相信很多大家對半年12.8億美金，以為沒什么機會的賽道，瘋狂融資還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

在今天回顧過去一年 AI 應用層的進展，AI 搜索一定是難以忽視的一個方向。在很長的一段時間里，AI 搜索=Perplexity，在榜單上，幾乎感受不到其他搜索產(chǎn)品的存在。但市場，似乎在釋放新的信號。

搜索，依然極具想象力，資本用腳投票

一方面，信息檢索是能與當前大模型能力匹配的一大應用場景;另一方面，AI 搜索明星產(chǎn)品 Perplexity 流量仍在穩(wěn)步增長，體現(xiàn)出用戶端對搜索體驗升級的新需求。即使 AI 搜索也存在種種問題，例如PMF的驗證、尚難以難以撼動傳統(tǒng)搜索引擎等等，且依舊被創(chuàng)業(yè)者視作“LLM 初期最有可能跑出Killer APP的領域”，很被資本看好。

Perplexity 最新估值30億美金，基本屬于估值第一梯隊的純 AI 應用（不做模型）公司。它僅在今年上半年就完成了兩次融資，兩輪融資總額超過7000萬美元。但是大家聚焦 Perplexity 這一“資本寵兒”的上半年，資本還默默投出去了12.1億美金。

上半年15起 AI搜索融資，不同應用場景項目占比

上半年，我們根據(jù)公開信息統(tǒng)計了共計15起 AI 搜索領域的投融資，我們發(fā)現(xiàn):

1、面向企業(yè)\行業(yè)場景的 AI 搜索企業(yè)獲投最多，前者也是最容易獲得單筆大額融資的 AI 搜索落地場景;

2、另一熱門落地場景是電商+AI 搜索，在獲投項目中，其與通用搜索的占比均為20%;

3、播客搜索等相對“小眾”的場景下也出現(xiàn)了融資案例。

上半年15起 AI 搜索融資信息統(tǒng)計

這些資本青睞的 AI 搜索產(chǎn)品到底都長啥樣?

音視頻搜索

Dexa ——搜索播客知識點，向“專家”提問

總部所在地:美國紐約

創(chuàng)始人:Riley Tomasek

成立時間:2023年

最后一輪融資信息:2024年2月，Abstract Ventures、The General Partnership 領投600萬美元種子輪融資，融資后估值未知。

如果你經(jīng)常聽播客，大概率都曾遇到過一個問題，某天心血來潮想起之前在播客中聽到的一個精彩洞見，想要回聽，卻怎么都記不起它是來自哪一位主播，哪一個單集。即使幸運地鎖定單集，又在時間戳的幫助下將范圍縮小到20分鐘的片段，也只能選擇自行聽完或者轉錄成文字后查找，非常費時。Dexa 的創(chuàng)始人 Riley Tomasek 也曾有過類似困擾，一次耗時的查找之后，他決定打造一款面向播客場景的 AI 搜索工具。

Dexa 沒有詳細闡釋過產(chǎn)品的技術路線，但表示自己使用了先進的索引技術，將基于主播、單集和節(jié)目三個維度的知識圖譜提供準確和高效的搜索服務，它的核心數(shù)據(jù)源來自120多檔播客節(jié)目，并且仍在持續(xù)地添加中，包括知名的《Tim Ferriss Show》《Huberman Lab》等等。產(chǎn)品設計中，Dexa 的一大核心理念是“向專家提問”（如圖所示），搜索時用戶可以選擇向特定的主播提問(或者不限定主播)，健康、商業(yè)、科技、個人成長等領域的問題都是大熱門。

搜索結果以 AI 總結的形式呈現(xiàn)，并附上對應播客談及該問題的具體時間戳，點擊即可收聽。搜索結果也支持用戶一鍵分享，一部分內容有機會直接出現(xiàn)在 Google 的搜索結果中，從而帶來網(wǎng)站的自然流量。但 Similarweb 數(shù)據(jù)顯示，今年6月 Dexa 的網(wǎng)站月訪問量大概在29萬次左右，相較今年2月100萬月訪問的水平大幅度下滑。

