ai agent 重建搜尋底層：Seltz 1250萬美元種子輪（2026 年Agentic AI 爆發式成長）必看

Q: Seltz 和傳統搜尋引擎 API（如 Google Custom Search）有什麼本質區別？

本質區別在於設計目標。傳統搜尋引擎是為人類設計的——回傳帶標題、摘要和 URL 的結果列表，夾雜廣告和 SEO 噪音。Seltz 從零重建了爬蟲、索引和檢索模型，專門為 AI Agent 設計，回傳的是結構化、無廣告、機器可直接消費的內容，延遲壓到 200ms 以內。

Q: Seltz 的 1250 萬美元種子輪由誰領投？資金用途是什麼？

種子輪由 Speedinvest 和 B Capital 領投，跟投方包括 Italian Founders Fund、United Ventures 和貝恩公司旗下的 Future Back Ventures。資金將用於擴展網頁搜尋 API 覆蓋範圍、加入安全且可規模化的執行層、以及與第三方機器人開發者建立合作夥伴關係。

ai agent是這篇文章討論的核心

Seltz 募得 1250 萬美元種子輪：為 AI Agent 重建網頁搜尋底層的硬核博弈

AI Agent 正在重新定義「搜尋」這件事——不是人類輸入關鍵字，而是模型自主檢索即時網頁資料。（圖片來源：Pexels / Matheus Bertelli）

快速精華

💡 核心結論：Seltz 不是在做「又一個搜尋引擎」，而是為 AI Agent 打造專屬的網頁檢索基礎設施——用 Rust 從零重建爬蟲、索引和檢索模型，200ms 內回傳結構化、無廣告的結果，讓 LLM 擺脫靜態知識庫的桎梏。

📊 關鍵數據：全球 AI Agent 市場 2026 年規模約 109 億美元，Gartner 預測 Agentic AI 支出將達 2019 億美元；2027 年將超越聊天機器人支出。到 2030 年市場預計衝至 503 億美元，2034 年上看 2360 億美元。

🛠️ 行動指南：如果你的產品依賴 LLM 提供即時資訊，現在就該評估 Agent 專屬搜尋 API 的接整合規——靜態知識庫切斷的資訊斷層在 2026 年只會更深。

⚠️ 風險預警：Gartner 預測 2027 年前 40% 的 Agentic AI 專案面臨取消風險，主因不是技術不夠好，而是範疇界定失誤與治理框架缺失。

2026 年 6 月 24 日，一則融資消息在 AI 基礎設施圈炸開了鍋——一家名為 Seltz 的九人新創，由義裔創辦人 Antonio Mallia 領軍，在舊金山完成了 1250 萬美元的種子輪。領投方是歐洲創投 Speedinvest 和全球投資機構 B Capital，跟投陣容包括 Italian Founders Fund、United Ventures，以及貝恩公司旗下 Future Back Ventures。投資者名單裡的顧問和天使投資人，更是來自 Amazon、Google 等巨頭的核心技術班底。

觀察這筆融資的核心邏輯，Seltz 幹的事其實很簡單也很瘋狂——它把傳統搜尋引擎的那套「為人類設計」的底層邏輯全部推倒重來，用 Rust 語言從零打造了自己的爬蟲、索引和檢索模型，專門服務 AI Agent 這種「非人類消費者」。查詢回應時間壓到 200 毫秒以內，結果是結構化的、零廣告的、機器可直接消費的。

這不是在既有搜尋引擎上面包一層 API wrapper 那麼膚淺。Seltz 的核心主張是：網頁搜尋從一開始就是為「人類輸入幾個字然後點擊連結」而設計的，但 AI Agent 的行為模式完全不同——它們需要的是即時、乾淨、結構化的知識攝取管道。

為什麼 AI Agent 需要一套全新的網頁搜尋基礎設施？

先把問題拆開講。目前主流的 LLM（大型語言模型）在回答問題時，依賴的是預訓練階段灌入的靜態知識庫。訓練資料的截止日期一到，模型就成了「昨天的新聞」——它不知道今天的股價、不知道剛發布的產品規格、不知道三小時前發生的突發事件。這就是所謂的知識截止牆（Knowledge Cutoff Wall）。

