NVIDIA 正在投資 Perplexity 嗎？根據 2026 年 8 月 24 日發布的報導指出，NVIDIA 據傳正在洽談參與這家 AI 搜尋公司的股權融資輪，其估值可能超過 30 字元億美元。這些談判凸顯了 AI 基礎設施資金正更深入地流向對話式搜尋與解答引擎，在這些平台上，品牌曝光可能發生在傳統導流點擊之前，甚至不需要點擊。對於成長與歸因團隊而言，隨之而來的挑戰並非所有 AI 互動都能突然被追蹤，而是傳統的最終點擊歸因現在只能觀察到日益破碎的探索旅程中的一小部分。
NVIDIA 投資洽談可能使 Perplexity 估值超過 30 億美元
重點一覽
- 媒體報導指出，NVIDIA 正在洽談參與 Perplexity 的股權融資，這可能使這家 AI 新創公司的估值超過 30 億美元，而整體融資規模據傳達數十億美元。
- 在 Perplexity Computer 工作流程自動化代理擴展的支援下，Perplexity 的年化營收從 2026 年初的不到 2.5 億美元攀升至超過 7.5 億美元。
- 這些談判契合了不斷擴大的基礎設施對齊模式，將硬體算力需求與下游的對話式搜尋及軟體分發平台連結起來。
對話式搜尋的商業擴展正在重塑人工智慧價值鏈。幾十年來，搜尋引擎的經濟模式依賴於索引網頁並提供排名目錄結果，並透過關鍵字競價和按點擊付費廣告來實現商業化。該框架為網站營運商提供了可直接觀察的站外導流管道。相比之下，對話式解答引擎將大型語言模型與檢索系統結合，以提供直接解答，直接在綜合解答中顯示來源引文，而不是引導用戶造訪完整網頁。
用戶行為的這種根本轉變，為數位發布商和獲客行銷人員帶來了獨特的衡量挑戰。當用戶直接在搜尋或對話介面中收到綜合解答時，外部發布商的點擊率可能會下降，從而在傳統網頁造訪之前增加了一個無法觀察的探索層。同時，建構和提供這些對話式查詢需要龐大的運算基礎設施。運行即時多模型路由和智慧體電腦工作流程需要大量的加速運算能力，從而提高了搜尋提供商的營運推論成本。這些市場動態在追蹤該公司成長軌跡的近期 路透社報導 中進行了分析。
傳聞中的談判反映了 AI 基礎設施供應商與應用層軟體公司之間更廣泛的契合。據報導，此輪融資可能使該新創公司的估值從 2025 年底的 20 億美元提升至超過 30 億美元。在用於工作場所任務自動化的 Perplexity Computer 代理推動下，Perplexity 的年化營收已突破 7.5 億美元。在此次討論之前，NVIDIA 曾考慮過技術授權和招募安排，隨後談判才演變為股權投資。Perplexity 另外表示計畫部署 NVIDIA 的 Vera CPU 來處理智慧體工作負載，並維持與 CoreWeave 涉及 NVIDIA Grace Blackwell 系統的基礎設施協議。對 NVIDIA 而言，與快速成長的 AI 應用建立股權關係，可以加深其對下游算力需求的參與，同時拓寬其在晶片銷售之外的市場地位。
系統性根本原因：從直接導流到零點擊探索
在架構層面，對話式搜尋平台改變了數位流量在網際網路上的流動方式。在傳統網路搜尋中，用戶查詢與搜尋索引進行匹配，並以超連結形式返回排名結果。當用戶點擊標記的外部連結時，產生的網頁工作階段可能會暴露推薦來源資訊、行銷活動參數和現有的第一方工作階段識別碼，但仍需遵守瀏覽器和隱私權控制。
對話式解答引擎引入了不同的互動流程。現代檢索架構可能不會單純依賴對每個提示進行即時網頁抓取，而是可能在綜合解答之前結合搜尋索引、快取內容副本以及即時檢索或外部資料來源。在許多此類互動中，終端用戶無需在被引用的發布商原始伺服器上產生即時瀏覽器工作階段，即可獲得所需資訊。
協定斷層：直接點擊與綜合解答引文
許多傳統的數位衡量設定嚴重依賴最後點擊歸因，假設每次轉換都源自可識別的網頁點擊。在解答引擎生態系中，客戶探索發生在對話過程中，遠在用戶造訪網站或安裝應用程式之前。
下圖說明了傳統搜尋點擊漏斗與對話式解答引擎流程之間的協定分歧：
[傳統搜尋點擊漏斗] 用戶查詢 ──> 10 條藍色連結 ──> 直接點擊 ──> 站內網頁工作階段（推薦來源 / 行銷活動資料可觀察） [對話式解答引擎流程] 用戶查詢 ──> 綜合解答 ──> 品牌引文 ──> 零點擊 / 後續造訪（無直接串聯鍵）