白鯨評論:產(chǎn)品好、場景小眾。查找聽過的播客實在不是一個太高頻的應用場景，Dexa 目前的數(shù)據(jù)庫體量也限制了它向其他應用場景拓展。截至今年2月，Dexa 尚未開始產(chǎn)生收入，TechCrunch 就播客 AI 搜索的創(chuàng)業(yè)方向與一些播客轉錄、數(shù)據(jù)庫產(chǎn)品的創(chuàng)業(yè)團隊交流過，他們表示 AI 搜索的成本問題是一大考量因素。

Twelve Labs——生成視頻難，不如先“理解”視頻

總部所在地:美國舊金山

創(chuàng)始人:Jae Lee

創(chuàng)立時間:2021年

最后一路融資信息:2024年6月1日， New Enterprise Associates （NEA） 和 NVIDIA's NVentures 領投5000萬美元 A 輪融資，融資后估值2-3億美元。

Twelve Labs 是一家致力于打造多模態(tài)“視頻理解”（Video Understanding）基礎設施，以實現(xiàn)對視頻進行語義搜索的 AI 公司。

技術特點:根據(jù)官網(wǎng)介紹，借助于旗下的 Marengo 模型，Twelve Labs 可以實現(xiàn)快速對大量視頻內容進行索引（即轉換成可以被快速檢索和訪問的形式），讓用戶能夠通過自然語言來搜索和訪問存儲在視頻中的各種信息。

Twelve Labs 認為視頻最為接近人們體驗的“現(xiàn)實”，而大語言模型在視頻領域的能力有限。而其打造的多模態(tài)大模型Marengo-2.6最快能在15分鐘內索引1個小時的視頻，并實現(xiàn)文本到視頻、文本到音頻以及圖片到視頻的搜索任務。

應用場景:目前 Twelve Labs 已與媒體和娛樂、廣告、自動化及安全等多領域的客戶展開合作，例如借助 AI 視頻搜索實現(xiàn)快速標記賽事精彩瞬間、查找監(jiān)控錄像等。

在 AI 視頻搜索之外，Twelve Labs 最新大模型 Pegasus 能夠實現(xiàn)視頻到文本的轉換，目前正在 Beta 測試中。Pegasus 能夠進一步理解復雜視頻，具備總結、查詢、回答及分析能力。據(jù)悉 Twelve Labs 在訓練基礎模型時，會同時訓練模型的多個部分，使得模型的整體大小只有原來的1\5，也提高了計算效率和能源效率。

電商搜索

DayDream——強大的創(chuàng)始團隊，能搞定一個新入口需要的流量嗎?

總部所在地:美國

創(chuàng)始人:Julie Bornstein

創(chuàng)立時間:2023年

最后一輪融資金額:2024年6月20日，F(xiàn)orerunner Ventures 和 Index Ventures 共同領投5000萬美元種子輪融資。

購物或許是快樂的，但是購買決策常讓一些消費者感覺“筋疲力盡”，為解決上述問題，一批電商場景的 AI 搜索產(chǎn)品應運而生，DayDream 就是其中之一。

它支持用戶使用自然語言或者圖像識別進行搜索，使用時，用戶只用說明使用場景就能找到心儀產(chǎn)品。比如提問“這個夏天我要去海邊參加婚禮，請給我一些著裝建議”;再比如，用戶可以上傳一張藍色裙子的照片，并提問，“我很喜歡這條裙子的款式，但是我想要一條紅色的?！备倪M的重點在于使得整個交互體驗更加個性化，推薦更具針對性。