傳統的解法是接一個搜尋 API（比如 Google Custom Search 或 Bing API），讓模型在回答前先去查一下。但這裡有個根本性的錯位——現有搜尋引擎的回傳格式是為人類設計的。它給你一串帶標題、摘要和 URL 的結果列表，夾雜著廣告、SEO 農場內容和追蹤腳本。AI Agent 要從這堆噪音裡萃取可用資訊，還得自己做第二層的清洗和解析，延遲和錯誤率都直線飆升。

Seltz 的切入點就在這裡。它的平台讓 LLM 能直接從任意網頁來源拉取即時資料，繞過靜態知識庫的限制，回傳的是已經過結構化處理的、乾淨的、機器可讀的內容。用 Antonio Mallia 自己的話說：「我們從零重建了網頁搜尋——自己的爬蟲、索引和檢索系統，為模型設計而非為人類設計。」

💡 Pro Tip 專家見解：如果你正在構建 AI Agent 產品，不要假設「接一個搜尋 API」就等於解決了即時資訊問題。關鍵瓶頸不在「能不能搜」，而在「搜回來的東西模型能不能直接用」。Seltz 的核心差異化是把檢索結果的結構化做在基礎設施層，而不是甩鍋給應用層去處理。這意味著 Agent 的推理鏈路可以更短、更可靠，幻覺風險也隨之降低。

從應用場景來看，Seltz 的平台直接鎖定了幾個高價值工作流：內容生成（Agent 自動抓取最新素材後撰寫）、市場分析（即時監控競品動態與定價）、以及決策支援系統（Agent 根據即時資料做出推薦）。這些場景的共同特徵是——資訊的時效性直接決定輸出的價值，而靜態知識庫在這裡根本不夠用。

Seltz 用 Rust 從零打造的爬蟲與索引引擎有多硬核？

這裡得講點技術細節，因為 Seltz 的護城河恰恰建立在工程深度上。市面上絕大多數「AI 搜尋」新創走的是捷徑——拿現成的搜尋引擎 API 包一層，加點 prompt engineering 就對外宣稱「Agent-ready」。Seltz 選了一條最難的路：從零重建整條檢索鏈路。

他們用 Rust 重寫了三個核心元件：

爬蟲（Crawler）——自主抓取網頁內容，不依賴第三方索引，掌控資料品質的第一道關卡。
索引（Index）——自建的網頁索引系統，為機器消費而非人類瀏覽做最佳化，結構化欄位直接對齊 LLM 的輸入格式。
檢索模型（Retrieval Models）——針對 AI Agent 的查詢模式設計的檢索演算法，回傳的是結構化、無廣告的精煉結果。

結果呢？查詢回應時間壓到 200 毫秒以內。作為對比，傳統搜尋 API 包裝方案的端到端延遲通常在 800ms 到 2 秒以上——中間的差距全部花在清洗噪音資料和二次解析上。對於一個需要在多步推理鏈路中反覆呼叫搜尋的 Agent 來說，200ms 與 2s 的差距不是「快一點」，而是「能用」與「不能用」的界線。

💡 Pro Tip 專家見解：選擇 Rust 不是裝腔作勢。Rust 的記憶體安全性和零成本抽象特性，讓 Seltz 能在極低延遲下處理高併發的爬蟲與索引任務，同時避開 C/C++ 常見的記憶體洩漏和競態條件。對於一個九人團隊來說，Rust 的編譯期檢查大幅降低了維運負擔——這在種子輪階段是生死線級別的效率優勢。如果你在評估 AI 基礎設施供應商，技術棧選擇本身就是團隊工程品味的信號。

Seltz 的九人團隊橫跨美國與義大利，核心團隊具備深厚的資訊檢索（Information Retrieval）基礎研究背景——這不是一群只會調 API 的應用工程師，而是真正在搞學術級 IR 系統的人。顧問陣容中包括來自 Amazon 和 Google 的技術專家，LinkedIn 上來自資訊檢索學界的 Sean MacAvaney 也公開表示為 Seltz 提供顧問支持，稱讚團隊「具備大量基礎資訊檢索專業知識」。

