打开本文，你已经有3个零投入的空投机会了，耐心看完全文，你会收获更多。

天下苦百度久矣，但是，对于谷歌，我们好像还没有什么坏印象。

虽然，2023年2月份 Bard 作为 ChatGPT 竞品推出时出现了致命错误，导致股价大跌，市值短暂缩水 2000亿美元， 但是，从下图最新的股价走势看谷歌并无大碍。

自2004年上市以来，谷歌搜索引擎龙头老大位置并没有被撼动，即使退出中国市场后，也没有受到影响。

许多人认为，微软的Bing在有了ChatGPT的加持后会超越谷歌。

但是，谷歌也只是摇了摇、晃了晃而已。

因为，Google 的先发优势实在太强大。

Google长期以来积累了庞大的数据量和高质量的搜索索引，这使得它在提供精准和相关的搜索结果方面具有显著优势。Google每天处理超过35亿次搜索请求，这为其搜索算法提供了丰富的训练数据和优化机会。

以谷歌的知识图谱（Knowledge Graph）为例，包含了数十亿个实体和数千亿个事实，这使得Google在处理复杂查询时能够提供更准确和详尽的信息。例如，当用户搜索一个历史事件时，Google不仅会提供相关网页链接，还会在搜索结果页面上直接展示事件的时间线、重要人物和相关图片。尽管Bing也有类似的功能，但其数据规模和质量远不如Google。

此外，谷歌也有自己的大语言模型：PaLM（Pathways Language Model）和Bard。

PaLM基于Pathways架构，具备多任务学习和高效计算能力，能够处理多种任务，如语言翻译、文本生成和问答系统。它改进了搜索结果的精准度，并提升了谷歌助手等智能对话系统的性能。

Bard 专注于生成和理解复杂的长文本内容，适用于写作辅助和内容创作。它在处理技术文档和法律文本等专业内容时表现出色，还能够生成包含图像和视频的多模态内容。Bard在教育和培训领域也有广泛应用，帮助生成详细的教学材料和培训手册。

通过PaLM和Bard，谷歌在大语言模型领域保持了领先地位，提升了用户体验，并推动了自然语言处理技术的发展，从而帮助提升搜索结果的质量。

当然，获得 ChatGPT 加持后的 Bing 也不是一无所获。Bing 与 Google 搜索市场份额的差距正在缩小。2021年，Google 占据了全球搜索市场约92%的份额，而Bing的市场份额不到3%。截至2023年，Bing的市场份额已经上升到 10% 了。

简而言之，尽管ChatGPT是目前最先进的大语言模型，但它只能让Bing的市场份额提升到10%，仅此而已。

那么，谷歌就可以从此高枕无忧了吗？不能。谷歌不仅不能高枕无忧，而且已经陷入了创新者窘境。

“创新者窘境”这一概念由克莱顿·克里斯坦森（Clayton Christensen）在其1997年出版的书《创新者的窘境》中提出。这一概念解释了为何领先企业在面临技术变革时，往往会因专注于现有客户和现有业务模式，而忽视了颠覆性创新，从而逐渐丧失市场领先地位。

以ChatGPT为代表的生成式人工智能是这个时代的颠覆式创新，谷歌也有类似技术。刚才也简单分析过，这对谷歌有影响，但不足以致命。

当然，这个时代还有很多新技术，不像 ChatGPT 那样容易形成共识，是否具有颠覆性还需要时间来检验。

换个思路，我们先来分析一下是什么会让谷歌失去市场领先地位，也就是谷歌的软肋在哪儿，这会帮助我们发现后来者的机会。当然，web2.0 搜索巨头的窘境，自然也是 web3.0 时代的机会。

那么，谷歌的软肋到底是什么呢？

谷歌的软肋：一是表面上的信息过载，二是内在的索引不足。

信息过载是所有 web2.0 搜索引擎都存在的问题，包括Google、Bing 与 Baidu。

什么是信息过载？

一句话，你每次查询，返回的结果可能达到百万甚至上亿个网页。

根据统计，平均每个搜索查询的结果页面超过5万页，但用户通常只会查看前几页。这意味着大多数信息对用户来说是无效的，用户必须花费大量时间筛选和提取有用的信息。

举个例子，你搜索当前加密社区最热门的 ETH ETF，谷歌给你的首屏结果是下面这样的。第一个答案是一个网页：3个关于SEC突然批准ETH ETF的问题。想知道更多，你只能一个一个点开链接去看。

但是，有一个搜索引擎给出的结果很不一样。它是这样的，见下图：

这个就是即将介绍给你的去中心化的 AI 搜索引擎 Adot ，专治信息过载。

你也看到了，Adot 利用 AI 技术，将大量无序的信息进行整理和归纳。

当你搜索“ETH ETF”时，Adot 不仅会展示相关的批准信息、而且还包括了加工走势、以太坊ETF的特点、优势及风险，而且，每一条内容也同样提供了链接以备核查。这就像你走进一个餐馆，不仅可以看到菜单，还可以观看厨师的现场制作，极大地提升了用户体验。

