全文 4,000字 | 阅读约 13 分钟
（Will Bryk 访谈：Exa如何重新定义 AI 时代搜索）
先看一个变化。
一年，估值翻了 10 倍。
钱不是白给的，是业务真的变了。
搜索的“用户”，从人，变成了 AI。 这意味着真正要被服务的，不再是坐在屏幕前的你我，而是后台同时运行的成千上万个agent（智能体）。它们不点链接、不看广告，也不愿等待，只需要整理好的、能直接使用的信息。
Exa 就站在了这个临界点上。
（图片：彭博社头条Exa 的 8500 万美元新融资）
2025 年 9 月 4 日，彭博社报道：Benchmark 领投 Exa 的 8500 万美元 B 轮融资，对其估值达 7 亿美元，较去年提升约 10 倍。Benchmark 合伙人 Peter Fenton （最早投资 OpenAI 的合伙人） 加入董事会。
我们没有做给人用的界面。Exa 是专为 AI agent 设计的搜索服务。 ——Will Bryk,宣布融资后专访中的观点
这一轮投资的机构阵容足以说明问题：Benchmark、Lightspeed、NVIDIA、Y Combinator……
他们投的，不是一款搜索产品，而是 AI 生态里不可或缺的一块基础设施。
第一节：谁在押注 Exa？
这不是一家做搜索 UI 的公司，甚至不是面向人的产品。
这样的产品，大多数投资人第一眼都看不懂。没有 DAU（每日活跃用户）、没有页面流量、甚至看不到它是怎么赚钱的。可就是这样一个不“热”的项目，在过去一年估值翻了十倍，从 7000 万到 7 亿美元，融资额超过 8500 万美元，投资人名单令人惊讶：
Benchmark（OpenAI 早期投资者）；
Thrive（投资过 GitHub 和 Instagram）；
Elad Gil（硅谷超级天使）；
Dylan Field（Figma 创始人）；
John Collison（Stripe 联合创始人）……
这些名字，不只熟悉新技术，更擅长判断 AI 基础设施的机会。真正让人意外的是，Benchmark 打破了自己的投资策略。
✅ 我们几乎不投 B 轮，这次是例外
Benchmark 是硅谷最保守的基金之一。它坚持只投早期、每个合伙人一年只投一两个项目，几乎从不参与后续融资轮次。但在 Exa 上，Benchmark 跳过早期，直接领投 B 轮。
Will 回忆当时的对话时这样说：
“我们问 ：你们 Benchmark 不是不投 B 轮吗？” Benchmark 的回答是：“我们认为 Exa 是例外。” “如果未来的世界需要 Agent 这个基础层，那它是不可替代的。”
这种预测不是来自热不热，而是来自 Exa 所处的位置：它不在用户面前，也不是平台产品，而是所有 AI 工具的“信息管道”。就像水电煤气一样，你感觉不到，但离不开。
✅ 投资人看重的，是未来的必需品
简单说就是：
当 AI 不再只是回答问题，而是主动获取信息、完成任务的时候，它就必须有一个搜索功能随时可用。而这个功能必须稳定可靠、信息整齐、响应迅速、结果准确。
“能被 AI 引用”，就是下一个十年最值钱的能力。
Exa 不靠抢流量，不靠用户规模，而是靠这个角色不可替代。
你会发现，这些投资人不是在追风口，而是在抢夺 AI 时代的必需品。
Exa 的价值在于，它将成为所有 Agent 的搜索服务商。
第二节：搜索的用户变了
搜索的主要用户正在从人类转向 AI agent。
这句话听起来有些反直觉。我们习惯的搜索，是自己打开 Google，输入关键词，然后从一堆链接中点进去。但 Will 看到的是另一个方向：
搜索未来的主要用户，不是人，而是 AI agent。
这些 agent 不是电影里的机器人，而是你日常在用的工具背后的智能助手：
ChatGPT、Claude、Gemini 等大模型；
企业用来做客服、研究、报告生成的 AI 工具；
还有未来接入日程管理、财务处理、内容整合的所有 AI 应用。
它们自主调用搜索接口，直接获取和整合信息。 它们不打开浏览器，也不会点广告，它们只调用搜索接口，获取答案直接使用或整合。
Exa 就是专门为这种调用方式设计的。
✅ AI 搜索不求快，但求准：批量异步的调用模式
传统搜索强调“快”和“相关性”：你输入“旧金山天气”，Google 立刻告诉你答案。但 AI 的搜索方式不一样。Will 举了一个真实例子：
“一个 agent 要生成一篇文章，可能要查几十个问题，每个问题的答案都要很准。它不怕慢，但不能错。”
AI 调用搜索的时候，像是发起一个任务链，而不是一次性拿答案。
所以 Exa 的搜索架构允许：
异步搜索：AI 提问后不用等结果，任务后台继续执行；
批量调用：一次发起几十个问题，一起处理；
