大模型内卷之后，AI 竞争进入搜索基础设施时代

当 Agent 从概念快速渗透进办公、内容、金融等真实业务场景，行业共识也在悄然改变：决定 AI 体验上限的，是它连接真实世界的能力。

政策迭代、市场波动、行业动态、垂类数据……现实世界的信息每秒都在更新，大模型自带的知识储备永远有边界，想要输出可靠结论、完成复杂任务，就必须接入实时、权威的外部信息。

搜索，是大模型对接真实世界的核心接口。但这也是当下 AI 落地的共性卡点：传统搜索基于关键词匹配，读不懂自然语言的复杂意图，低质内容还容易引发模型幻觉；从头自建一套完整检索体系，又意味着爬虫、解析、索引、运维一整套极高的工程门槛，绝大多数团队都难以承担。

而腾讯其实早就在默默布局这层底层能力。 过去一年，腾讯在 AI 应用层动作密集：全场景智能体工作台 WorkBuddy、AI 知识管家 ima、腾讯视频 AI 小助理等 50 余款产品接连落地，覆盖办公、内容、金融等多个核心场景。但很少有人注意到，支撑这些产品联网检索、信息获取能力的底层搜索基座，此前一直藏在幕后。

10 月 20 日，这张「暗牌」终于正式亮相，元宝搜索迎来全面升级，并通过腾讯云以 API 形式向个人开发者与企业开放。

这套已经在腾讯内部支撑数 50 多款核心产品、沉淀数千亿级索引、接入 157 个权威信源、日均调用量达数亿次的搜索能力。这次全新升级的元宝搜索正式从内部自用工具，转向面向全行业的公用 AI 基础设施。

从幕后走到台前，元宝搜索的开放，补上的是 AI 规模化落地过程中，一块缺失已久、经过真实业务验证的信息基建拼图。

搜索的发展，一直与互联网如何组织信息、分配流量紧密相连。每一次行业代际变迁，都会重新定义搜索的定位。

PC 互联网初期是目录导航时代，雅虎用人工分类的方式整理网站，搜索是互联网的「导航地图」；随后谷歌凭借 PageRank 算法开启了关键词搜索时代，搜索成为整个互联网的流量入口，核心逻辑是「人找信息」，通过关键词匹配返回网页列表，广告成为最核心的商业模式，谁掌握了搜索，谁就掌握了流量分发权。

进入移动互联网时代，超级 APP 割裂了开放的互联网，信息孤岛开始形成。通用搜索的入口价值被稀释，搜索能力逐步下沉为垂类产品的内置功能——电商搜商品、内容平台搜视频、社交工具搜聊天记录，搜索从独立的流量产品，变成了服务各自生态的基础能力，语音搜索、本地搜索等新形态也随之出现。

而当 AI 浪潮袭来，搜索正在经历第三次本质变化：服务对象从「人」变成了「智能体」，核心目标从「返回网页链接」变成了「交付可信、结构化、可直接调用的信息」。

「搜索面对的用户从 1.0 时代的人，变成了 3.0 时代的智能体。这是整个使用对象的本质变化。」马晋表示，大模型天然存在幻觉、知识时效性不足、垂类术语缺失三大短板，搜索正是解决这些问题的核心路径。

这其中，实时性是 AI 搜索区别于传统静态大模型最核心的价值之一。传统大模型的知识停留在训练截止日，面对瞬息万变的现实世界天然存在「时差」；而 AI 原生搜索可以同步全网最新动态，让 Agent 获得持续感知外部变化的能力—— 金融行情的实时波动、政策法规的最新修订、行业事件的即时进展，都能第一时间转化为智能体可调用的信息输入。

对于 Agent 来说，搜索成为了感知外部世界的核心感官，正是这种底层需求的变化，让搜索从「应用层功能」重新回到了「基础设施层」的核心位置。

但站在当下的行业节点看，适配 AI 时代的搜索基础设施，供给远远跟不上需求。

传统搜索 API 脱胎于「人找信息」的逻辑，本质还是关键词匹配，面对长语义、强意图的复杂查询，召回精度往往大打折扣；通用网页搜索的结果里混杂着大量 SEO 内容、营销号与过期信息，直接投喂给大模型，极易催生幻觉，让 AI 输出错误结论。

针对泛滥的 AIGC 低质内容，行业至今没有一劳永逸的解法。马晋提到，这本质是一场攻防战：既要靠模型识别单篇内容的特征，也要针对频繁发布低质内容的站点、账号做专项治理；但更有效的思路，是从源头提升优质信源的权重，让可信内容优先被召回。