这还没有完，在 Adot 搜索结果的下一屏，是对 ETH 的分析。

这相当于一个维基小百科，虽然没有什么了不起，但是，让人感觉很贴心。更暖心的是，你使用 Adot 还有积分奖励，用于兑换未来的空投。这可是谷歌所没有的。

具体的奖励规则是，每天签到奖励 5 个宝石、每天搜索奖励 5 个宝石，推荐一个用户奖励 50个 宝石。

我用下来的感觉，Adot 搜索区块链、加密货币相关的内容更好。（这个操作很简单，我就不写教程了，你只要有小狐狸钱包（Metamask），点击 Adot 链接后，一路确认就可以了）

其实，奖励也罢，AI对结果加工也罢，谷歌也是可以做的，非不为也，实不能也。这个我们后面详细讲。下面继续讲对于谷歌来说更致命的索引不足的问题。

如果说信息过载，还可以将就的话，那么索引不足的问题，将会彻底断送谷歌的前程。

谷歌索引的数据只是冰山一角

谷歌到底索引了多少网页，没有人知道。但是，你一旦知道，深网存在的事实，就不会对下面的说法感到惊讶了。

网传谷歌只索引了 0.03% 的互联网数据，这可能有点夸张，但是，不到 10%，是不会冤枉谷歌的。

你知道这意味着什么吗？

意味着，你搜索的结果很不全，有大量信息被忽略了，尤其是深网内容。

什么是深网？

深网（Deep Web）指的是那些没有被传统搜索引擎索引到的内容，它包含学术研究、专业数据库、企业内部网络等重要资源，而不是非法的暗网（Dark Web）。这些信息往往是极其有价值的。

举个例子，有一次一个医学研究生需要查找关于一种罕见病症的最新研究结果。他在谷歌上进行了搜索，但搜索结果大多是新闻文章和基本介绍，没有任何深入的研究数据。最后，他通过学校的内部数据库找到了所需的研究论文，这些论文就属于深网内容，未被谷歌索引。如果谷歌能够索引这些深网资源，用户将能够更轻松地找到他们所需的高质量信息。

再比如，企业进行市场分析时，查找竞争对手的详细财务报告和市场策略可能需要访问受限数据库。然而，这些信息通常隐藏在需要特殊权限访问的数据库中，而不是普通的网页。企业的分析师们不得不花费大量时间去不同的数据库和平台查找数据，而这些数据同样属于深网的一部分。如果谷歌能够索引这些深网资源，将大大提高数据获取的效率和准确性。

再举个你有亲身体验的事情，不只是谷歌，即使是百度，也不能收集到你微信朋友圈的内容。不只是微信朋友圈，下图中的所有数据，谷歌、百度都拿不到。只有微信的搜一搜可以。这些数据对于其他搜索引擎来说，也就是深网数据的一部分。

这种索引不足的问题不仅浪费了用户的时间，也限制了信息的获取和利用。对于那些需要深入研究和准确数据的人来说，这无疑是一个巨大的瓶颈。

谷歌，改进索引技术是不可能解决数据索引不足的问题。而且，索引不足的问题也是人工智能也无能为力的问题，总不能让 AI 去生成假数据吧。

所以，说索引不足才是谷歌最大的、真正的软肋。长此以往，谷歌将会陷入巧妇难为无米（数据）之炊（搜索）的境地。

当然，谷歌也一直在努力解决索引不足的问题。

2018年，谷歌启动了与学术数据库的合作计划，通过API接口访问和索引这些资源。这一计划包括与CrossRef和PubMed等主要学术数据库的合作，使得更多的研究论文和学术文章能够被谷歌搜索到。

这些努力已经开始见到一些成效。通过与PubMed的合作，谷歌搜索在医学领域的索引覆盖率显著提升。2021年，谷歌报告称，其医学搜索结果的准确性提高了约30%，用户能够更容易地找到最新的医学研究和数据。

但是，你也看到了，这样一个一个接入的解决方案是相当缓慢的，是根本跟不上新的深网数据产生的速度的。更关键的是，大量的深网数据对于用户并没有直接的价值，是需要通过机器学习来挖掘发现其价值，而这样的价值，对于搜索引擎来说是很难传递给用户的。

说到底，索引不足的问题不只是技术问题，而更可能是机制问题。数据是黄金，凭什么给你，我的数据隐私安全怎么办？我的利益怎么办？谁可以解决这样的问题呢？

区块链。

是的。你没有看错，区块链可以。

下面介绍两个项目，它们正在利用区块链技术解决深网数据的汇集问题。

注意，是汇集，而不仅仅是采集。

区别在于，有些数据是不可能被采集到的，因为这些数据就是一些企业的命根子，只有提供一种保障数据安全的机制，数据所有者，才愿意将这些数据共享出来赚取利益，否则，很有可能就是鸡（数据）飞蛋（收益）打。