為實現(xiàn)上訴搜索體驗，DayDream 選擇將現(xiàn)成大模型微調，并創(chuàng)建了一個包含眾多產(chǎn)品類目的數(shù)據(jù)集。它計劃于今年秋天在美國開啟 Beta 測試，上線之初 DayDream 將專注在時尚領域，合作對象包括 Net-A-Porter， Altuzarra， Jimmy Choo， Doen， Alo Yoga and La DoubleJ.在內的2000余個時尚品牌。

白鯨評論:今年上半年，電商領域的 AI 搜索融資不少，但是像 DayDream 直接打造 ToC 產(chǎn)品卻不多，主要是因為競爭相當激烈。像亞馬遜、Google 以及 TikTok 等巨頭都在自研用 AI 優(yōu)化購物體驗，體量小一點的電商平臺也在嘗試接入外部解決方案來集成 AI 搜索（下文還會提及）。這一波趨勢里，一個全新的商品發(fā)現(xiàn)入口需要的流量成本估計高得驚人。目前看起來，DayDream 受資本認可的一大原因是團隊背景很強。

DayDream 的創(chuàng)始人 Bornstein 此前創(chuàng)立的 AI 購物初創(chuàng)公司 The Yes 被 Pinterest 成功收購，其 CPO 和 CTO 分別來自 Google 的人工智能研究小組和微軟的數(shù)據(jù)和應用科學團隊，CCO 和 CSO 也分別曾在 Google 的時尚商務拓展部門和 Pinterest 的購物策略團隊任職。從技術到市場，都有人在。

Constructor——“十年老兵”的思考，AI搜索落點在轉化

總部所在地:美國舊金山

創(chuàng)始人:Eli Finkelshteyn 和 Dan McCormick

創(chuàng)立時間:2015年

最后一輪融資信息:2024年6月17日，完成由 Sapphire Ventures 領投的2500萬美元 B 輪融資，融資后估值未知。

應用場景:Constructor 是一家成立近10年的電商服務商，專注于為電商客戶提供產(chǎn)品發(fā)現(xiàn)相關的配套服務，涵蓋從搜索到瀏覽、推薦、收藏、商家智能（數(shù)據(jù)分析）、用戶測試、AI 購物助手(ASA)在內的各個方面。其最新推出的 ASA 解決方案與 DayDream 提供相似功能，即當購物網(wǎng)站選擇集成后，用戶可以通過自然語言交互的方式獲得個性化的商品推薦，而商家通過消費體驗的改善提升客戶滿意度和銷售額。

技術特點:ASA 的原理是通過用戶的點擊行為數(shù)據(jù)、Transformers 模型和大語言模型來快速識別用戶的搜索意圖。而除了優(yōu)化搜索體驗之外，Constructor 也會向商家提供配套的數(shù)據(jù)分析功能來提升轉化率。截至今年上半年，Constructor 已為超過1000億次客戶互動提供支持，該公司的客戶量在過去一年中增加了50%，并且在過去三年中保持了98.5% 的平均客戶留存率，絲芙蘭、Target 在內的知名電商平臺都是其客戶。

Remark——真人工·智能

總部所在地:未知

創(chuàng)始人:Theo Satloff

創(chuàng)立時間:未知

最后一輪融資信息:今年5月，從Spero Ventures、Stripe、Shine Capital、Neo、Sugar Capital等共計12名投資者中獲得1030萬美元種子輪融資。

同樣是幫助用戶進行購物決策，如果說 DayDream、Constructor 專注于搜索環(huán)節(jié)的優(yōu)化，Remark 則嘗試建立另外一種匹配機制，它引入真人專家，想給予用戶 VIP 般的購物體驗。

技術特點與數(shù)據(jù)來源:Remark 引入的真人專家包括藝術家、音樂家、造型師、高爾夫球手以及滑雪教練等，它將服務集成在品牌的獨立站中，用戶可以隨時向真人專家尋求購物建議。而如今 Remark 開始用50000名專家的數(shù)據(jù)訓練 AI，當專家離線時，AI 也能提供服務，并且成交后會抽取一部分傭金給到專家。

