信息溯源（Source Attribution）
AI 答案 + 引用来源的产品范式 — AI 搜索区别于传统对话机器人的核心信任机制：每个 claim 都标注信息出处。是 5-07 子行业"答案引擎"的标志性能力。
为什么重要
- 可信度：用户可点击验证 AI 答案的真实性，降低幻觉风险
- 法律边界：标注来源是应对版权争议的初步答案（虽然不完全解决）
- 商业关系：催生 Perplexity AI 等推出"出版商计划"，与内容方分享 AI 搜索收益
- 学术严谨：Consensus / Semantic Scholar 等学术 AI 搜索的基本要求
实现形态
| 形态 | 说明 | 代表 |
|---|---|---|
| 内嵌脚注 | 答案文本中插入小数字脚注 → 鼠标悬停看来源 | Perplexity AI |
| 卡片式 | 答案下方堆叠引用源卡片 | Bing Chat / Copilot |
| 大纲式 | 按主题分类的来源大纲 | 秘塔AI搜索 |
| 引用框 | 答案侧边专门引用面板 | Google AI Overview |
商业模式延伸
5-07 报告强调 出版商计划 的兴起：
- Perplexity AI 推出与内容方分享 AI 搜索收益方案
- 部分大型新闻机构（如 News Corp）已与 OpenAI / Perplexity 签订内容授权 + 收益分成协议
- 未来可能通过区块链等技术实现内容溯源和收益分配自动化
关联
- 答案引擎：答案引擎
- 技术基础：RAG 是溯源的工程基础
- 代表产品：Perplexity AI 秘塔AI搜索 Consensus
- 法律争议：内容抓取合法性 / AI 摘要分流 / 事实错误责任三大议题