“三分钟以内，我要这个人的全部信息。”这句话，曾出没在各种网络小说以及竖屏短剧中，成为霸总对助理所说的一句经典台词。

而在如今的海外市场，这一台词已经衍生成一个AI搜索App，让拉美人在过去30天共掏出了超100万美金的付费。

2026年9月9日，Deepsearch AI Search Assistant（以下简称为“Deepsearch AI”）登上了巴西Google Play免费总榜第9名，在此之前，它一路从8月15日总榜的178名逐渐爬升到前十位。目前，它还同时位列全球130多个国家及地区的谷歌时尚生活榜前十。

Deepsearch AI近30天巴西Google Play榜单排名趋势。图源：点点数据

单从下载量来看，据点点数据，近30天来，Deepsearch AI在全球Google Play与App Store双端累计的下载量达到了419.6万，环比增长约100.8%。其收入增长同样值得关注：近30天，Deepsearch AI的内购收入达到189.5万，较同期增长约171.6%；其中近一半收入来自巴西市场，拉美国家总计贡献的付费超100万美元。

Deepsearch AI近30天全球收入地区分布状况。图源：点点数据

追溯Deepsearch AI背后的厂商，竟还是一位“熟人”。Deepsearch AI在Google Play上的开发者主体显示为土耳其公司TapSuite，后者则是土耳其“App工厂”HubX旗下的产品工作室之一。2026年8月28日，HubX宣布获得了首笔外部投资——来自Point72私募投资公司的7500万美元，以用于启动收购战略。据悉，自2022年HubX成立以来，公司完全依靠自身运营，自负盈亏，此前没有任何外部投资。

HubX官网目前直接在招聘TapSuite的相关岗位。图源：HubX官网招聘页

从HubX到TapSuite，再到Deepsearch AI，透过这条AI产品孵化链路，可以看到AI应用如何在赛道巨头盘踞下寻找差异化突破，也能看到新兴市场的用户需求如何在具体产品中转化为下载与付费表现。

过去两年，AI搜索一度成为海外AI应用创业最受关注的方向之一。从融资到手软的Perplexity，再到打造全能型AI、横扫拉美市场的Seekee，AI搜索App在不断尝试从传统搜索引擎手中抢走用户。

与此同时，生成式AI的普及也正在改变用户原有的信息检索习惯。Gartner在2026年初发布的一项消费者调查显示，51%的消费者表示，生成式AI已经改变了自己的研究习惯；与此同时，约三分之一的消费者认为，生成式AI聊天机器人在获取新信息方面已经能够与传统搜索引擎相媲美。

对于AI搜索产品来说，其必须要回答的问题也变成了：当搜索已经成为通用AI的基础能力，应如何激发用户对一个陌生的AI搜索App的下载，甚至是付费意愿？

Deepsearch AI选择放弃了知识内容搜索与学习、办公等Skills，把功能集中在“找人”这一件搜索动作上。

点点数据显示，Deepsearch AI上线于2025年4月。而它的操盘手HubX（TapSuite）在孵化产品时向来没有太多“极客”包袱，他们更看重实打实的用户需求，以及具体且高转化的实用场景。

打开应用，用户可以直接输入一个人的完整姓名进行查询。Deepsearch AI宣称，可以通过姓名查找到任何人，并无缝衔接获得Ta的社交媒体账号，信息通常在1分钟左右生成。

Deepsearch AI搜索入口。图源：Deepsearch AI网页版

在实践过程中，笔者输入了著名歌手Taylor Swift的名字进行查询，获得了一张像名片一样的个人“百科资料”。值得注意的是，系统会在“百科名片”之下附上信息来源，这些信息来自Taylor Swift的官方X、Instagram、YouTube社交媒体账号，同时还来自一些音乐平台的歌手个人官方主页。

在信息来源的下方，Deepsearch AI也如其承诺的那样，附上了Taylor Swift的多个个人社交媒体账号，点击即可直达。

搜索Taylor Swift名字查询得到的结果。Deepsearch AI网页版

最后一个板块，类似于传统搜索引擎中的“大家还在搜”，这里会附上诸多Taylor Swift相关的问题。值得注意的是，除了这些系统提供的问题，Deepsearch AI还支持用户在最下方的对话框进行自由提问，不过，这一功能需要用户开通订阅付费后方能使用。

目前，Deepsearch AI提供了三档不同周期的Pro版本订阅，具体标价为：1.99美元/月，3.99美元/季，59,99美元/年。

Deepsearch AI订阅价格。Deepsearch AI网页版

在官方口径中，人才招聘是Deepsearch AI的高频使用场景之一。例如HR在完成人员招募后需要对候选人开展背调，寻找候选人的公开社交媒体账号；猎头需要通过姓名找到候选人的公开邮箱，以便发送工作邀约。

