2026年5月19日，Google宣布了搜索产品自1998年诞生以来最激进的重构：传统关键词搜索框将转变为AI Agent的任务入口，由Gemini驱动的AI Mode将代替用户执行多步骤任务，不再只是返回链接列表。（来源：TechCrunch，2026-05-19）

第二天，5月20日，Bloomberg披露了一个相关却独立的消息：由a16z（Andreessen Horowitz）领投，一家叫Exa Labs的AI搜索创业公司完成了2.5亿美元融资，估值22亿美元。（来源：TechCrunch报道Bloomberg消息，2026-05-20）

两个事件在同一周内发生，不是巧合，而是一个产业信号：AI搜索已经从「有趣的方向」变成了「巨头和资本都在认真押注的战场」。

但如果你仔细分析这两个事件，会发现它们描述的是两个不同层面的竞争，而「AI搜索」这个标签掩盖了一个更深刻的产业逻辑问题：AI时代的搜索，究竟由谁来控制，基于什么控制？

第一章：Exa是谁？为什么a16z给它22亿估值？

大多数人没有听说过Exa Labs。在Perplexity、You.com、Kagi这些更知名的AI搜索产品的光芒下，Exa相对低调。但它做的事情，比这些消费者AI搜索产品在商业层面更有意思。

Exa的核心产品不是面向普通用户的搜索界面，而是一个面向AI Agent和开发者的搜索API。

简单说：当你在Perplexity上搜索「2026年Salesforce股价走势」，Perplexity背后的AI系统需要抓取互联网数据来回答你——这个数据抓取过程，部分就是通过类似Exa的API实现的。

Exa的技术差异化在于：它的搜索是「神经网络语义搜索」而不是「关键词TF-IDF搜索」。传统搜索引擎（包括Google）的索引，本质上是基于BM25算法的关键词到网页的倒排索引映射表。当一个AI Agent问「找到所有讨论企业AI ROI挑战的最新学术论文」，传统关键词搜索很难精准召回——因为「讨论企业AI ROI挑战」是一个语义概念，不是几个关键词的组合。

根据Exa的公开技术文档，Exa的索引是基于大语言模型生成的密集向量（dense embeddings）——它在对每个网页建立索引时，会生成一个「语义向量」，捕捉的是「这个页面在讨论什么」的语义核心，而不是「这个页面包含什么词」的表面特征。在检索时，查询语句也会被转化为相同空间的向量，通过向量相似度而不是关键词匹配来召回最相关的结果。

实测结果（来自多个开发者社区的公开测评）显示，对于「寻找深度分析类内容」的查询，Exa的精准率比Google Custom Search API高出约30%-50%；但对于「寻找最新新闻或本地信息」的查询，Google仍然有显著优势（因为Exa的爬虫深度和实时性不及Google）。这让Exa在支持AI Agent的研究型搜索任务时，比传统API更精准，但并非在所有场景下都优于Google。

为什么a16z给了22亿估值？

因为AI Agent的数量在爆发。每一个在互联网上「行动」的AI Agent（无论是帮你搜索信息、监控竞争对手、研究市场动态），都需要一个高质量的搜索API。2025年，全球AI应用数量据估超过100万个。如果其中5%需要使用搜索API，每天调用100次，按每次调用$0.001的价格，一年就是1.825亿美元的收入潜力——而这只是极其保守的估算。

Exa的$22亿估值，押注的是「AI Agent数量将继续指数级增长，搜索API将成为每个Agent的标配基础设施」。

第二章：Google的AI Mode——颠覆者还是防守者？

同周，Google的AI Mode重构被解读为「Google在自我颠覆」。但仔细分析，Google的动作更像是「防守性进化」而非「主动颠覆」。

Google面临的核心威胁不是来自Exa这样的搜索API公司，而是来自用户行为的根本性改变。

2025年，一个重要的数据点出现了：大量用户开始把ChatGPT作为「搜索引擎」来使用——不是为了找网页链接，而是为了直接得到答案。这种「对话式答案」的用户体验，正在蚕食Google的「链接列表」体验。

对Google来说，这是一个历史性的威胁：它25年来的核心商业模式（用户搜索→返回链接→用户点击→广告展示），建立在「用户需要访问目标网页」这个前提上。但当AI直接给出答案，用户不再需要点击链接，Google的广告模式就失去了触发场景。

