文章摘要

当大模型驱动的AI Agent开始成为主流的数字生产力工具，一个新的问题浮出水面：当谷歌已经索引了几乎整个开放互联网，我们是否还需要从头搭建一套全新的搜索引擎？

答案来自一支深耕搜索领域多年的团队——刚刚走出隐身状态的Keenable。这家公司由前Yandex搜索、AI和云业务负责人Andrey Styskin和前Amazon AGI的Matthias Petri联合创立，团队仅15名工程师，却选择了最“重”的路径：重新爬取整个互联网，构建独立的Web索引，将其改造为专门服务AI Agent的搜索基础设施。

Keenable刚刚完成2600万美元的种子轮融资，由Accel领投。其公开数据显示，该公司的索引已经覆盖超过1000亿份文档，在美国东部的查询延迟低于250ms（p95）；针对100 RPS以上的大规模客户，单次千次请求的最低价格仅1美元。目前其API已经进入数家AI实验室和推理服务提供商的生产环境，用于模型训练和运行时检索，但并未披露具体客户名称。Styskin为Keenable定下的目标极具野心：成为AI Agent时代的“下一个谷歌”。

为什么Keenable要选择这条成本极高的路径？核心在于人和Agent使用互联网的方式完全不同。

传统搜索引擎的链路是：用户提出查询→返回结果页→用户浏览链接→点击→阅读网页，长期围绕人类行为优化，关注点击量、排序和用户满意度。而AI Agent的工作流则是：接收任务→搜索→获取内容→阅读→发现信息缺口→修改查询→再次搜索→交叉验证→最终执行动作。

一个科研Agent可能为了回答一个复杂问题执行几十次搜索，编码Agent需要不断查找最新文档、GitHub仓库和更新日志，销售Agent则可能同时查询公司官网、融资新闻、招聘信息和高管动态。对Agent来说，搜索不再是单次的按钮点击，而是任务执行循环中的常规步骤。

这意味着Agent不需要像人类一样面对“十个蓝色链接”，它需要的是足够完整、新鲜、可信，同时精简且便于模型推理的上下文。因此，Agent搜索会更关注召回率、新鲜度、延迟、并发处理能力、机器可读性、Token效率、信息来源以及完成任务的总成本。传统搜索引擎优化的是“帮人找到网页”，而Agent搜索要解决的是“用尽可能低的成本，找到足够完成任务的信息”。

Keenable并不是第一个看到这个赛道的玩家。其最直接的竞争对手Exa已经拥有同量级的独立Web索引，根据官方数据，Exa的向量数据库覆盖了1000亿份文档，追踪约1.4万亿个URL，每天抓取数十亿份文档，平台开发者超过50万。Cursor、AWS、Groq都在其客户列表中，Devin背后的Cognition联合创始人Walden Yan曾公开表示，传统搜索方案无法满足需求，Exa已经被用于Devin的多个环节。

今年5月，Exa完成2.5亿美元C轮融资，估值达到22亿美元。该公司预测，今年AI Agent发起的Web搜索数量将超过人类，未来几年大模型产生的搜索量可能达到当前谷歌搜索量的千倍。Exa的产品也不止Search API，已经覆盖搜索、内容提取、深度搜索、Agent工具和监控服务，既可以实现200ms左右的低延迟搜索，也可以启动多步骤Agent进行深度研究，其内容服务会提取与任务相关的网页片段，提供高效的Token高亮内容，而非直接返回完整网页。

这也给刚刚亮相的Keenable带来了现实的问题：既然Exa已经拥有百亿级索引、明确的客户群体和更完整的产品矩阵，为何还要重新索引一次互联网？

目前两家的侧重点有所不同：Exa已经从底层搜索向研究、Agent和结构化数据服务延伸；而Keenable更强调作为AI实验室和推理平台的底层搜索基础设施，将低延迟、高并发和规模化调用成本作为核心竞争力。Keenable面向普通开发者的价格是每千次请求4美元，100 RPS以上的专用容量可降至1美元；Exa当前公开的Search API基础价格为每千次请求7美元。虽然两家的结果数量、内容处理和服务等级并不完全相同，无法直接比价，但这已经说明：当搜索进入Agent的高频调用循环，单次调用成本本身开始成为竞争指标。

