Parallel’s Parag Agrawal: Building a New Web for AI Agents

前 Twitter CEO Parag Agrawal 创办 Parallel，用 AI 代理替代人类点击，宣称其搜索比 Google 快 5 倍、省一半 token，并已与 Google Cloud 合作。

人类搜索靠点击，AI 代理靠反馈。Parag Agrawal 认为，人类点击数据是“bug”，代理搜索才是未来。他创办的 Parallel 正在重新定义搜索的底层逻辑，并已与 Google Cloud 达成合作。这期聊透了代理搜索的技术差异、互联网商业模式的崩塌，以及一个用“夏普利值”给内容定价的新方案。

核心差异不是“快一点”，而是“根本不用点”。人类搜索是“百亿对百亿”的匹配问题，代理搜索则是“从万亿网页里挑出一千个 token”的精准提取。

• 人类懒，代理不懒：人类只愿意打两三个关键词，还带错别字；代理能提交长而精确的查询，搜索引擎不用猜。人类会点开“99.99% 正确”的 SEO 页面，代理则直接抓取 SEC 文件第 73 页的权威数据。
• 省一半 token，快 5 倍：Parallel 的搜索 API 能让代理在深度研究时少用一半 token，端到端速度更快。他们最新产品“Turbo”把响应时间从 3 秒压到 200 毫秒，靠的是把大模型蒸馏成极小的排序模型。
• 用推理换爬虫：Parallel 起步时没有完整索引，先做“搜索代理”，在查询后实时爬取，用推理算力弥补索引缺失，先服务保险核保、销售数据清洗等客户，再逐步积累索引。

广告模式建立在“人类注意力有限”这个假设上。当代理取代人类浏览网页，这个假设失效，内容方的商业模式就断了。

• 代理访问无法变现：内容方靠订阅或广告赚钱，但代理访问不产生点击、不展示广告，也无法统计转化。内容方只能选择封锁代理，但这又违背了“代理代表人类”的初衷。
• 授权费模式不可持续：内容方与 AI 公司签固定费用授权，但 AI 推理量每年翻 7 倍，授权费却不会跟着涨，续约时必然缩水。Parallel 的解法是“夏普利值”：通过模拟“去掉某个内容源，AI 输出质量下降多少”来定价，高质量内容拿高分成，高价值工作（如银行家读数据）收费更高。
• 12-24 个月见钱：Parag 测算，如果把 LLM 推理成本的 2-10% 分给网页数据，这个盘子比现在所有网页数据生意都大。他预计 12-24 个月内，这套机制就能给广泛的内容方带来可观的收入。

Parag 把代理搜索的未来分成三个阶段，最终形态是“网页主动找你”，而不是你去找网页。

• 第一层：工具调用：现在大多数代理只是把搜索当工具，模型训练时就用过这些工具，所以最熟悉。
• 第二层：多代理系统：更复杂的系统里，子代理互相唤醒、协作，比如 AI 科学家这种长时间运行、消耗大量算力的任务。
• 第三层：推送模式：未来网页会“主动通知”代理，比如“股价跌了 5% 就提醒我”，代理再决定是否行动。Parag 说，这就像从“拉取”变成“订阅”，代理数量会因此再爆炸一轮。

“人类点击数据是个 bug，代理做搜索应该依赖代理反馈，而不是人类反馈。”

• 评估你的数据价值：如果你的业务依赖网页数据，可以借鉴“夏普利值”思路，定期模拟“去掉某个数据源”对模型输出的影响，以此判断该为哪些数据付费、哪些可以放弃。
• 为代理重新设计内容：如果你的内容主要被 AI 代理消费（如 API 文档、财报），应该把“代理可读性”作为首要设计目标，而不是只考虑人类阅读体验。