Deepsearch AI使用场景。图源：Deepsearch AI网页版

除了人才招聘，在官网中展现的用户使用评价中也可以发现，有的人用Deepsearch AI来核实网友身份，以防自己陷入诈骗；有的人还表示，通Deepsearch AI查询到了老友的社媒账号，与断联多年的Ta再续联系。

同样是“找人”，这不禁让笔者联想到了去年夏天爆火的女性约会背调应用Tea。

Tea解决的是女性约会场景中的“找人”需求：用户可以上传约会对象的照片，通过反向图片搜索识别是否存在盗图；也可以通过电话号码查询婚姻、公开记录等信息，并进行背景调查，包括公开犯罪记录、性犯罪者登记信息等。

Tea最新产品页。图源：Google Play

与此同时，Tea最有特点的地方在于，女性可以匿名发布自己与某个男性约会后的经历，由其他用户补充信息、提醒风险，并给出“绿旗”或“红旗”。

这种需求一旦被验证，复制也来得非常快。在Tea走红之后，市面上很快出现了针对男性用户的“TeaOnHer”。产品逻辑几乎直接照搬Tea，将原本以女性为核心的约会安全需求，翻转成了男性的“约会背调”。

但这类产品的出现，并不是被创造出的一个新需求。在海外互联网环境中，人与陌生人建立联系的方式正在不断增加：Dating App、社交媒体、职业社交平台让用户可以快速认识陌生人，但与此同时，身份确认成为一种刚需。这些问题过去可能需要用户自行搜索、判断，甚至依靠熟人网络确认，如今则被包装成一种标准化的信息服务。

相比Tea聚焦于约会安全这一垂直场景，Deepsearch AI进一步扩大了“找人”的应用范围。某种程度上，Deepsearch AI像一个网络信息搬运工，也像一个AI私人侦探。

不过，数据安全及隐私问题不仅是Tea这类背调产品需要考虑的重点问题。Deepsearch AI同样需要在数据安全方面采取一些措施，比如，应用设置了13岁以上用户使用的年龄门槛；同时，应用声明不会搜集13岁以下儿童的信息。

Deepsearch AI关于用户披露的信息的规定。图源：Deepsearch AI隐私政策

Deepsearch AI在隐私政策中强调，应用主要整合互联网上已经存在的公开信息，并不会访问私人账户、私人消息等非公开内容。其定位也是基于公开资料的信息研究工具。

需要注意的是，在社交媒体上，单个公开的个人主页、一则动态信息或许非常普通；但当AI凭借强大的搜索与分析能力，将一个人散落在社交平台、早期注册的论坛以及废弃账号上的碎片信息进行跨平台整合时，往往会形成一份更加详尽的个人画像。这又是一个值得深究的边界问题。

从商业表现来看，海外用户对于这类产品的需求确实存在。点点数据显示，自2025年1月到2026年7月，Deepsearch AI中63.76%的下载量来自于付费展示。结合广大大数据，自上线以来，Deepsearch AI共投放了86万个相关广告，默认去重后有41万条。

自2025年1月到2026年7月Deepsearch AI全部商店下载量来源分布。图源：点点数据

其中，展示估值最高的广告之一达到8462万。该广告围绕男女关系展开，强调用户可以通过App搜索普通人的公开信息，并使用了“找到女朋友TikTok小号”等具有情绪刺激的传播文案。

Deepsearch AI展示估值达到8462万的广告分析。图源：广大大

这也反映出一个有趣的现象：Deepsearch AI官方强调的是招聘、公开信息研究等相对中性的使用场景，但实际高转化广告更多围绕亲密关系确认展开。这与Tea背后的需求有很大相似之处。

此外，不少用户反馈，Deepsearch AI在搜索公众人物时，往往能够生成较为完整的信息报告；但当搜索对象变成普通人时，系统有时会出现同名人物信息混淆、错误关联，甚至生成不准确记录的问题。

除了这一点之外，另一个反馈集中在“不能试用”的商业化设计方面，在搜索次数达到上限后，用户需要开通订阅才能解锁完整的搜索报告。

Deepsearch AI在应用商店的部分应用评价。图源：点点数据

值得注意的是，Deepsearch AI也与Tea踩中了相似的命运。2026年8月5日，Deepsearch AI在App Store下架，同一商店的最新应用更新时间在8月3日。

从曾经的Tea，到如今的Deepsearch AI，海外用户对于“了解一个人”的需求并没有消失，而是在不断寻找新的工具来满足这一需求。

而随着AI能力不断增强，“找人”也正在从单纯的信息搜索，延伸出更多应用方向。无论是帮助用户匹配更合适的约会对象，还是辅助企业寻找人才，甚至是在社交场景中提供关系判断，AI正在逐渐参与人与人连接的更多环节。

可以预见，未来围绕“人”的AI应用还会继续出现。但与此同时，当AI开始帮助用户理解、判断甚至预测另一个人时，如何处理信息获取与个人边界之间的关系，也将成为这一类产品持续发展过程中无法绕开的课题。