你花了两小时刷购物网站，搜索栏里输入了“浅灰色、实木扶手、绒布面、适合养猫家庭的三人沙发”，然后系统给你返回了灰色沙发和三人沙发两个选项，剩下全是材质不搭、颜色不对、根本不适合养宠物的推荐。
这不是你的问题。这是电商搜索过去三十年都没解决的结构性矛盾。
2026年7月29日，一家名叫 Onton 的旧金山创业公司，用一款名为 Ontology 1 的神经符号模型，在一个90道意图密集型查询的基准测试中，以 precision@10 达 0.630 的成绩，同时击败了 Google Shopping 的 0.543 和 Amazon 的 0.469。更让人震惊的是，它做到这点时，索引的商品目录只有对手的大约百分之一。
Onton 的联合创始人 Zach Hudson 和 Alex Gunnarson 在 X 上宣布这一消息时，措辞更直接：“至少 2.7 倍于全球最佳电商搜索的精度，能处理此前从未有过的查询类型。”
90道题的考卷，三位AI裁判打分
Onton 公开发布了名为 Subtext-Decor-90 的基准测试，源码和数据均已上传至 HuggingFace。他们从家居装饰品类中精心挑选了 90 个意图密集型查询。这些查询包含丰富的审美描述词、否定条件、文化隐喻和情感框架。例如“不要灰色、不要皮面、要能拆洗的北欧风三人沙发”，或者“像中古店淘来的那种柚木色边柜”。这类查询恰恰是传统电商搜索的死穴。
评判机制也别出心裁。Onton 没有使用人类评估员，而是请来了三位独立的 LLM 裁判——Claude Opus 4.8、Gemini 3.1 Pro 和 GPT-5.5——对每个搜索引擎返回的前 10 条结果进行打分。
结果如下：
- Ontology 1：mean precision@10 = 0.630 [95% CI: 0.571–0.688]
- Google Shopping：mean precision@10 = 0.543 [0.490–0.596]
- Amazon：mean precision@10 = 0.469 [0.417–0.521]
在 90 个查询中，Ontology 1 直接赢得了 52 个，Google 赢了 19 个，Amazon 赢了 16 个。三个查询因 Onton 索引目录不足而返回了少于 10 条结果，这些空缺被计为不相关。如果排除空缺，Onton 的得分会上升到 0.665。
三位裁判的评分一致性（Krippendorff’s alpha）为 0.465，属于中等水平，意味着绝对数值存在一定噪音。但更有说服力的是另一个事实：三位裁判对引擎的排名顺序完全一致——Onton 第一，Google 第二，Amazon 第三。Pairwise Pearson 相关性中，Gemini 3.1 Pro 与 GPT-5.5 的相关系数高达 0.730，说明裁判们在“哪些结果是好的”这一判断上高度一致。
Onton 在 NDCG（归一化折损累计增益）指标上同样领先。这意味着它不仅找到了更多相关商品，还把最相关的商品排在了更靠前的位置。
但最让人无法忽视的一个数字是：Onton 目前索引的商品目录，规模大约只有 Google Shopping 和 Amazon 的百分之一到千分之一。
关键词和向量检索的死穴在哪里
传统电商搜索的逻辑，建立在属性匹配的基础上。系统预先为每个商品打上标签：颜色、尺寸、材质、价格区间、品牌。用户通过关键词或筛选器匹配这些标签，系统返回结果。
这套逻辑对“灰色沙发”这种简单查询够用，但遇到“适合养猫家庭的浅灰色绒布面沙发”时，它就彻底崩溃了。因为没有商家会给商品打上“pet-friendly”这个标签。即使有，标签也可能是卖家自己填的，真实性存疑。
近年来，向量检索和语义搜索的兴起试图解决这个问题，将商品描述和用户查询映射到高维向量空间进行语义相似度匹配。但向量模型有一个致命缺陷：它无法进行真正的推理。
向量模型可以告诉你“沙发”和“沙发”是相似的，但它无法推理出“养猫家庭需要耐抓、易清洁的面料”，也无法从“柚木色、中古风”这些审美描述中推导出“深棕色、实木、简洁线条”这些客观属性。它只是把文字变成了向量，然后比谁离得近。