這筆 1250 萬美元的資金，Seltz 計畫用來做三件事：擴展網頁搜尋 API 的覆蓋範圍、加入安全且可規模化的執行層（secure scalable execution layers），以及與第三方機器人開發者建立合作夥伴關係。同時也會擴編工程與研究團隊，加速與前沿 AI 實驗室（frontier AI labs）、AI 原生新創和企業客戶的商業落地——尤其是那些「檢索準確性有真實後果」的領域。

1250 萬美元種子輪背後的投資邏輯與賽道博弈

種子輪就拿 1250 萬美元，對一家九人公司來說，這個數字不算小了。背後的投資邏輯值得拆解——Speedinvest 和 B Capital 領投，Italian Founders Fund、United Ventures 和貝恩公司旗下的 Future Back Ventures 跟投。這個陣容透露出幾個訊號：

第一，搜尋基礎設施正在成為 AI Agent 賽道的獨立投資主題。不是附屬於 LLM 的一個 feature，而是獨立的基礎設施層。就像雲端時代催生了獨立的 CDN 和資料庫服務，Agent 時代正在催生獨立的「Agent 搜尋層」。

第二，跨大西洋資本協同。Speedinvest 是歐洲早期創投，B Capital 是全球成長型投資機構，Italian Founders Fund 和 United Ventures 則代表義大利科技生態的押注。Seltz 的美義雙基地結構讓它同時觸及矽谷的人才池和歐洲的工程深度。

第三，貝恩的加入是戰略信號。Future Back Ventures 作為貝恩公司的創投部門，其參與意味著企業級諮詢視角對 Agent 搜尋基礎設施的需求有真實判斷——這不是純技術賭注，而是有商業落地場景背書的。

從更宏觀的賽道視角看，Seltz 進入的是一個正在爆發的市場。根據 Grand View Research 的數據，全球 AI Agent 市場 2026 年規模約 109 億美元，Gartner 預測 Agentic AI 支出將在 2026 年達到 2019 億美元，並在 2027 年超越聊天機器人支出。到 2030 年，市場預計衝至 503 億美元，2034 年更上看 2360 億美元，CAGR 維持在 45-49% 的狂飆水準。

但這裡有個不能忽略的風險訊號——Gartner 同時預測，2027 年前將有 40% 的 Agentic AI 專案面臨取消。麥肯錫的數據也顯示，目前只有 23% 的組織真正做到了 Agent 的規模化部署。錢砸得猛，落地卻跟不上——這中間的缺口，恰恰是基礎設施層創業者最有機會填補的地方。Seltz 賭的就是這個缺口。

AI Agent 搜尋基礎設施在 2026 年後的產業鏈衝擊波

如果把視角拉到 2026 年之後的產業鏈演變，Seltz 這類公司的存在意義遠不止於「搜尋 API 供應商」。它們正在催生一個全新的中間件生態——Agent 搜尋層（Agent Search Layer）。

我們可以從三個維度推演其長遠影響：

第一，LLM 與即時資訊的耦合方式將根本性改變。目前的 RAG（Retrieval-Augmented Generation）架構多數依賴靜態向量資料庫，更新頻率以天或週計。Seltz 這類基礎設施讓 Agent 能在推理過程中即時拉取網頁資料，RAG 的「R」從「預存檢索」變成「即時檢索」。這意味著 LLM 的知識邊界不再是訓練截止日，而是「網路上存在的最新資訊」。對金融、法律、新聞等時效敏感領域，這是質變。

第二，第三方機器人生態將迎來爆發。Seltz 明確表示將與第三方機器人開發者合作。如果 Agent 搜尋 API 的接入門檻足夠低、結果品質足夠高，獨立開發者就能在不需要自建爬蟲和索引的前提下，構建具備即時資訊能力的 Agent 應用。這就像 Stripe 之於支付、Twilio 之於通訊——基礎設施的標準化會催生應用層的長尾爆發。