国内也已经出现类似的竞争格局。博查AI提供面向AI应用的Web搜索和AI搜索功能，搜索结果可以直接通过函数调用、MCP等方式交给Agent；心流·搜索则直接定位为“为智能体链接真实世界”，提供Web搜索、Web获取、图片搜索，并支持MCP、Skills、OpenClaw、Claude Code、LangChain和AutoGPT，其首页突出“极省Token”的特点：先过滤广告和网页冗余内容，再将重排后的精炼片段交给模型。

大厂也在改造原有搜索能力：腾讯云联网搜索API基于公开互联网资源和腾讯内容生态，从数据收录、召回到精排都针对大模型重新设计，支持分钟级更新，最快300ms返回结果，并在8月24日推出了面向Agent的联网搜索MCP；阿里云OpenSearch也已经提供独立联网搜索API，可以让大模型重写查询、过滤搜索结果，并选择返回摘要或最长3000字符的正文。

这几类产品的起点各不相同：Exa、Keenable希望掌握抓取、索引和检索全链路；博查、心流更直接争夺Agent搜索API和经过处理的上下文；腾讯、阿里则拥有原有搜索积累、内容生态和云平台入口。但它们都在争夺同一个位置：成为Agent访问互联网的默认接口。

Agent搜索可能带来一笔新的巨额账单。Agent之所以能成为独立的基础设施，一个现实的原因是Agent的搜索频率远高于人类。传统用户一次搜索行为可能仅产生几个查询，而一个Agent完成复杂任务可能需要几十次甚至上百次搜索。

假设一个任务调用100次Web搜索，按照Keenable普通开发者每千次4美元的价格，仅搜索请求就需要0.4美元；按照Exa每千次7美元的基础价格，则需要0.7美元。进入生产环境后，还要叠加内容获取、网页处理、模型上下文和推理Token的成本。因此，Agent时代的计算单位可能会从“每次搜索成本”转变为“完成任务的搜索成本”。

阿里云OpenSearch的计费结构就能说明这一点：一次联网搜索除了搜索调用，还可能触发大模型进行查询重写，结果过滤同样会消耗模型Token，其API返回字段甚至单独记录重写模型和过滤模型的输入输出Token。一次看似简单的“联网搜索”，背后已经变成了查询理解→改写→检索→过滤→上下文整理的一串计算。

这也是越来越多Agent搜索产品强调Token效率的原因：Agent真正需要的通常不是一篇五千字的完整网页，而是其中能帮助当前任务继续推理的几段内容。如果搜索层能够先删除广告、导航、推荐模块和无关段落，只将最相关的片段送入上下文，节省的不仅是搜索成本，还会进一步降低后续模型的输入Token和推理成本。由此，一条新的成本链条开始形成：Search Quality → Context Quality → Token Consumption → Agent Cost。搜索基础设施和模型基础设施开始出现在同一张账单中。

但成本只是Agent搜索变化的第一层。更深层的变化在于，Agent最终需要的可能已经不再是传统意义上的“搜索”。例如，让Agent完成这样一个任务：“找出过去六个月完成A轮融资、创始人来自谷歌、同时正在招聘推理工程师的欧洲AI公司。”

互联网上很可能不存在一张网页直接给出完整答案，融资信息可能在新闻里，创始人履历在公司官网或LinkedIn，招聘状态则藏在招聘页面。Agent必须自行完成Search → Fetch → Join → Filter → Verify的流程。

这也是Keenable仍在开发的WebQueryLanguage最值得关注的地方：Styskin在采访中透露，该工具希望让AI系统组合多个Web来源，回答任何单一页面都无法提供完整答案的问题。虽然该产品尚未正式发布，也没有足够技术细节证明其具备类似数据库查询规划器的能力，但方向非常明确：搜索系统正在尝试将开放Web从“网页集合”变成一个可以被机器查询的数据集。

搜索由此可能从find documents继续走向query the Web。如果这条路线成立，Agent搜索的终局可能并不是一个“更聪明的谷歌API”，而更像某种SQL for the open Web：Agent不再关心哪一个网页排在第一，而是提出自己真正想解决的问题，底层系统负责从不同来源找到实体、组合事实并保留证据链。这可能也是Agent给搜索带来的最大变化：网页仍然存在，但“网页”未必还是机器获取知识时最重要的组织单位。

