当浏览器成为 AI 的下一个战场，谁会被淘汰？

AI 的未来在于能自主导航网页的代理。各大科技公司纷纷投入浏览器代理的开发，旨在自动化网页任务、提升生产力。本文探讨其应用场景、当前挑战，以及 Web3 原生方案带来的机遇。本文源自Mario Chow、Figo，@IOSG 所着文章，由BlockBeats 整理、编译及撰稿。 （前情提要：OpenAI Sam Altman：我有兴趣收购 Google Chrome！参赛市占最大浏览器争夺战 ） （背景补充：Perplexity 开价 345 亿美元收购 Chrome 浏览器，AI 搜寻引擎小兵战巨人 ） 过去 12 个月，网页浏览器与自动化的关系发生了剧烈变化。几乎所有大型科技公司都在争相建构自主的浏览器代理 (browser agent)。从 2024 年底开始这一趋势愈发明显：OpenAI 在 1 月推出了 Agent 模式，Anthropic 为 Claude 模型发布了「电脑使用」功能，Google DeepMind 推出了 Project Mariner，Opera 宣布了代理型浏览器 Neon，而 Perplexity AI 则推出了 Comet 浏览器。讯号十分明确：AI 的未来在于能够自主导航网页的代理。 这一趋势并不仅仅是给浏览器加上更聪明的聊天机器人，而是机器与数位环境互动方式的根本转变。浏览器代理是一类能够「看」网页并采取行动的 AI 系统：点击连结、填写表单、滚动页面、输入文字：就像人类用户一样。这种模式承诺将释放巨大的生产力和经济价值，因为它能自动化那些目前仍需要人工操作，或传统脚本过于复杂而无法完成的任务。 ▲ GIF 演示：AI 浏览器代理的实际操作：遵循指令，导航到目标资料集页面，自动截图并提取所需资料。 谁将赢得 AI 浏览器之战？ 几乎所有大型科技公司 (以及一些新创公司) 都在开发各自的浏览器 AI 代理方案。以下是最具代表性的几个专案： OpenAI – Agent 模式 OpenAI 的 Agent 模式 (前身名为 Operator，2025 年 1 月推出) 是一种自带浏览器的 AI 代理。Operator 能够处理各种重复性的线上任务：例如填写网页表单、订购杂货、安排会议：全部透过人类常用的标准网页介面完成。 ▲ AI 代理像专业助理一样安排会议：检查日历、寻找可用时间段、建立活动、发送确认，并为你生成 .ics 文件。 Anthropic – Claude 的「Computer Use」 2024 年底，Anthropic 为 Claude 3.5 引入了全新的「Computer Use (电脑使用)」功能，赋予了其像人一样操作电脑和浏览器的能力。Claude 可以看萤幕、移动游标、点击按钮、输入文字。这是首个同类的大模型代理工具进入公开测试版，开发者可以让 Claude 自动导航网站和应用程式。Anthropic 将其定位为一种实验性功能，主要目标是实现网页上的多步骤工作流自动化。 Perplexity – Comet AI 新创公司 Perplexity (以问答引擎闻名) 在 2025 年中期推出了 Comet 浏览器，作为 Chrome 的 AI 驱动替代品。Comet 的核心是内建在网址列 (omnibox) 中的对话式 AI 搜寻引擎，能够提供即时问答和摘要，而不是传统的搜寻连结。 此外，Comet 还内建 Comet Assistant，这是一个驻留在侧边栏的代理，可以跨网站自动执行日常任务。例如，它可以总结你打开的邮件、安排会议、管理浏览器分页，或代表你浏览并抓取网页资讯。 透过侧边栏介面让代理能够感知当前网页内容，Comet 旨在将浏览与 AI 助手无缝融合。 浏览器代理的真实应用场景 在前文中，我们已经回顾了各大科技公司 (OpenAI、Anthropic、Perplexity 等) 如何透过不同的产品形态为浏览器代理 (browser agents) 注入功能。为了更直观地理解它们的价值，我们可以进一步看看在真实场景中，这些能力如何被应用到日常生活和企业工作流程中。 日常网页自动化 # 电商与个人购物 一个非常实用的场景是将购物与预订任务委托给代理。代理可以根据固定清单自动填充你的线上购物车并下单，也可以在多个零售商之间寻找最低价，并代你完成结帐流程。 对于旅行，你可以让 AI 执行这样的任务：「帮我预订下个月去东京的航班 (票价低于 800 美元)，再订一家有免费 Wi-Fi 的饭店。」代理会处理整个流程：搜索航班、比较选项、填写乘客资讯、完成饭店预订，全部透过航空公司与饭店网站完成。这种自动化水平远远超越了现有的旅游机器人：它不仅仅是推荐，而是直接执行购买。 # 提升办公效率 代理能够自动化许多人们在浏览器中进行的重复性业务操作。例如，整理电子邮件并提取待办事项，或在多个日历中检查空档并自动安排会议。Perplexity 的 Comet 助手已经可以透过网页介面总结你的收件匣内容，或为你新增日程。代理还可以在获得你的授权后，登入 SaaS 工具产生常规报告、更新电子试算表，或提交表单。想像一个 HR 代理，能够自动登入不同的招聘网站发布职位；或一个销售代理，可以更新 CRM 系统的潜在客户资料。这些日常琐碎工作本来会耗费大量员工时间，但 AI 可以透过自动化网页表单和页面操作完成。 除了单一任务，代理还能串联起跨多个网路系统的完整工作流程。所有这些步骤都需要在不同的网页介面中操作，而这正是 browser agent 的强项。代理可以登入各种仪表板进行故障排除，甚至编排流程，例如为新员工完成入职操作 (在多个 SaaS 网站上创建帐号)。本质上，任何目前需要点开多个网站完成的多步骤操作，都可以交由代理执行。 当下的挑战与局限 尽管潜力巨大，但今天的浏览器代理距离完美仍有很大差距。目前的实现揭示出了一些长期存在的技术和基础设施难题： 架构不匹配 现代...