جولة Exa بـ 250 مليون دولار: محرك البحث الذي تحتاجه وكلاء الذكاء الاصطناعي

لماذا لا تعمل وكلاء الذكاء الاصطناعي مع Google Search

انصبّ التركيز السائد على تقدم البحث بالذكاء الاصطناعي على المنتجات الموجهة للمستهلكين: واجهة البحث الحواري لـ Perplexity، ووضع البحث في ChatGPT، وميزة AI Overviews في Google. أما ما لقي اهتماماً أقل فهو مشكلة البنية التحتية الكامنة تحت هذه المنتجات: حين يحتاج وكيل ذكاء اصطناعي إلى البحث في الويب ضمن مهمة متعددة الخطوات، لا يمكنه الاعتماد بشكل موثوق على البنية التحتية للبحث المصممة للمستخدمين البشريين.

محركات البحث الموجهة للبشر تُحسّن من أجل عشرة روابط زرقاء مع مقتطف قصير — الصيغة الملائمة لإنسان يستطيع قراءة السياق وتقييم الصلة ومتابعة خيط عبر استعلامات متعددة. أما وكيل الذكاء الاصطناعي فيحتاج إلى شيء مختلف: API بحث يعيد محتوى ذا صلة دلالياً (لا مجرد مطابقة كلمات مفتاحية)، ويستخرج نصاً نظيفاً ومنظماً من صفحات الويب (لا HTML خام)، ويعالج آلاف الاستعلامات المتوازية في الثانية بزمن استجابة أقل من 200 ميلي ثانية. واجهات برمجة البحث الحالية — سواء من Bing أو Google — صُممت للتصفح البشري بإيقاعه المعتاد، لا لوكلاء الذكاء الاصطناعي التي تُجري مئات استدعاءات الأدوات في سير عمل واحد.

أُسِّست Exa لحل هذه المشكلة تحديداً. بنت الشركة محرك بحث مستقلاً من الصفر — زواحف ويب خاصة بها، وفهرس خاص يضم أكثر من 500 مليار رابط، ونماذج تضمين خاصة مضبوطة للاسترداد الدلالي — بدلاً من تغليف محرك بحث قائم. والنتيجة هي API بحث يصفه مطورو الذكاء الاصطناعي بأنه مختلف نوعياً عن تغليف Google أو Bing: صلة أعلى للاستعلامات التقنية، وأوقات استجابة أسرع، واستخراج نص أنظف، وفهارس فرعية متخصصة لتوثيق الكود وبيانات الشركات والأشخاص.

الرهان بـ 2.2 مليار دولار: ما تموّله a16z

جولة الـ 250 مليون دولار Series C بقيادة Andreessen Horowitz هي رهان على ثلاثة أشياء في آنٍ واحد: أن اعتماد وكلاء الذكاء الاصطناعي سيدفع نمواً هائلاً في استدعاءات API البحث البرمجي، وأن الحصن التقني لبنية تحتية بحثية مستقلة (زواحف مملوكة، ونماذج تضمين مضبوطة، وفهارس متخصصة) قابل للدفاع أمام Google وBing، وأن تركّز عملاء Exa الحاليين في وكلاء البرمجة يوفر نقطة دخول متينة.

قاعدة العملاء لافتة في تخصصها. وفقاً لإعلان Exa عن جولة Series C، تخدم الشركة أكثر من 5000 شركة و400000 مطور. لكن العملاء المرساة المُسمَّين — Cursor (محرر البرمجة بالذكاء الاصطناعي المُقيَّم بـ 9 مليارات دولار)، وCognition (صانع وكيل البرمجة المستقل)، وHubSpot (شركة عامة تخدم أكثر من 200000 عميل) — تكشف أين تتركز القوة الأولى: أدوات البرمجة بالذكاء الاصطناعي. وقد أفادت الشركة في بيانها أنه “قبل ستة أشهر كنا أسوأ من Google في بحث الكود، والآن تستخدمنا تقريباً كل وكلاء البرمجة.”

