大模型内卷之后，AI 竞争进入搜索基础设施时代

头图来源：元宝搜索

过去一年，AI 行业的战场正在悄悄发生位移。

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。

一、一张尚未被翻开的搜索底牌

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。

而腾讯，其实早就在悄悄补这块短板。

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。

二、先跑通内部全场景：经过规模化验证的搜索基座

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。

图片来源：元宝搜索

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。

使用的第一步，开发者只要在腾讯云开通元宝搜索，就能直接获得每月 2000 次的免费额度。

对于习惯使用 API 直连的开发者来说，只要在腾讯云控制台的「服务 API KEY」页面中创建并复制明文 Key，将其配置到本地环境变量（export TENCENTCLOUD_WSA_APIKEY='sk-你的 key'），就能快速完成鉴权与接口调用。

标准模式下，根据我们的检索问题，会返回 10 条结果，每条带 title / date / site / url / score。

此外，官方还提供了 Freshness（时效范围）、Industry（垂直领域）、Mode（结果类型）、Site（限定/排除站点）、Cnt（返回条数）等丰富的配置项，精准解决了传统搜索调控手段单一的痛点。比如把 Freshness 设为 d1 即可锁定最近一天的新闻，设置 Industry 为 gov 则能强制只检索党政机关信源，彻底防止低质营销号误导大模型。

要使用 MCP 的方式接入就更简单了，只需把前面拿到的 Key 映射进 Cursor 或 Codex 的配置文件，填入官方的远程 MCP 地址 https://api.wsa.cloud.tencent.com/Mcp，启动后确认工具列表中 SearchPro 已亮灯，就能在编辑器里直接用自然语言指挥 Agent 联网。

而如果使用 SkillHub 接入还会进一步简化：利用命令行安装好技能包后，本地会自动生成 SKILL.md 指引和脚本。

此时直接对编辑器里的 AI 说「帮我搜索最新的……」，Agent 就会自动识别语义并完成调用。

接下来，我用 Python 脚本直连 API 的方式跑了一组实测，查询当日热点「法国多个城市实施宵禁」，得到的结果如下图所示：

可以看到，返回的 10 条结果全都是当天发布的最新报道，最新的一条发布时间距离测试时间还不到 2 小时，且每一条都附带了确切的时间戳与可追溯的原文 URL。

另外我又跑了一组对比测试，检索关键词是「最新政策发布」，这类内容通常需要关注最新的官方信源，因此我在参数中加上了 Industry=gov Freshness=d7 的限制，查询最新的政策动态。

可以看到结果返回的全都是中国政府网、商务部、新华网等党政机关及主流官方节点，完全没有自媒体与营销号混入。

整体来看，元宝搜索的核心优势在于工程层面的成熟度：接入轻、理解准、信源稳、响应快，命中了开发者「不想自己做搜索，又想要靠谱搜索能力」的核心诉求，是一套真正可以直接用于生产环境的搜索基础设施。

马晋称，未来元宝搜索会沿着三个方向持续演化：一是通过数据飞轮实现自迭代、自优化，让搜索模型可以持续闭环进化；二是不断扩充全网多语言优质内容，目前已经覆盖中英双语，后续会继续拓展；三是深耕垂直领域，把金融、医疗、法律等垂类搜索做深做透。

三、Agent 时代，基础设施的竞争才刚开始

科技行业的发展周期里，竞争的重心永远会沿着技术栈向下沉淀。

云计算时代，企业竞争围绕计算与存储资源展开，谁能提供稳定、低成本的算力，谁就能掌握产业主动权；大模型时代早期，行业的注意力集中在模型参数与生成效果上，参数规模是最核心的比拼指标。

而当 AI 进入 Agent 落地期，竞争的重心开始进一步下移——谁能让 AI 更稳定、更低成本地连接真实世界，谁才能支撑起上层的规模化应用。

一个清晰的行业趋势正在形成：AI 搜索正在从可选插件，变成 Agent 时代的「水电煤」，成为所有智能应用都离不开的基础基座。

就在元宝搜索官宣前不久，DeepSeek 也正式开放了自研的 Search 搜索 API，为 Agent 与 RAG 应用提供实时网页检索能力。从模型厂商到云厂商，国内玩家密集布局搜索基础设施赛道，恰恰印证了一个判断： 开放搜索能力，是整个行业走向成熟的必然选择 。当大模型的能力逐步趋同，上层应用的差异化竞争，最终会落到底层基础设施的厚度上。

不同玩家的路径选择也体现了差异化的思路。

模型厂商的搜索服务更侧重和自身模型的深度联动，主打轻量化与低成本；而云厂商出身的元宝搜索，优势则集中在经过大规模业务验证的工程稳定性、丰富的垂类权威信源，以及背后的生态资源整合能力。不同玩家可以共同把搜索基础设施的市场蛋糕做大，给开发者提供更多元的选择。

更重要的意义，是给整个行业降低 AI 落地的门槛。元宝搜索这类经过大规模业务验证的搜索基础设施开放后，开发者不用再重复造轮子，可以把有限的精力集中在产品逻辑、场景创新与用户体验上，这会进一步催生更多垂直场景的 AI 应用，加速整个行业的落地进程。

AI 的下半场，注定是基础设施的战争。 搜索作为连接大模型与真实世界的核心入口，会成为这场战争里的关键战场。

资讯由采集器定时从公开的机器人 / AI 信息源自动聚合。