應用場景:一個典型的應用場景是，當進入一個滑雪戶外產(chǎn)品獨立站時，新手用戶可能會對區(qū)分滑雪板的型號、尺寸和適用場景等無從下手，它通過 Remark 的專家匹配服務獲得極具針對性和專業(yè)的購買建議。Remark 目前主要與戶外用品、嬰兒用品、美容護膚品等行業(yè)的客戶合作，其公布的數(shù)據(jù)顯示集成相關服務后客戶的收入增長了9%，轉化率提高了30%。

白鯨評論:相較于用 AI 取代人工客服的“大趨勢”，Remark 積極引入專家導購可謂是出了一個奇招，并且即使加入了 AI 也是異?？酥频?、僅起到輔助專家的作用。印象頗為深刻的是，Remark 團隊其實非常強調消費者在購物中的情感體驗，而他們認為正是人的加入讓這一體驗得以完整，這也是過去在線電商所忽視的部分。某種程度上，你可以認為 Remark 打造的購物決策流程是希望兼顧理性和感性的，足夠理想化，但其涉及到相當高的溝通成本，或許只會在高客單價、有認知門檻的品類中有生存空間。

通用搜索

Adot——web3與 AI 搜索

總部所在地:美國加州

創(chuàng)始人:Dr.Wei Z（華裔）

創(chuàng)立時間:2022年

最后一輪融資:2024年4月25日完成300萬美金種子輪美金，由 Hash Global 領投，融資后估值未透露。

技術特點:Adot 是一款采取去中心化架構的搜索引擎，不依賴中心服務器，把數(shù)據(jù)存儲在多個節(jié)點中。此外，Adot 還引入了激勵機制，使用搜索引擎或者參與數(shù)據(jù)收集、索引、分析、整理的用戶，都可以獲得虛擬貨幣獎勵。

應用場景:Adot 是一個通用搜索引擎，但大多數(shù)用戶會通過 Adot 獲取對于加密貨幣市場的洞察和與 Web3相關的知識和新聞。

數(shù)據(jù)來源:Adot 融合了 Web2和 Web3的數(shù)據(jù)，除了傳統(tǒng)網(wǎng)頁外，它還包含區(qū)塊鏈數(shù)據(jù)、社交媒體數(shù)據(jù)、Web3交易數(shù)據(jù)等。

Genspark——“小紅書版”AI搜索引擎

創(chuàng)始人:景鯤，前小度 CEO;朱凱華，前小度 CTO

創(chuàng)立時間:2023年

總部所在地:美國加州、新加坡

最后一輪融資信息:6月18日，完成由藍馳創(chuàng)投領投的6000萬美元融資，投后估值為2.6億美元。

2023年，Bing 在全球搜索引擎中的市占率雖然不到4%，但是其全年收入?yún)s達到了120億美元。換句話說，AI 搜索即使僅從傳統(tǒng)搜索引擎中搶到1%的市場份額，也是相當大的一塊蛋糕。這句話是 Perplexity 創(chuàng)始人對自己的“安慰”，也同樣適用于 Genspark。

Genspark 將自己定位為一個AI Agent引擎，面對各類問題，有專門 AI Agent 進行執(zhí)行研究并產(chǎn)出名為 Sparkpages 的自定義頁面。這一頁面的輸出原則是，摒棄所有的偏見和 SEO 驅動的內容，綜合可信信息，提供有價值的結果和節(jié)省用戶時間。具體來說，Genspark 目前主攻旅行、商品兩大垂類方向的內容搜索業(yè)務，Sparkpages 作為 AI Agent 生成的優(yōu)質網(wǎng)頁承接最終搜索結果。

