AI搜索工具初创公司Exa Labs今日宣布完成2.5亿美元融资,所筹资金将主要用于扩充基础设施。
本轮融资由安德森·霍洛维茨基金领投,距离Exa上一轮融资不足一年。上一轮为8500万美元的B轮融资,英伟达和Y Combinator均有参与投资。本轮融资完成后,Exa Labs的估值达到22亿美元。
Exa提供一套面向AI应用的搜索服务,帮助AI程序实现网页浏览功能。其产品线中速度最快的工具Exa Instant,完成单次查询仅需180毫秒以内,公司声称这是目前市场上同类产品中响应速度最快的搜索服务。
Exa将其服务为用户抓取的部分网页数据存储于自研向量数据库中。据公司介绍,该系统可在十分之一秒内完成对数十亿条嵌入向量的查询,且内存占用低于一台高端个人电脑。数据库高速运行的关键之一,在于将部分重要文件直接缓存于中央处理器的缓存中,而非存储在内存里。
在网页数据采集方面,Exa采用另一套名为exa-d的自研软件平台。该平台能够将关键数据处理任务并行分配至多块显卡,从而实现并发执行而非逐一处理。此外,exa-d还省去了数据管理系统在更新记录时通常会执行的大量冗余文件操作,进一步提升了硬件资源的利用效率。
Exa的搜索服务在执行查询前,会先将网页数据转化为嵌入向量——一种AI模型可以理解的数学结构。这一转化过程由公司自研的神经网络(即嵌入模型)来完成,相关算法在其自建的英伟达显卡集群上进行训练。
除速度领先的Exa Instant外,Exa还提供多款其他搜索工具。Contents服务支持AI应用检索完整的网页正文内容;Exa Agent则面向多步骤搜索工作流,例如,一个市场调研智能体可借助它找出某电商平台的热销商品,并进一步从评价网站抓取对应的用户反馈,对结果进行丰富补充。
Exa表示,目前已有超过40万名开发者使用其服务,其中不乏来自HubSpot等大型科技公司及风险投资支持的初创企业的用户。
公司将利用本轮融资扩大AI基础设施规模。Exa表示,硬件升级将使其具备训练新AI模型的能力,并支持每秒处理数十万次搜索请求。此外,公司还计划增加市场拓展方向的人员招聘。
Exa首席执行官Will Bryk在一篇博客文章中写道:"其他大多数搜索服务商实际上是在封装其他搜索引擎,因此在质量、延迟和成本方面难以形成竞争力。随着我们在未来数月持续扩充基础设施并加强模型训练,Exa与这些封装产品之间的差距将会越来越清晰。"
Q&A
Q1:Exa Labs本轮融资的规模和用途是什么?
A:Exa Labs本轮融资金额为2.5亿美元,由安德森·霍洛维茨基金领投,融资完成后公司估值达22亿美元。所筹资金主要用于扩充AI基础设施,包括硬件升级以支持训练新AI模型、实现每秒处理数十万次搜索请求,同时公司还计划增招市场拓展方向的专业人才。
Q2:Exa Instant的速度优势体现在哪里?
A:Exa Instant完成单次查询仅需180毫秒以内,是Exa产品线中响应速度最快的搜索工具,公司声称其为目前市场上同类产品中最快的搜索服务。其背后的技术支撑包括自研向量数据库(可在0.1秒内查询数十亿条嵌入向量)、将重要文件缓存于CPU缓存而非内存,以及通过exa-d平台实现多显卡并行数据处理等。
Q3:Exa Agent智能体能应用在哪些场景?
A:Exa Agent主要面向需要多步骤搜索的复杂工作流场景。以市场调研为例,智能体可先通过Exa Agent找出某电商平台的热销商品列表,再进一步从评价网站抓取对应的用户反馈,对结果进行丰富补充,从而实现自动化的多步骤信息整合,大幅提升AI应用处理复杂任务的效率。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。