Prabhakar Raghavan在谷歌人工智能转型中处于一个不同寻常的位置。他已不再负责涵盖搜索、广告、地图和商业业务的部门。尼克·福克斯于2024年10月接手了这项运营职责。拉加万则出任首席技术专家，与Sundar Pichai及谷歌领导层共同制定技术方向。
这一区分在2026年尤为重要。谷歌已通过“AI概览”和“AI模式”重塑搜索业务，但这些产品由如今归福克斯（Fox）领导的产品团队以及Google DeepMind的模型组织推出。拉加万（Raghavan）的影响主要体现在顾问和架构层面。他可以影响公司对信息检索、排序以及模型与信息交互方式的思考，但不能将每一项功能都归功于他，也不应把他视为业务的唯一运营者。
不过，这一职务仍举足轻重。搜索仍是Alphabet最大的经济引擎，而生成式AI正将其基本单位从排序后的链接集合，变为生成的答案、对话或行动。拉加万职业生涯的大部分时间都致力于信息检索的科学与商业。他面临的领导力挑战，是帮助谷歌在模型让交互界面更为丰富、更难预测之际，守住检索的严谨性。
搜索业务增长为谷歌重整旗鼓创造空间
Alphabet的2025年第四季度业绩显示，人工智能并未取代其核心业务。谷歌搜索及其他广告收入增长17%，至631亿美元。该公司表示，AI模式的查询长度约为传统搜索的三倍；自推出以来，用户人均查询量已翻番；近六分之一的AI模式查询包含非文本输入。搜索使用量创下历史新高。
截至2026年5月，谷歌表示，AI模式的月度用户已超过10亿，查询量每季度增长一倍以上。到次月，AI概览的月度用户已超过25亿。这些是公司披露的使用数据，而非利润增量的证据，但足以体现其非凡的分发能力。谷歌无需用户另行安装应用，就能向10亿人推出全新的信息交互界面。
分发优势为试验赢得时间。谷歌可以测试用户更偏好简明答案、对话、图像、视频还是传统搜索结果。它可以把困难问题分配给能力更强的模型，并用成本更低的系统处理简单检索。公司的广告平台还能把商业意图与商家连接起来。鲜有竞争对手同时拥有索引、用户行为数据、模型和变现能力。
规模也会提高犯错成本。置于链接之上的模型生成答案，即使出错，也会带有谷歌的权威背书。较长的查询可能涉及医疗、金融或法律问题，而这些领域的语境和不确定性都很重要。传统搜索引擎会呈现来源供用户比较；综合生成的回答则决定纳入哪些内容，以及以多大把握作出表述。这种界面可以将分歧压缩成一段流畅的文字。
拉加万的信息检索背景至关重要，因为生成内容并未消除查找证据的必要性。优秀的搜索系统会衡量相关性、时效性、权威性和用户满意度。AI搜索又增加了一层要求：选择信息源、协调不同信息并表达不确定性。模型不应取代健全的索引体系。
广告模式必须调整，但不能扭曲答案
谷歌搜索业务的经济基础取决于商业查询。广告主竞价触达具有明确意图的用户，这些竞价收入为免费产品和Alphabet更广泛的投资提供资金。人工智能界面可以帮助用户比较选项或完成任务，从而进一步明确其意图。但它也可能减少页面浏览量，并模糊推荐与广告之间的界限。
该公司必须让对话式结果中的赞助内容一目了然。如果模型推荐某项产品，用户应当知道这一选择是基于相关性、付费，还是两者兼有。广告主需要与结果挂钩的衡量指标，而非嵌在长篇回答中的展示次数。监管机构将审查谷歌是否优待自有的购物、旅游或本地服务。
AI查询消耗的计算资源也多于传统搜索。如果对话能产生更强的商业意图，单次查询收入可能上升，但成本可能率先增加。谷歌可以利用自研张量处理单元和模型提升效率，但利润率取决于请求如何分流。把前沿模型的推理能力用在导航型查询上会造成浪费；面对复杂购买需求却使用能力较弱的模型，则可能降低信任度和转化率。
相关的商业衡量标准不只是“AI模式”的使用量，而是已完成任务的贡献利润率，其中包括推理成本、用户留存、广告价值以及网络生态的后续健康状况。拉加万可以帮助确保技术团队以整个系统为优化目标，而不是只关注某一模型基准或互动指标。
出版商是基础设施，而不是外部性
搜索需要可供索引的内容。新闻机构、专业网站、零售商、论坛和独立创作者投入资源，生产模型检索和总结的信息。如果人工智能答案在减少引荐流量的同时未能创造其他回报，部分出版商就会减少内容生产或屏蔽访问，索引的覆盖范围随之收窄，时效性也会下降。
