一句话看懂：由前 Twitter 工程师创立的 AI 新闻阅读公司 Particle 推出 Radar——一个能转写并理解播客内容的搜索引擎，让 AI 智能体首次可以“听”播客、从音频中提取关键信息和商业信号。其 API 已对接对冲基金与 AI 搜索平台，被视为 AI Agent 的数据新入口。
事件核心：发生了什么
8 月 26 日，Particle 公司正式发布 Radar 播客搜索引擎。Radar 的核心能力不是简单转写播客文字稿，而是通过模型理解对话语义，自动识别关键人物、公司、品牌和话题，并从中抽取有独立意义的片段（clips），附带时间戳供用户回听或直接阅读。
目前 Radar 已索引超过 13 万个播客节目，覆盖 Apple Top 200 播客榜单中的 135 个垂直领域，每天新增约 2 万集内容。据联合创始人兼 CEO Sara Beykpour 介绍，这是目前规模最大的已转写播客服务。Radar 的产品形态分为两个层面：一是网页搜索界面，面向普通用户；二是 API 与 MCP（模型上下文协议）接口，面向开发者和企业，用于让 AI Agent 程序化调用音频情报。定价方面，个人版为每月 29 美元/席位，企业版每月 399 美元（含 20 个席位），API 用户按需定制价格。
为什么重要
目前大多数 AI Agent 和网络爬虫的检索对象是文本，音频对它们而言是“不可见”的。Radar 尝试补上这一层缺口：它将播客这种高密度、低结构化的人声内容转化为可被机器查询、筛选和订阅的结构化数据。其价值在商业场景中已被验证——Beykpour 透露，对冲基金是直接通过 API 集成该服务的主要客户，因为它们需要获取现有数据源无法覆盖的信息；AI 搜索平台和数据转售商也是高频付费用户，搜索 API 服务商 Exa 是 Radar 的合作伙伴之一。
此外，Radar 还内置播客广告搜索功能，可追踪某家公司在哪些节目的哪些剧集投放广告及其变化趋势。这类数据对品牌监测、竞品分析和投资研究都有商业潜力。Particle 将这项能力从新闻阅读应用中拆分出来独立商业化，本质上是在做“音频版的情报中间层”，为 AI Agent 时代的内容基础设施提供了一个新的数据品类。
对用户/开发者/创作者的影响
普通用户：可以通过 Radar 网页端按实体（人物、公司、产品）、话题或节目进行搜索，收听或阅读被截取的关键片段，不必听完整个节目；也可以设置提醒，当关注的嘉宾在某期节目中讨论特定话题时，通过邮件、Slack 或 webhook 接收通知。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者与企业：通过 API 或 MCP 接口，可将 Radar 的音频内容索引集成到自有 AI Agent、智能搜索或数据分析产品中，无需自行完成音频转写与语义理解。该服务还开放了政治立场分析、榜单排名、听众规模估算、赞助数据和品牌适配度等维度的元数据接口，适合内容分发平台或市场调研类应用调用。
播客创作者：Radar 的曝光和引用可能带来新的听众增长渠道，但其广告追踪和受众数据拆解功能，也意味着节目商业化数据将被更透明地量化评估，未来品牌方在播客投放时有望获得更精确的归因依据。
值得关注的后续
1. 音频形态的扩展节奏：Radar 目前聚焦播客，规划未来接入 YouTube 视频片段和新闻剪辑，需观察其音频理解能力从“对谈型内容”向“混合音视频内容”迁移时的效果和成本。
2. API 生态的客户结构：目前付费主力集中于对冲基金和数据转售商，下一步能否拓展到媒体机构、内容平台和品牌营销方，直接检验该品类的市场规模天花板。
3. 同赛道竞争与数据壁垒：播客转写与实体识别并非绝对技术壁垒，后续需观察 Radar 能否通过 13 万节目规模的存量索引和每日 2 万集的增量速度，形成竞争对手难以快速复制的数据护城河。