第三，傳統搜尋引擎的商業模式將面臨結構性壓力。當 AI Agent 成為網頁資訊的主要消費者（而非人類），以廣告和點擊為核心的傳統搜尋商業模式就失去了作用對象——Agent 不會點擊廣告，不會被 SEO 農場吸引。Seltz 的「無廣告、結構化」路線，本質上是在定義一種新的搜尋經濟學：搜尋的付費方從「廣告主」轉向「API 消費者」。Fortune 的報導也指出，AI 的崛起重新點燃了沉寂已久的搜尋引擎大戰——Seltz 正在排隊挑戰 Google。

💡 Pro Tip 專家見解：對於企業技術決策者來說，2026-2027 年的關鍵判斷不是「要不要用 AI Agent」，而是「Agent 的資訊攝取管道走哪條路」。自建爬蟲和索引的工程成本極高（Seltz 九人團隊花了一年多才做出原型），而依賴傳統搜尋 API 的資料品質又不可控。Agent 搜尋基礎設施供應商的出現，本質上是在提供第三條路——用 API 訂閱模式獲得基礎設施級的檢索能力。評估時要看三個指標：延遲基線、結果結構化程度、以及索引覆蓋範圍的增長速度。

當然，風險也不容忽視。哈佛和 MIT 的研究已經指出，AI Agent 可能被操縱並執行有害行為——當 Agent 的資訊來源完全依賴單一搜尋基礎設施供應商時，供應商本身的資料治理能力和安全機制成為了整條鏈路的信任根。Seltz 計畫中的「安全且可規模化的執行層」如果做得好，就是護城河；如果做得不好，就是阿基里斯腱。

再往遠看一步——到 2027 年以後，如果 AI Agent 市場按 Gartner 的預測達到 2019 億美元支出規模，Agent 搜尋基礎設施作為支撐層，即使只佔整體支出的 5-10%，也是百億美元級別的市場。Seltz 的 1250 萬美元種子輪，在這個量級面前只是開胃菜。真正的問題是——當 Google、Microsoft 這些巨頭也開始認真佈局 Agent 專屬搜尋時，Seltz 的先發優勢和 Rust 工程深度能否撐住護城河。

常見問題 FAQ

Seltz 和傳統搜尋引擎 API（如 Google Custom Search）有什麼本質區別？

本質區別在於設計目標。傳統搜尋引擎是為人類設計的——回傳帶標題、摘要和 URL 的結果列表，夾雜廣告和 SEO 噪音。Seltz 從零重建了爬蟲、索引和檢索模型，專門為 AI Agent 設計，回傳的是結構化、無廣告、機器可直接消費的內容，延遲壓到 200ms 以內。簡單說，傳統 API 是「給人看的結果讓機器去解析」，Seltz 是「直接給機器吃的結果」。

Seltz 的 $12.5M 種子輪由誰領投？資金用途是什麼？

種子輪由 Speedinvest 和 B Capital 領投，跟投方包括 Italian Founders Fund、United Ventures 和貝恩公司旗下的 Future Back Ventures。資金將用於三個方向：擴展網頁搜尋 API 的覆蓋範圍、加入安全且可規模化的執行層、以及與第三方機器人開發者建立合作夥伴關係。同時也會擴編工程與研究團隊，加速與前沿 AI 實驗室和企業客戶的商業落地。

AI Agent 搜尋基礎設施市場在 2026-2027 年的前景如何？

根據 Gartner 和 Grand View Research 的綜合預測，全球 AI Agent 市場 2026 年規模約 109 億美元，Agentic AI 支出將達 2019 億美元，2027 年超越聊天機器人支出。到 2030 年市場預計衝至 503 億美元，2034 年上看 2360 億美元。但需注意風險——Gartner 預測 2027 年前 40% 的 Agentic AI 專案可能面臨取消，主因是範疇界定失誤和治理框架缺失。Agent 搜尋基礎設施作為支撐層，市場空間取決於上層 Agent 應用的規模化速度。