我们先说可以采集到的那部分深网数据。

UpRock，是一个可以让你参与并获得空投奖励的公网数据采集项目。

UpRock 是一个利用区块链技术的去中心化平台，通过用户共享未使用的互联网带宽来实现数据收集和验证。

大概的运作流程是这样的：

首先，你选择加入 UpRock 的网络。UpRock允许你通过安装一个应用程序，将这些设备转变为网络节点。就像在共享经济中出租闲置房间一样，你可以共享你未使用的互联网带宽。

然后，执行采集任务。当你的设备处于闲置状态时，它会利用未使用的带宽连接到UpRock网络。系统会自动分配数据采集任务，比如抓取产品价格、航班信息和在线广告等公共数据。

最后，是数据验证。为了确保数据的准确性和可信度，UpRock设计了一系列验证流程。多个用户设备采集的相同数据会进行交叉验证，确保信息的正确性。可以把这个过程想象成多人合作完成同一个任务，大家相互检查和确认，确保结果无误。

你的头脑中一定有一个大大的问号：难道这些，谷歌不可以做吗？

因为，谷歌的爬虫是被限制了的。

网页爬虫，是谷歌等传统搜索引擎抓取互联网的公开信息重要工具。但是，爬虫程序受限于网站的访问权限和机器人协议（robots.txt），这些协议规定了哪些页面可以被抓取。例如，许多金融数据网站、科研数据库和专业平台为了保护内容，限制了搜索引擎的访问权限。这意味着，谷歌可能无法抓取这些页面上的详细数据。

网站使用了Robots.txt后，爬虫是不可以进入一些重要目录的

而 UpRock 利用用户设备的未使用带宽，从更多的数据源直接获取信息。举个例子，一些实时航班数据或者本地市场价格更新，可能通过用户在这些地区的设备共享带宽抓取，而不是依赖于公开的网络抓取，这些数据谷歌很难实时获取。

进一步，UpRock平台特别适合需要特定和高频数据更新的应用场景。例如，市场分析公司需要实时的产品价格数据和市场趋势信息，广告公司需要实时监控在线广告的效果和覆盖范围。这些场景对数据的实时性和准确性有很高的要求，传统搜索引擎难以满足这些需求，而UpRock的去中心化数据采集方式则能够提供更好的支持。

确保更多公网数据被采集的关键是激励机制。

为了鼓励更多人参与，UpRock提供了一种代币奖励机制。每当你贡献了一定量的带宽，或者参与了数据验证过程，你都会获得UpRock代币（$UPT）。如果你也想成为 UpRock 的一员，这里有一个详细的教程。

类似的还有一个叫 Grass 的应用，原理与 UpRock 差不多，在电脑浏览器端运行。这里也有一个教程，也很简单，也是一劳永逸。

去中心的方式解决了公网数据的采集问题，但是，互联网上更多的有价值的深网数据，还是很难被采集到。而且，这些数据的价值也更大，也正因为如此，数据的所有者非常重视这些数据的保护。

区块链社区有一个解决方案叫 Compute-to-Data。谷歌也有一个解决方案叫“联合学习”。

这两项技术都处于探索期，下面只是简单介绍，等有了重大进展了再介绍给大家。

Compute-to-Data，是区块链项目 Ocean protocol 的技术，它允许数据可以在不离开所有者控制的情况下，提供数据分析服务。通过这种方式，数据消费者可以利用数据进行计算和分析，而无需直接访问或下载数据本身。这种方法确保了数据隐私，同时仍然能够实现数据的价值。

例如，在医疗领域，医院和研究机构可以通过Compute-to-Data共享患者数据进行研究，而无需暴露患者的个人隐私信息。同样，在金融领域，银行和金融机构可以通过这种方式进行风险评估和市场分析，而不需要直接分享敏感的客户数据。

联合学习（Federated Learning）是一种由谷歌开发的创新机器学习方法，旨在保护用户数据隐私的同时，实现分布式模型训练。与传统的集中式机器学习方法不同，联合学习将模型训练过程分布在多个设备上，而不是将所有数据集中到一个中央服务器。

上面说的比较抽象，你可以下载一下谷歌的手机输入法 Gboard，这是一个联合学习的实验项目。你会体验到随着你使用次数的增加，谷歌猜测你下一个词的准确度会越来越高。

大概的流程是这样的：你在手机上安装Gboard后，它在你的手机上进行个性化模型训练，学习你的打字习惯和偏好。每当你输入新的词汇或短语时，Gboard会在本地更新语言模型，然后将更新后的模型发送到谷歌服务器。服务器会汇总所有用户的模型更新，生成一个更智能、更准确的全局模型，并将其分发到所有用户设备上。