例如當用戶輸入“北京三日游出行建議”的問詢，將跳轉自 Sparkpages 頁面，它將以類似小紅書圖文信息流的形式呈現(xiàn)多個結果，用戶可以點擊感興趣的結果查看詳細信息和進行進一步問詢，這種圖文結合的內容組織形式其實也比較匹配 Genspark 目前切入的旅行和商品的品類，體現(xiàn)差異化的同時也能夠迅速占領用戶心智。

向量搜索

Qdrant

總部所在地:德國柏林

創(chuàng)始人:Andre Zayarni

創(chuàng)立時間:2021年

最后一輪融資:2024年1月23日完成2800萬美金A輪融資，由 Spark Capital 領投，融資后估值未公布。

技術特點:Qdrant 是一個開源向量數(shù)據(jù)庫和和向量相似性搜索引擎，用 Rust 語言編寫?；ヂ?lián)網(wǎng)上的文字、圖片、音視頻等模態(tài)的數(shù)據(jù)都可以轉換為向量，并在向量數(shù)據(jù)庫存儲，這種存儲方式的好處是，可以用更少的空間存儲數(shù)量更龐大的數(shù)據(jù)，并可以更方便地對數(shù)據(jù)進行快速檢索和高效管理。

而向量相似性搜索引擎中的向量，可以看作傳統(tǒng)搜索引擎中的關鍵詞和網(wǎng)站鏈接。通過向量搜索引擎，用戶可以快速找到數(shù)據(jù)庫中與輸入向量相似的向量，然后再將向量轉換為相應的文字、圖像、音視頻等信息來使用。

應用場景:向量數(shù)據(jù)庫及搜索引擎是一個重要的基礎設施，主要通過 API 和客戶端庫供開發(fā)者使用，它廣泛地應用于個性化推薦、文本/圖像的處理與識別、實時數(shù)據(jù)分析與監(jiān)測等領域，用來快速查找向量數(shù)據(jù)庫中相似的向量，并轉換為常規(guī)數(shù)據(jù)進行使用或分析。

數(shù)據(jù)來源:向量數(shù)據(jù)庫中的數(shù)據(jù)來自公開數(shù)據(jù)集、網(wǎng)絡爬蟲、第三方數(shù)據(jù)服務商等渠道的文字、圖片、視頻、音頻等模態(tài)的向量數(shù)據(jù)。

Marqo

總部所在地:美國加州

創(chuàng)始人:Tim Harmer

創(chuàng)立時間:2021年

最后一輪融資:2024年2月15日完成1250萬美金 A 輪融資，由 Lightspeed 領投，融資后估值未公布。

技術特點:Marqo 提供的功能與 Qdrant 類似，但 Marqo 使用更大眾化的 Python 語言編寫，可以無縫集成 Python 機器學習項目和數(shù)據(jù)庫，更適合中小開發(fā)者使用，在Python開發(fā)者社區(qū)中也非常受歡迎。但是 Marqo 在處理高并發(fā)需求、大規(guī)模數(shù)據(jù)等復雜業(yè)務場景的性能不如Qdrant。

應用場景:Marqo 更適合 Python 項目或中小開發(fā)者相對簡單的項目，而 Qdrant 更適合需要處理大量數(shù)據(jù)和高并發(fā)請求的大企業(yè)使用。

數(shù)據(jù)來源:與 Qdrant 相同。

企業(yè)/行業(yè)場景搜索

Glean ——估值已經(jīng)22億美金的打工人搜索引擎

總部所在地:美國加州

創(chuàng)始人:Arvind Jain

創(chuàng)立時間:2019年

最后一輪融資:2024年2月27日完成2億美金 D 輪融資，由 Adams Street 領投，融資后估值為22億美金。

技術特點:Glean 是一款以搜索為核心的工作助手。它可以在公司內部各數(shù)據(jù)源中（包括 Outlook、Office、Google Workspace、Salesforce 等）進行交叉搜索，給出用戶需要的文件、數(shù)據(jù)，或直接就問題給出答案。AI 會針對搜索者的職位和搜索習慣優(yōu)化呈現(xiàn)的結果，即使搜索相同的關鍵詞，同公司不同崗位的員工，也會獲得不同的結果。

