Parallel

1.1 身份与商业模式

Parallel Web Systems 通常以 Parallel 品牌运营，是一家位于 Palo Alto、成立于 2023 年的私营软件与数据基础设施公司。它不是面向人的搜索目的地，而是让 AI 智能体搜索、提取、研究、发现并监控实时 Web 的 API 层。产品组合把原始检索工具、长时运行的研究智能体和自有 Web 索引结合起来。商业模式按用量计费：公司称客户按请求付费，而不是按 token 付费；Web 搜索起价为每 1,000 次请求 $1。这种架构让 Parallel 成为嵌入式开发者依赖，扩张潜力取决于客户查询量，同时也让买方面临供应商集中度和可变工作负载成本。[CO001, CO002, CO003, CO013]

1.2 领导层与治理

独立报道确认，前 Twitter CEO Parag Agrawal 与 Travers Nisbet 是联合创始人，Agrawal 担任 CEO。Agrawal 领导消费级平台的经历与 Parallel 的索引和可靠性逻辑直接相关，但也带来明显的关键人物依赖，因为现有证据无法证明公司拥有更完整的现任高管班底。EquityZen 将 Clay Fisher 和 Mamoon Hamid 列为董事，但指定证据无法确认该名单是否完整、是否最新，也无法确认是否附带观察员权利和保护性权利。因此，治理尽调应把公开名单视为部分名单，而非完整名单。[CO004, CO005]

1.3 融资历史与利益相关方结构

现有记录描述了三次主要融资：2024 年 1 月约 $30 million 的种子轮、2025 年 11 月估值约 $740 million 的 $100 million Series A，以及 2026 年 4 月估值 $2 billion 的 $100 million Series B。Series B 报道称累计融资额为 $230 million。已披露投资者包括 Khosla Ventures、First Round Capital、Index Ventures、Terrain、Kleiner Perkins 和 Sequoia Capital，机构投资者阵容较强。但已募集资金不等于可用现金；证据未披露清算优先权、稀释、老股出售、债务、持股比例或董事会控制权。这些缺口阻碍了对现金续航期和经济利益一致性的可靠判断。[CO006, CO007, CO008, CO016]

1.4 规模、里程碑与尽调状态

Parallel 称已有超过 1,000 个团队使用其平台，并展示 Notion、Harvey、Pfizer、LangChain、Replit 等客户。Genpact 发布的合作公告补充了生产环境证据：Genpact 称，一套基于 Parallel 的保险工作流已在两家美国前十大的财产与意外险公司部署，实现 55% 的免人工处理率和 50% 的周期时间缩短。这些是有意义的采用信号，但没有披露付费客户数、合同金额、留存、收入或利润率。独立评论还指出其依赖封闭云、深度研究层级较慢，以及成本梯度陡峭。整体画像是技术和融资进展很快，但商业规模与经济性存在较大披露风险。[CO009, CO010, CO011, CO012, CO014, CO015, CO016]

1.5 展示项

2.1 市场边界与替代方案

Parallel 所处的相关市场比广义搜索、AI 软件或企业自动化更窄。产品定位是面向机器的智能体基础设施，服务实时检索、页面提取、带引用综合、实体发现和持续监控。因此，计入的支出应是软件和数据预算中用于程序化开放 Web 访问及研究工作流的部分。面向人的搜索广告、通用聊天、私有语料 RAG、内部可观测性和广义 RPA 都是相邻领域，不应直接计入市场规模。买方还可以自行组装搜索 API、爬虫、解析器、浏览器自动化、缓存和模型提示词；使用模型平台的浏览能力；购买窄领域数据产品；或保留人工研究团队。明确边界很重要，因为把所有相邻品类都算进去，会重复计算重叠工作流，显著夸大可服务机会。[CM001, CM002, CM007]

2.2 受证据约束的市场规模

指定证据不包含权威、独立来源的面向智能体 Web 基础设施市场研究。一份二手分析改以 2025 年相邻市场估算进行三角验证：AI 智能体软件 $7.6 billion–$7.8 billion、网页抓取服务约 $1 billion–$9 billion、企业搜索 $5.3 billion–$6.7 billion，同时警告这些品类只有一部分对应目标市场。其示例性自下而上 SAM 为 $300 million–$1.5 billion，假设 5,000 个原生 AI 团队每年支出 $25,000–$100,000，另有 2,000 家企业每年支出 $100,000–$500,000。五年 5%–15% 的渗透情景是敏感性分析，不是预测。在独立核实买方数量、工作负载量、留存和毛利率证据前，这些区间只能用于界定尽调范围，不能用于估值计算。[CM010, CM011, CM012, CM013, CM014]