Onton 在官方博客中一针见血地指出：传统电商搜索的界面，在近 30 年里几乎没有本质变化。
神经符号系统：不是更会猜，而是更会想
Ontology 1 的核心突破，在于它不是一个更大的深度学习模型，而是一个神经符号系统。
所谓神经符号，就是神经学习和符号推理的结合。神经部分负责从海量非结构化数据中提取模式——理解用户输入的自然语言、识别图片中的风格元素。符号部分则负责构建一个显式的、可审查的世界模型，在这个模型上进行逻辑推理。
举个例子。当用户搜索“pet-friendly sectional”（适合养宠物的组合沙发）时，Ontology 1 是这样工作的。
第一步，它不信任卖家提供的标签。因为“pet-friendly”不是一个标准属性，即使有标签也可能是夸大或虚假的。
第二步，它推理出“pet-friendly”意味着什么：耐抓、易清洁、不易吸附宠物毛发。然后它寻找与这些属性相关的客观指标——面料材质（聚酯纤维优于丝绸）、编织密度（紧密编织不易被猫抓破）、清洁方式（可拆洗罩面优于不可拆洗）。
第三步，它还会评估信息来源的可信度。某些评价可能是刷的，某些描述可能存在夸大。系统会权衡这些信息的权重，而不是照单全收。
最关键的差异在于：Ontology 1 构建的是一个可审查的、显式的世界模型，而不是把模式吸收进神经网络的黑箱权重里。当它遇到一个没有明确答案的问题时，它不会“猜”一个答案，而是承认存在知识缺口，然后通过推理把答案推导出来。
这种能力是可以复用的。今天它学会了“pet-friendly”意味着“聚酯纤维”和“可拆洗”，明天遇到“pet-friendly chair”时，它不需要重新训练。这种自我学习的能力，在 Onton 之前的研究论文《Self-learning search》中有详细阐述。
支撑这套推理的基础设施也值得一提。Onton 自研了一款名为 Ograph 的定制图数据库。根据官方披露的数据，一个 Ograph 核心就能击败运行在 14 个核心上的 SuiteSparse:GraphBLAS，每核心吞吐量高出约 100 倍。GPU 版本的运行速度又是 CPU 版本的 43 倍，早期调优阶段甚至触摸到了 1000 倍的加速比。这套底层基础设施，让符号推理不再是“理论上可行但实践中太慢”的空中楼阁。
为什么巨头没做这件事
谷歌和亚马逊当然不缺 AI 人才，也不缺数据。但问题在于，它们现有的搜索架构建立在完全不同的假设之上。
Google Shopping 的根基是谷歌的通用搜索基础设施，本质上是一个爬取、索引加排名的管道。Amazon 的搜索则更偏向商品管理，其搜索团队长期以来的核心任务是处理海量 SKU 的匹配和排序问题。两家公司的搜索系统都经过了十几年甚至二十年的迭代优化，已经形成了巨大的技术惯性和沉没成本。
相比之下，Onton 的优势恰恰在于“小”和“垂直”。
它不需要处理几十亿个商品，只需要把家居装饰这一个品类做到极致。它不需要兼容已有的广告系统和推荐算法，可以完全从用户意图出发重新设计搜索体验。它不需要考虑“如何让搜索结果显示更多广告”，可以专注于“如何让搜索结果真正满足用户需求”。
Onton 目前只索引了家居装饰品类，规模只有对手的百分之一到千分之一。但 Onton 声称，这套方法论在本质上是可以泛化的——“Ontology searches non-product data with essentially no reconfiguration”。
Agentic Commerce：下一个主战场的入场券
Onton 做 Ontology 1，目标绝不仅仅是做一个更好的搜索框。
官方新闻稿中明确写道，Ontology 1 是“a trust and authenticity model for the emerging agentic web”——为新兴的代理网络打造的信任和真实性模型。