除了傳統(tǒng)模式的搜索引擎之外，用戶還可以在 AI Chat 功能中直接詢問 AI 或者用自然語言進行搜索，AI 在給出答案的同時，還會給出該內容出自哪個文檔。此外，用戶還可以在所有的文檔中看到與這個文檔有關的同事（比如作者、審批者等），方便公司進行信息的管理和協(xié)作。

除了搜索功能外，Glean 還提供 AI 生成文字內容、管理日程安排、預定會議、快速訪問常用文檔和應用等便捷功能。據(jù)媒體報道，Glean 使用了包括 GPT 在內的多款大語言模型。

應用場景:Glean 并沒有特別針對的行業(yè)，算是一款工作場景通用的效率工具。

數(shù)據(jù)來源:互聯(lián)網(wǎng)公開信息、企業(yè)內部數(shù)據(jù)。

Hebbia—— 金融行業(yè)起步，ARR 已過千萬美金

總部所在地:美國紐約

創(chuàng)始人:George Sivulka

創(chuàng)立時間:2020年

最后一輪融資:2024年7月9日完成1.3億美金B(yǎng)輪融資，由 a16z 領投，融資后估值為7億美金。

技術特點:Hebbia 的核心產(chǎn)品名為 Matrix，是一款主打專業(yè)化數(shù)據(jù)處理的 AI 工具。它可以從多個形式不同的文件中檢索和提取多種數(shù)據(jù)，交叉核對后，在文檔或表格中輸出用戶需要的數(shù)據(jù)。用戶可以自定義任務內容，也可以將本次任務保存為模板，以便在日后的工作中使用。同時，在 AI 執(zhí)行任務的過程中，用戶可以監(jiān)控 AI 每一步檢索和校對的過程，了解這些數(shù)據(jù)的出處。

用戶還可以基于 Matrix 接入的所有數(shù)據(jù)源，詢問 AI 相關問題，比如，讓 AI 直接給出所有目標公司中年增長率超過5倍的公司名單。

應用場景:Hebbia 目前專注于金融行業(yè)，它使用的 AI 模型也針對金融行業(yè)進行了特別訓練，用于市場研究、證劵、投資、審計等多個細分場景。目前 Hebbia 的 ARR（年度經(jīng)常性收入）已經(jīng)達到了1300萬美金，其7億美金的估值約為 ARR 的54倍。

在拿到融資后，Hebbia 開始把應用場景擴展到法律、咨詢、政府、軍工、制造業(yè)、制藥等多個行業(yè)中。

數(shù)據(jù)來源:公開信息、企業(yè)內部數(shù)據(jù)庫、第三方數(shù)據(jù)庫。

Alphasense——已經(jīng)快上市的金融行業(yè)專用搜索引擎

總部所在地:美國紐約

創(chuàng)始人:Jack Kokko

創(chuàng)立時間:2023年

最后一輪融資:2024年6月11日完成6.5億美金 D 輪融資，Viking Global Investors 和 BDT & MSD Partners 共同牽頭，Google 參與，融資后估值為40億美金。

技術特點:AlphaSense 又是一款專為企業(yè)和金融專業(yè)人士設計的搜索引擎，它整合了網(wǎng)絡上關于金融市場的公開信息和一些內部信息，用戶可以通過關鍵詞搜索或與 AI 對話來搜尋信息。AI 在給出信息和行業(yè)觀點后還會提供根據(jù)，以便用戶進行交叉驗證。

AlphaSense 自行研發(fā)了適應金融領域的大模型 AlphaSense Large Language Model，這款模型可以理解復雜的金融術語和市場動態(tài)，基于大模型能力，AlphaSense 可以從大量文件中提取相關信息，進行分析，并輸出行業(yè)觀點。