2.3 买方、用户、付费方与采用路径

两份第三方综合分析都指向三类核心买方：原生 AI 产品团队、企业 AI 或数据工程组织，以及为下游开发者嵌入 Web 工具的平台；服务商是额外渠道。开发者和智能体产品团队是日常用户，工程或产品负责人可能掌管自助预算，而企业 AI、安全、采购或业务职能负责人参与较大采购。Parallel 声称有超过 1,000 个团队使用平台，独立报道则点名 Harvey 和 Notion 为生产用户；这些信号证明采用，而非付费客户数量或合同金额。Composio 的 Hermes 集成和 Parallel 的免费额度降低了试用门槛，但保留的来源没有量化从免费使用转为付费生产工作负载的转化率。[CM003, CM004, CM005, CM006, CM015]

2.4 增长动力、约束与估值意义

如果智能体越来越需要比模型训练数据更新的事实，且 MCP、SDK、网关和工作流集成让外部 Web 工具更易采用，需求就会增长。按用量计费的模式可随客户查询量扩张；按请求定价也为团队测试 ROI 提供了可观测单位。反向约束是结构性的：网站会变化，反爬系统和登录限制覆盖范围，浏览器驱动的研究可能又慢又贵，受监管工作流还要求引用、可审计性、安全审查和稳定访问权。自建以及模型提供商捆绑的浏览能力会压制定价权。一份指定的第三方页面明确由 AI 生成并警告可能存在错误，这说明低质量生态内容不能验证市场规模。因此，估值应依赖付费生产量、留存、访问经济性和毛利率，而不能只看智能体市场的广泛增长。[CM008, CM009, CM015, CM016]

2.5 展示项

3.1 竞争环境与买方替代方案

相关竞争集合不止“AI 搜索”。直接 API 同行包括 Exa、Tavily、Linkup 和 Firecrawl；Perplexity，以及 OpenAI、Anthropic 和 Google 的模型平台 Web 工具，也能把检索捆绑进现有推理关系。买方还可以自行组装搜索、爬取、解析、缓存和提示词；用 RPA 处理窄工作流；购买结构化数据集；或保留人工研究团队。这些路径解决的是不同部分：Firecrawl 强调爬取、抓取和浏览器交互；Exa 强调语义发现；Tavily 强调易用的搜索工作流；Linkup 强调可信来源事实检索；Parallel 则覆盖检索、提取、研究、数据增强和监控。公开资料没有为所有同行提供可比的融资、收入、客户或工作负载序列，因此规模单元格有意标注为公司声称或未知，而不是强行标准化。[CP001, CP005, CP006, CP008, CP011, CP014]

3.2 能力、定价与信任对比

Parallel 的竞争卖点是运行在自有索引上的统一产品家族：Search 和 Extract 提供基础能力，Responses 提供同步回答，Task 支持更深度研究，FindAll 构建数据集，Monitor 跟踪变化。公司还宣传引用与置信度工具、SOC 2 Type II 认证和按请求计费。Firecrawl 的对比采用不同边界，认为其开源、可自托管技术栈补充了 Parallel 不提供的爬取和浏览器交互。这是有用的买方证据，但 Firecrawl 本身是竞争对手，不能视为独立基准。Composio 的 Hermes 集成表明 Parallel 可通过生态连接器进入智能体工作流，降低集成摩擦，但不能证明锁定效应持久。公开定价足以进行方向性的采购比较，但实际企业折扣、最低承诺、服务等级和超额用量条款仍未见于分配的证据。[CP001, CP002, CP003, CP004, CP009, CP013, CP014]