结构化结果：返回的不是网页链接，而是格式统一的内容片段，方便 AI 后续使用。
他们不把搜索设计成一次性查询，而是设计成了 AI 可以反复调用、精确控制的工具。
这也解释了为什么 Exa 的接口不像传统搜索引擎那样立即出结果。
✅ 搜索从人对机器，变成了机器对机器
最根本的变化是：
人类搜索，是你在找答案； AI 搜索，是 AI 在找信息，然后用这些信息来生成东西、做决策、写报告。
AI 只需要信息格式合适，就能直接整合使用。
这对搜索引擎提出了新的要求：
必须数据格式统一；
确保信息准确；
重视内容质量和实时性。
Will 的想法是：
“AI 搜索输入的是完整问题或语义描述，表达的是一个完整意图”
当 AI 成为信息消费的主力军，传统搜索就成了瓶颈。
第三节：Exa 不是下一代 Google
Will Bryk 从一开始就没打算再造一个升级版的 Google。
Exa 和 Google，本质上就不是一回事。
✅ Google 给链接，Exa 给答案
传统搜索引擎的逻辑很简单：
你输入关键词；
它根据网页受欢迎程度（PageRank）排出一串链接；
然后你自己去点，去看，去选。
背后的假设是：人会做判断，人会筛选信息。人需要浏览、点击、筛选。
但 AI 搜索的关键，不是找谁排在前面，而是谁能最快给出可以直接用的答案。
而这，这正是传统搜索的局限。
换句话说，Google 的方法是按网页热度排序；Exa 按内容准确度排序，是给 AI 用的。
✅ 在 Exa 上，SEO 排名没有用
Will 在采访中说过一件事：
“我们完全不接广告。我们也不会让谁通过 SEO 排到前面。”
在 Exa 上，一个网站没办法靠刷关键词、买流量或雇水军来上首页。
在Exa上，网站无法靠SEO技巧获得排名。它只关心内容是否结构清晰、信息准确，而不是关键词密度或点击量。
这也意味着未来网站如果想被 AI 找到，不是写“热门词”，而是写得更清楚、更有条理、更真实。
这个变化有个专业名词：从 SEO（搜索引擎优化）转向 GEO（生成引擎优化）。简单说就是：为人写的内容规则正在失效，为 GEO规则正在兴起。
正因如此， Exa 放弃了很多人习惯的设计：
不显示网页标题；
不打断内容成段展示；
不给推荐词，也没有自动联想。
人类要的是感觉对，AI 要的是引用对。而 Exa，就是在为后者服务。
第四节：搜索，被重做了一遍
Exa 的特别之处，不是某一个功能，而是整个搜索流程，从底层到输出，都为 AI 重做了一遍。
那这新流程长什么样？
✅ 输入端：不是关键词，而是段落和问题
人类搜索，靠关键词：“面试技巧”“ChatGPT 有哪些插件”。
但 AI 搜索不是这样。
AI 的搜索请求更像是一个完整的问题，或者一段上下文。
比如，大模型可能发出这样的请求：
「请返回有关 2025 年美国 AI 政策变化的摘要，聚焦政府监管与立法方面。」
所以 Exa 接收的输入是一个段落、甚至是一个长任务描述。
它不像搜索栏，更像是一个理解问题的“大脑入口”。
✅ 中间过程：分析问题、分批请求、异步查找
AI 搜索输入的是完整问题或任务描述。比如，要生成一个关于全球 AI 教育趋势的报告：
它会同时发出 20 条子搜索请求；
每条请求会去不同的数据源找答案；
然后 Exa 会在后台统一处理，完成后返回结构化信息；
这个过程像是一个 AI 雇了 20 个助手出去调研，然后自己整合答案。
而传统搜索引擎只提供一次查一个词，不支持这种大任务调用。
✅ 输出端：不给链接，给内容块
Exa 给出的结果，不是网页链接，不是文本段落，而是“内容对象”。
每个对象包括：
主题标题；
原文出处；
纯净内容；
标准格式返回；
引用建议；
Will 强调：
“我们的结果是为 AI 可调用而设计的格式。这样无论你是 RAG 模型、Agent、还是工具链，都能直接引用或整合。”
这样一来， AI 系统不需要再去解析复杂的网页结构，Exa 已经提供了标准化的数据接口。
✅ Websets：AI 要的是资料包，不是网页
Exa 还有一个主打功能叫 Websets，可以理解成“给 AI 的资料包”。
比如，如果你是个大模型，要研究“OpenAI 的发展史”，那你需要的不是一个链接，而是：
一个清晰的时间线；
来源可信的引用材料；
按主题分类的重点事件内容块；
这就是 Webset 做的事。
每个 Webset 都有统一的格式和评分标准，帮 AI 过滤掉无用信息，直接拿到有价值的内容。
✅ 模型底座：自研嵌入模型，训练成本降低 200 倍
Exa 不是直接套用开源搜索模型，而是自己训练了一套向量检索模型。
Will 解释：
“为了支持高频搜索、异步结构化输出，我们需要控制搜索模型的每一层。”