这里的“agentic web”指的是一个正在快速逼近的未来：AI Agent 开始替人类做购物决策。你的 AI 购物助手会浏览商品评价、对比不同平台的价格、筛选最优推荐，最后替你下单。但问题在于，今天的 AI Agent 无法区分真实评价和虚假评价，无法辨别真实卖家和刷单卖家，更无法判断一个“pet-friendly”标签是事实还是营销话术。
Shopifreaks 的报道精炼地概括了这一点：Onton built a model “to judge whether the information around a product can be trusted rather than only what the product is”——判断产品信息的可信度，而不仅仅是产品本身是什么。
在 Agentic Commerce 的时代，搜索引擎的客户不再是人，而是 AI Agent。这意味着搜索结果的评价标准也将发生根本性转变：从点击率和转化率转向信息可信度和推理可靠性。Ontology 1 正是为这个新范式设计的。
它在哪里输
Onton 的 Benchmark 报告也坦诚地列出了失败案例，主要集中在功能性规格查询上。在这些场景中，Amazon 的品类元数据优势碾压了 Onton 的推理能力。
例如，查询“lamp that won’t wake my partner if I read at 3am”（凌晨三点看书不会吵醒伴侣的灯），Onton 的得分仅为 0.4，而 Amazon 高达 0.9。另一个例子是“something to put on a weirdly deep windowsill”（放在一个诡异深窗台上的东西），Onton 仅得 0.07，Amazon 为 0.67。
Onton 将原因归结为目录广度的不足和单一品类带来的限制。它认为自学习循环会逐渐缩小这一差距。
这意味着什么
Onton 融资总额约 1000 万美元，员工不到 20 人。但它用一个只有对手百分之一到千分之一规模的索引，在意图密集型搜索的精准度上同时击败了谷歌和亚马逊。
这不是一个创业公司逆袭巨头的励志故事那么简单。它意味着一个更根本的范式转换正在发生：
搜索的竞争，正在从谁的数据多转向谁的推理能力强。
过去二十年的搜索竞争，本质上是一场数据军备竞赛。谁爬取了更多的网页，谁索引了更多的商品，谁的服务器集群更大，谁就能赢。但 Ontology 1 证明了另一种可能性：用更少的数据，更深的推理，也可以达到更好的结果。
这对电商巨头来说是一个危险的信号。因为它们的竞争优势——海量数据、庞大索引、成熟的基础设施——在推理驱动的搜索范式下，可能不再是护城河，而是沉没成本。
风险与局限
Ontology 1 的局限性同样明显。
首先，它目前只在单一品类（家居装饰）上得到验证。虽然 Onton 声称方法论可以泛化，但在跨品类、跨语言、跨文化场景下的表现，还需要更多数据来证明。
其次，Ontology 1 目前不是可下载的模型权重，也没有公开的 API 或定价体系。用户只能通过 Onton.com 使用，合作伙伴的接入需 case by case 审批。这意味着它的商业化路径尚不清晰，目前的合作模式更像是一个邀请制的体验项目，而非可规模化复制产品。
第三，Onton 的 Benchmark 是自研的。虽然测试过程公开透明（代码和数据已发布在 HuggingFace 上），但独立第三方的验证仍然缺失。Shopifreaks 在报道中也谨慎地加了一句：“though the benchmarks are its own”。
如果 Onton 的路径被证明是正确且可规模化的，那么最危险的并不是亚马逊或谷歌的整体业务——它们有自己的护城河（物流、云计算、广告系统）。真正危险的是那些依赖数据量作为核心竞争力的电商搜索技术服务商，以及那些在意图理解上长期停滞的垂直电商平台。
而对于整个 AI 行业来说，Ontology 1 的出现提供了一个有力的例证：当所有人都在一窝蜂地堆数据、扩模型时，有时候更聪明地思考比背更多书更有效。
巨头们比的是谁的书架更满，Onton 却证明了另一件事：搜索的未来，不取决于你装了多少本书，而取决于你读懂了什么。
快报