又一 AI 搜索拿了 2200 万美金，但它是给 AI 构建的而非人类_AI阅读总结 — 包阅AI

AI 时代的搜索引擎，似乎已经进入一个百花齐放的创新阶段，虽然我们比较熟悉的主要还是 Perplexity，但这块其实还有不少其它产品。

我之前介绍过由两位百度高管做的 Genspark，种子轮也拿了 6000 万美金的融资。它给自己的定位是AI Agent Engine，我觉得它在将搜索主题做统一聚合方面要比 Perplexity 做的更加详细更结构化一些，并且以网页的形式来展示整个主题内容页面，对于一些初级研究来说，已经很有用了。

另外，一个我们几乎没有怎么听说过的 AI 搜索引擎 Liner，它和 Perplexity 非常类似，但 MAU 比 Perplexity 整整高了 1000 万，Perplexity 目前的 MAU 在 1400 万左右，而 Liner 的 MAU 目前已经高达 2400 万了。

不过由于 Perplexity 主要市场面向北美并且得到了大量 VC 和媒体的支持和关注，而 Liner 虽然在土耳其、泰国、越南、俄罗斯等国家很受用户欢迎，但在媒体层面的关注就非常少了，因此其知名度要低很多。

Liner 成立于 2012 年，其总部位于韩国首尔，目前团队 48 个人。不过很多用户并没有将它当作是一个搜索引擎，而是一个研究工具。它的商业模式既有类似 Perplexity 的付费订阅，也有广告，在搜索结果的下面会弹出一个类似 Google 搜索里的那种广告推荐链接。

今天，又一个叫 Exa 的 AI 搜索引擎宣布完成了总计 2200 万美金的种子和 A 轮融资，由 Lightspeed 领投，英伟达和 YC 跟投，而且联合创始人里也有一位华人。

我觉得 Exa 是一个非常值得关注的公司，它给自己的定位是为 AI 构建的一个搜索引擎，而非为人类构建一个新的搜索引擎，也就是 Google for AI。创始人 Jeff Wang 和 Will Bryk 认为 Google 为人类做了什么，他们就希望通过 Exa 为 AI 做类似的事情。

他们认为并不是人类迫切需要一种新型搜索引擎，相反，随着 AI 在企业和消费者生活中的日益普及，AI 将比人类更多地搜索网络，AI 必须定期到互联网上搜索信息并返回真实的答案。但类似 Google 这样的搜索引擎是针对人类的，因此 Exa 是第一个针对 AI 构建的搜索引擎。

Exa 之前叫 Metaphor，我在 1 月份就关注到了这个产品，会将它和 Perplexity 结合起来使用，在搜索精确度上，可以说它相比于 Google 提升了至少一个数量级，你搜索的结果几乎都是与你提供的关键词直接相关，因此更多时候是把它作为一个研究工具来使用。

比方说你搜索 Notion 的竞争对手，它会把所有与 Notion 相关的产品给你搜索出来；如果你搜索“SF 构建未来硬件的公司”，它会给出一大堆具体的公司名称和网站，你可以通过类似的搜索来快速获得有价值的信息。

在搜索设置上，你还可以再继续聚焦，比方说搜索公司、新闻、论文、推文或者博客等，这样结果会更加精准。因此 Exa 一开始使用最多的也主要是一些开发者和企业。

Exa 在其官方博客说，目前已经有数千家公司和开发者集成了 Exa，其收入在过去几个月中增加了两倍。很多 VC 就用它来帮助自己搜索投资标的，而 Databricks 是 Exa 的一个大客户。

因此相比于 Perplexity，Exa 一开始更像是面向 B 端企业和开发者的一个研究 AI，而非搜索引擎。Lightspeed 合伙人 Guru Chahal 说AI 系统的三个关键组成部分是计算、模型和数据， 英伟达提供计算、Anthropic 和 OpenAI 等基础模型公司训练模型，而 Exa 可以提供关键数据和知识层。

今年 1 月份其宣布改名推出 Exa 时，就说了一下这个名字的含义：

Exa 的意思是 10^18 次方，而 Google 的意思是 10^100 次方。Google 的目标是展示所有信息，而 Exa 的目标是将所有信息过滤成有组织的知识。当涉及到有组织的知识时，10^18 大于 10^100。

因此 Exa 想要做的就是真正从所有信息里过滤掉嘈杂的信息，进而组织真正的知识，这也是其使命：整合世界知识（Organize the world’s knowledge）。

我们即将迎来一个 AI 代理网络（AI Agentic Web）时代

Exa 在最新一篇博客里提出了一个新的理念，认为在实现超级智能之前我们需要超级知识。CEO Will Bryk 说，世界上的知识远远少于智力（Intelligence），智力不同于知识，它是对输入的推理，而知识是从数据存储库中检索的。所有最新的先进的 AI 模型都具有很高的智能，但知识却令人惊讶地有限。

比方说 GPT-4 可以解决任何高中物理问题，但如果你要求它检索纽约市的物理学博士列表（一个相对简单的请求），结果是无法实现的。因此，大模型需要与搜索引擎结合起来，大模型带来智力，而搜索引擎带来知识。

只是像 Google 这样的知识系统在过去十多年几乎没有多大改进，而智力（Intelligence）系统几乎每个月都在进步，这意味着智力越来越受到知识的瓶颈。

Will Bryk 说超级智能是一个可以处理极其复杂的推理请求的系统，而超级知识是一个可以处理极其复杂的检索请求的系统，它让每个人都能以最快的速度获得对任何事物的全面了解，超级知识让我们为超级智能做好准备。

当知识生态系统成为瓶颈时，会严重影响整个社会的效率，随着代理人工智能系统（Agentic AI systems）的兴起，会极大地加剧这个问题，因为未来这些 AI Agent 运行在与人类同样的知识生态系统中。

因此就需要为即将到来的 AI 代理网络时代打造基础设施，它是一个专门支持 AI Agents 及其功能的新网络基础设施……