腾讯宣布向全行业开放「元宝搜索」能力。10 月 20 日，这套能力迎来全面升级，并通过腾讯云以 API 形式向个人开发者与企业开放。
过去一年，AI 行业的战场正在悄悄发生位移。当 Agent 从概念快速渗透进办公、内容、金融等真实业务场景，行业共识也在悄然改变：决定 AI 体验上限的，是它连接真实世界的能力。
现实世界的信息每秒都在更新，大模型自带的知识储备永远有边界。想要输出可靠结论、完成复杂任务，就必须接入实时、权威的外部信息。搜索，是大模型对接真实世界的核心接口。
但这也是当下 AI 落地的共性卡点：传统搜索基于关键词匹配，读不懂自然语言的复杂意图，低质内容还容易引发模型幻觉；从头自建一套完整检索体系，又意味着爬虫、解析、索引、运维一整套极高的工程门槛，绝大多数团队都难以承担。
腾讯其实早就在默默布局这层底层能力。过去一年，腾讯在 AI 应用层动作密集：全场景智能体工作台 WorkBuddy、AI 知识管家 ima、腾讯视频 AI 小助理等 50 余款产品接连落地，覆盖办公、内容、金融等多个核心场景。支撑这些产品联网检索、信息获取能力的底层搜索基座，此前一直藏在幕后。
这套能力已经在腾讯内部支撑 50 多款核心产品，沉淀数千亿级索引，接入 157 个权威信源，日均调用量达数亿次。这次升级后，元宝搜索正式从内部自用工具，转向面向全行业的公用 AI 基础设施。
搜索的发展，一直与互联网如何组织信息、分配流量紧密相连。PC 互联网初期是目录导航时代，雅虎用人工分类的方式整理网站；随后谷歌凭借 PageRank 算法开启关键词搜索时代，核心逻辑是「人找信息」。进入移动互联网时代，超级 APP 割裂了开放的互联网，通用搜索的入口价值被稀释，搜索能力逐步下沉为垂类产品的内置功能。
而当 AI 浪潮袭来，搜索正在经历第三次本质变化：服务对象从「人」变成了「智能体」，核心目标从「返回网页链接」变成了「交付可信、结构化、可直接调用的信息」。
「搜索面对的用户从 1.0 时代的人，变成了 3.0 时代的智能体。这是整个使用对象的本质变化。」马晋表示，大模型天然存在幻觉、知识时效性不足、垂类术语缺失三大短板，搜索正是解决这些问题的核心路径。
实时性是 AI 搜索区别于传统静态大模型最核心的价值之一。传统大模型的知识停留在训练截止日，面对瞬息万变的现实世界天然存在「时差」；而 AI 原生搜索可以同步全网最新动态，让 Agent 获得持续感知外部变化的能力。金融行情的实时波动、政策法规的最新修订、行业事件的即时进展，都能第一时间转化为智能体可调用的信息输入。
但适配 AI 时代的搜索基础设施，供给远远跟不上需求。传统搜索 API 脱胎于「人找信息」的逻辑，面对长语义、强意图的复杂查询，召回精度往往大打折扣；通用网页搜索的结果里混杂着大量 SEO 内容、营销号与过期信息，直接投喂给大模型，极易催生幻觉。
针对泛滥的 AIGC 低质内容，马晋提到，这本质是一场攻防战：既要靠模型识别单篇内容的特征，也要针对频繁发布低质内容的站点、账号做专项治理；更有效的思路，是从源头提升优质信源的权重，让可信内容优先被召回。
如果选择自建搜索体系，门槛则高得惊人：爬虫对抗、网页解析去噪、百亿级数据的存储与索引、排序模型的迭代优化，不仅需要一整支专业的搜索工程团队，还需要长期的算力与运维投入。对于绝大多数创业团队和中小公司来说，几乎是不可能完成的任务。
在大众的认知里，腾讯的 AI 布局往往被拆解为两端：底层是混元大模型，上层是面向用户的应用产品。但在模型与应用之间，还有一层至关重要的中间基础设施层——元宝搜索、向量数据库等通用能力，负责连接真实世界、处理外部信息。
马晋在接受采访时明确了元宝搜索的底层定位：「我们不会做面向普通用户的 C 端独立搜索入口，而是藏在各类 AI 产品的背后，提供更优质、更可信的搜索信源。」
此前行业里的 AI 搜索产品，大多还停留在「插件级」——给大模型加一个联网功能。但真正走向 Agent 时代，搜索需要成为一套独立的生产级基础设施：既能持续输入权威信息，又能适配 AI 的语义理解，还能支撑大规模、高稳定的并发调用。