通过这种方式，Gboard 在不断提高打字预测的准确性的同时，避免了将用户输入的敏感数据上传到服务器，有效保护了你的数据的隐私和安全​。题外话，如果有条件，建议你也把输入法换成 Gboard。你要知道，国内的有些输入法是相当流氓的。

很显然，联合学习的应用场景主要集中在机器学习领域。相比之下，Compute-to-Data 通过在数据存储位置执行计算任务，提供了更为灵活和高效的数据处理方案。无论是在医疗、金融还是市场研究等领域，Compute-to-Data都能够有效保护数据隐私，确保数据的高效利用。

但是，Compute-to-Data 还处于探索期，Ocean protocol 的市场中也只有 47 个 Compute-to-Data 的产品，而且大多数还是测试案例。

虽然，从逻辑上来看，Compute-to-Data 显然要比联合学习有更加广阔的应用场景。但是，到目前为止，我们还没有看到比较优秀的成功案例。所以，区块链 + AI，是否可以比 web2 巨头谷歌更快更好实现深网数据的汇集，还是一个未知数。

然而，有一点是肯定的：区块链提供的激励机制，在与 AI 结合之后无疑将会更加高效。

区块链的去中心化特性和透明的激励机制，可以吸引更多的用户参与数据的汇集，从而提升数据的质量和覆盖范围。同时，AI 技术的引入将使得这些数据能够被更有效地分析和利用，进一步推动技术进步和应用创新。

因此，未来的技术发展方向很可能是区块链与 AI 的深度融合，这种结合有望突破现有技术的局限，实现更高效、更安全的数据处理和分析，带来更广泛的应用场景和商业价值。

像 Adot 那样通过给用户发钱来激励他们贡献数据和参与搜索，是一种大胆且有效的方式。然而，谷歌作为全球最大的搜索引擎，几乎没有理由采用这种方法。

首先，谷歌已经拥有庞大的用户基础和丰富的数据资源，改变现有的商业模式可能会带来不必要的风险。

此外，给用户发钱的策略可能会引发各种复杂的监管和财务问题，对于一个如此庞大的公司来说，这些问题处理起来并不容易。

另外，谷歌也完全有能力利用AI技术来解决信息过载的问题。

事实上，谷歌在AI研究和应用领域一直处于领先地位，拥有强大的技术实力和资源。但是，谷歌如果在现阶段推出一种完全依赖AI来组织和整理信息的搜索方式，可能会影响其现有的竞价排名广告模式。这种广告模式是谷歌的主要收入来源，如果改变现有的搜索方式，可能会削弱广告商的投放效果，进而影响谷歌的收入。

所以，谷歌绝不会用 AI 去解决信息过载的问题，至少，在找到新的可以取代现有的竞价排名广告模式之前，谷歌是不敢这样做的。否则，那无异于自绝于广告商，自毁“钱”程。

谷歌正处于经典的“创新者窘境”中，犹如巨轮在风暴中摇摆。

作为市场的领导者，谷歌需要在保持现有业务稳定增长的同时，不断创新以应对新兴竞争对手的挑战。然而，任何颠覆性的创新都有可能打破现有的商业模式，带来不确定性和风险。因此，谷歌在进退两难的情况下，往往会选择保守的策略，等待更加明确的市场信号或新的商业模式。

正因为谷歌等行业巨头面临的创新者窘境，为像 Adot、UpRock、Grass、Ocean 这样的后来者提供了绝佳的机会。

不知道你是否已经注意到，Adot、UpRock、Grass、Ocean 这些后来者，都是区块链项目。你知道为什么吗？因为，区块链带来的不仅仅是先进的生产力，而且还有全新的生产关系。

通俗一点说，区块链，可能不是最好的提高蛋糕产量的技术，但一定是最好的分配蛋糕的技术。传统的搜索引擎和信息处理系统，大多集中在如何更快、更高效地处理和提供信息上，而区块链则从根本上改变了信息的汇集和价值的分配方式。

区块链实际上是一个分布式的大账本，这意味着每一个参与者都可以透明地看到所有交易和数据的记录。在这个大账本上，数据的产生、共享和使用都是公开且可验证的。这种透明性和去中心化的特性，赋予了每个用户更多的控制权和参与感。

Adot 通过去中心化的搜索网络，鼓励用户参与数据的输入和处理，并对他们的贡献给予公平的奖励。

UpRock和Grass让每一个有手机 、有电脑的用户都可以方便参与其中。

这种去中心化的模式打破了传统的垄断结构，使得每一个参与者都有机会分享时代发展的红利。

往大了说，这不只是谷歌的窘境，而是这个时代的窘境；

当然，这也不止是后来者的机会，而是整个时代的机会。

【更多内容请访问 空投项目基地 】

打开本文，你已经有3个零投入的空投机会了，耐心看完全文，你会收获更多。

天下苦百度久矣，但是，对于谷歌，我们好像还没有什么坏印象。

虽然，2023年2月份 Bard 作为 ChatGPT 竞品推出时出现了致命错误，导致股价大跌，市值短暂缩水 2000亿美元， 但是，从下图最新的股价走势看谷歌并无大碍。

