跨国深谈← 返回←智能体才是互联网的下一个大客户：Parallel 创始人 Parag Agrawal 谈智能体搜索

智能体才是互联网的下一个大客户：Parallel 创始人 Parag Agrawal 谈智能体搜索

关联

人物 Harry Stebbings · Parag Agrawal

公司 Parallel · Amazon

概念 智能体 · 网页搜索 · 推理 · 开源模型 · 缩放定律 · 护栏 · 对齐 · 拉取与推送 · 广告

这一集的嘉宾是 Parag Agrawal——前 Twitter CEO、现在创办了 Parallel,一家做「智能体的 Google」的公司。主持人 Harry 专程飞到伦敦和他聊了一期。Parag 的核心判断一句话就能说清：智能体使用网络的次数将是人类的 1000 倍，而为一个规模建的搜索技术撑不住三个数量级的变化，所以搜索的底层技术和商业模式都得重造。

为什么智能体搜索和人类搜索完全是两回事

人类用搜索的方式很窄：敲两三个关键词、等半秒到一秒、拿到 10 个蓝色链接再随机点。智能体完全不同——它会把想找的东西写成完整的一句话告诉你；时间约束也走向两个极端:语音智能体只能等 100 毫秒(因为背后的人在等它)，后台智能体却愿意等最好的答案。

「最没意思的恰恰是我们为人类构建的那种」。输入不同、输出不同(不是链接，是 token 或文件)、算力预算不同，整个问题被重新定义了。

核心技术账：给搜索分配算力，替模型省算力

Parag 把网页搜索问题概念化：从网上几万亿份文档，缩小到你的模型上下文窗口该看的一千个 token。做法是分层的漏斗——大多数文档花零算力，用极便宜的算力筛出一万份，再逐层用更大的模型和更复杂的排序器往下收窄。

关键在权衡：模型越贵，越要在搜索端把活干好。给便宜的 Luna 级模型，漏一点杂质进上下文没关系；给贵的 Fable 级模型，就必须在浪费它 20 秒思考之前把信噪比做高——花 5 秒在搜索上，让它少做三次搜索，端到端反而省时间和钱。

他们的 API 甚至有个参数问你「是什么模型在调用我」，说了就能拿到更优的结果。产品化成几种模式：语音智能体用最快的 Turbo,昂贵的后台智能体用 Advanced。

谁在调用搜索？不只是写代码

编码目前只在约 5% 的提示词里调用网页搜索，因为大部分工作依赖内部代码库。真正重度依赖搜索的是法律(要查判例法、查公司和个人事实，还得穷尽排除，「确信别人找不到」)、保险承保、销售和 AI 科学。所以模型越好越便宜、智能体做得越多，对他这门生意越有利。

定价全错了：他要主动打价格战

Parag 有一套反直觉的算盘：今天市场上网页搜索「1000 次 10 美元」的定价，源头是 Google 时代面向人类的广告 CPM。但他认为当大量 Luna 级便宜模型跑智能体时，会出现搜索花掉 80-90% 成本、模型只占 10% 的荒谬局面，所以搜索价格必须降一个数量级。

他的技术能做到同质量下百分之一二十到百分之一五十的算力,现在一千次 1 美元(对手 7-14 美元)，三年内还有 10 倍下降空间——用量会因杰文斯悖论涨回来更多。「我确实想把价格打到最低，我想让最好的技术获胜」。他也顺手否掉了公开基准测试：像 BrowseComp 一半模型都背下来了，没有参考价值。

广告模式会死，他自建「智能体的 AdSense」

广告以目前的形式无法与智能体兼容：智能体来了，没人看广告，内容方赚不到钱，结果就是所有人屏蔽智能体。所以 Parallel 在每次智能体从内容中获益时向内容方付一笔可变金额——本质是给智能体建一个 AdSense。

定价逻辑很精巧：从索引里拿掉某个内容方，答案质量会从「1 美元水平」掉到「90 美分水平」，那 10 美分的边际贡献，就拿出相当一块付给数据提供者。和流媒体冲击音乐业不同，他认为是蛋糕在变大，商业模式转型是可能的。