3.3 性能主张与竞争定位

Parallel 最强的差异化证据来自基准测试，但来源限制了投资判断。公司在 2025 年的一篇文章称，BrowseComp 准确率为 58%，人类基线为 25%，GPT-5 为 41%。当前官网报告了 2026 年 9 月公司自测：Parallel Advanced 在 50 道 BrowseComp 样本中达到 74%，每千道题成本 $399；相同 frontier-agent 层级下，Exa 为 70%、$971，Tavily 为 66%、$935。另一方面，Firecrawl 引述 AIMultiple 对 100 个查询的测试称，Parallel Search Pro 用时 13.6 秒，Firecrawl 用时 1.335 秒。这些结果测量的是不同产品、测试工具、样本和目标，不能合并成单一性能排名。因此，定位图采用有证据支持的工作流广度和研究深度序数判断，而不是声称的市场份额或客观质量分数。[CP007, CP010, CP016]

3.4 持久性与尽调结论

Parallel 最可能形成护城河的组合是自有索引、多产品工作流覆盖、分销集成和运营信任功能。但公开记录无法证明其中任何一项具有确定的持久性。模型提供商可以把 Web 检索与推理捆绑，降低买方为独立层付费的意愿；出版商可以把价值从爬取质量转向授权访问；竞争对手则能在开源、浏览器自动化、语义发现或更简单的产品包装上竞争。分配的证据没有披露留存、扩张、迁移成本、合同期限、独家内容权或中立的正面对比基准。证据池中的一份第三方页面明确警告其内容由 AI 生成且可能不准确，说明低信号比较页面无法填补这些缺口。可投资结论是差异化存在，但锁定效应尚未证明：在给予持久平台溢价前，应先验证可重复的客户结果和切换行为。[CP002, CP004, CP009, CP012, CP013, CP015]

3.5 展示项

4.1 收入架构可见，但收入质量不可见

Parallel 通过广泛的 API 产品面变现，而不是依赖单一订阅。官网介绍了按请求计费、周期性免费额度，以及为更高 速率限制提供的定制安排；产品目录覆盖搜索、提取、综合回答、深度研究任务、实体发现和监控。这种设计可以支持 先落地再扩张：开发者先以低成本使用检索，工作流成熟后再消费更高价值的研究或监控能力。但它也带来组合风险， 因为不同产品和处理器层级的计算、爬取及内容访问强度差异很大。公开标价说明计费机制，不代表实际收入、折扣、 最低承诺、续约行为或毛利贡献。[CI001, CI002, CI003, CI004, CI015]

4.2 采用信号有意义，但尚不足以支持销售效率判断

公司称有超过 100,000 名开发者使用 Parallel，超过 1,000 个团队信任该平台。融资公告还列出 Harvey、Notion、 Opendoor、保险公司、银行和对冲基金中的生产工作流。这些信号说明产品同时适用于自助式和企业渠道，但两个分母 都未披露为付费客户，已点名的使用也无法说明合同金额、扩张、集中度、留存或渠道经济性。一篇独立文章转述了据称 来自非公开报道的 $100 million ARR，另一篇评论则称公司没有公布收入。因此，该估算只能作为情景输入，不能视为 已验证的经营结果或经审计收入的替代品。[CI006, CI007, CI008, CI009, CI010]

4.3 账面融资充足，但资金充足性无法衡量

Parallel 宣布以 $2 billion 估值完成 $100 million Series B，累计融资额为 $230 million。管理层称新资金将用于扩展 Web 索引、企业覆盖和出版商市场机制。这些用途在战略上连贯，但也表明基础设施、分销和内容经济仍需持续投入。 累计融资额不等于当前现金；审阅的证据没有量化手头现金、月度消耗、runway、债务、营运资金需求或合同内容义务。 毛利率同样关键：即便价格下降，爬取、索引、推理、反爬处理和授权内容也可能随用量增长。没有 cohort 级贡献毛利 数据，资金充足性和下一次融资触发点仍无法量化。[CI011, CI012, CI013, CI014, CI016]

4.4 财务结论与尽调门槛

收入模式在形式上很有吸引力：用量可衡量，入门价格低，企业工作流可以扩张，深层产品的标价高得多。投资判断的 难点在证据，而不在概念匹配。公开采用数量不是付费客户数量，第三方 ARR 估算不是公司披露收入，已募集融资也不是 可用现金。处理器价格梯度还使客户账单和交付成本高度依赖工作负载。达到投资级别的尽调应要求按产品和层级拆分的 月度收入、净留存和客户集中度、每次请求的实际价格、直接基础设施与内容成本、按处理器拆分的贡献毛利、按渠道拆分 的 CAC 与回收期，以及现金到 runway 的桥接表。在提供这些记录前，收入质量虽合理但未验证，利润率路径不透明，资本 强度仍是重大风险。[CI001, CI005, CI006, CI009, CI010, CI013, CI014, CI016]

