返回列表
Snap与Perplexity价值4亿美元合作协议宣告终止:双方达成“友好分手”
行业新闻SnapPerplexityAI搜索

Snap与Perplexity价值4亿美元合作协议宣告终止:双方达成“友好分手”

Snap公司近日证实,其与AI搜索初创公司Perplexity原定价值4亿美元的深度合作协议已正式“友好结束”。该协议于去年11月首次公布,核心计划是将Perplexity的AI搜索引擎直接集成至Snapchat应用中。尽管双方曾对此次技术融合寄予厚望,但目前该项重磅合作已宣告停滞。

TechCrunch AI

核心要点

  • 协议终止:Snap宣布与Perplexity价值4亿美元的合作交易已经正式结束。
  • 友好分手:双方表示此次合作的终止是“友好”的(amicably ended)。
  • 合作背景:该协议最初于去年11月对外公布,曾是AI集成领域的焦点。
  • 集成计划:原定目标是将Perplexity的AI搜索功能直接嵌入Snapchat平台。

详细分析

4亿美元规模协议的终结

根据Snap公司的最新表态,其与AI搜索领域的新锐力量Perplexity之间那项价值高达4亿美元的交易已经正式画上了句号。这项合作在去年11月披露之初,曾被行业视为社交媒体巨头与生成式AI技术深度结合的里程碑。4亿美元的交易规模不仅体现了Snap在AI搜索领域的雄心,也反映了当时市场对Perplexity技术价值的高度认可。然而,随着双方宣布协议“友好结束”,这一备受瞩目的商业结盟在实施不到一年的时间内便宣告终止。尽管双方使用了“友好”一词来描述分手过程,但这标志着Snap在外部AI技术引进策略上的重大调整。

原定的AI搜索集成愿景

该协议的核心内容围绕着技术集成展开。按照原定计划,Perplexity的AI搜索引擎将被直接集成到Snapchat的应用生态中。这一举措旨在改变Snapchat用户的搜索习惯,通过引入Perplexity的实时问答和信息检索能力,让用户在社交场景内即可获得由AI驱动的精准搜索体验。作为一家以青少年和年轻用户为核心群体的平台,Snapchat一直试图通过前沿技术增强用户粘性,而Perplexity的AI搜索能力本应成为其功能矩阵中的重要一环。此次协议的终止,意味着Snapchat用户暂时无法在应用内直接体验到原计划中的Perplexity搜索功能。

行业影响

此次Snap与Perplexity合作的终止,为社交媒体平台与第三方AI技术的整合路径提供了新的观察视角。首先,它表明即便在拥有巨额资金支持(4亿美元)和明确集成目标的情况下,社交巨头与AI初创公司之间的深度技术融合仍面临诸多不确定性。其次,这可能促使其他社交媒体公司在考虑引入外部AI搜索技术时更加审慎,或转向更具灵活性的合作模式。对于AI搜索行业而言,Perplexity失去了一个重要的分发渠道,这或许会影响到AI搜索技术在主流社交应用中的普及速度。

常见问题

问题:Snap与Perplexity的合作协议价值多少?

答:该协议涉及的金额高达4亿美元。

问题:这项合作最初是什么时候宣布的?

答:该合作协议最初是在去年11月正式对外宣布的。

问题:合作终止后双方的关系如何?

答:根据Snap的官方说法,该协议是“友好地结束”的(amicably ended),暗示双方在终止合作时并未产生公开冲突。

相关新闻

美团LongCat开源General 365推理评测集:Gemini 3 Pro仅获62.8分,树立行业新标尺
行业新闻

美团LongCat开源General 365推理评测集:Gemini 3 Pro仅获62.8分,树立行业新标尺

美团LongCat团队正式发布General 365推理评测集。在对26款主流模型的实测中,目前表现最强的Gemini 3 Pro准确率仅为62.8%,而绝大多数模型得分均低于60分及格线。该评测集的发布旨在为大模型推理能力提供更严苛的衡量标准,揭示了当前AI模型在复杂推理任务中的局限性。

ACL 2026美团技术团队入选论文解读:大模型评测与推理优化新范式
行业新闻

ACL 2026美团技术团队入选论文解读:大模型评测与推理优化新范式

美团技术团队在ACL 2026国际顶级学术会议中共有6篇论文被收录。这些研究成果涵盖了大模型能力评测、复杂流程推理、竞赛级数学思维优化、强化学习优化以及生成式推荐等多个前沿领域。本文将深入探讨美团如何通过这些技术创新,在自然语言处理(NLP)领域构建生成式AI的新范式,展示其在AI底层技术与应用层面的深厚积累。

美团技术实践:如何用Agent评测思路管理AI Coding并重构31万行代码
行业新闻

美团技术实践:如何用Agent评测思路管理AI Coding并重构31万行代码

本文深入探讨了美团技术团队在AI生成代码占比超90%的背景下,如何通过Agent评测思路管理AI Coding。通过31万行代码的重构实践,团队建立了技术债梳理、Rule建设、重构SOP及Pre-PR机制,成功将高成本的重构专项转化为随迭代持续推进的日常动作,有效解决了AI可能带来的代码混乱问题,为大规模AI代码治理提供了实战参考。