根據(jù)高盛的數(shù)據(jù)， AlphaSense 的 ARR 高達2億美金，目前正在準備上市。

應用場景:AlphaSense 的主要用戶群體有金融分析師、企業(yè)戰(zhàn)略決策者、市場研究人員等，用來快速搜索市場數(shù)據(jù)，輔助他們做出分析與決策。

數(shù)據(jù)來源:公司文件、公開的財務數(shù)據(jù)、市場研究報告、專家分析、新聞報道、企業(yè)內部報告等。

CuspAI——材料專用 Search Engine

總部所在地:英國劍橋

創(chuàng)始人:Max Welling 教授和 Chad Edwards 博士

創(chuàng)立時間:2023年

最后一輪融資:2024年6月18日完成3000萬美金種子輪融資，由 Hoxton Ventures 領投，融資后估值未公布。

技術特點:CuspAI 是一個材料學“搜索引擎”，用戶輸入用戶理想中材料所需具備的特點與屬性，AI 就會依據(jù)掌握的知識快速篩選不同的分子結構，給出一個或是幾個可行的材料分子結構，供研究人員進一步研究。

應用場景:CuspAI 主要應用于各種科研場景。最近，團隊正在用 CuspAI 設計一種可供捕獲和存儲碳的材料，它可以吸收空氣中的二氧化碳，并存儲下來。

數(shù)據(jù)來源:專業(yè)數(shù)據(jù)庫。

EXA——“針對”SEO，準確的鏈接優(yōu)先于關鍵詞

總部所在地:美國加州

創(chuàng)始人:Will Bryk 和 Jeff Wang（華裔）

創(chuàng)立時間:2021年

最后一輪融資:2024年7月16日完成1700萬美金 A 輪融資，由 Lightspeed 領投，融資后估值未公布。

技術特點:EXA 是一款適應人工智能時代的搜索引擎，可以在復雜搜索場景下，滿足 Google 和 Bing 無法滿足的搜索需求。

與 Google 最大的不同是，EXA 的 AI 模型使用了 Transformer 架構，搜索引擎可以直接理解用戶的語義，并直接給出與語義最相關的鏈接，而不是靠關鍵詞進行搜索，再讓 AI 基于關鍵詞搜索的結果進行整合。

這樣的模式能使獲得的結果更加精準，也能夠排除 SEO 的影響，尤其適合復雜場景下的搜索。

應用場景:EXA 的使用場景主要是面向 B 端的，雖然 C 端用戶也可以在網(wǎng)站端使用，但絕大多數(shù)用戶是通過 API 調用，使用 EXA 的服務的。

比如 AI 寫作助手可以調用 EXA 的 API 直接查找與用戶具有相似想法的論文或者 Blog，并將答案整合進輸出中，提高內容的質量。EXA 還可以應用在企業(yè)市場調研、金融、法律等對信息質量要求較高，任務也相對復雜的搜索場景。

數(shù)據(jù)來源:互聯(lián)網(wǎng)公開數(shù)據(jù)。

寫在最后

查找投融資信息時，我們也嘗試查找國內 AI 搜索產(chǎn)品的投融資線索，結果發(fā)現(xiàn)，國內公司做AI的思路基本上都是將搜索功能整合進“大而全”的 AI 產(chǎn)品中，很難將其定義為單純的 AI 搜索產(chǎn)品，比如雖然大模型公司月之暗面在5月22日進行了一筆融資，但我們很難將其歸于 AI 搜索領域的投融資。

而除了很難界定的產(chǎn)品外，我們并沒有找到做 AI 搜索且在上半年獲得融資的產(chǎn)品。這個原因可能是，目前市場上用戶數(shù)量較多的 AI 產(chǎn)品，比如字節(jié)的豆包 、百度的文新一言、昆侖萬維的天工等產(chǎn)品都包含了 AI 搜索功能，其他小公司靠做 AI 搜索似乎確實比較難拿到融資。