Agent 时代，为什么有人开始重新造 Google？
AI前线 · 人工智能
AI前线 2026-09-05 13:30 天津 当 Google 已经索引了几乎整个开放互联网，还有必要从头再造一个搜索引擎吗？ 作者 ｜ 蔡芳芳 当 Google 已经索引了几乎整个开放互联网，还有必要从头再造一个搜索引擎吗？ 前 Yandex 搜索、AI 和云业务负责人 Andrey Styskin 的 答案 是：有必要。只不过这一次，搜索引擎最重要的用户可能不再是人。 近日，一家名为 Keenable 的创业公司正式走出隐身状态，同时宣布完成 2600 万美元种子轮融资，由 Accel 领投。Styskin 是这家公司的联合创始人兼 CEO，在 Yandex 工作近二十年后，他曾进入 Amazon AGI 负责 Web 基础设施；另一位联合创始人 Matthias Petri 同样来自 Amazon AGI，此前参与 Alexa 背后的 Web grounding 基础设施建设。 这是一支只有约 15 名工程师组成的团队，但干的事情相当“重”：重新爬取互联网，建立自己的 Web Index，再把它变成专门服务 AI Agent 的搜索基础设施。 据 Keenable 官网 披露，其索引已经覆盖超过 1000 亿份文档 ，在美国东部的查询延迟低于 250ms（p95）；面向 100 RPS 以上的大规模客户，价格最低可以做到每千次请求 1 美元。更值得注意的是，它声称 API 已经进入数家 AI Labs 和推理服务提供商的生产环境，同时用于模型训练和运行时检索，但并未披露具体客户名称。 Styskin 给它定下了一个颇为野心勃勃的目标：成为 AI Agent 时代的“下一个 Google”。 Agent 搜索互联网的方式不一样了 Keenable 和今天已经很常见的 AI 搜索产品有所不同。它不想再做一个面向普通用户的 AI 搜索框，也不是简单在 Google 或 Bing Search API 上套一层大模型。Keenable 从底层重新做抓取（Crawl）、索引（Index）、检索（Retrieval）和排序（Ranking），再通过 REST API、MCP Server 和 CLI 把搜索能力交给 Agent。公司甚至直言，当前 Agent 使用的是一套“为人类优化”的 Web 访问工具，而它希望让 Agent 访问 Web 知识便宜到近似调用模型自身知识，不再因为成本和延迟而“舍不得搜索”。 这也是为什么一家刚刚走出隐身状态的创业公司，愿意承担重新索引整个互联网这样一件极其烧钱的工作。 Styskin 在接受 TechCrunch 采访 时解释，扫描整个互联网的服务成本非常高，如果索引结构没有针对具体任务优化，成本很快就会失控。真正的技术问题之一，是能否针对一次 Query 足够快地缩小搜索空间。他甚至用“painfully expensive”来形容构建巨大 Web Index 的成本。 但这笔昂贵投入背后，其实是一个比“搜索质量”更根本的变化： 人和 Agent 使用互联网的方式完全不同。 过去二十多年，搜索引擎的典型链路是： 人提出 Query → 搜索引擎返回结果页 → 用户浏览链接 → 点击 → 阅读网页。 因此，传统搜索长期围绕人类行为优化：哪个结果最值得排在前面，用户更可能点击什么，找到答案之后是否还会继续搜索。 Agent 的工作流则可能变成： 接到 Task → Search → Fetch → Read → 发现信息缺口 → 修改 Query → 再 Search → 交叉验证 → 最终 Action。 一个 Research Agent 为了回答一个复杂问题，可以连续执行几十次搜索；Coding Agent 需要不断寻找最新文档、Issue、GitHub 仓库和 Changelog；销售 Agent 为了判断一个客户是否值得跟进，可能同时查询公司官网、融资新闻、招聘信息和高管动态。对这些 Agent 来说，“搜索”已经不再是用户主动点击一次按钮产生的动作，而是任务执行循环中的一个步骤。 这也意味着 Agent 没必要像人一样面对“十个蓝色链接”。它真正需要的是足够完整、足够新、来源可信，同时又尽可能精简、方便模型继续推理的上下文。 Styskin 因此认为，Agent 会形成一套不同于 Google 从人类点击行为中学习出来的反馈飞轮。传统搜索关注点击、排序和用户满意度，Agent Search 则会越来越关心 Recall、Freshness、Latency、QPS、机器可读性、Token Efficiency、Provenance ，以及最终完成一个任务究竟花了多少钱。 换句话说，搜索引擎过去优化的是“帮人找到网页”；Agent Search 要解决的，则更接近“用尽可能低的成本，找