自2004年上市以来，谷歌搜索引擎龙头老大位置并没有被撼动，即使退出中国市场后，也没有受到影响。

许多人认为，微软的Bing在有了ChatGPT的加持后会超越谷歌。

但是，谷歌也只是摇了摇、晃了晃而已。

因为，Google 的先发优势实在太强大。

Google长期以来积累了庞大的数据量和高质量的搜索索引，这使得它在提供精准和相关的搜索结果方面具有显著优势。Google每天处理超过35亿次搜索请求，这为其搜索算法提供了丰富的训练数据和优化机会。

以谷歌的知识图谱（Knowledge Graph）为例，包含了数十亿个实体和数千亿个事实，这使得Google在处理复杂查询时能够提供更准确和详尽的信息。例如，当用户搜索一个历史事件时，Google不仅会提供相关网页链接，还会在搜索结果页面上直接展示事件的时间线、重要人物和相关图片。尽管Bing也有类似的功能，但其数据规模和质量远不如Google。

此外，谷歌也有自己的大语言模型：PaLM（Pathways Language Model）和Bard。

PaLM基于Pathways架构，具备多任务学习和高效计算能力，能够处理多种任务，如语言翻译、文本生成和问答系统。它改进了搜索结果的精准度，并提升了谷歌助手等智能对话系统的性能。

Bard 专注于生成和理解复杂的长文本内容，适用于写作辅助和内容创作。它在处理技术文档和法律文本等专业内容时表现出色，还能够生成包含图像和视频的多模态内容。Bard在教育和培训领域也有广泛应用，帮助生成详细的教学材料和培训手册。

通过PaLM和Bard，谷歌在大语言模型领域保持了领先地位，提升了用户体验，并推动了自然语言处理技术的发展，从而帮助提升搜索结果的质量。

当然，获得 ChatGPT 加持后的 Bing 也不是一无所获。Bing 与 Google 搜索市场份额的差距正在缩小。2021年，Google 占据了全球搜索市场约92%的份额，而Bing的市场份额不到3%。截至2023年，Bing的市场份额已经上升到 10% 了。

简而言之，尽管ChatGPT是目前最先进的大语言模型，但它只能让Bing的市场份额提升到10%，仅此而已。

那么，谷歌就可以从此高枕无忧了吗？不能。谷歌不仅不能高枕无忧，而且已经陷入了创新者窘境。

“创新者窘境”这一概念由克莱顿·克里斯坦森（Clayton Christensen）在其1997年出版的书《创新者的窘境》中提出。这一概念解释了为何领先企业在面临技术变革时，往往会因专注于现有客户和现有业务模式，而忽视了颠覆性创新，从而逐渐丧失市场领先地位。

以ChatGPT为代表的生成式人工智能是这个时代的颠覆式创新，谷歌也有类似技术。刚才也简单分析过，这对谷歌有影响，但不足以致命。

当然，这个时代还有很多新技术，不像 ChatGPT 那样容易形成共识，是否具有颠覆性还需要时间来检验。

换个思路，我们先来分析一下是什么会让谷歌失去市场领先地位，也就是谷歌的软肋在哪儿，这会帮助我们发现后来者的机会。当然，web2.0 搜索巨头的窘境，自然也是 web3.0 时代的机会。

那么，谷歌的软肋到底是什么呢？

谷歌的软肋：一是表面上的信息过载，二是内在的索引不足。

信息过载是所有 web2.0 搜索引擎都存在的问题，包括Google、Bing 与 Baidu。

什么是信息过载？

一句话，你每次查询，返回的结果可能达到百万甚至上亿个网页。

根据统计，平均每个搜索查询的结果页面超过5万页，但用户通常只会查看前几页。这意味着大多数信息对用户来说是无效的，用户必须花费大量时间筛选和提取有用的信息。

举个例子，你搜索当前加密社区最热门的 ETH ETF，谷歌给你的首屏结果是下面这样的。第一个答案是一个网页：3个关于SEC突然批准ETH ETF的问题。想知道更多，你只能一个一个点开链接去看。

但是，有一个搜索引擎给出的结果很不一样。它是这样的，见下图：

这个就是即将介绍给你的去中心化的 AI 搜索引擎 Adot ，专治信息过载。

你也看到了，Adot 利用 AI 技术，将大量无序的信息进行整理和归纳。

当你搜索“ETH ETF”时，Adot 不仅会展示相关的批准信息、而且还包括了加工走势、以太坊ETF的特点、优势及风险，而且，每一条内容也同样提供了链接以备核查。这就像你走进一个餐馆，不仅可以看到菜单，还可以观看厨师的现场制作，极大地提升了用户体验。