他们在访谈中透露，目前已经将训练成本降低了 200 倍，并且持续优化在大规模 GPU 上的效率。
虽然 Will 没透露技术细节，但可以确定： Exa 在模型效率、数据结构、搜索路径上，都为 AI 批量调用场景做了深度适配。
到这里你可能会发现，Exa 提供的不是搜索工具，而是搜索服务。
就像全球在线支付服务商 Stripe 把“支付”变成了一种可调用的“能力”一样。
第五节：什么才是真正的护城河？
AI 搜索最难的不是技术，而是评判标准
在 Agent 主导的搜索场景里，点击率不再重要，关键在于这些系统能否真正采纳你提供的信息。
这就是 Exa 建立护城河的策略：成为 AI 产品不可替代的数据源。
✅ 不是搜得好，而是能被 AI 采纳
对 AI 来说，相关性和速度这套评估体系不管用了。
Will 说：
AI 不会点击链接，也不会评价答案好坏。它会直接把你提供的内容放入下一步处理流程。 对 AI 来说没有中间地带：要么用，要么不用
所以 Exa 更关注的是两个问题：
AI 有没有用你的内容？
它在输出里有没有保留引用？
这才是最直接的信号：不看点击，只看 AI 系统是否真正采纳了你的信息。
那么如何提升被引用的几率？Exa 做了很多传统搜索不会做的事：
用结构化方式输出结果，方便 AI 拿来就用；
追踪每次调用后，AI 是否在回答中保留引用链接；
给调用者（Agent、工具）打引用分，并用它优化搜索结果来源；
如果一个内容多次被引用，就给它更高权重；反之则降低；
逻辑很简单：不管你点不点，只看 AI 用不用。这种排名机制完全基于真实的使用数据，而不是表面的点击热度。
✅ 被谁接入，是护城河的关键起点
Exa 已经被接入到了多个知名 AI 工具中，包括：
LangChain（Agent 工具链）；
Dust（企业级智能体）；
多个 LLM 辅助工具（未公开名称）；
它还计划与更多模型厂商合作，成为默认的信息调用入口。
这种深度集成是一种强绑定：一旦 AI 工具默认接入 Exa，用户完全感觉不到，但后台已经离不开它了。
✅ 商业化方式，也是反向强化护城河的一环
Exa 的商业模式不靠广告、不靠用户数，而是按带宽计费：
搜索请求多 → 带宽高 → 收费也高；
AI 工具付费购买更高调用能力；
高质量内容发布者，也可以通过 Websets 被收录并分发；
Will 总结说：
我们不是赚点击的钱，我们是提供一条通往信息的高速通道。
在这个模型下，谁调用你多，谁愿意为你付费，才是商业基础。
Exa没有传统界面，但一旦被AI工具接入就停不下来。
因为 Exa 只专注于一件事：
让 AI 工具在需要信息的时候，第一个想到它。
结语： 搜索，不再是终点，而是接口。
Will Bryk 不做前台产品。他要让 Exa 成为所有 AI 应用背后的标配。
这个选择是否明智？看看同行就知道了：
秘塔停在面向消费者的学习场景；博查借势 Deepseek 冲进国内企业市场前三；
Genspark 转去做通用智能体，号称年收入数千万美元；
Felo 主攻日本市场的智能助手；Devv 则各自投入写作与编程方向。
大家都在寻找细分突破口。
通用 AI 搜索越来越难独立存在，它必须嵌入到真正用得上的地方。
Exa 放弃了做平台，选择退居幕后，成为所有 AI 默默调用的信息入口。
在智能体时代，也许这才是搜索真正的归宿。
本文由AI深度研究院出品，内容翻译整理自 Will Bryk 多次公开访谈。未经授权，不得转载。
星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标
参考资料：
https://www.youtube.com/watch?v=GG77NdMC3kk&t=137s&ab_channel=EO
https://www.youtube.com/watch?v=9ZQP7PfHnuI&t=342s&ab_channel=YCRootAccess
https://www.youtube.com/watch?v=XqYmRSbOsJg&t=638s&ab_channel=LatentSpace
https://www.bloomberg.com/news/articles/2025-09-03/benchmark-bets-big-on-exa-which-wants-to-be-google-for-the-ai-era
https://exa.ai/blog/announcing-series-b
https://nymag.com/intelligencer/article/seo-is-dead-say-hello-to-geo.html?utm_source=chatgpt.com
排版：Atlas
主编: 图灵
