AI搜索年度发布------Agentic Search创新、云原生搜索引擎进化、AI搜索产品融合升级
年初大模型技术的爆发式发展，使得传统用户搜索场景被颠覆，据某权威研究机构数据显示，超58%的美国用户使用 Google 时不再点击搜索结果，传统搜索流量逐渐转向AI驱动工具，这一转变背后将重构用户搜索的交互逻辑、数据形态与技术架构。
9月26日杭州举行的云栖大会AI搜索专场上，阿里云智能集团计算平台事业部AI搜索负责人邢少敏与产品负责人汤祯捷重磅发布年度AI搜索技术与产品升级成果。阿里云搜索技术通过重塑信息交互范式、Agentic Search 架构创新、优化云原生引擎性能，从传统"信息匹配"迈向"智能问题解决"的全新时代，成为信息交互的核心范式，助力金山办公在文档协作领域实现百万向量/千 QPS 检索能力，货拉拉在物流调度的洪峰压力下保持核心业务极低延迟，实现了客户业务性能突破与成本优化的双赢。 
AI搜索：颠覆传统，重塑信息交互范式
如今，三大核心趋势正在重塑搜索边界：
-
用户交互升级：用户需求从"找到链接"转向"解决问题"，搜索普惠化加速；
-
数据模态进化：文本、图像、视频、代码等多模态混合搜索成为刚需；
-
主动智能跃迁：以大模型为核、Agent 为引擎的协同架构，实现跨工具、跨数据源的深度推理。
阿里云AI搜索通过技术架构与产品生态的全面革新，正推动搜索从"检索工具"升维为"智能 AI 助手"。
Agentic Search：AI搜索迈入自主协作时代
演讲中邢少敏详细阐释了阿里云AI搜索的核心突破------Agentic Search 架构创新。该架构通过多 Agent 协同、多模态数据处理与任务自主规划，构建了从"问题提出"到"方案自主生成"的智能闭环。
其技术优势体现在：
-
多模态数据处理：支持文档、图像、代码、视频等内容的解析、实体抽取与向量化，覆盖向量引擎、数据库、知识图谱等多引擎协同；
-
自主任务规划：依托 Qwen3 大模型与短期/长期记忆能力，主 Agent 可动态调用 Code Agent、Browser Agent 等工具，实现复杂问答与多跳推理；
-
权威测试领先：在 OpenAI 的 BrowseComp 与 Deep Research 评测集中，Agentic Search 检索与推理能力超越 Gemini、OpenAI 等国际主流方案，复杂任务准确率提升超40%。
此外，阿里云构建了覆盖文档解析、多模态向量化、NL2SQL、重排序的全链路 AI 搜索专属大模型体系，并开放 Qwen3-Plus、DeepSeek 等多模态生成模型，为企业提供定制化智能搜索基座。
云原生引擎突破：性能倍增，成本优化
为支撑 AI 搜索的高并发与复杂计算需求，阿里云发布面向多场景检索的云原生引擎技术升级，实现性能与成本的双重突破：
Elasticsearch 高性能检索引擎：通过 CPU 向量化计算、存算分离架构，复杂查询性能最高可提升6倍，存储成本降低50%，支持文本、日志、向量、时序等混合检索场景；
向量检索进化： 向量检索 GPU 加速，基于高性能 GPU 卡的索引构建性能提升13倍，资源成本下降5倍；结合 BBQ 量化技术，内存占用降低95%，节省20倍机器资源；基于DiskANN技术，低成本支持百亿规模向量检索；
全模态数据治理：从文档、数据库到湖仓的多源数据，通过结构化抽取、实体关系建模，实现非结构化数据到知识图谱的转化，为多模态搜索提供实时索引能力。
产品矩阵融合升级：AI搜索产品的'一横三纵'