如果选择自建搜索体系，门槛则是高得惊人：爬虫对抗、网页解析去噪、百亿级数据的存储与索引、排序模型的迭代优化……这不仅需要一整支专业的搜索工程团队，还需要长期的算力与运维投入，对于绝大多数创业团队和中小公司来说，几乎是不可能完成的任务。 一边是 Agent 落地对可信搜索能力的刚性需求，一边是供给端的高门槛与低适配，AI 搜索基础设施的缺口，正在成为全行业的共性瓶颈。

在大众的认知里，腾讯的 AI 布局往往被拆解为两端：底层是混元大模型，上层是 WorkBuddy、腾讯视频 AI 这类面向用户的应用产品。但很少有人注意到，在模型与应用之间，还有一层至关重要的中间基础设施层——元宝搜索、向量数据库等通用能力，负责连接真实世界、处理外部信息，为所有上层 AI 应用提供稳定的信息输入。

它面向 AI 开发者与企业，更像是 AI 应用背后的「信息供电站」—— 把结构化、高可信度的信息输送给大模型与智能体，支撑上层业务的稳定运行。马晋在接受采访时也明确了元宝搜索的底层定位：「我们不会做面向普通用户的 C 端独立搜索入口，而是藏在各类 AI 产品的背后，提供更优质、更可信的搜索信源。」

过去很长一段时间里，这张底牌都藏在幕后，只服务腾讯内部的业务线。而当大厂 AI 竞争从「拼模型参数」走向「拼落地能力」，中间层的基础设施就成了新的胜负手，这张藏了很久的搜索底牌，也终于到了翻开的时候。

此前行业里的 AI 搜索产品，大多还停留在「插件级」——给大模型加一个联网功能，本质还是「人提需求，搜索补信息」。

但真正走向 Agent 时代，搜索需要成为一套独立的生产级基础设施：既能持续输入权威信息，又能适配 AI 的语义理解，还能支撑大规模、高稳定的并发调用。

元宝搜索最初从服务元宝 APP 的联网搜索需求起步，随着腾讯内部 AI 产品的批量落地，逐步沉淀为通用的 AI 友好搜索能力，陆续接入了 50 余款内部核心产品，覆盖办公、内容、金融、工具等多个赛道。日均数亿次的调用量，数百亿级的索引规模，13 大垂直行业、157 个权威信源的内容覆盖，都是在一轮又一轮的真实业务打磨中积累下来的。

这种「先内部验证、再对外输出」的模式，让元宝搜索在工程成熟度上天然具备优势。

在办公智能体场景，WorkBuddy 接入元宝搜索后，彻底告别了自建搜索体系的沉重负担。此前如果要让智能体具备联网调研能力，团队需要搭建爬虫、索引、排序一整套工程体系，不仅研发成本高，返回的信息可信度也难以把控；接入元宝搜索后，权威信息可以直接进入智能体工作流，每条结论都能追溯到官方来源，团队不用再耗费精力维护信源与抓取链路，可以把全部重心放在智能体的任务规划与交付体验上。

在内容娱乐场景，腾讯视频 AI 小助理接入后，信息覆盖度直接扩展了 20%。此前受限于内部内容库，站外的新片档期、热度榜单、演职员动态更新滞后，面对用户模糊的剧情描述式找片需求，召回效果也不尽如人意；接入元宝搜索后，全网实时信息可以同步更新，哪怕是模糊的剧情描述，也能精准匹配到对应作品，直接带动了用户 AI 搜索的人均使用次数与次留双增长。

搜索和 Agent 并非单向调用关系，而是双向协同进化。马晋解释：「Agent 要学会拆解出更适配检索的 query，搜索要向 Agent 输出权威性等级、发布时间、排序满意度这些特征信号，反过来 Agent 最终的引用结果和质量反馈，也会回传给搜索持续优化。」这种双向对齐的效果直接体现在效率上：升级后，内部智能体完成同类任务的平均搜索调用次数，从 8 次降到了 5 次左右—— 结果质量提升后，智能体不需要反复检索试错，任务完成效率显著提升。

数十条业务线的全场景落地，相当于给元宝搜索做了持续的多维度压力测试与场景适配，也让这套能力跳过了 Demo 阶段，直接具备了生产级服务的稳定性与适配性。

在实际使用中，官方一共提供了直接 API、MCP 以及 SkillHub 三种模式。