这还没有完，在 Adot 搜索结果的下一屏，是对 ETH 的分析。

这相当于一个维基小百科，虽然没有什么了不起，但是，让人感觉很贴心。更暖心的是，你使用 Adot 还有积分奖励，用于兑换未来的空投。这可是谷歌所没有的。

具体的奖励规则是，每天签到奖励 5 个宝石、每天搜索奖励 5 个宝石，推荐一个用户奖励 50个 宝石。

我用下来的感觉，Adot 搜索区块链、加密货币相关的内容更好。（这个操作很简单，我就不写教程了，你只要有小狐狸钱包（Metamask），点击 Adot 链接后，一路确认就可以了）

其实，奖励也罢，AI对结果加工也罢，谷歌也是可以做的，非不为也，实不能也。这个我们后面详细讲。下面继续讲对于谷歌来说更致命的索引不足的问题。

如果说信息过载，还可以将就的话，那么索引不足的问题，将会彻底断送谷歌的前程。

谷歌索引的数据只是冰山一角

谷歌到底索引了多少网页，没有人知道。但是，你一旦知道，深网存在的事实，就不会对下面的说法感到惊讶了。

网传谷歌只索引了 0.03% 的互联网数据，这可能有点夸张，但是，不到 10%，是不会冤枉谷歌的。

你知道这意味着什么吗？

意味着，你搜索的结果很不全，有大量信息被忽略了，尤其是深网内容。

什么是深网？

深网（Deep Web）指的是那些没有被传统搜索引擎索引到的内容，它包含学术研究、专业数据库、企业内部网络等重要资源，而不是非法的暗网（Dark Web）。这些信息往往是极其有价值的。

举个例子，有一次一个医学研究生需要查找关于一种罕见病症的最新研究结果。他在谷歌上进行了搜索，但搜索结果大多是新闻文章和基本介绍，没有任何深入的研究数据。最后，他通过学校的内部数据库找到了所需的研究论文，这些论文就属于深网内容，未被谷歌索引。如果谷歌能够索引这些深网资源，用户将能够更轻松地找到他们所需的高质量信息。

再比如，企业进行市场分析时，查找竞争对手的详细财务报告和市场策略可能需要访问受限数据库。然而，这些信息通常隐藏在需要特殊权限访问的数据库中，而不是普通的网页。企业的分析师们不得不花费大量时间去不同的数据库和平台查找数据，而这些数据同样属于深网的一部分。如果谷歌能够索引这些深网资源，将大大提高数据获取的效率和准确性。

再举个你有亲身体验的事情，不只是谷歌，即使是百度，也不能收集到你微信朋友圈的内容。不只是微信朋友圈，下图中的所有数据，谷歌、百度都拿不到。只有微信的搜一搜可以。这些数据对于其他搜索引擎来说，也就是深网数据的一部分。

这种索引不足的问题不仅浪费了用户的时间，也限制了信息的获取和利用。对于那些需要深入研究和准确数据的人来说，这无疑是一个巨大的瓶颈。

谷歌，改进索引技术是不可能解决数据索引不足的问题。而且，索引不足的问题也是人工智能也无能为力的问题，总不能让 AI 去生成假数据吧。

所以，说索引不足才是谷歌最大的、真正的软肋。长此以往，谷歌将会陷入巧妇难为无米（数据）之炊（搜索）的境地。

当然，谷歌也一直在努力解决索引不足的问题。

2018年，谷歌启动了与学术数据库的合作计划，通过API接口访问和索引这些资源。这一计划包括与CrossRef和PubMed等主要学术数据库的合作，使得更多的研究论文和学术文章能够被谷歌搜索到。

这些努力已经开始见到一些成效。通过与PubMed的合作，谷歌搜索在医学领域的索引覆盖率显著提升。2021年，谷歌报告称，其医学搜索结果的准确性提高了约30%，用户能够更容易地找到最新的医学研究和数据。

但是，你也看到了，这样一个一个接入的解决方案是相当缓慢的，是根本跟不上新的深网数据产生的速度的。更关键的是，大量的深网数据对于用户并没有直接的价值，是需要通过机器学习来挖掘发现其价值，而这样的价值，对于搜索引擎来说是很难传递给用户的。

说到底，索引不足的问题不只是技术问题，而更可能是机制问题。数据是黄金，凭什么给你，我的数据隐私安全怎么办？我的利益怎么办？谁可以解决这样的问题呢？

区块链。

是的。你没有看错，区块链可以。

下面介绍两个项目，它们正在利用区块链技术解决深网数据的汇集问题。

注意，是汇集，而不仅仅是采集。

区别在于，有些数据是不可能被采集到的，因为这些数据就是一些企业的命根子，只有提供一种保障数据安全的机制，数据所有者，才愿意将这些数据共享出来赚取利益，否则，很有可能就是鸡（数据）飞蛋（收益）打。

