阿里推出全新AI搜索引擎“CleverSee”,云厂商打响AI搜索基建战
9月中旬,阿里云将IQS信息查询服务与CleverSee合并为全新AI原生搜索产品“CleverSee”(中文名:开析),覆盖联网搜问、垂域搜问、企业内搜三大场景。腾讯云同期推出“元宝搜索”,字节火山引擎已上线Viking AI搜索。云厂商正将AI搜索作为关键基础设施,以降低企业AI应用开发门槛、增强客户黏性并开辟按调用量计费的新收入路径。
阿里完成CleverSee AI原生搜索产品整合
9月中旬,原阿里云IQS信息查询服务和CleverSee两个产品合并成全新的“CleverSee”AI原生搜索服务产品。CleverSee(中文名:开析)是阿里云推出的面向企业客户的AI原生智能信息检索引擎。产品深度融合大语言模型、多模态模型、意图推理以及搜索工程能力,为企业提供搜索、问答一体化的开箱即用平台。
产品定位是专注为大模型和智能体提供“可理解高质量”的AI原生搜索服务。核心包括三大子产品:联网搜问、垂域搜问、企业内搜。

CleverSee三大能力模块解析
联网搜问
基于“公开互联网网页信息”作为信源,提供搜索源内容和一站式agent整合问答的能力。为Agent与B2C AI Chat问答场景打造的联网信息能力。

CleverSee联网问答Agent是在联网搜索能力之上,进一步提高“搜索+推理+生成”的端到端问答服务。具备意图识别、Query改写增强、实时联网检索、多轮思考与边想边搜等能力,最终高效输出携带信源内容引用参考的最终答案。
还支持返回垂类富媒体结构化卡片,如天气、股票价格、热点资讯、体育新闻、周边POI等。适用于AI问答助手、智能座舱对话、手机AI助力等场景。

垂域搜问
基于“各类垂直领域半公开信息”作为信源,提供一站式搜索+问答的能力。

企业搜问
基于“企业内部的私有多模态数据信息”作为信源,提供一站式搜索+问答的能力。目前处于定向体验测试版本。

总体来看,CleverSee把公开互联网、行业垂直资料、企业私有内部数据三类信源整合到同一套AI搜索产品中,既能对外做实时联网问答,适配智能体、AI助手、智能座舱等面向用户的场景,也能服务行业资料查询与企业内部知识库检索,是一套覆盖外网、垂域、内网的一站式AI原生检索工具。二者属于同一大赛道,但产品边界存在差异:元宝搜索聚焦公开互联网实时检索;而CleverSee除了对标元宝的联网搜问能力外,还叠加垂直领域检索与企业私有多模态内搜能力。
云厂商集体入局AI搜索基建
10月20日,腾讯云对外开放“元宝搜索”,这是面向开发者与AI企业用户最新推出的、专为大模型打造的内容检索基座。巧的是在此之前,阿里也完成了对新AI搜索引擎的布局。阿里、腾讯两大云厂商先后落地AI原生搜索能力,再算上推出Viking AI搜索的字节火山引擎,大厂在企业端AI搜索的军备竞赛进入实质落地阶段。

很多人会疑惑,云厂商主业是售卖算力与云服务,为何还要下场打造AI搜索引擎?《读佳》认为,一个核心原因在于,企业和开发者在搭建AI应用时普遍遇到一个痛点:大模型无法掌握实时信息,容易生成错误内容。想要做出可用的AI助手与智能体,就必须搭配搜索能力。
如果让每个团队从零搭建检索系统,成本高、周期长,中小开发者很难承担。云厂商抓住这一需求,直接将封装好的AI搜索能力对外输出。
除腾讯、阿里外,字节火山引擎也早已推出Viking AI搜索。这款面向企业的生成式AI搜索产品,依托大模型多模态语义理解能力,叠加字节在信息检索领域多年积累,为客户提供开箱即用的AI搜索搭建平台。
对于云厂商来说,AI搜索不只是新增一款产品,更是留住客户的重要抓手。过去云厂商竞争焦点是算力价格,进入AI时代,客户的需求不再只是租用GPU,而是一整套可直接落地的AI工具链。将搜索、大模型打包提供,客户更愿意把全部业务留在同一朵云上,而不是零散采购多家外部能力。
与此同时,AI搜索也创造出新的收入来源。AI助手、智能座舱、企业内部问答等应用持续增多,搜索调用量随之上涨。按调用次数计费的模式,能在算力业务之外开辟新增长点。字节、阿里、腾讯纷纷推出相关产品,本质是不想在AI基础设施赛道落后。
这件事对行业的影响,远不止多几款搜索产品。此前开发者想要接入联网检索,可选方案较少,大多只能依赖少数通用搜索接口。云厂商集体入局,丰富了市场供给,开发者不用耗费大量资源自建检索体系,能够加快AI产品落地,降低开发门槛。
行业的重心也随之转变。此前市场讨论AI,目光大多聚焦大模型本身,如今大家逐渐意识到,模型只是底层基础,能否获取真实、时效性强的信息,决定了AI产品体验好坏,AI搜索正在成为AI应用的标配基础设施。
JOTO 企业落地观察
- 企业部署AI搜索能力时,需明确信源边界:联网搜问依赖实时性与广度,垂域搜问强调专业性与合规性,企业内搜则必须解决权限控制、多模态解析与RAG召回精度问题。
- 当云厂商将搜索能力封装为标准化API,企业RAG知识工程的重点将从底层检索架构转向提示词编排、信源可信度校验与结果溯源机制设计。
- 多云环境下,企业若同时接入不同厂商的AI搜索服务,将面临信源一致性、响应格式归一化与审计日志分散等治理挑战,需前置构建统一AI服务网关。
- 智能体工程中,搜索模块不再仅是“插件”,而是影响任务分解逻辑与执行可靠性的关键节点;企业需评估其失败降级策略(如回退至缓存/规则引擎)是否纳入整体智能体SLA保障体系。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


