seltz 2026：布局未來搜尋（1250萬美元種子輪）— AI 代理變革藍圖 2026 年趨勢洞察

Q: Seltz 和傳統搜尋引擎 API（如 Google Custom Search、Bing Search API）有什麼根本區別？

根本區別在於設計目標。Google Custom Search 和 Bing Search API 本質上是把給人類用的搜尋結果封裝成 API，回傳的仍然是網頁連結、標題和摘要片段——AI Agent 拿到後還要自己去爬網頁、解析 HTML、過濾噪音。Seltz 則從索引層開始就為機器消費而設計，直接回傳結構化、帶 metadata 和 context clues 的資料，省去了 Agent 端的解析和過濾步驟，大幅降低延遲和運算成本。

Q: Seltz 的出現對 2027 年的被動收入和自動化交易生態有什麼具體影響？

如果 Seltz 的技術如預期普及，最直接的影響是資料管道搭建成本大幅下降。目前搭建一套全自動量化交易或套利系統，70% 以上的工時花在維護資料管道上；Seltz 等結構化搜尋基建若成熟，這個比例可能降到 20% 以下。這意味著更多具備策略能力但缺乏工程資源的個人和小團隊，能夠搭建並運行自己的 Agent 驅動交易系統。不過需要注意的是，全自動交易仍受各國金融監管約束，技術門檻降低不代表合規門檻也降低了。

seltz是這篇文章討論的核心

Seltz 拿下1250萬美元種子輪：為 AI Agent 重造搜尋引擎，2026 自主決策基建元年正式啟動

Seltz 正在為 AI Agent 打造專屬的網路搜尋層——不再是給人看的連結列表，而是機器可直接消化的結構化知識。（圖片來源：Pexels / Tara Winstead）

快速精華

💡 核心結論：Seltz 不是在改良 Google，而是從零設計一套「機器原生」的搜尋基建——AI Agent 不再需要解析 HTML、繞過 API 限制，直接拿到結構化、帶 metadata 的即時資料。這意味著「零人工干預」的全自動化數據決策鏈路，技術門檻被大幅壓平。

📊 關鍵數據：全球 AI Agent 市場 2026 年估值 109 億美元，2030 年預計衝至 503 億美元（CAGR 45.8%）；AI 基礎設施市場 2026 年已達 1,428 億美元，2035 年逼近 9,474 億美元。Seltz 的 1,250 萬美元種子輪雖小，但卡位的是整個產業鏈最底層的「資料攝入」環節。

🛠️ 行動指南：如果你正在用 n8n、AutoGPT 或 Claude 搭建自動化工作流，立刻關注 Seltz 的 API 接入方案；量化交易與套利機器人開發者應優先測試其即時報價抓取能力。

⚠️ 風險預警：Seltz 仍處早期種子階段，產品穩定性與資料覆蓋率尚未經大規模驗證。Gartner 數據顯示超過 40% 的 Agentic AI 專案可能於 2027 年前被取消——主因不是技術不行，而是 scoping 與 governance 缺失。別 all-in，先跑 pilot。

為什麼 AI Agent 需要一台全新的搜尋引擎？
Seltz 的技術核心：從 HTML 解析到 Context Engineering
2026 AI Agent 搜尋基建市場爆發：數據與資本走向
被動收入新玩法：Seltz 如何壓平量化交易與套利機器人門檻
風險、競爭與未來：Seltz 能撐到 Agent 經濟全面成熟嗎？
常見問題 FAQ

引言：一場正在發生的「搜尋範式轉移」

說實話，當我第一次聽到「為 AI Agent 重造搜尋引擎」這個說法時，腦中浮現的第一個念頭是：又是哪個新創在蹭熱詞？但翻完 Seltz 的技術白皮書和官方博客後，我改變了看法——這不是在 Google 上面疊一層 wrapper，而是從索引層開始，把整個搜尋邏輯重新設計給「非人類消費者」用。