هذه السرعة في التحسن — من أسوأ من Google بشكل ملحوظ في مهمة محددة إلى تحديد الفئة في غضون أشهر — تعكس ميزة البنية التحتية للبحث المصممة لهذا الغرض. حين يكون نظامك بأكمله مصمماً لحالة استخدام واحدة (استعلامات وكلاء الذكاء الاصطناعي لا البحث البشري)، يمكنك التحسين في كل طبقة: أولوية الزاحف (فهرسة المزيد من التوثيق التقني ومستودعات الكود والبيانات المنظمة)، وتدريب نموذج التضمين (التحسين للصلة الدلالية لاستعلامات المطورين لا للبحث العام في الويب)، واستخراج النص (تجريد النص الزائد وإعادة فقرات نظيفة تناسب نافذة سياق LLM).

ما ينبغي للمؤسسين والمطورين فعله

1. راجع أداة البحث الخاصة بوكيلك قبل مراجعة معمارية التطبيق

إن كنت تبني وكيل ذكاء اصطناعي أو تطبيقاً وكيلياً يتضمن أداة بحث ويب، قيّم ما إذا كنت تستخدم API بحث محسّناً للبشر أو آخر محسّناً للذكاء الاصطناعي. توثيق Exa يصف تقليلاً بمقدار 20× في استهلاك الرموز من خلال استخراج النص — مما يعني أن استخدام Exa بدلاً من نتيجة Google الخام يتطلب 20× رموزاً أقل للحصول على نفس المعلومات في سياق LLM. على نطاق واسع، يترجم هذا التقليل في الرموز مباشرةً إلى خفض تكلفة الاستدلال وتحسين زمن الاستجابة.

شغّل معياراً بسيطاً: أعطِ وكيلك مجموعة من استعلامات البحث التقني وقارن النتائج بين API Bing، وProgrammable Search Engine من Google، وAPI بحث أصيلة للذكاء الاصطناعي مثل Exa. قيّم صلة النتائج (هل المحتوى المُعاد يجيب فعلاً عن الاستعلام؟)، ونظافة النص (كم من الرموز يلزم لاستخراج المعلومات المفيدة؟)، والزمن الاستجابي (كيف يؤثر وقت البحث على وقت استجابة وكيلك الإجمالي؟). يستغرق التقييم ساعات لا أشهراً، وفارق التكلفة عند 10000 استعلام يومياً ملموس.

2. اعرف أن الفهارس المتخصصة تُشكّل حصناً في بنية تحتية البحث

إفصاح Exa عن بنائها “فهارس متخصصة لبيانات الأشخاص والشركات” و”توثيق الكود/التقني مع نماذج مضبوطة” هو نافذة على استراتيجيتها التقنية. محركات البحث ذات الأغراض العامة تُحسّن فهرساً واحداً كبيراً لجميع أنواع الاستعلامات. Exa تبني معمارية موزعة — فهارس متخصصة متعددة، كل منها محسّن لمشكلة استرداد دلالي مختلفة — يمكنها التفوق على الفهرس العام في أي قطاع عمودي.

بالنسبة للمؤسسين الذين يبنون منتجات ذكاء اصطناعي في مجالات محددة — البحث في السجلات الطبية، أو استرداد المستندات القانونية، أو البحث في الأدبيات العلمية — يُعدّ هذا النمط المعماري النموذج الذهني الصحيح. فهرس مصمم لمجالك (الأدبيات الطبية، الملفات القانونية، الأوراق البحثية) سيتفوق على غلاف بحث للأغراض العامة في الاستعلامات الفعلية لمستخدميك. الاستثمار لبناء مثل هذا الفهرس كبير، لكن تقييم Exa بـ 2.2 مليار دولار يُشير إلى أن السوق يُقدّر بسخاء بنية البحث المتخصصة. قيّم ما إذا كانت طبقة بحث متخصصة — مبنية أو مرخصة — يمكنها تمييز منتجك بنفس الطريقة التي يميّز بها فهرس الكود المتخصص لـ Exa منتجها لوكلاء البرمجة.