4.5 展示项

5.1 产品面与客户工作流

Parallel 是 API 优先的 Web 基础设施层，而不是面向人的搜索目的地。其官方产品面把低延迟检索与更深、更异步的 知识工作分开：Search 对 URL 和摘要排序，Extract 把已知页面转换为适合模型处理的内容，Responses 综合带引用回答， Task 执行多步研究，FindAll 构建实体列表，Monitor 发出变化提醒。这种包装可以自然映射到智能体工作流，从为聊天回答 提供依据，到维护外部数据监控清单。独立来源和合作伙伴描述都印证了产品套件的广度，但各模块的实际成熟度、使用 组合和服务等级目标并未公开。[CE001, CE002, CE003, CE004, CE014]

5.2 运营架构与技术差异化

已披露架构有三层：自有 Web 索引、原始 Search 与 Extract 工具，以及负责规划、检索、阅读和综合的专用 Web Agents。 Parallel 称索引覆盖数十亿页面，每天新增或刷新数百万页；公司还称，智能体输出可通过 Basis 框架携带引用、推理轨迹 和校准后的置信度。SiliconANGLE 另报道称，这些 API 使用了针对机器检索优化的索引。这些来源支持架构轮廓，但无法 证明未披露的爬虫设计、排序模型、按地域或语言的覆盖、授权内容占比或置信度校准方法。[CE005, CE006, CE007, CE010]

5.3 部署、集成与生产成熟度

对软件团队而言，采用摩擦似乎较低：Parallel 提供 REST、Python、TypeScript、MCP、OpenAI 兼容、LangChain、Vercel 和 Google Vertex AI 路径；Composio 则为 Hermes 框架提供 Parallel MCP 连接。生产证据强于客户 logo 列表。SiliconANGLE 报道 Harvey 使用这些工具构建研究密集型法律智能体；Genpact 发布的合作公告称，Parallel 的 Task API 已嵌入生产环境 中的保险和销售工作流。同一公告把一套保险工作流的 55% 免人工处理率和 50% 周期时间缩短归因于 Parallel，但这些结果 由合作伙伴披露，缺少独立的方法或基线审计。[CE009, CE011, CE015, CE016]

5.4 信任状况与技术风险

Parallel 公开声称拥有 SOC 2 Type II 认证、可提供零数据保留、符合 GDPR、提供 HIPAA-ready 方案，以及支持 SSO/SAML 控制。这些主张与企业采购有关，但不能替代对审计报告、范围、例外、子处理器、保留默认设置、事故响应条款或渗透测试 结果的审阅。独立分析还指出结构性依赖风险：生产 Web 访问必须应对不断变化的页面、访问门槛、速率限制和可审计性， 而 Parallel 本身是封闭云服务，没有披露本地部署版本。CripsyWire 进一步报道称，公司没有公布 uptime 百分比，并警告 深度研究层级的延迟和成本会在高层级显著上升。因此，投资逻辑取决于经验证的可靠性与安全证据，而不只是引用或公司 自测准确率基准。[CE008, CE012, CE013]

5.5 展示项

6.1 客户基础与分层

Parallel 展示的是广泛的基础设施客户基础，而非单一垂直切口：官网称超过 1,000 个团队使用平台，并列出 AI 产品公司、 企业软件供应商、制药公司、开发者框架和金融研究应用。反复使用产品的是需要在智能体中调用实时 Web 证据的开发者或 运营团队；经济买方则可能从原生 AI 产品负责人到企业创新或业务线负责人。现有样本支持四个实际分层：原生 AI 构建者、 企业运营团队、云平台用户，以及框架或工作流开发者。公司没有披露分层收入、付费转化、地域组合或展示 logo 所代表的 比例，因此不能把客户广度理解为变现均衡的证据。[CU001, CU002, CU003, CU004, CU008, CU013]