觀察 Seltz 的切入角度，核心邏輯其實很直白：過去 25 年的網路搜尋引擎，從 AltaVista 到 Google，全部是為「人類眼球」設計的——回傳的是網頁連結、標題、摘要片段，然後讓你去點、去讀、去理解。但 AI Agent 不需要點連結，它需要的是乾淨的、結構化的、可以直接塞進 reasoning pipeline 的資料。現實是，目前的 Agent 要拿到一手資料，得先爬 HTML、過濾廣告與噪音 DOM、繞過各種 API 速率限制——這中間的能耗和延遲，本身就是一個巨大的效率黑洞。

Seltz 做的事情，本質上是把這個黑洞填掉。Fortune 報導指出，這家由義大利創業者 Antonio Mallia 領軍的舊金山新創，剛拿下 1,250 萬美元種子輪，由 Speedinvest 與 B Capital 領投，義大利基金 United 等跟投。資金不算驚人，但賽道精準得讓人不得不認真看待。

為什麼 AI Agent 需要一台全新的搜尋引擎？

要理解 Seltz 的價值主張，你得先搞清楚一個現實：2026 年的 AI Agent 生態，已經不是實驗室玩具了。Grand View Research 的數據顯示，全球 AI Agent 市場 2025 年估值 76 億美元，2026 年跳到 109 億美元，預計 2030 年衝破 503 億美元，CAGR 高達 45.8%。更長線看，到 2033 年這個數字可能來到 1,829 億美元。

但問題來了——這些 Agent 要做決策，就得有資料餵進來。現在的資料獲取路徑長這樣：

Step 1：Agent 透過傳統搜尋 API 或爬蟲拿到一堆 HTML
Step 2：用 LLM 或 parser 把 HTML 轉成可理解的結構
Step 3：過濾掉廣告、導航欄、Cookie 彈窗等噪音
Step 4：提取核心資訊，塞進 reasoning context
Step 5：做出決策，執行動作

這條鏈路裡，Step 1 到 Step 3 全是浪費。Seltz 的做法是直接砍掉中間步驟——它的索引層從設計之初就過濾噪音、吸附廣告、剔除不相關 DOM，輸出的是帶有 metadata 和 context clues 的結構化資料。用他們自己的話說：「We are not replacing or building on top of existing search. We are redesigning it from the perspective of context engineering for AI.」

🔧 Pro Tip — 專家見解

從架構層面看，Seltz 解決的是 RAG（Retrieval-Augmented Generation）系統最痛的「最後一哩」問題。目前業界主流做法是用 Tavily、Serper 或 SerpAPI 這類工具做搜尋增強，但這些本質上還是「Google Search 的 API 化封裝」——底層仍然是給人類設計的搜尋結果。Seltz 的差異化在於它重建了索引邏輯：不是以「相關性排序」為核心，而是以「context richness」和「machine parseability」為核心。對於需要即時性（freshness）、低延遲（latency）、多樣性（document diversity）的 Agent 工作流來說，這是一個根本性的架構優勢。如果你的 Agent 需要每秒查 50 次不同來源的股價數據，傳統搜尋 API 早就 rate-limit 你了，但結構化資料流的設計天生就適合高頻消費。

從 PitchBook 的公司檔案可以看到，Seltz 的平台使用先進演算法過濾噪音、廣告和不相關內容，交付的是經 metadata 豐富化的結構化資料，專門服務 RAG 系統、AI Agent、聊天機器人和知識庫的開發者。這不是一個 feature，這是一個全新的基建品類。

Seltz 的技術核心：從 HTML 解析到 Context Engineering

深入一點看 Seltz 的技術定位。在他們的官方網站上，定位描述是「The Web Knowledge Layer for AI Agents」——注意，是 Knowledge Layer，不是 Search Engine。這個措辭差異很重要。

傳統搜尋引擎做的是「檢索」（retrieval）：你問一個問題，它給你最相關的文件。但 Seltz 做的是「知識工程化」（context engineering）：它不只給你文件，還把文件裡的資訊提取、分類、標注 context，讓 LLM 或 Agent 拿到的當下就能直接用。