我们先说可以采集到的那部分深网数据。

UpRock，是一个可以让你参与并获得空投奖励的公网数据采集项目。

UpRock 是一个利用区块链技术的去中心化平台，通过用户共享未使用的互联网带宽来实现数据收集和验证。

大概的运作流程是这样的：

首先，你选择加入 UpRock 的网络。UpRock允许你通过安装一个应用程序，将这些设备转变为网络节点。就像在共享经济中出租闲置房间一样，你可以共享你未使用的互联网带宽。

然后，执行采集任务。当你的设备处于闲置状态时，它会利用未使用的带宽连接到UpRock网络。系统会自动分配数据采集任务，比如抓取产品价格、航班信息和在线广告等公共数据。

最后，是数据验证。为了确保数据的准确性和可信度，UpRock设计了一系列验证流程。多个用户设备采集的相同数据会进行交叉验证，确保信息的正确性。可以把这个过程想象成多人合作完成同一个任务，大家相互检查和确认，确保结果无误。

你的头脑中一定有一个大大的问号：难道这些，谷歌不可以做吗？

因为，谷歌的爬虫是被限制了的。

网页爬虫，是谷歌等传统搜索引擎抓取互联网的公开信息重要工具。但是，爬虫程序受限于网站的访问权限和机器人协议（robots.txt），这些协议规定了哪些页面可以被抓取。例如，许多金融数据网站、科研数据库和专业平台为了保护内容，限制了搜索引擎的访问权限。这意味着，谷歌可能无法抓取这些页面上的详细数据。

网站使用了Robots.txt后，爬虫是不可以进入一些重要目录的

而 UpRock 利用用户设备的未使用带宽，从更多的数据源直接获取信息。举个例子，一些实时航班数据或者本地市场价格更新，可能通过用户在这些地区的设备共享带宽抓取，而不是依赖于公开的网络抓取，这些数据谷歌很难实时获取。

进一步，UpRock平台特别适合需要特定和高频数据更新的应用场景。例如，市场分析公司需要实时的产品价格数据和市场趋势信息，广告公司需要实时监控在线广告的效果和覆盖范围。这些场景对数据的实时性和准确性有很高的要求，传统搜索引擎难以满足这些需求，而UpRock的去中心化数据采集方式则能够提供更好的支持。

确保更多公网数据被采集的关键是激励机制。

为了鼓励更多人参与，UpRock提供了一种代币奖励机制。每当你贡献了一定量的带宽，或者参与了数据验证过程，你都会获得UpRock代币（$UPT）。如果你也想成为 UpRock 的一员，这里有一个详细的教程。

类似的还有一个叫 Grass 的应用，原理与 UpRock 差不多，在电脑浏览器端运行。这里也有一个教程，也很简单，也是一劳永逸。

去中心的方式解决了公网数据的采集问题，但是，互联网上更多的有价值的深网数据，还是很难被采集到。而且，这些数据的价值也更大，也正因为如此，数据的所有者非常重视这些数据的保护。

区块链社区有一个解决方案叫 Compute-to-Data。谷歌也有一个解决方案叫“联合学习”。

这两项技术都处于探索期，下面只是简单介绍，等有了重大进展了再介绍给大家。

Compute-to-Data，是区块链项目 Ocean protocol 的技术，它允许数据可以在不离开所有者控制的情况下，提供数据分析服务。通过这种方式，数据消费者可以利用数据进行计算和分析，而无需直接访问或下载数据本身。这种方法确保了数据隐私，同时仍然能够实现数据的价值。

例如，在医疗领域，医院和研究机构可以通过Compute-to-Data共享患者数据进行研究，而无需暴露患者的个人隐私信息。同样，在金融领域，银行和金融机构可以通过这种方式进行风险评估和市场分析，而不需要直接分享敏感的客户数据。

联合学习（Federated Learning）是一种由谷歌开发的创新机器学习方法，旨在保护用户数据隐私的同时，实现分布式模型训练。与传统的集中式机器学习方法不同，联合学习将模型训练过程分布在多个设备上，而不是将所有数据集中到一个中央服务器。

上面说的比较抽象，你可以下载一下谷歌的手机输入法 Gboard，这是一个联合学习的实验项目。你会体验到随着你使用次数的增加，谷歌猜测你下一个词的准确度会越来越高。

大概的流程是这样的：你在手机上安装Gboard后，它在你的手机上进行个性化模型训练，学习你的打字习惯和偏好。每当你输入新的词汇或短语时，Gboard会在本地更新语言模型，然后将更新后的模型发送到谷歌服务器。服务器会汇总所有用户的模型更新，生成一个更智能、更准确的全局模型，并将其分发到所有用户设备上。