谷歌称，AI功能可以引导用户接触更广泛的信息来源，并已推出面向出版商的控制工具和报告机制。关键证据将体现在流量分配上。总点击量可能掩盖原创报道的损失以及衍生页面的获益。出版商需要能够区分引用、引荐流量和模型使用情况的清晰数据，也需要无需彻底退出传统搜索即可使用的实用控制工具。
这不仅是媒体政策问题，也是搜索质量面临的供应链风险。谷歌可以利用历史材料训练模型，但新近事实和第一手专业知识需要谷歌以外的主体持续投入。付费、授权、产品合作或流量都可能构成可持续安排的一部分。不同内容类型所需的合理组合会有所不同。
亚洲清楚展现了这种依赖关系。以移动设备为主要上网渠道的用户会使用当地语言搜索，并经常依赖缺乏先进优化能力的小型出版商、商家和社区信息源。即使本地知识更为相关，模型也可能偏向数量丰富的英文材料或大型国际网站。若要让人工智能搜索扩大信息获取渠道，而不是进一步集中注意力，就必须改进多语言检索，并提高信源选择的透明度。
监管机构正在重塑体系架构
谷歌的技术转型正面临结构性法律压力。2025年9月，美国司法部在搜索垄断案后争取到补救措施。这些措施禁止某些独家分销合同，并要求以特定形式向竞争对手提供搜索数据和联合供稿服务。合规工作延续至2026年。在欧洲，欧盟委员会于2026年7月依据《数字市场法》采取具有约束力的措施，要求谷歌按照公平、合理且非歧视的条款，与符合条件的竞争性搜索引擎共享匿名搜索数据，其中包括具备搜索功能的人工智能聊天机器人。
数据共享可以降低竞争者面临的壁垒，因为它们无法复制谷歌积累的查询和点击历史。但这也带来隐私、安全与质量问题。数据既要足以支持竞争，又不能暴露个人行为或助长操纵。访问机制的技术设计——字段、延迟、抽样和价格——将决定补救措施在实践中能否奏效。
尽管合规事务由法务团队和运营高管负责，拉加万的顾问角色使他能够接触这些架构问题。如果应对方案在技术上过于狭隘，只满足条文要求，却保留现有企业的全部优势，就会招致进一步干预。释放范围若过于宽泛，则可能暴露敏感数据，或削弱维护基础设施的动力。谷歌需要建立可供监管机构和竞争对手检验的持久接口。
部分独家安排的终止也可能改变分销业务的经济逻辑。长期以来，谷歌一直支付巨额费用，以成为默认搜索服务提供商。用户日益通过助手、浏览器和设备操作系统进入人工智能服务，由此形成新的控制节点。搜索质量本身可能不再决定查询由哪项服务承接。谷歌必须在并不掌握交互入口的产品中展开竞争。
互操作性也将成为衡量竞争的标准。如果用户在AI模式中建立使用记录、偏好和智能体工作流，即使不存在默认服务合约，转向竞争对手也可能变得困难。谷歌应让数据导出和删除切实可行，并避免不必要地捆绑无关服务。监管机构很可能把累积的情境数据视为下一代搜索锁定手段。
首席技术专家是一个具有影响力却存在问责难题的职位
Raghavan 的职业生涯包括搜索领域的基础工作以及在 IBM、雅虎和谷歌担任高级职务。在谷歌，他负责广告和商务部门，然后负责知识和信息部门。这种广度帮助他了解排名、分配和收入之间的关系。这也使得外界很难衡量他目前的贡献。
首席技术专家不应只负责评审项目。这个职位可以确立跨越组织边界的原则：回答何时必须附上引文、如何评估检索质量、哪些工作负载值得使用高成本模型，以及新界面如何维护竞争。拉加万还可以在短期增长损害内容来源生态或长期信任时，对团队提出质疑。
即使个别建议仍须保密，问责也要求可见的成果。谷歌应在高风险查询中展现更少的事实错误、更强的跨语言表现、更清晰的广告区隔、实用的发布商控制机制，以及不止于正式文件的合规界面。这些是机构层面的成果，而非某一位高管所拥有的功能。
Prabhakar Raghavan已不再是搜索业务的运营负责人，继续如此称呼他将歪曲谷歌的组织架构。他的重要性体现在此次角色调整所承认的一点：AI搜索并非又一轮产品周期，而是需要在模型、信息检索、经济性和监管等领域作出技术判断。如果谷歌能将拥有数十亿用户的AI界面打造成可靠入口，同时继续让信息生态系统获得回报，他的影响力将体现于整个系统的协调一致。反之，如果答案数量增加，信息来源、利润率或信任却遭到削弱，那么再多的使用量增长也无法解决他应协助引导的架构问题。
