом информацию об изначальном взаимодействии с ИИ. В более широком контексте цифрового маркетинга и дистрибуции приложений сокращение числа традиционных поисковых рефереров подчеркивает растущий разрыв между видимостью бренда на верхних этапах воронки и детерминированной атрибуцией конверсий. Командам роста требуются измерительные фреймворки, которые отделяют общую видимость бренда от мультиатрибуции зафиксированных пользовательских взаимодействий.
Создать или купить: управление мультиатрибуцией в эпоху ИИ-поиска
Поскольку цифровое открытие продуктов все чаще происходит через интерфейсы разговорного поиска, инженерные команды и команды роста должны пересмотреть подход к отслеживанию привлечения пользователей. Измерение конверсий в среде обнаружения, управляемой ИИ-поиском, требует конвейеров данных, способных сопоставлять сигналы многоканального обнаружения с последующими событиями в приложении. Организации обычно выбирают между созданием собственных баз данных корреляции событий или внедрением стандартизированных платформ мультиатрибуции.
Архитектурная оценка: собственные конвейеры данных против стандартизированных платформ
Создание внутренней системы мультиатрибуции требует развертывания сложных хранилищ данных для сбора серверных логов, вебхуков API и сигналов сторонних платформ. Инженерные команды должны проектировать собственные алгоритмические модели атрибуции, управлять тайм-аутами сессий и непрерывно обновлять конвейеры данных с учетом меняющейся политики конфиденциальности браузеров. И наоборот, развертывание специализированного фреймворка атрибуции оптимизирует интеграцию, обеспечивая единую отчетность по зафиксированным точкам контакта в вебе и на мобильных устройствах без постоянных затрат на техническое обслуживание.
В таблице ниже сравниваются стандартные технические подходы к управлению многоканальной атрибуцией и состоянием сессий:
| Решение | Наблюдаемые точки контакта | Межплатформенная непрерывность | Зона ответственности разработки | Лучше всего подходит для |
|---|---|---|---|---|
| Веб-логирование по одному касанию | Только прямые клики | Низкая (только файлы cookie клиента) | В основном внутренняя | Устаревшие веб-порталы с простыми воронками прямых конверсий |
| Собственная база данных MTA | Пользовательские фиксируемые сигналы | Переменная (пользовательские конвейеры) | Полностью внутренняя | Крупные корпоративные команды с выделенными ресурсами инженеров данных |
| Платформа мобильной атрибуции и восстановления контекста | Зафиксированные маркетинговые каналы | Высокая (при интеграции SDK) | Общая / поддерживаемая вендором | Омниканальный маркетинг, мобильные приложения и многокампанейные воронки |
Там, где существует измеримое взаимодействие — например, помеченная реферальная ссылка, целевая страница кампании, редирект партнера или другая зафиксированная точка контакта, — такие платформы, как OpoInstall, могут сохранять доступный контекст кампании в путях перехода из веба в мобильное приложение с помощью атрибуции и маршрутизации отложенных параметров. Сохраняя параметры кампании при переходах из веба в приложение посредством восстановления состояния на стороне сервера, этот подход поддерживает более точное измерение конверсий по зафиксированным многоканальным воронкам. Тем не менее, упоминания в ИИ без кликов остаются отдельной измерительной задачей, поскольку для них не существует события реферала на уровне пользователя, которое можно было бы напрямую привязать к конечной конверсии.
Чек-листы интеграции: перестройка атрибуции для поисковых систем
Для адаптации к росту популярности разговорных поисковых систем и автоматизированных уровней обнаружения техническим и маркетинговым командам следует внедрить струкктурированные рабочие процессы сбора данных и атрибуции.
Чек-лист внедрения для разработчиков
- Централизуйте наблюдаемые события: отправляйте измеримые веб-, мобильные, CRM- и партнерские события в общий конвейер аналитики на стороне сервера для создания единого реестра зафиксированных взаимодействий.
- Интегрируйте SDK отложенных глубоких ссылок: встройте легковесные клиентские SDK в мобильные приложения для получения и сопоставления параметров предрелизной кампании при первом запуске.
- Сохраняйте метаданные источников: поддерживайте UTM-параметры, ID рефералов, контекст целевых страниц и метаданные партнерских источников всякий раз, когда происходит фиксируемый реферальный клик.
Чек-лист продуктовой стратегии и стратегии роста
- Перейдите к мультиатрибуции (MTA): оценивайте модели мультиатрибуции для распределения ценности по всем зафиксированным взаимодействиям, а не полагайтесь исключительно на данные последнего клика.
- Отделите видимость от атрибуции: фиксируйте цитирования в ИИ и упоминания бренда в разговорной речи как метрики видимости на верхних этапах воронки, а не пытайтесь принудительно вписать их в детерминированную атрибуцию конверсий.
- Отслеживайте скорость цитирования бренда: следите за тем, как часто документация компании, продукты и статьи упоминаются в результатах разговорного поиска, чтобы оценивать общую осведомленность рынка.
Внедрение этих практик позволяет организациям сохранять четкий контроль над фиксируемыми воронками привлечения, признавая при этом структурные границы обнаружения без кликов.
Часто задаваемые вопросы (FAQ)
Почему NVIDIA рассматривает возможность инвестиций в Perplexity?
Как разговорный поиск нарушает традиционный трафик переходов по кликам на веб-сайты?
Как команды должны измерять атрибуцию, когда ИИ-поиск создает обнаружение без кликов?
Основные выводы для инженерных команд
Сообщения о переговорах об инвестициях между NVIDIA и Perplexity подчеркивают продолжающееся изменение в способах индексации, извлечения и монетизации цифровой информации. По мере того как поисковые системы на базе ответов и автоматизированные агенты становятся все более важными каналами обнаружения, традиционные воронки веб-кликов будут охватывать лишь часть общего пути клиента.
Чтобы поддерживать рост в этой меняющейся среде, инженерные команды и команды роста должны модернизировать свою инфраструктуру атрибуции. Сочетая мультиатрибуцию, сохранение контекста на стороне сервера и передачу отложенных параметров для наблюдаемых переходов, организации могут точнее измерять зафиксированные пути клиентов, используя при этом совокупные методы видимости и инкрементальности для оценки обнаружения через ИИ, в котором отсутствует прямое связываемое событие.
Share this article