从 Agentic Search 创新 ，再到基于云原生引擎突破 ，向量引擎全面升级 ，AI搜索全模态数据治理 等技术能力深耕，在此次年度产品发布中，汤祯捷从产品角度分享了三个主题-融合，加速，开箱即用， 将诸多核心领先 AI 搜索能力融合于在 AI 搜索多产品内的落地规划。打造业内领先的面向 Agentic Search 新时代的'一横三纵'的 AI 搜索产品矩阵。
- AI搜索开放平台 - 面向人和 Agent 的 Agentic Search 基础设施。平台方式支撑多个 AI 搜索产品的 AI 原子能力。此为'一横'。
-
提供多模态解析、视频解析、向量化等全链路AI搜索服务，支持API调用与按量计费。
-
全链路搜索开发基础能力，覆盖模型微调-模型部署-编排。
-
搜索链路效果测评：内置 Qwen3 大模型与测评工具，助力企业快速构建 RAG、智能问答等应用。
-
- 检索分析服务Elasticsearch - 开源企业级AI搜索平台。此为'一纵'。
Elasticsearch 企业版在多类查询场景下的性能提升效果显著，其中文本检索方面，Terms/DateHist 聚合提升 2.59 倍、Query+Sort 查询提升 3 倍、MultiTerms 聚合提升 6.83 倍；向量检索方面，普通向量查询提升 1.7 倍、带过滤条件的向量查询提升 4 倍，全面体现了云原生架构对检索效率的显著增强。
-
场景增强：支持全文、语义、日志、向量、时序分析等多场景检索分析能力。
-
引擎加速：NativeES 引擎支持检索性能提升2倍至6倍；检索存算分离降本50%；向量检索内存优化20倍。
-
发布"企业专属 Agent 知识库"，提供一键 RAG 解决方案，帮助用户构建安全独享的专属知识库。
-
Elasticsearch Serverless 版实现秒级弹性伸缩，保障安全与稳定性。
- 智能检索服务OpenSearch - 深度接入AI原生能力的自研AI Native搜索服务 。此为'二纵'。
- LLM智能问答版，集成 DeepSearch/DeepResearch Agent，其 AI+ 专业搜索能力效果领先，支持"答案直出"。
- 行业算法版 为电商，互联网等行业领域提供高精度定制AI检索能力，全面对接AI搜索平台。
- 向量检索版，支持多模态数据湖，向量引擎多算法加强(GPU 加速/ RabitQ 量化/ DiskANN 算法），文搜视频/文搜图。
现在起，OpenSearch 不仅是自研搜索服务，更是 AI 原生多模态数据湖搜索。
- 向量检索服务Milvus版 - AI向量检索的利器。此为'三纵'。
全托管服务兼容开源 Milvus，新增秒级弹性伸缩、数据分层存储功能；
- 内核性能提升100%，支持百亿级数据湖检索，集成 Milvus Agent 实现智能化交互。
客户实践：AI搜索从工具到智能助手，助力用户实现业务增长
阿里云AI搜索技术落地成效已在头部客户场景中率先验证：金山办公通过 ES 内核级优化实现百万级文档秒级响应，攻克高并发检索瓶颈，并构建冷热数据自动流转的"无感运维"体系；货拉拉依托 ES 重构智能调度系统，成功支撑300+业务应用并发访问的千万级 QPS 洪峰压力，核心业务响应延迟稳定在10ms RT，运维效率提升50%。两大案例揭示了阿里云 AI 搜索技术演进的新逻辑：当技术架构深度适配业务特征，搜索系统正在从"支撑业务"进化为"驱动增长"的核心引擎。
"AI 搜索不仅是在信息获取领域的技术升级，更是用户检索分析体验的跃迁。"
阿里云 AI 搜索通过 Agentic 架构的智能化、云原生引擎的高性能与产品生态的开放融合与加速，正推动搜索从"被动响应"走向"主动服务"。未来，随着大模型、Agent 与云原生技术的深度协同，AI 搜索将进化为每个人的贴身智能助手，引领人类进入信息无界、交互自然的新纪元。