更远的判断：从「拉取」到「推送」的搜索

Harry 分享了一个用例：他用智能体监控欧洲各国公司注册机构、盯 25 岁以下名校创始人。Parag 说这正是未来——与其让智能体每六小时醒来搜一遍，不如让一直在爬全网的搜索系统持有长存上下文，做成事件触发：世界大部分时间没变，只在有变化时花算力，省 10 到 50 倍算力。

这就是他们的 Monitor API(「智能版的 Google Alerts」)。他更大的预判：当持久化智能体越来越多，搜索会从拉取(query → 结果)翻转为推送(网页事件流主动触发智能体干活)。

数据交易的缺口与别的担忧

他认为今天我们还不懂怎么为「独特、有价值的数据/洞察」付费——VC 按席位付费 PitchBook,但跑智能体时按席位计费完全不合身，结果就是猫鼠游戏式的爬取或被封。每家大公司都在选「放智能体进来还是挡在外面」：Amazon 关门、Shopify 和 Expedia 开门；Parag 认为最终所有人都得放，问题只是按什么条件。他也担心财富分化(「应该有差距，但不知道多少算太多，我的恐惧是我们正滑向太多」)、担心 AI 的收益过度集中；并直言模型安全：「模型黑进世界不是因为它太强大，而是因为我们没采取相称的防护，有些黑客该被视为耻辱而非荣誉勋章」。

本集带走

• 智能体搜索 ≠ 给现有搜索 API 换皮：输入(整句话)、输出(token/文件)、时间约束(100 毫秒到不限)全变了，得按 1000 倍规模重造漏斗式分层检索。
• 搜索定价会崩再重建：「1000 次 10 美元」锚定的是人类广告 CPM;模型越便宜、搜索占比越荒谬，价格须降一个数量级，而更贵的模型反而该花更多钱买更好的搜索。
• 内容方的新生意：智能体时代广告失灵，按内容对智能体任务的边际贡献计费(智能体的 AdSense)是可行的替代变现。
• 搜索会从拉取变推送：长存上下文 + 事件触发(如 Monitor API),比定时轮询省 10-50 倍算力。
• 盯住数据交易这个空白市场：按席位付费撑不住智能体用量，谁先解决「推理时按价值为数据定价」，谁拿到下一个大市场。

是的，这家公司最初的起点就是一句话：智能体使用网络的次数将是人类的 1000 倍。
Yeah, literally the first genesis of the company was the statement that agents will use the web 1000x more than humans.
—— Parag Agrawal · [04:04]

它会改变你对构建底层技术的思考方式，因为为某个规模构建的技术无法在三个数量级的变化中幸存。
It changes how you think about building the tech underneath because no tech built for a certain scale survives three orders of magnitude.
—— Parag Agrawal · [04:18]

事实上，最没意思的一件事恰恰是我们为人类构建的东西。
In fact, the one thing that is the least interesting is what we’ve built for humans.
—— Parag Agrawal · [05:57]

所以你本质上是在给网页搜索分配计算量，以便在模型上节省计算量。
So you’re essentially allocating compute to web search in order to save compute on the model.
—— Parag Agrawal · [07:36]

因为我们押注智能体会成为网络的消费者。
Because we bet that agents will be the consumers for the web.
—— Parag Agrawal · [11:50]

目前看来，我们所能感知到的缩放定律似乎没有尽头。
It appears there is no end to the scaling law that we can perceive so far.
—— Parag Agrawal · [14:45]

我认为今天我们还不知道如何为独特的、有价值的洞察或数据付费。
I think today we don’t know how to pay for unique, valuable insight or data.
—— Parag Agrawal · [17:51]

广告以目前的形式无法与智能体兼容。
Ads don’t work with agents in their current form.
—— Parag Agrawal · [23:46]

我确实认为财富上应该存在某种差距，但我不知道多少算太多。
I do think there should be some disparity in wealth, but I don’t know what’s too much.
—— Parag Agrawal · [47:33]

我认为对人们抱有不合理的期望，大多是件好事。
I think having unreasonable expectations of people is mostly a good thing.
—— Parag Agrawal · [50:01]