舉個具體例子。假設你用 AutoGPT 架了一個量化交易 Agent，需要即時追蹤某檔股票的價格、相關新聞、社群情緒。傳統做法是：

用 Google Custom Search API 搜「AAPL stock price」→ 拿到一堆網頁連結
爬蟲抓 Yahoo Finance 頁面 → 解析 HTML → 提取價格數字
另開一個流程搜「Apple news」→ 再爬、再解析
還得去 Twitter/X 抓社群貼文 → 又是一層 API 限制

整個過程可能花 15-30 秒，而且中間任何一步斷了，Agent 就卡住。在量化交易的世界裡，30 秒的延遲可能就是獲利與虧損的差距。

Seltz 的方案是：Agent 發一個 query，Seltz 直接回傳結構化的 JSON——裡面有即時股價數值、相關新聞的摘要與 sentiment score、社群討論的聚合指標，全部帶 source URL 和 timestamp。一個 API call，搞定。

🔧 Pro Tip — 專家見解

Seltz 最值得關注的技術特徵不是「搜尋速度更快」，而是「context richness」。在 RAG 架構中，retrieval 的品質直接決定了 generation 的品質——garbage in, garbage out。Seltz 在索引層就做 context engineering，等於是把 LLM 的 context window 利用率拉到最高。這對於用 Claude 或 GPT-4o 這類 context window 有限制的模型來說，意義巨大——你不需要把一整頁 HTML 塞進去佔 token，只需要把精煉後的 structured data 放進去，同樣的 context window 能承載更多有效資訊。從成本角度算，這直接降低了每次推理的 token 消耗——對於高頻 Agent 工作流來說，這就是真金白銀。

目前 Crunchbase 資料顯示 Seltz 員工約 540 人（LinkedIn 數字），但以種子輪階段來說，這個規模暗示著團隊在技術研發上投入了大量資源——索引層的建設本身就是一個極其工程密集型的任務，需要大規模的爬蟲基礎設施、即時資料管道和分散式儲存。1,250 萬美元的種子輪，在這個賽道上其實算是務實的起步資金。

2026 AI Agent 搜尋基建市場爆發：數據與資本走向

把視角拉高到產業層面。Seltz 不是孤例——2026 年正在見證整個「AI Agent 基建」板塊的集體爆發。

先看市場規模。根據 Grand View Research 和 SaaSUltra 的綜合數據：

2025 年：AI Agent 市場 76 億美元
2026 年：109 億美元（年增 43%）
2030 年：503 億美元（CAGR 45.8%）
2033 年：1,829 億美元

而更廣義的 AI 基礎設施市場（含運算、儲存、網路、資料管道），Evolvance Market Research 的報告指出 2026 年已達 1,428 億美元，2035 年預計逼近 9,474 億美元，CAGR 23.4%。Seltz 卡位的就是這個大市場裡面「資料攝入層」的一個垂直切片。

資本面的信號也很明確。AI Funding 追蹤平台的數據顯示，2026 年已有超過 300 筆 AI 新創融資被記錄，從種子輪到 Series D+ 都有。而 Agent 生態上下游的關鍵玩家也在快速長大——以 n8n 為例，這個工作流自動化平台在 2025 年 10 月完成了 1.8 億美元的 C 輪融資，估值 25 億美元，連結超過 350 個應用。n8n 這類平台是 Seltz 的天然下游消費者——如果 n8n 的用戶可以透過 Seltz 的 API 直接拿到結構化網路資料，那整個自動化工作流的搭建成本和複雜度會斷崖式下降。

🔧 Pro Tip — 專家見解

從投資邏輯看，Speedinvest 和 B Capital 選擇領投 Seltz 的種子輪，押注的是「Agent 經濟的底層協議」這個敘事。類比過去：如果說 Google 是 Web 2.0 時代的「資訊入口」，那 Seltz 想做的是 Agent 經濟時代的「資料入口」。風險在於這個市場目前仍高度碎片化——Tavily（專為 LLM 設計的搜尋 API）、Exa（前身 Metaphor，語義搜尋）、Brave Search API 都在做類似但不同角度的事情。Seltz 的差異化在於它的「context engineering」定位更貼近 Agent 的實際需求，但能否在巨頭（Google、Microsoft、OpenAI 自己的搜尋整合）下場之前建立起足夠深的護城河，是接下來 18 個月的關鍵看點。

