Seltz 获得 1250 万美元种子轮融资，用于为 AI 代理构建新的搜索基础设施层

随着 AI 代理变得越来越能够执行研究、执行工作流和自主决策，一个日益增长的挑战出现了：网络本身并不是为机器设计的。虽然今天的大型语言模型可以推理、总结和生成内容，但它们仍然严重依赖于最初为人类点击链接而构建的检索系统。 Seltz 是一家专注于为 AI 系统重新构建网络搜索基础设施的初创公司，宣布了一轮 1250 万美元的种子轮融资，以解决这一差距。该轮融资由 Speedinvest 和 B Capital 领投，多家风险投资公司和一组来自亚马逊、谷歌、Cohere、Databricks、Ramp 和 Synthesia 的顾问和天使投资人参与了此轮融资。

为什么 AI 代理需要一种不同的搜索引擎

几十年来，网络搜索一直围绕着人类行为进行优化。搜索引擎返回排名列表、摘要和广告，旨在帮助人们浏览网站。然而，AI 代理具有根本不同的要求。

与浏览多个页面不同，代理需要快速提供结构化信息，具有明确的来源归属和足够的上下文以支持推理。当代理在单个任务中执行多次搜索时，延迟会叠加，检索质量直接影响性能。

Seltz 认为，现有的 AI 搜索解决方案通常作为传统搜索引擎（如谷歌、必应或 Brave）的包装器。虽然这些系统对人类用户有效，但它们并不是为自主软件的知识基础设施而设计的。该公司的方法是从头开始构建一个专门为机器消费而非人类浏览而设计的检索系统。

构建整个检索堆栈

由安东尼奥·马利亚（Antonio Mallia）创立，后者曾在亚马逊、Pinecone 和彭博社担任研究职务，Seltz 已经走上了更困难的道路，即构建和运营自己的基础设施堆栈。

与其依赖第三方搜索提供商，该公司拥有整个检索管道，包括网络爬虫、知识提取、索引、检索和排名。这一水平的控制使 Seltz 能够优化整个过程的每个阶段，专门针对 AI 工作负载。根据公司的说法，拥有堆栈还可以更好地控制质量、性能、来源验证和未来的产品开发。

该公司的 Web 知识 API 为开发人员提供了实时访问网络信息的功能，该信息已被处理和结构化以供大型语言模型、检索增强生成（RAG）系统 和自主代理使用。该平台的重点不是简单地返回搜索结果，而是提供上下文丰富的信息，包括可以被 AI 系统直接消耗的来源引用。

AI 本土基础设施日益增长的市场

此轮融资发生在人们对基础 AI 基础设施日益感兴趣的背景下。最近的 AI 热潮主要集中在模型提供商、芯片和代理框架上，但检索基础设施正在成为另一个关键的堆栈层。

一个原因是，AI 系统越来越需要使用最新信息。训练数据很快就会过时，特别是在新闻、法规、价格、技术文档和企业数据等领域。因此，实时检索对于许多生产 AI 应用程序来说变得至关重要。

Seltz 将自己定位为这一检索层的提供商。该公司并不是直接与消费者搜索引擎竞争，而是专注于为开发人员、AI 本土初创公司、AI 研究实验室和需要可靠访问当前信息的企业提供服务。这反映了向为机器对机器交互而非人类界面设计的专用基础设施的更广泛转变。

性能和基准测试成为竞争优势

搜索质量难以衡量，尤其是在评估针对 AI 代理而非人类用户的系统时。为了解决这个问题，Seltz最近推出了动态新闻搜索基准（DNSB），这是一个公共基准，旨在评估不同AI搜索提供商的检索质量和延迟。

该公司报告了检索速度和有效性方面的强劲结果。早期的产品更新强调了以毫秒为单位的检索延迟，这对于可能在复杂推理任务中执行多次搜索的代理来说是一个重要因素。更快的检索不仅可以改善用户体验，还可以通过缩短模型等待外部信息的时间来降低计算成本。

对基准的强调反映了 AI 基础设施中更广泛的趋势，即可衡量的性能指标变得越来越重要，因为企业在评估竞争平台时需要这些指标。

超越搜索结果

虽然网络搜索仍然是该公司的核心重点，但 Seltz 已经开始扩展其平台的功能。最近的产品发布包括出版日期过滤、域名过滤控制、集成以及帮助开发人员管理检索信息质量和新鲜度的工具。该公司还发布了功能，旨在使实时网络知识在 AI 工作流和代理框架中更易于访问。

这些补充表明 Seltz 将检索视为一种更广泛的知识基础设施层，可以集成到企业系统、应用程序和自主工作流中。

AI 本土检索基础设施的更广泛影响

像 Seltz 这样的技术指向了 AI 系统与互联网交互方式的更广泛演变。传统的搜索引擎是围绕人类工作流设计的，用户评估链接、比较来源并自行确定相关性。相比之下，AI 代理需要可以快速提供可信信息的检索系统，信息格式针对机器推理和自动化进行了优化。

专用检索基础设施的开发也可能影响下一代 AI 应用程序的发展。访问最新信息的速度更快可能会改善在企业智能、财务分析、科学研究、网络安全和实时决策支持等领域运行的代理系统的性能。同时，对来源归属和验证的更大重视可能有助于解决围绕幻觉、过时信息和 AI 透明度的持续问题。

随着组织部署越来越自主的系统，检索层可能会成为 AI 堆栈中的一个关键组件，位于模型、向量数据库和编排框架旁边。正在构建这些基础技术的公司正在帮助建立可能支持更可靠、更负责、更具信息意识的 AI 系统的基础设施，这些系统将在未来几年内发展起来。