6.2 采用与生产证明

最清晰的生产证据来自 Genpact。该公司称，一套启用 Parallel 的保险工作流已与两家美国前十大的财产与意外险公司部署， 并报告 55% 的免人工处理率和 50% 的周期时间缩短。Genpact 还称，其 Meeting Assist 工作流已在自有一线组织投入生产。 YesPress 报道的其他例子包括 Nooks 的 Web grounding 支出减少 70.5%、Opendoor 的 HOA 研究从约十分钟缩短到约两分钟验证， 以及 Starbridge 在数日内完成生产集成。这些例子证明存在多个上线工作流，但都是客户或公司披露的结果，缺少共同基线、 样本量、审计方法、合同金额或纵向跟踪。[CU004, CU005, CU006, CU007, CU010, CU011, CU012]

6.3 渠道与扩张入口

Parallel 有多条从评估走向嵌入式使用的路径。官网提供每月免费请求额度和按请求计费，支持开发者先试用再作更大承诺。 企业端的 Google Cloud 集成让 Parallel 可通过 Gemini Enterprise API、Studio grounding 选择和 Google Cloud Marketplace 计费 获得。Genpact 将技术嵌入特定领域的保险和销售系统；Composio 则为 Hermes 框架提供 Parallel 连接器。这些入口可以缩短 采购或集成工作，并随着智能体运行更多搜索、研究任务和监控作业而带来扩张。公开来源没有量化任何渠道的转化、伙伴来源 收入、账户扩张或用量合同的持久性。[CU008, CU009, CU013]

6.4 持久性、集中度与证明边界

没有保留的来源披露净收入留存、毛收入留存、客户 logo 流失、续约率、合同期限、cohort 行为或客户集中度。对于按量计费 的 API，这一缺口很重要：生产案例证明产品有用，却不能说明用量能否跨越预算周期持续，或少数大型集成是否占据大部分收入。 证据还混合了 logo、客户发布的案例结果、伙伴分销和独立报道，这些证明等级并不等价。YesPress 又提出了一个持久性问题： 智能体搜索可能消耗出版商价值却不带来流量，Parallel 更大的考验是内容创作者是否认为其提出的交换条件公平。因此，尽调 应在直接客户推荐和出版商访问经济性之外，要求账户级留存与集中度表。[CU014]

6.5 展示项

7.1 法律、监管与内容权利风险

Parallel 称其索引通过内容合作覆盖获得许可的付费墙、优质和专有来源；Sacra 则把同一市场视为结构性依赖：出版商退出、 限制性条款或更高补偿都可能减少覆盖或压缩利润率。因此，内容权利和访问连续性是首要法律与商业风险，尽管指定证据没有 证明存在具体诉讼或执法行动。Parallel 还声称具备 SOC 2 Type II、HIPAA、GDPR、零数据保留和 SSO 控制，但这些是公司 发布的陈述；公司另一页面重复展示 SOC 2 徽章，却没有提供审计报告。因此，在把这些控制视为独立验证前，投资尽调应 审查许可条款、出版商集中度、DPA 与子处理器、SOC 2 报告及例外、HIPAA 范围，以及任何监管机构或索赔方往来文件。[CR001, CR002, CR006, CR007]

7.2 运营、质量与安全风险

产品继承了困难的外部条件：网站变化、登录和 cookie 门槛、反爬控制、速率限制，以及不完整或过时的来源材料。Parallel 自身警告，Web 证据可能过时、不准确或不完整，简单关键词匹配也会制造噪声。缓解措施包括引用、置信度评分、监控、确定性 风险政策，以及对不利事件的人工复核。这些控制可以降低，但不能消除模型、检索和来源质量风险。公司的基准披露有用， 但仍是自报数据、样本有限，并依赖 LLM 评审；一名独立分析师还警告，优化排行榜未必能泛化。指定证据池没有公开事故史、 状态历史、渗透测试报告或恢复指标，因此生产韧性仍是重大尽调缺口，而不能据此判断 uptime 强弱。[CR003, CR004, CR005, CR008, CR010]

7.3 财务模型与依赖风险

Parallel 的按用量计费模式把收入机会与可变基础设施及内容成本绑定。Sacra 报道，出版商补偿随任务贡献度增加，并警告 如果定价跟不上，成本可能压缩利润率。Silicon Valley Investclub 称公开确认的收入和盈利能力不可得，无法外部检验毛利率、 消耗、runway 或定价持久性。竞争压力也不对称：Marvin Vista 认为主导模型提供商可能以接近零边际价格捆绑同等检索能力， 而 Parallel 必须维护自有的搜索、提取、任务和监控产品面。Composio 的认证 Hermes 连接器等伙伴集成可以加速分销，但也 增加平台和认证依赖。公司声称有超过 1,000 个团队，但这不能证明收入集中度或续约持久性。[CR009, CR011, CR012, CR014, CR015, CR016]