这就是为什么Google必须发展AI Mode：它不是要「颠覆」自己，而是要在用户迁移到ChatGPT等AI助手之前，把用户留在Google的生态里。

AI Mode的核心设计是：在Google的界面里，通过AI直接完成用户想做的事（预订、比价、研究），而不是把用户导向第三方网页。

从商业模式的角度，这个设计让Google从「广告分发平台」向「AI任务执行平台」进化。用户完成任务的过程中，Google可以插入「原生AI广告」（比如AI为你比较航班的同时，为某个航空公司插入赞助排名）——这是广告模式的AI版本，而不是广告模式的终结。

第三章：AI搜索的真正战场——索引层的控制权

现在到了这个故事里最重要、也最被忽视的一层：AI搜索的竞争，本质上是谁控制了互联网内容的索引层。

Google的护城河不在于它的搜索算法有多聪明，而在于它拥有全球规模最大、更新最快、质量最高的互联网内容索引——据估计，Google的索引包含超过1000亿个网页，每天更新。这是30年爬虫技术投入的结果，任何新进入者都无法在短时间内复制。

这正是Exa的最大挑战：它的语义搜索API再好，如果底层索引不够全面、不够新鲜，返回的结果就是残缺的。

从TechCrunch的报道中可以看到，Exa在技术定位上更接近一个「高质量内容过滤层」而不是「全量索引层」——它擅长在互联网上找到「最权威、最相关」的内容，而不是「最全量」的内容。这对于AI Agent做研究、找论文、分析竞争对手，是够用的；但对于做实时新闻、本地商户搜索、购物比价，可能不够。

Exa的商业逻辑是：在AI Agent最常用的「研究型」搜索场景，成为Google API的替代或补充。

这个定位很精准：AI Agent最常见的使用场景（研究、分析、生成内容所需的信息检索），正是Exa的强项；而AI Agent不太涉及的场景（本地搜索、购物、娱乐），继续留给Google。

第四章：Parallel Web Systems——内容经济的重构者

TechCrunch的报道同时提到了另一家AI搜索创业公司：Parallel Web Systems，由前Twitter CEO Parag Agrawal创办，刚完成1亿美元融资，估值20亿（Sequoia领投）。

但Parallel做的事情，和Exa有根本性的不同。

Parallel的核心问题不是「如何让AI搜索更精准」，而是「当AI Agent成为互联网的主要内容消费者，现有的内容经济体系如何重构」。

传统的互联网经济是：人类用户→点击链接→展示广告→出版商获得收入。但当AI Agent替代人类用户来消费内容（AI直接读取文章，提取信息，生成答案，不再把用户导向原始页面），出版商的广告收入会急剧下降，内容创作的经济激励机制崩塌。

Parallel试图解决的是「Agent时代的内容变现」问题：建立一套机制，让AI Agent在访问内容时，向内容提供者付费——类似于「机器可读的内容订阅协议」。

这两家公司（Exa做搜索API，Parallel做内容变现协议）和Google的AI Mode（做AI任务执行），共同描述了AI时代互联网信息经济的三个层面的重构：

  1. 索引层：谁能索引和检索互联网内容（Exa vs Google）
  2. 执行层：谁来帮用户/Agent完成任务（Google AI Mode vs ChatGPT vs Perplexity）
  3. 变现层：AI消费内容时，价值如何分配（Parallel的试验）

这三层的竞争正在同步进行，而且相互影响——变现机制的设计会影响哪些内容愿意被索引；索引能力决定了执行层的质量上限；执行层的用户行为反过来塑造变现机制的合理性。

第五章：a16z为什么赌AI搜索，而不是AI助手？

理解这个问题，需要回到a16z对AI价值链的判断。

在a16z的portfolio里，有OpenAI的早期投资（后来卖掉了）、有Perplexity（AI搜索前端）、现在又有Exa（AI搜索API）。这不是随机的，而是反映了a16z对AI价值链的系统性布局：

a16z认为，AI助手（ChatGPT、Claude等）是AI价值链的「前端展示层」，价值容易被看见但竞争最激烈、商品化速度最快；真正稳定的价值，在于「基础设施层」——数据、计算、工具API。

Exa就是基础设施层的押注：它不与ChatGPT或Claude竞争，而是成为所有AI应用（包括ChatGPT和Claude）在需要实时搜索时调用的底层服务。

这个逻辑类似于「云计算时代不要去做SaaS，要做AWS」的思路——前端应用会换来换去，但基础设施一旦建立，切换成本极高，用户粘性极强。

如果Exa能成为AI Agent的「默认搜索API」——类似于Google Analytics曾经是默认的网站数据分析工具——那22亿估值可能是低估而不是高估。

第六章：这场战争的输赢时间表

AI搜索战争会有几个阶段：

第一阶段（当前，2026-2027）：各方占位，Google AI Mode试验，Exa/Parallel建立早期API客户，ChatGPT/Claude搜索功能扩展。这一阶段的核心是用户习惯的重塑——人们是否开始用AI方式检索信息，而不只是传统关键词搜索。