當解答引擎將某個品牌、產品或軟體儲存庫引用為來源時，用戶可能會閱讀摘要、評估推薦，並在數小時或數天後在行動裝置上獨立開啟目標應用程式。由於在初始評估期間沒有發生直接導流點擊，標準的單點歸因工具可能會將後續的啟動記錄為直接流量、自然流量或其他可觀察到的下游來源，同時遺失了最初的 AI 曝光。在更廣泛的數位行銷和應用程式分發中，傳統搜尋推薦來源的侵蝕凸顯了高層級品牌知名度與確定性轉換歸因之間不斷擴大的差距。成長團隊需要能夠將廣泛的品牌知名度與記錄互動的多點歸因區分開來的衡量框架。
自建與採購：在 AI 搜尋時代管理多點歸因
隨著數位探索越來越多地發生在對話式搜尋介面中，工程與成長團隊必須重新評估他們追蹤用戶獲取的方式。在 AI 搜尋驅動的探索環境中衡量轉換，需要能夠將多管道探索訊號與下游應用程式事件進行調和的資料管線。組織通常會評估是建構自定義的內部事件關聯資料庫，還是採用標準化的多點歸因平台。
架構評估：內部資料管線與標準化平台
建構內部多點歸因系統需要建立複雜的資料倉儲，以內嵌伺服器記錄、API Webhook 和第三方平台訊號。工程團隊必須設計自定義的演算法歸因模型、管理工作階段逾時，並持續更新資料管線以因應不斷變化的瀏覽器隱私權政策。相反地，部署專業的歸因框架可以簡化整合，在記錄的網頁和行動裝置觸點之間提供統一的報表，而無需持續進行維護開銷。
下表比較了管理多管道行銷與工作階段狀態的標準技術方法：
| 解決方案 | 可觀察觸點 | 跨平台連續性 | 工程所有權 | 最適合用於 |
|---|---|---|---|---|
| 單點網頁記錄 | 僅限直接點擊 | 低（僅限用戶端 Cookie） | 主要為內部 | 具備簡單直接轉換漏斗的傳統網頁入口網站 |
| 內部 MTA 資料庫 | 自定義記錄訊號 | 變動（自定義管線） | 完全內部 | 擁有專屬資料工程資源的大型企業團隊 |
| 行動歸因與情境還原平台 | 記錄的行銷管道 | 高（需 SDK 整合） | 共用 / 供應商支援 | 全通路行銷、行動應用程式與多行銷活動漏斗 |
在存在可衡量互動的地方——例如標記的推薦連結、行銷活動著陸頁、合作夥伴重新導向或其他記錄的觸點——諸如 OpoInstall 之類的平台可以透過歸因與延遲參數路由，在跨網頁到應用程式的旅程中保留可用的行銷活動情境。透過伺服器端狀態還原在跨網頁到應用程式的轉移中保留行銷活動參數，這種方法支援在記錄的多管道漏斗中進行更準確的轉換衡量。然而，零點擊 AI 提及仍然是一個獨立的衡量難題，因為不存在可直接連接到最終轉換的用戶級推薦事件。
整合檢查清單：為解答引擎重建歸因
為了適應對話式搜尋引擎與自動化探索層的興起，技術與行銷團隊應實施結構化的資料收集與歸因工作流程。
開發人員實施檢查清單
- 集中化可觀察事件：將可衡量的網頁、行動裝置、CRM 和合作夥伴事件傳送到共用的伺服器端分析管線中，以建立可觀察互動的統一記錄。
- 整合延遲深度連結 SDK：在行動應用程式中嵌入輕量級用戶端 SDK，以便在冷啟動時檢索並匹配安裝前的行銷活動參數。
- 保留來源後設資料：每當發生可觀察的推薦點擊時，保持 UTM 參數、推薦來源 ID、著陸頁情境和合作夥伴來源後設資料。
產品與成長策略檢查清單
- 轉向多點歸因 (MTA)：評估多點歸因模型以將功勞分配到所有記錄的互動中，而不是僅僅依賴最後點擊資料。
- 將可見性與歸因區分：將 AI 引文和對話式品牌提及作為漏斗頂端的可見性指標，而不是將其強行納入確定性轉換歸因中。
- 監控品牌引文頻率：追蹤公司文件、產品和文章在對話式搜尋結果中被引用的頻率，以評估廣泛的市場知名度。
實施這些做法使組織能夠在承認零點擊探索的結構性邊界的同時，對記錄的獲取漏斗保持清晰的可見性。
常見問題 (FAQ)
為什麼 NVIDIA 考慮投資 Perplexity？
對話式搜尋如何干擾傳統網站點擊流量？
當 AI 搜尋創造零點擊探索時，團隊該如何衡量歸因？
給工程團隊的重要啟示
傳聞中的 NVIDIA 與 Perplexity 投資談判凸顯了數位資訊被索引、檢索和商業化的持續轉變。隨著對話式解答引擎和自動化代理成為日益重要的探索層，傳統的基於網路的點擊漏斗將只能捕捉整體客戶旅程的一部分。
為了在不斷演變的環境中維持成長，工程與成長團隊必須使其歸因基礎設施現代化。透過結合多點歸因、伺服器端情境保留以及針對可觀察旅程的延遲參數傳遞，組織可以更準確地衡量記錄的客戶旅程，同時使用聚合、可見性和增量方法來評估缺乏直接可串聯事件的 AI 探索。
Share this article
