2021年，两个哈佛毕业生——Will Bryk和Jeffrey Wang——做了一个在当时看来有点“超前”的判断：AI需要自己的搜索引擎。那时候ChatGPT还没出生，大模型还只是学术圈的玩具。他们花了500万美元买了一个GPU集群，从零开始搭建一个“让AI能真正理解网络”的搜索引擎。
这个判断在两年后被验证了。2023年初，大量AI应用开始涌现，这些应用需要从网上获取信息。但谷歌搜索是为人类设计的——人类想要的是十个蓝色链接；而AI想要的完全不同：它需要高质量的完整页面内容，而不是SEO垃圾；它对延迟极其敏感；它要求零数据保留。
于是Exa正式推出了第一个面向AI的Web搜索API。
它不是搜索引擎的“套壳”
大多数搜索API公司其实是在其他搜索引擎外面套了一层封装——说白了就是中间商。Exa走了另一条路：花了几年时间从零构建了一个网络级搜索引擎。
它的爬虫追踪超过5000亿个URL，研究团队在自建的GPU集群上训练专用的嵌入模型，还为AI代理所需的高并发场景构建了新的向量数据库。Exa自己有一句话很形象：“太空计划的数量都比独立搜索引擎多，这其中自有缘由。”
这种“从零开始”的好处是：它能真正控制质量、延迟和成本。六個月前，Exa在代码搜索方面还不如Google；现在，几乎所有主流编程代理都在使用Exa的服务。
它怎么让AI“读懂”网络？
Exa的核心技术叫神经语义搜索——不是匹配关键词，而是理解查询的语义含义。
举个例子：你用关键词搜索“fintech companies in Switzerland”，传统引擎可能只匹配到包含这些词的页面；Exa能理解你想找的是“瑞士的金融科技公司”，返回的是真正相关的公司列表，而不是一堆包含关键词的网页。
在此基础上，Exa还做了一件特别聪明的事：它训练了一个叫Highlights的文本提取模型。这个模型能在100毫秒内从网页中提取出最相关的段落。在SimpleQA基准测试上，500个字符的Highlights输出就达到了完整8000字符页面的准确率水平，Token消耗只有后者的1/16。
这意味着AI可以读到更少的内容，却获得同样准确的信息——对按Token收费的LLM应用来说，这直接意味着成本的大幅下降。
一个API，四种搜索模式
Exa提供的是一个统一的搜索API，但内部包含了四种不同定位的搜索模式：
-
Fast：全球最快的搜索API，P50延迟低于350毫秒。适合对延迟极度敏感的AI语音助手、实时聊天等场景。
-
Auto：平衡延迟和质量，也是默认的搜索类型。
-
Deep：通过代理式搜索、处理和再搜索，直到找到最高质量的信息，P50延迟约3.5秒。适合深度研究、复杂查询。
-
Deep-Reasoning：结合推理能力的深度搜索，适合需要逻辑推断的查询。
除此之外，Exa还提供了Contents API（获取完整页面内容）、Monitors API（追踪网络更新）和Agent API（异步深度研究运行）。
谁在用？
Exa目前服务超过5000家企业客户和40万开发者。客户名单里包括：
-
Cursor：用Exa获取最新的文档和代码库信息，让AI编程更准确
-
Cognition、OpenRouter、HubSpot、Monday.com等
它们的客户查询量从2025年4月的约1亿次增长到2026年4月的约10亿次，一年翻了十倍。
融资与团队
2026年5月，Exa宣布完成2.5亿美元C轮融资，由a16z领投，估值达到22亿美元。此前，它分别在2024年和2025年完成了2200万美元A轮和8500万美元B轮融资。
团队方面，两位联合创始人都是95后——CEO Will Bryk（29岁）和Jeffrey Wang（28岁）。核心团队共26人，其中7名成员具有华人背景，包括毕业于清华姚班的Hubert Yuan。近期还引入了来自Meta的检索基础设施负责人、来自Yandex的搜索后端负责人，以及一个来自Google的研究团队。
说句实在话
Exa在做的事情，本质上是在回答一个问题：当AI Agent成为信息获取的主体时，搜索应该长什么样？
谷歌搜索是为人类设计的——人类看十个链接，点开，自己判断。AI需要的不是链接，是已经提取好的、结构化的、可直接用于推理的信息。而且AI的搜索频率将远超人类——未来几年，来自LLM的搜索量将是今天谷歌搜索量的1000倍。
这个量级，需要一个全新设计的基础设施。Exa正在试图成为那个基础设施。