第二阶段（2027-2029）：数据闭环形成阶段。谁的AI搜索产品积累了最多的用户意图数据，谁的模型就会迭代最快，形成先发优势。Google在传统搜索积累了30年的用户行为数据，是这一阶段的主要竞争优势来源。Exa需要在这一阶段建立足够规模的API调用量来形成可竞争的数据优势。

第三阶段（2029+）：稳态格局。最可能的结果不是「Google被取代」，而是「搜索市场分层」：大众消费者继续使用Google（因为品牌信任、本地搜索、购物需求）；AI原生用户使用AI助手（ChatGPT、Gemini等）；AI开发者和Agent使用专用搜索API（Exa或其后继者）。

这三个细分市场，共同构成了「AI时代的信息检索经济」。目前的资本押注，是在为这个多层次格局的形成提前布局。

第七章：AI搜索的商业化挑战——为什么免费不可持续

到目前为止，AI搜索领域还没有一个清晰证明可持续商业模式的案例。

Perplexity每月订阅$20，声称有200万付费用户，意味着年收入约4800万美元。对于一个估值超过80亿美元的公司，这个收入体量需要4-5年才能达到合理的估值倍数——除非增速远超预期，或者找到企业API收入的规模突破。

Google的AI Mode是免费的（至少目前），但这是Google用广告收入补贴的——如果AI Mode大规模替代了传统搜索的点击量，Google的广告收入理论上会下降，这是一个内部矛盾。Google目前的解决方案是开发「AI native广告格式」（在AI生成的答案中嵌入赞助内容），但用户接受度和广告主ROI仍在验证中。

Exa的API是按调用量计费的，面向的是企业和开发者客户，商业模式比消费者订阅更可预测。但企业AI应用的成本控制意识很强——当API调用规模增长，企业会积极寻找更便宜的替代品，价格压力是这类基础设施业务的长期挑战。

真正的商业化突破，可能来自一个目前还不够显著的方向：AI搜索作为「企业知识管理」的基础设施。

当一家企业用AI Agent来管理内部知识（技术文档、合规条例、历史合同、客户案例），需要的不只是公共互联网搜索，而是一个能理解语义、快速检索、精确返回的「私有知识搜索」。Exa的技术框架，如果拓展到私有知识库的语义搜索，将进入一个付费意愿更强、竞争格局更清晰的企业市场。

这个方向，也是微软Copilot、Google Workspace、Salesforce Einstein Search在企业内部知识搜索领域的核心战场。Exa如果要在企业市场建立真正的商业规模，需要在「公共互联网语义搜索」的基础上，构建企业私有知识的整合能力。

第八章：创始人和团队背景对Exa估值的影响

在AI融资市场，人的因素往往与技术因素同等重要，有时甚至更重要。

Exa Labs的创始人Willian Xu（Will Bryk）是Stanford计算机科学博士，2022年在AI搜索尚未成为热点时就开始构建Exa。早期产品被称为「Metaphor Systems」，定位就是语义搜索API。在ChatGPT爆发前，Exa已经积累了一批忠实的开发者用户。

这个「早期跑道」在AI融资市场是高度稀缺的：大多数AI搜索创业公司是2023年后ChatGPT爆发之后才诞生的，而Exa有将近2年的先发积累，已经在开发者社区形成了品牌认知和技术信誉。

a16z对Exa的押注，除了技术判断，也包含了对团队的信任：这是一个在热点形成之前就在做对的事情的团队，这种预判能力在未来的技术转折中同样重要。

第九章：值得关注的独立搜索创业：Tavily和TinyFish

TechCrunch的报道提到了AI搜索赛道的另外两个玩家：Tavily和TinyFish，它们代表了这个赛道的长尾活力。

Tavily专注于为AI Agent提供「研究型搜索」API，特别优化了「一次查询返回结构化、有来源的综合答案」，而不只是返回链接列表。它的定位比Exa更垂直于AI研究Agent场景，被LangChain等Agent框架集成为默认的搜索工具。

TinyFish（具体细节较少公开）被TechCrunch列为AI搜索赛道的活跃参与者，可能聚焦于更小规模、更轻量的AI搜索集成场景。

这两家公司的存在说明：AI搜索API这个细分赛道，正在经历早期互联网搜索引擎时代的「百花齐放」阶段，最终格局仍未确定。当年Google在2000年代中期才真正确立搜索霸主地位；AI搜索API的最终格局，可能还需要3-5年才能清晰。