另根據 RaftLabs 彙整的數據，62% 的企業已在實驗 AI Agent，已部署 Agent 的企業平均 ROI 達 171%——但同一份數據也警告：超過 40% 的 Agentic AI 專案可能在 2027 年前被砍掉，主因不是技術太爛，而是 scope creep 和 governance 缺失。Seltz 如果能在這個「淘汰賽」中成為存活下來的 Agent 們的預設資料層，那它的網絡效應會非常強。

被動收入新玩法：Seltz 如何壓平量化交易與套利機器人門檻

這大概是 Seltz 對一般開發者和「躺平派」用戶最有吸引力的部分了。

一直以來，想搭建一套「真正全自動」的量化交易機器人或套利系統，最大的技術瓶頸不是策略本身，而是「資料管道」。你得自己寫爬蟲、管 proxy pool、處理 CAPTCHA、繞 rate limit、做資料清洗——這些髒活累活佔了整個專案 70% 以上的工時。很多人做到一半就放棄了，不是因為策略不行，而是因為維護資料管道太痛苦。

Seltz 的出現，理論上可以把這 70% 砍掉大半。想像一個具體場景：

場景一：跨平台電商價格套利 Agent
你用 n8n 搭一個工作流：Seltz API 每 5 分鐘查詢特定商品在 Amazon、eBay、Walmart 的即時價格 → 結果直接是結構化 JSON（商品名、價格、庫存狀態、URL）→ Agent 比對價差 → 發現套利空間 → 自動下單。整個流程零 HTML 解析、零爬蟲維護。以前這套系統要一個全棧工程師搞兩週，現在一個熟悉 n8n 的人可能一個下午就搭完。

場景二：Polymarket 預測市場 Agent
預測市場的賠率每天都在變，要做出高勝率的下注策略，Agent 需要即時攝入新聞、社群情緒、專家預測等多源資料。Seltz 能把這些異質資料源統一成結構化輸出，Agent 拿到後直接跑 sentiment analysis + 機率模型 → 計算 expected value → 自動下注。這就是參考新聞裡提到的「零人工干預的數據驅動決策」。

場景三：即時新聞驅動的交易 Agent
Fed 宣布升降息的瞬間，市場有幾秒鐘的定價落差。如果你的 Agent 能在 Seltz 上以毫秒級延遲拿到結構化的政策摘要（不是一堆新聞網頁連結），它就能在那幾秒鐘內完成推理並下單。這種速度優勢，在傳統搜尋 API 架構下幾乎不可能實現。

🔧 Pro Tip — 專家見解

別誤會——Seltz 不是魔杖。它降低的是「資料獲取」的門檻，不是「策略設計」的門檻。一個垃圾策略搭配再乾淨的資料，結果還是虧錢。但對於已經有策略、只是被資料管道拖累的開發者來說，Seltz 的價值是實實在在的：它把你的 iterate speed 從「每改一次策略要等兩週重新搭管道」壓縮到「改完策略立刻就能跑」。在量化交易的世界裡，iteration speed 本身就是 alpha。建議的做法是：先用 Seltz 的免費 tier 或 trial 跑一個 paper trading 的 pilot，驗證資料的即時性和覆蓋率是否滿足你的策略需求，再決定是否 commit。

當然，這裡要特別提醒：全自動交易涉及法律合規問題，不同司法管轄區對於演算法交易的監管要求差異極大。在台灣，金管會對自動化交易有明確規範；在美國，SEC 和 CFTC 也有相應要求。Seltz 提供的是資料層，不負責你的交易合規——這部分的責任完全在開發者身上。

風險、競爭與未來：Seltz 能撐到 Agent 經濟全面成熟嗎？

最後來談談風險面。好消息講完了，壞消息也得說。

風險一：巨頭下場。Google 自己在做 Vertex AI Search；Microsoft 有 Bing for Business；OpenAI 的 ChatGPT Search 已經整合進原生搜尋。如果這些巨頭決定把「Agent-friendly 的結構化搜尋」做成自家生態的預設功能，Seltz 的獨立價值主張會被嚴重壓縮。不過，反論是：巨頭的搜尋產品仍以人類用戶為主要服務對象，Agent-first 的設計哲學不太可能成為他們的優先級——至少短期內不會。