元宝搜索最初从服务元宝 APP 的联网搜索需求起步，随着腾讯内部 AI 产品的批量落地，逐步沉淀为通用的 AI 友好搜索能力，陆续接入了 50 余款内部核心产品，覆盖办公、内容、金融、工具等多个赛道。日均数亿次的调用量，数百亿级的索引规模，13 大垂直行业、157 个权威信源的内容覆盖，都是在一轮又一轮的真实业务打磨中积累下来的。
在办公智能体场景，WorkBuddy 接入元宝搜索后，权威信息可以直接进入智能体工作流，每条结论都能追溯到官方来源，团队不用再耗费精力维护信源与抓取链路。
在内容娱乐场景，腾讯视频 AI 小助理接入后，信息覆盖度直接扩展了 20%。此前受限于内部内容库，站外的新片档期、热度榜单、演职员动态更新滞后；接入元宝搜索后，全网实时信息可以同步更新，哪怕是模糊的剧情描述，也能精准匹配到对应作品，直接带动了用户 AI 搜索的人均使用次数与次留双增长。
搜索和 Agent 并非单向调用关系，而是双向协同进化。马晋解释：「Agent 要学会拆解出更适配检索的 query，搜索要向 Agent 输出权威性等级、发布时间、排序满意度这些特征信号，反过来 Agent 最终的引用结果和质量反馈，也会回传给搜索持续优化。」
这种双向对齐的效果直接体现在效率上：升级后，内部智能体完成同类任务的平均搜索调用次数，从 8 次降到了 5 次左右。结果质量提升后，智能体不需要反复检索试错，任务完成效率显著提升。
在实际使用中，官方一共提供了直接 API、MCP 以及 SkillHub 三种模式。开发者在腾讯云开通元宝搜索，就能直接获得每月 2000 次的免费额度。
标准模式下，根据检索问题会返回 10 条结果，每条带 title / date / site / url / score。官方还提供了 Freshness（时效范围）、Industry（垂直领域）、Mode（结果类型）、Site（限定/排除站点）、Cnt（返回条数）等配置项。比如把 Freshness 设为 d1 即可锁定最近一天的新闻，设置 Industry 为 gov 则能强制只检索党政机关信源。
MCP 方式接入，只需把 Key 映射进 Cursor 或 Codex 的配置文件，填入官方的远程 MCP 地址，启动后确认工具列表中 SearchPro 已亮灯，就能在编辑器里直接用自然语言指挥 Agent 联网。SkillHub 接入则进一步简化：利用命令行安装好技能包后，本地会自动生成 SKILL.md 指引和脚本，直接对编辑器里的 AI 说「帮我搜索最新的……」，Agent 就会自动识别语义并完成调用。
马晋称，未来元宝搜索会沿着三个方向持续演化：
- 通过数据飞轮实现自迭代、自优化，让搜索模型可以持续闭环进化；
- 不断扩充全网多语言优质内容，目前已经覆盖中英双语，后续会继续拓展；
- 深耕垂直领域，把金融、医疗、法律等垂类搜索做深做透。
科技行业的发展周期里，竞争的重心永远会沿着技术栈向下沉淀。云计算时代，企业竞争围绕计算与存储资源展开；大模型时代早期，行业的注意力集中在模型参数与生成效果上。而当 AI 进入 Agent 落地期，竞争的重心开始进一步下移——谁能让 AI 更稳定、更低成本地连接真实世界，谁才能支撑起上层的规模化应用。
就在元宝搜索官宣前不久，DeepSeek 也正式开放了自研的 Search 搜索 API，为 Agent 与 RAG 应用提供实时网页检索能力。从模型厂商到云厂商，国内玩家密集布局搜索基础设施赛道。模型厂商的搜索服务更侧重和自身模型的深度联动，主打轻量化与低成本；而云厂商出身的元宝搜索，优势则集中在经过大规模业务验证的工程稳定性、丰富的垂类权威信源，以及背后的生态资源整合能力。
元宝搜索这类经过大规模业务验证的搜索基础设施开放后，开发者不用再重复造轮子，可以把有限的精力集中在产品逻辑、场景创新与用户体验上，这会进一步催生更多垂直场景的 AI 应用，加速整个行业的落地进程。
热门跟贴