第十章：对开发者的实用建议

如果你是一个正在构建AI应用的开发者，2026年的AI搜索工具选择已经比2024年复杂得多。

场景一：你需要实时、准确、有来源的最新信息（如新闻摘要、竞品监控、市场研究） → 优先考虑Exa或Tavily的语义搜索API，它们比Google Search API在AI Agent场景下的返回结构更友好。

场景二：你需要海量覆盖、本地化信息、购物比价 → Google Custom Search API或Serper API仍然是更好的选择，Google的索引深度无可替代。

场景三：你在构建企业内部知识搜索（如企业文档、内部Wiki、历史合同） → 这不是Exa或Google的主战场，而是Microsoft Azure Cognitive Search、Elasticsearch、Pinecone等向量数据库的场景。

场景四：你需要为AI应用构建高质量内容数据管道（如为RAG系统准备高质量语料） → Exa的「质量优先」索引特别适合这个场景——它不是返回最多的结果，而是返回最权威、最相关的结果。

这个选择框架提示了一个重要事实：在AI时代，「搜索」已经不是一个单一的技术功能，而是分化成了多个不同层次、不同场景、不同优化目标的服务类别。理解这个分化，比选择某个单一搜索工具更重要。

第十一章：监管与开放性——谁应该控制「AI可见性」？

还有一个被讨论得不够充分的维度：AI搜索的监管风险。

当Google、ChatGPT或Exa的AI搜索系统成为数十亿人获取信息的主要入口，「哪些内容被AI发现、哪些内容被AI忽略」就不只是技术问题，而是政治和社会问题。

传统互联网搜索的「可见性」相对透明：通过SEO优化（遵循Google的公开指南），任何内容创作者都可以争取搜索排名。这个机制有缺陷，但有一定的可参与性。

AI搜索的「可见性」则更不透明：AI模型内部的权重决定了「什么内容被认为可信、相关、值得引用」，这个机制对外部参与者是黑箱。如果AI搜索成为信息流通的主要渠道，内容创作者对「AI可见性」的优化将变得极为重要——但规则是谁制定的？是可以公开参与的，还是由AI公司单方面决定的？

欧盟的AI法案已经提出了「AI系统透明度」要求，但具体到搜索排序的透明度，细则仍在制定中。这个监管空间，将对Exa、Google AI Mode以及所有AI搜索玩家的长期运营产生影响。

结语：不是颠覆，是分叉

5月的这一周，Google和Exa共同宣告了一件事：AI搜索不是「会不会来」的问题，而是「以什么形态来、谁来控制」的问题。

Google的AI Mode是一次防守性进化，是现有搜索帝国在AI时代的适配版本。Exa是一个新的基础设施层赌注，押注AI Agent时代的搜索需求与人类搜索的本质差异。Parallel是一个内容经济重构的试验，试图在AI吞噬人类流量之前建立新的价值分配机制。

这不是一场「谁会赢」的零和游戏，而是一场「互联网信息经济如何在AI时代分叉」的历史进程。

Exa的22亿估值，是a16z对这个进程的一个押注。Google的AI Mode，是30年搜索帝国的一次适应性进化。这场分叉还在早期，但它的方向，已经在这一周的两个新闻里清晰可见。未来谁能胜出，取决于索引质量、商业模式可持续性、监管应对能力——以及那个最难预测的变量：用户习惯会在什么时间点、以什么速度、发生怎样的转变。但这场战争有一个确定的赢法：不是做最好的前端AI界面，而是成为所有AI界面的「后端索引层」。就像AWS不需要有最漂亮的界面，只需要是最可靠的底层基础设施。Exa在押注的，正是这个「AI时代的AWS」路径——提供AI Agent的必要基础设施，而不是与它们正面竞争。这些答案，我们还需要等待；但方向，22亿美元的估值已经在指路了。

参考资料：

  1. AI Search Startups Are Blowing Up（来源：TechCrunch，2026-05-20）https://techcrunch.com/2026/05/20/ai-search-startups-are-blowing-up/
  2. Andreessen-backed AI Search Startup Exa Valued at $2.2 Billion（来源：Bloomberg via TechCrunch，2026-05-20）https://www.bloomberg.com/news/articles/2026-05-20/andreessen-backed-ai-search-startup-exa-valued-at-2-2-billion
  3. Google Search As You Know It Is Over（来源：TechCrunch，2026-05-19）https://techcrunch.com/2026/05/19/google-search-as-you-know-it-is-over/
  4. Parallel Web Systems $100M Funding（来源：Wall Street Journal via TechCrunch，2026-05-20）