7.4 监控、缓解措施与论点失效触发器

风险状况应作为验证计划管理，而不是声称不存在不利事件。投资前，管理层应提供最大出版商和客户敞口、标准及例外内容 权利、经过审计的安全控制证据、事故与宕机历史、按处理器拆分的毛利率、消耗、runway，以及在客户工作负载上的基准复现。 论点失效触发器包括：关键内容访问丢失且没有替代方案、无法证明高价值来源的权利、重大泄露或长期宕机且没有可信补救、 单位成本上涨快于合同收入，或平台捆绑抹平 Parallel 经质量调整后的价格优势。在融资前拒绝披露集中度、控制报告或单位 经济性，应暂停决策。在审阅这些私有记录前，剩余排名仍是暂定的。[CR002, CR003, CR005, CR006, CR009, CR011, CR012, CR016]

7.5 展示项

8.1 建议与入场纪律

当前建议是继续研究，信心中等、风险高，估值偏高。TechCrunch 报道称，Sequoia 于 2026 年 4 月领投 $100 million Series B，估值 $2 billion。该估值此前五个月刚跟随一轮据报估值 $740 million 的 Series A，约上涨 2.7 倍。重新定价的速度本身不是估值过高的证据，但提高了对经营表现的举证要求。公开证据集没有披露 Parallel 的收入、盈利能力或 EV/收入倍数。因此，不能用收入倍数法评估当前价格；在一手财务数据和融资条款证明价格与业绩之间存在可支持的关系前，建议不应上调。[CV001, CV003, CV009, CV011, CV016]

8.2 投资论点、反论点与证明负担

投资论点是 Parallel 可以成为智能体长期依赖的 Web 基础设施层：TechCrunch 报道开发者超过 100,000 名，而 Parallel 目前声称有超过 1,000 个团队，并提供按量计费的搜索。与 Composio 的伙伴集成提供了另一项分销信号，但不能证明使用量或收入。 反论点是，采用广度可能无法转化为有吸引力的单位经济性。一名独立分析师将其模式描述为按用量计费的 API，并指出毛利率是 核心未知数，因为爬取、推理和反爬处理可能成本高昂。用于工程、产品和客户增长的资金支持执行，但无法解决留存、付费转化、 毛利率或现金消耗问题。[CV005, CV006, CV007, CV008, CV012, CV013, CV014]

8.3 牛市、基准与熊市逻辑

公开证据不足以建立按概率加权的公允价值区间，因此情景采用回报门槛而非预测。在 $2 billion 入场价格下，$6 billion 退出 是扣除稀释和优先权前达到 3.0x 总倍数的最低数学门槛。乐观情景要求采用转化为规模化、持久且具备可防守毛利率的收入，退出价格高于该门槛。基准情景在财务披露允许使用适合模型的倍数前仍不定价。悲观情景是任何低于当前报告估值的结果，尤其是捆绑搜索 压低价格或 Web 访问成本阻碍利润率扩张时。没有设置数值概率，因为校准概率所需的分母数据属于私有信息。[CV001, CV009, CV011, CV013, CV015, CV016]

8.4 退出准备度与最终尽调要求

融资历史和投资人名单显示公司能够获得私募资本，但指定证据无法证明其已准备好进入公开市场、存在收购兴趣或有可比退出倍数。 下一道决策门槛应要求按产品拆分的经审计或董事会批准收入、按工作负载拆分的毛利率、留存和付费转化 cohort、消耗与 runway， 以及客户集中度。投资人还应取得 Series A 和 B 的资本化记录、清算优先权、老股出售细节、期权池变动，以及债务或项目融资义务。 论点失效触发器包括：运营改善不足以匹配的 down round、规模化工作负载持续负毛利、开发者使用广泛但付费转化弱，或失去经济上 可行的出版商访问。在这些检查通过前，融资势头不能替代估值支撑。[CV004, CV005, CV008, CV009, CV011, CV013, CV016]

8.5 展示项