不过，将Web变成Agent随时可以查询的外部数据库并没有听起来那么简单。第一个问题是数据的价值交换。谷歌搜索时代存在一套持续二十多年的交换关系：网站允许谷歌爬虫抓取内容，谷歌再将用户和点击流量送回网站。但Agent却可能读取十个网站后直接综合答案，甚至继续替用户执行下一步操作，用户从头到尾都不需要打开原网页。内容生产者提供了知识，却可能拿不到访问量、订阅转化和广告收入。

这种矛盾已经进入产品层：Cloudflare的按次抓取付费服务允许网站所有者选择免费开放给AI爬虫、完全阻止，或者要求抓取方付费。其背后的问题非常直接：AI公司需要持续读取Web，而内容发布者则需要重新建立内容被机器消费后的价值交换。这给Keenable、Exa这类独立Web索引带来一个悖论：Agent搜索越成功，网站越可能失去流量；网站越积极限制AI爬虫，重新建立和维护Web索引的成本就越高。

第二个问题来自安全。传统SEO主要影响用户“看到什么”，而Agent搜索的结果则可能进一步影响机器“相信什么、做什么”。如果恶意网页通过搜索进入Agent的上下文，再利用间接提示注入影响一个拥有GitHub、邮箱、企业系统甚至支付权限的Agent，一次检索错误的后果就不只是推荐了一个垃圾网站。因此，Agent搜索最终需要处理的指标可能还会增加：除了相关性、新鲜度和延迟，还包括provenance、trust 和 security。搜索引擎过去负责给用户提供信息入口，未来的Agent搜索某种程度上还承担着Agent对现实世界的“感知层”。

到了中国，这件事还有另一层特殊难度：中文互联网本身就不是一张完全开放的Web。目前国内已经有博查、心流这样的Agent搜索API，腾讯、阿里也在开放联网搜索能力，但从公开资料来看，很难找到一家国内创业公司像Keenable、Exa一样，将“独立抓取整个Web+建立100B级自主索引”明确作为最核心的技术和商业壁垒，并持续披露索引、并发处理能力和延迟等基础设施指标。

这背后的问题并不只有成本：大量有价值的中文实时信息存在于微信、小红书、抖音、知乎、电商平台以及各种App内，它们并不天然属于一个能够被统一抓取的开放Web。即使一家公司的公开网页索引足够大，也不意味着它真正看见了中文互联网。腾讯云联网搜索的产品设计就体现了这种差异：除了全网公开资源，它还会融合腾讯新闻、搜狗百科、企鹅号等自有内容生态。因此，100B Index 并不等于看见中国互联网。

美国的Agent搜索更多在竞争谁能更完整、更低成本地重新索引开放Web，而中国市场还多了一层问题：谁能连接更多封闭和半封闭的内容生态。平台授权、版权、反爬机制以及内容平台之间的商业关系，都可能成为搜索算法之外的壁垒。一个拥有上千亿网页索引的中文Agent，仍可能不知道某个话题刚刚在微信公众号刷屏，也可能看不到一款新产品正在小红书快速爆发。对中文Agent来说，索引的大小不代表真正的搜索能力，它究竟能看到多少真实的中文互联网可能更重要。

Keenable押注的是一笔明确的生意：当Agent越来越频繁地访问Web，会有人愿意为更快、更便宜、更适合机器消费的搜索基础设施付费。为此，它愿意承担重新抓取、索引和维护整个Web的高昂成本，再通过低延迟、高并发的Search API将这套能力卖给AI实验室和Agent开发者。

但这套生意最终能否成立，现在还远没有答案。独立Web索引本身成本极高，Exa等竞争对手已经跑在前面，谷歌、微软以及国内大厂也掌握着现成的搜索和内容资源；与此同时，网站对AI爬虫的限制还在增加。Keenable能否把技术上的低成本、低延迟真正转化成足够大的客户需求和商业壁垒，还需要时间验证。Agent能不能真的养出一门独立于传统搜索的新基础设施生意，值得长期观察。

以上内容不代表本平台立场，仅供读者参考