風險二：資料覆蓋率。Seltz 目前仍處早期階段，其索引的廣度和深度是否足以覆蓋 Agent 需要的所有資料源（尤其是長尾、小眾網站），是一個巨大的未知數。傳統搜尋引擎花了 20 年才建立起覆蓋全网的索引，Seltz 要在 1-2 年內追上，挑戰不小。

風險三：商業模式定價。Seltz 的定價策略尚未完全公開。如果按 API call 計費，高頻 Agent 工作流的成本可能比自建爬蟲還貴；如果按 data volume 計費，則需要與 AWS Bedrock、Azure AI Search 等雲端原生方案的定價競爭。

風險四：Agent 生態本身的泡沫風險。前面提到超過 40% 的 Agentic AI 專案可能在 2027 年前被砍——如果 Agent 熱潮降溫，Seltz 作為 Agent 基建提供商，需求端會受到直接衝擊。

🔧 Pro Tip — 專家見解

從長期視角看，Seltz 最可能的結局不是「被 Google 收購」就是「成為 Agent 生態的預設資料層標準」。前者代表它的技術被整合進更大的平台，後者代表它獨立存活並建立起類似 Stripe 之於支付、Twilio 之於通訊的「基建即服務」地位。以 1,250 萬美元的種子輪來看，Seltz 目前還在 product-market fit 的驗證期。對於關注這個賽道的投資者和開發者來說，2026 下半年到 2027 上半年是關鍵觀察窗口——看 Seltz 能否在 Series A 之前拿到足夠的 DAU（Daily Active Agents）數據來證明其產品黏性。如果 Agent 經濟在 2027 年如期進入規模化部署階段（市場預估 220 億美元以上），那 Seltz 作為「資料攝入層」的卡位價值會呈指數級放大。

但不管怎樣，2026 年是 AI Agent 搜尋基建爆發的起點這個判斷，我認為是站得住腳的。市場數據、資本流向、技術成熟度三條線都在收斂——Seltz 只是這波浪潮中最先拿到種子輪的一批玩家之一，後面一定還會有更多。對於開發者和創業者來說，現在是「蹲下來觀察、準備起跑」的最佳時機。

常見問題 FAQ

Seltz 和傳統搜尋引擎 API（如 Google Custom Search、Bing Search API）有什麼根本區別？

根本區別在於「設計目標」。Google Custom Search 和 Bing Search API 本質上是把給人類用的搜尋結果封裝成 API，回傳的仍然是網頁連結、標題和摘要片段——AI Agent 拿到後還要自己去爬網頁、解析 HTML、過濾噪音。Seltz 則從索引層開始就為機器消費而設計，直接回傳結構化、帶 metadata 和 context clues 的資料，省去了 Agent 端的解析和過濾步驟，大幅降低延遲和運算成本。

一般開發者現在可以使用 Seltz 嗎？需要什麼技術背景？

Seltz 目前仍處於早期種子階段，產品持續迭代中。有興趣的開發者可以前往 seltz.ai 了解最新的接入方案。技術上，如果你已經熟悉在 n8n、AutoGPT 或其他工作流平台中呼叫 RESTful API，那接入 Seltz 的學習曲線相當平緩——核心操作就是發 query、收 structured JSON、餵進 LLM 的 context。不需要爬蟲或 HTML parsing 的經驗。

Seltz 的出現對 2027 年的被動收入和自動化交易生態有什麼具體影響？

如果 Seltz 的技術如預期普及，最直接的影響是「資料管道搭建成本」大幅下降。目前搭建一套全自動量化交易或套利系統，70% 以上的工時花在維護資料管道上；Seltz 等結構化搜尋基建若成熟，這個比例可能降到 20% 以下。這意味著更多具備策略能力但缺乏工程資源的個人和小團隊，能夠搭建並運行自己的 Agent 驅動交易系統。不過需要注意的是，全自動交易仍受各國金融監管約束，技術門檻降低不代表合規門檻也降低了。