通过这种方式，Gboard 在不断提高打字预测的准确性的同时，避免了将用户输入的敏感数据上传到服务器，有效保护了你的数据的隐私和安全​。题外话，如果有条件，建议你也把输入法换成 Gboard。你要知道，国内的有些输入法是相当流氓的。

很显然，联合学习的应用场景主要集中在机器学习领域。相比之下，Compute-to-Data 通过在数据存储位置执行计算任务，提供了更为灵活和高效的数据处理方案。无论是在医疗、金融还是市场研究等领域，Compute-to-Data都能够有效保护数据隐私，确保数据的高效利用。

但是，Compute-to-Data 还处于探索期，Ocean protocol 的市场中也只有 47 个 Compute-to-Data 的产品，而且大多数还是测试案例。

虽然，从逻辑上来看，Compute-to-Data 显然要比联合学习有更加广阔的应用场景。但是，到目前为止，我们还没有看到比较优秀的成功案例。所以，区块链 + AI，是否可以比 web2 巨头谷歌更快更好实现深网数据的汇集，还是一个未知数。

然而，有一点是肯定的：区块链提供的激励机制，在与 AI 结合之后无疑将会更加高效。

区块链的去中心化特性和透明的激励机制，可以吸引更多的用户参与数据的汇集，从而提升数据的质量和覆盖范围。同时，AI 技术的引入将使得这些数据能够被更有效地分析和利用，进一步推动技术进步和应用创新。

因此，未来的技术发展方向很可能是区块链与 AI 的深度融合，这种结合有望突破现有技术的局限，实现更高效、更安全的数据处理和分析，带来更广泛的应用场景和商业价值。

像 Adot 那样通过给用户发钱来激励他们贡献数据和参与搜索，是一种大胆且有效的方式。然而，谷歌作为全球最大的搜索引擎，几乎没有理由采用这种方法。

首先，谷歌已经拥有庞大的用户基础和丰富的数据资源，改变现有的商业模式可能会带来不必要的风险。

此外，给用户发钱的策略可能会引发各种复杂的监管和财务问题，对于一个如此庞大的公司来说，这些问题处理起来并不容易。

另外，谷歌也完全有能力利用AI技术来解决信息过载的问题。

事实上，谷歌在AI研究和应用领域一直处于领先地位，拥有强大的技术实力和资源。但是，谷歌如果在现阶段推出一种完全依赖AI来组织和整理信息的搜索方式，可能会影响其现有的竞价排名广告模式。这种广告模式是谷歌的主要收入来源，如果改变现有的搜索方式，可能会削弱广告商的投放效果，进而影响谷歌的收入。

所以，谷歌绝不会用 AI 去解决信息过载的问题，至少，在找到新的可以取代现有的竞价排名广告模式之前，谷歌是不敢这样做的。否则，那无异于自绝于广告商，自毁“钱”程。

谷歌正处于经典的“创新者窘境”中，犹如巨轮在风暴中摇摆。

作为市场的领导者，谷歌需要在保持现有业务稳定增长的同时，不断创新以应对新兴竞争对手的挑战。然而，任何颠覆性的创新都有可能打破现有的商业模式，带来不确定性和风险。因此，谷歌在进退两难的情况下，往往会选择保守的策略，等待更加明确的市场信号或新的商业模式。

正因为谷歌等行业巨头面临的创新者窘境，为像 Adot、UpRock、Grass、Ocean 这样的后来者提供了绝佳的机会。

不知道你是否已经注意到，Adot、UpRock、Grass、Ocean 这些后来者，都是区块链项目。你知道为什么吗？因为，区块链带来的不仅仅是先进的生产力，而且还有全新的生产关系。

通俗一点说，区块链，可能不是最好的提高蛋糕产量的技术，但一定是最好的分配蛋糕的技术。传统的搜索引擎和信息处理系统，大多集中在如何更快、更高效地处理和提供信息上，而区块链则从根本上改变了信息的汇集和价值的分配方式。

区块链实际上是一个分布式的大账本，这意味着每一个参与者都可以透明地看到所有交易和数据的记录。在这个大账本上，数据的产生、共享和使用都是公开且可验证的。这种透明性和去中心化的特性，赋予了每个用户更多的控制权和参与感。

Adot 通过去中心化的搜索网络，鼓励用户参与数据的输入和处理，并对他们的贡献给予公平的奖励。

UpRock和Grass让每一个有手机 、有电脑的用户都可以方便参与其中。

这种去中心化的模式打破了传统的垄断结构，使得每一个参与者都有机会分享时代发展的红利。

往大了说，这不只是谷歌的窘境，而是这个时代的窘境；

当然，这也不止是后来者的机会，而是整个时代的机会。

【更多内容请访问 空投项目基地 】