检索增强生成不是大模型补丁，是流量入口之争

2026年的RAG骗局争议

上个月深圳的大模型产业沙龙，我坐在第一排。散场的时候被一个知识付费赛道的老板拉住吐槽。他说去年花了四十八万找某AI团队做了自家平台的定制RAG，号称能给用户做一对一的个性化知识问答，结果上线三个月，用户投诉率超过40%，十道题有三道瞎编，把他积累十年的内容口碑都快砸没了。他当场就把对接的销售拉黑了，钱也要不回来。

这事不是个例。说实话，今年年初我跑了大半个国内的AI圈子，十个人聊RAG，有八个在骂，还有两个在骗。

公开数据显示，2025年国内公开披露的RAG落地项目，客户次年留存率只有21%。相当于每五个付费客户就跑掉四个。这个淘汰率，比共享风口那会还夸张。

很多人说，检索增强生成就是用来补大模型幻觉的补丁。客户有定制化知识需求，把文档塞进去，让大模型回答的时候先查文档，不就不会瞎说了吗？

骗鬼呢。大部分创业公司做的RAG，就是把文档切吧切吧剁了，扔去向量数据库存起来，搜索到啥算啥，连最基本的行业知识权重调整都不做。你把一本专业药典和一篇小编写的养生公众号文章放进去，权重一样，大模型当然会把公众号的瞎扯当正确答案用。

收几十万定制费，赚的就是信息差的定金。这群人把整个赛道的名声都搞臭了。

不过话说回来，骂归骂，为什么大厂小厂还都在拼命推RAG？真的是为了补幻觉吗？

藏在技术背后的产业链话语权博弈

把大模型进化比作生物演化，预训练得到的是写在基因里的先天本能，而检索增强生成就是个体后天获得的免疫记忆——不用每次遇到新病毒都重新进化一遍基因，只需要把新病毒的特征存进记忆库，下次遇到直接调出来识别就行。

这个逻辑，听起来就是个技术优化，对不对？其实本质是产业链利润的重新分配。

我们算一笔账，做百万级文档企业知识库的向量存储，成本是传统关系型数据库的7倍，单次检索延迟比传统存储高120毫秒，对年检索量百万级的企业来说，一年多出来的运营成本，足够招三个三年经验的算法工程师。

原来大模型厂商赚钱，靠的是按token收费，你用的越多我赚的越多。RAG出来之后，企业把核心数据存在自己的本地或者厂商的专有库里，大部分内容不用重复塞给大模型，token消耗反而下降了，大模型厂反而少赚了token的钱。那为什么国内的智谱AI、百度文心这些头部，去年都免费开放RAG定制工具给企业用？

说白了，抢的是数据入口。你把所有的核心业务知识、客户数据都存在我的RAG生态里，你还走得掉吗？智谱AI去年企业客户数涨了三倍，靠的不是大模型参数比别人大，就是靠免费RAG绑住了客户的数据，后续每年收的服务费，比一次性卖模型赚的多好几倍。

最有意思的是上游的向量数据库厂商，比如国内的Zilliz，去年国内RAG相关的向量数据库市场，他们占了超过42%的份额，毛利率超过80%，比大部分大模型厂商的毛利率还高30个点。这就是产业链博弈的结果——所有人都要做RAG，都要买向量存储的账，基础设施先赚了第一波大头。

原来大家卷大模型参数，卷训练成本，现在卷RAG，卷数据入口，逻辑完全变了。谁绑住了客户的知识，谁就拿到了长期的饭票。

落在普通从业者头上的真机会

很多人一提到AI新技术，第一反应就是我一个小从业者，轮不到我喝汤，都是大厂的游戏。不对。RAG这个事，反而给很多有行业积累的普通人开了新口子。

我上个月在杭州见了一个95年的小伙子，原来就是做跨境亚马逊运营的，干了六年，攒了一堆行业数据，去年辞职自己做了一个针对小卖家的选品RAG工具。他把过去五年亚马逊所有类目的排名数据、用户评论、供应链价格全部爬下来，自己做了权重标引，把选品的行业经验都揉进了检索逻辑里，年费只收399块，现在已经有两万多付费用户，一年赚的钱，是原来打工的五倍还多。

他说，大平台的通用大模型根本做不好这个事，因为他们不知道小卖家选品的时候最看重什么，哪些数据是没用的，哪些是命根子。只有天天泡在这个行业里的人，才能把检索的权重调对，出来的结果才有用。

这话戳到点子上了。RAG根本不是纯技术活，行业知识的权重调优，这个活AI干不了，大厂的算法工程师也干不了，只有懂这个行业的老人才能干。

原来大模型出来的时候，很多初级文案、运营、顾问都慌，说自己要失业了。现在RAG出来，反而创造了一堆新岗位：专门给垂直领域做知识库标引的标引师，专门调RAG检索逻辑的提示工程师，专门帮中小企业做RAG落地的行业顾问，这些岗位现在开价都比原来同级别高30%，还招不到人。

当然，坑也很多。那些只会套开源框架赚差价的骗子，今年估计就会被市场清出去，客户也不是傻子，上当一次不可能上第二次。

你手里攒了十年的行业经验和知识，打算什么时候做成自己的专属RAG？