当搜索对象从人变成 Agent：Parallel 正在争夺 Web 的上下文入口

信源：[Sequoia Capital｜Training Data：Parallel CEO Parag Agrawal 访谈｜2026-08-25]

过去二十年，搜索引擎服务的是一个很稳定的对象：人。人只输入几个词，容易拼错，也没有耐心翻几十个页面；搜索引擎因此依赖点击、停留时间和链接关系猜测意图，再用广告把人的注意力变现。

Parag Agrawal 在这场55分钟访谈里提出的核心变化，是 Web 正在迎来第二类用户——AI Agent。它不会浏览广告，也不满足于十条蓝色链接。它会用更长、更精确的查询连续搜索，把网页、PDF和数据库中的少量证据装进模型上下文，最后替人完成授信、研究、销售准备或持续监控。

这意味着，Agent 搜索并不是给 Google 增加一个 API，而是把搜索从“流量分发入口”改造成“实时上下文供应系统”。所谓上下文供应，具体指在有限的 token、延迟和成本预算下，完成抓取、索引、查询改写、检索、重排和证据压缩，从海量网页中挑出最值得进入模型的那一小段信息。谁控制这一层，谁就在影响模型看见什么事实，以及 Agent 据此采取什么行动。

Parallel 的创业路径很能说明两种搜索为何不同。它没有先花巨资复制一份完整的 Google 索引，而是先做能够即时抓取网页的搜索 Agent，用几分钟甚至更长的查询时间，替代原本需要人工完成的保险核保、理赔、销售数据补全和金融资料收集。早期产品用推理时计算弥补索引覆盖不足，再从真实任务中获得评价数据，逐步扩大索引。这相当于先找到高价值工作流，再反向建设搜索基础设施，避开了初创公司最难承受的冷启动。

它的技术栈也不再围绕“哪条链接最可能被点开”优化。按照 Agrawal 的描述，一个查询会被改写后送入通用、实时、结构化等不同索引，候选范围从数百亿页面逐级收缩到具体段落，模型最终只接收约一千个高信号 token。传统搜索里，一份加载缓慢的监管文件可能输给把数字整理在首屏的 SEO 页面；Agent 搜索则可以直接从原始文件中抽取权威段落，因此权威性不必再为人的点击便利让路。

但搜索质量、成本与延迟仍是三角约束。Parallel 先用高计算量解决质量和成本，再推出低延迟 Turbo：[官方披露](网页链接)的中位延迟是200ms，价格为每千次请求1美元，适合语音、聊天和高频工具调用。高质量深搜则是另一档产品。[Artificial Analysis]在统一模型和 Agent 框架下，把 Parallel Advanced 排在搜索 API 首位，综合分数为75，但其平均任务时间仍为39.5秒。两组数据放在一起看，结论不是“200ms完成深度研究”，而是 Parallel 正试图用不同计算预算覆盖实时检索与复杂调查两条性能曲线。

Agrawal 预计 Agent 最终会比人类多发起千倍搜索，这个数字目前仍是创业者判断，并非已经发生的行业事实。他自己也承认，Agent 查询总量尚未超过人类。较可信的机制是：普通搜索 Agent 一次回答就可能调用5至20次搜索，深度研究会扩展到数百甚至数千次；而授信组合监控、会议准备和科研 Agent 又会把一次性查询变成持续运行的后台任务。

[Cloudflare 的数据]也只证明方向：截至2026年6月，AI训练占其观察到的爬虫请求52%，混合了搜索、Agent与训练用途的爬虫超过36%。爬虫流量不等于 Agent 搜索量，但 Web 的机器读者确实在快速增加。

技术问题之外，决定 Agent Web 能否持续运转的是谁为内容买单。广告模式之所以高效，是因为它能根据人的购买意图差异化定价，并用少数高价值点击补贴大量免费查询。Agent 读取内容后直接返回答案，发布者既看不到读者，也无法判断这次访问是否会带来订阅。大模型公司与头部媒体签订固定授权合同，只覆盖少数拥有议价权的内容方，而且费用不会随推理调用同步增长。

Parallel 给出的解法是按内容对具体任务的边际贡献分账。其 [Index 产品]会估算每个来源的 Shapley value：如果移除一条内容明显降低 Agent 输出质量，而且难以用更多计算或其他来源替代，它就应获得更高报酬；同一份资料被用于高价值金融工作，也应比普通浏览获得更多收入。

这个框架比按网页抓取次数收费更接近价值，但也更难落地。[精确计算 Shapley value]通常要模拟大量来源组合，成本可能高于要分出去的钱，因此 Parallel 实际采用模型估计。估计是否公允、任务价值由谁定义、平台是否如实报告，以及身份、授权、反作弊和结算如何统一，都不是一个归因模型能够自动解决的。

[Cloudflare 已经试验]用 HTTP 402 做按抓取收费：网站可以选择允许、收费或屏蔽，更像基础“过路费”；Parallel 想做的则是按最终用途分配收益。两者可以互补，但只有内容方、搜索服务、模型平台和 Agent 开发者形成共同协议，才可能取代今天零散的双边授权。

这也是 Parallel 最值得重视、同时最不确定的地方。[Google Cloud 已把 Parallel]作为 Gemini 企业 Agent 的可选 Web grounding 服务，证明模型平台存在外购搜索基础设施的需求；但分发入口仍掌握在 Google、OpenAI、Microsoft 等模型与云平台手中，它们既可以购买，也可以自建。Agent 原生搜索成为独立技术层的确定性，明显高于利润最终由某一家独立搜索公司获取的确定性。

Agrawal 对更远一步的设想是，Web 会从 pull 走向 push：Agent 不再等人发起查询，而是持续监听网页、卫星图像、公司公告和其他 Agent 的输出，一旦满足条件便自动唤醒后续工作。到了那一步，搜索引擎的核心问题将从“现在给我答案”，变成“什么发生了变化，这个变化是否值得触发行动”。

判断这条路线是否成立，接下来要看三件事：Agent 单次任务的检索调用和付费是否持续增长；高价值内容是否愿意通过可计费接口重新开放；独立搜索 API 能否在新鲜、长尾和复杂任务上长期保持差异。

如果这三项成立，Web 的下一层基础设施就不只是索引，而是连接事实变化与 Agent 行动的实时控制面。