又一 AI 搜索拿了 2200 万美金,但它是给 AI 构建的而非人类
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。
其目标是为信息的策划、访问和利用方式设定新的标准,使 Web 成为一个更丰富、更以用户为中心的环境,因此 Genspark 打算对 Web 的底层数据结构进行彻底的改革。而 a16z 最近领投了 1.3 亿美金的 Hebbia,则针对的是海量非结构化数据。
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。
为 AI 构建搜索,而非人类
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