3. استثمر تأثير الشبكة المتعلق بـ 400000 مطور

قاعدة المستخدمين البالغة 400000+ مطور لدى Exa ليست مجرد مقياس نمو — بل هي محرك تغذية راجعة. كل مطور يستخدم API يُرسل إشارات جودة ضمنية: أي الاستعلامات تُعيد نتائج جيدة، وأيها تُعيد نتائج سيئة، وأين توجد فجوات في الفهرس. مع 400000 مطور يولّدون بيانات استعلام باستمرار، تتحسن نماذج تضمين Exa وأولوية الزاحف بشكل أسرع مما يستطيع منافس يبدأ من الصفر تكراره. هذا هو تأثير الشبكة الذي يجعل أعمال بنية تحتية البحث قابلة للدفاع بمرور الوقت — ليس الإقفال، بل التحسن المتراكم من التغذية الراجعة للبيانات.

انضم Marcus Holm، الرئيس السابق لـ LaunchDarkly، إلى Exa بصفة مدير الإيرادات — توظيف يُشير إلى أن المرحلة التالية هي التوسع التجاري في قطاع المؤسسات، لا مجرد اعتماد المطورين. نمت LaunchDarkly من أداة feature flag محبوبة لدى المطورين إلى منصة مؤسسات عبر هذا التقدم تحديداً: اعتماد المطورين أولاً، ثم عقود المؤسسات. Exa تتبع نفس الاستراتيجية، مما يعني أن الاثني عشر شهراً القادمة ستتضمن على الأرجح مستويات تسعير للمؤسسات، وضمانات SLA، وشراكات تكامل مع كبار بائعي منصات الذكاء الاصطناعي.

الدرس الهيكلي: لماذا تحقق البنية التحتية الأصيلة للذكاء الاصطناعي مضاعفات عصر الذكاء الاصطناعي

تقييم Exa بـ 2.2 مليار دولار — لشركة أغلقت جولة Series C في مايو 2026 ولم يُكشف عن إيراداتها علناً — يعكس إطار التقييم الذي يطبقه المستثمرون على شركات البنية التحتية في لحظات المنصات: ليس مضاعف الإيرادات الحالية، بل مضاعف الإيرادات المتوقعة حين تبلغ المنصة الأساسية (الذكاء الاصطناعي الوكيلي) مرحلة الاعتماد الواسع في المؤسسات.

وضعت تغطية Bloomberg للجولة Exa إلى جانب الفئة الأوسع من شركات “بنية تحتية الذكاء الاصطناعي” — قطاع يشمل Modal Labs (GPU بلا خوادم، 4.65 مليار دولار)، وWeights & Biases (مراقبة ML)، وHugging Face (مركز النماذج). ما تشترك فيه هذه الشركات ليس منتجاً مشابهاً بل موقعاً مشابهاً: تقع بين طبقة نموذج الذكاء الاصطناعي (حيث تعيش LLMs) وطبقة التطبيقات (حيث تُبنى المنتجات النهائية للمستخدمين)، مقدمةً بنية تحتية يحتاجها كل تطبيق ذكاء اصطناعي وصعبة البناء من الصفر.

في لحظات المنصات، تفوز البنية التحتية لأنها تتراكم: كلما بنت تطبيقات أكثر على طبقة بنية تحتية معينة، كان من الأصعب استبدال تلك البنية دون إعادة بناء كل ما فوقها. يمثل 5000 عميل و400000 مطور لـ Exa إقفالاً مبكراً للبنية التحتية من النوع الذي ينضج ليصبح إيرادات متينة على مستوى المؤسسات.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• إعلان Series C لـ Exa — المدونة الرسمية لـ Exa
• Exa Labs تجمع 250 مليون دولار بتقييم 2.2 مليار دولار — SiliconAngle
• Exa تجمع 250 مليون دولار للبنية التحتية للبحث بالذكاء الاصطناعي — PYMNTS
• شركة البحث بالذكاء الاصطناعي المدعومة من Andreessen تُقيَّم بـ 2.2 مليار دولار — Bloomberg
• Exa Labs تجمع 250 مليون دولار بتقييم 2.2 مليار — Benzinga