在全球最大的职业社交平台LinkedIn上，寻找一位“对治疗癌症有深入了解”的专家，其搜索逻辑，正在发生一次根本性的、从“机械”到“智能”的革命。
近日，LinkedIn正式推出了其全新的、由AI驱动的人脉搜索功能。
这并非又一次简单的算法优化。它是一次深刻的范式转移，标志着LinkedIn的搜索框，正在从一个传统的“关键词匹配”引擎，进化为一个能够真正“理解人类意图”的语义搜索引擎。
在过去，如果你想在LinkedIn上找到一位癌症研究专家，你必须精确地，在其个人资料中，可能出现的关键词——例如，“癌症”、“肿瘤学”、“基因组研究”——之间，进行反复的、手动的尝试。
而现在，用户只需用最自然的、日常的语言，提出一个问题，例如：
“谁对治疗癌症有深入的了解？”
新的AI系统，将不再仅仅去寻找那些在其个人资料中，一字不差地，包含了“癌症”这个词的用户。
它会去理解“治疗癌症”这个意图背后，所关联的、一个庞大的、语义相关的知识网络。
-
它会自动地，将“癌症”，与“肿瘤学”、“基因组研究”、“CAR-T疗法”、“靶向药开发”等一系列相关的专业领域和技能，进行关联。
-
它会去分析用户的职业背景、发表的论文、参与的项目，来判断其在该领域的专业深度。
-
更重要的是，它还会在推荐最终的结果时，优先考虑那些与你，存在二度或三度社交网络关系的人，以确保你能够更容易地，通过共同的联系人，来与这些专家建立联系。
这种从“字面匹配”到“意图理解”的跃迁，正在将LinkedIn的搜索体验，提升到一个前所未有的、精准和高效的水平。
为了在其高达13亿用户的庞大平台上，实现这种智能化的搜索，LinkedIn的工程团队，在背后，进行了一系列艰苦而卓绝的技术优化。
他们开发了一套被内部称为“食谱”（Recipe）的高效技术框架。
通过这套框架，他们能够在小范围内，快速地，对各种不同的模型、数据和算法组合，进行大量的A/B测试。
经过持续不断的迭代和优化，团队最终，成功地，将支撑这套系统的核心模型的参数规模，从最初的440M（4400万），大幅地，缩减到了220M（2200万）——在保持甚至提升了核心性能的前提下，将模型的尺寸，压缩了一半。
这种极致的优化，极大地提升了系统的处理速度和响应能力，是其能够服务于全球海量用户的关键所在。
在底层的基础设施上，LinkedIn也进行了一次重大的转型。
他们将整个检索系统，从过去依赖于CPU的架构，全面地，迁移到了更适合并行计算的GPU架构之上，以应对AI时代，日益增长的、庞셔大的数据处理需求。
此外，团队还创建了一种全新的、智能的**“查询路由层”**。
这个路由层，能够实时地，分析用户输入的查询的特性——它是一个简单的关键词查询，还是一个复杂的、需要语义理解的自然语言问题？
然后，根据分析结果，它会自动地，将这个查询，路由到最适合处理它的后台系统中去——要么是传统的、高速的关键词检索引擎，要么是全新的、由大模型驱动的语义理解引擎。
爱力方的分析认为，LinkedIn的这次重大升级，其意义已远超一次产品功能的更新。
它更像是一次深刻的“技术宣言”。它向整个行业，清晰地，展示了，如何在一个拥有海量用户和历史数据的、成熟的、“传统”的互联网产品中，通过一种务实的、渐进式的、工程思维主导的方式，来深度地、有效地，整合生成式AI的革命性力量。
它没有去追求最大、最强的模型，而是通过持续的优化，找到了那个在“能力”、“速度”与“成本”之间，最完美的平衡点。
当一个拥有13亿用户的平台，其最核心的交互入口，开始真正地“听懂人话”时，它所能释放出的、关于知识发现和人脉连接的能量，可能才刚刚开始，被我们所真正地认识到。
