當(dāng)瀏覽器進入AI時刻

我一直在等待一個時機寫寫“AI瀏覽器”。原因很簡單，還是我常說的：AI最缺的是眼睛和手腳。而在今天，能讓我們放下手機、打開電腦的理由，主要還是工作。若想讓AI成為我們真正的生產(chǎn)力助手，瀏覽器就是那個能為AI提供眼睛和手腳的最佳載體。

明確一下，本文說的都是電腦上的瀏覽器。在電腦上，瀏覽器是我們大多數(shù)公司人每天面對時間最長的窗口。今天，人們除了通過瀏覽器來獲取信息、瀏覽內(nèi)容，還可以在其中完成各種日常辦公任務(wù)、處理文檔，甚至是專業(yè)的設(shè)計工作。根據(jù)Firefox瀏覽器官網(wǎng)上顯示的用戶使用統(tǒng)計實時數(shù)據(jù)，目前，其用戶平均每天使用時長高達5.5小時，足以說明瀏覽器的重要性。

過去幾年，我一直在使用Arc瀏覽器，其開發(fā)團隊名字也頗為復(fù)古，就叫“瀏覽器公司”（The Browser Company）。去年年底，這家“瀏覽器公司”宣布將推出新的“AI瀏覽器”Dia。在Arc老用戶的反對聲中，Dia持續(xù)往前推進，今年3月開啟內(nèi)測，6月啟動公測，同時公司正式宣布將停止為Arc開發(fā)新功能。

這段時間中，我身邊不少喜歡使用AI的朋友，都將自己的默認(rèn)瀏覽器切換成了Dia。

那么，“AI瀏覽器”到底能否在我們的工作中發(fā)揮實用價值呢？要回答這個問題，我們還是得先搞清楚“AI瀏覽器”到底指什么。在我看來，目前市面上自稱“AI瀏覽器”的產(chǎn)品，可以分為三類。

第一類，是所謂的agentic browser。這是最激進的一派，它們以“agent”為主要賣點，如國內(nèi)團隊開發(fā)的Fellou。當(dāng)然，agent這個概念本身也被用得亂七八糟，我在5月刊的本專欄介紹Manus時已經(jīng)討論過。簡單概括Fellou和Manus的差異：如果說Manus是一個自帶電腦的遠(yuǎn)程實習(xí)生，F(xiàn)ellou更像是請一個實習(xí)生來直接操作你的電腦。Manus讓許多人第一次看到一臺電腦在自己操作自己，只是這臺電腦身處遠(yuǎn)方；Fellou則讓你看到你的電腦在自己操作自己。

相較于Manus，F(xiàn)ellou的優(yōu)點和缺點都源自于此。由于它可以直接使用你在瀏覽器中已經(jīng)登錄的賬號，像是Gmail、小紅書、豆瓣、微信網(wǎng)頁版等等，它可以觸達一些Manus難以觸及的地方。但也因為它直接使用你的電腦，盡管團隊做了一些創(chuàng)新來避免AI和人類的相互干擾，但我在實際使用中仍然很害怕會“打擾”AI工作。另外，權(quán)力越大責(zé)任也越大，我真的有些害怕Fellou不小心對我這些個人賬號搞了什么破壞。

正如我在之前那期專欄中總結(jié)的，agent這個詞的重點應(yīng)該是“手腳”，但今天市場上的agent能做好的仍然是信息的獲取和處理，而非真正付諸行動。Fellou未能例外。例如，我嘗試讓Fellou通過微信網(wǎng)頁版向我的一位朋友回復(fù)一句“收到了”，它足足花了十多分鐘，消耗了幾美元，才完成了這個任務(wù)。圍觀agent工作的感受是，現(xiàn)在的agent在閱讀和整理信息時都是超人，但在操作那些為人類設(shè)計的電腦界面時，它們又變回了蹣跚學(xué)步的嬰兒。

因此，結(jié)論也沒有變化：這類AI瀏覽器不適合普通用戶日常使用，但對AI愛好者來說是一個值得探索的玩具。

第二類“AI瀏覽器”以Dia為代表，號稱“為AI時代重新設(shè)計”，但仍然將核心放在了瀏覽上。

Dia最受朋友們歡迎的功能，就是直接針對網(wǎng)頁內(nèi)容問答。在Dia的AI側(cè)邊欄中，用戶能針對當(dāng)前顯示的網(wǎng)頁提問，Dia還支持同時針對多個甚至全部已打開的網(wǎng)頁提問，這在日常做研究時還是蠻方便的。相信大家都給AI聊天機器人發(fā)過網(wǎng)頁鏈接，所以我想應(yīng)該不用再舉例說明這個功能的用處了。

好了，Dia目前最主要的特點，其實用這兩句話就說完了?？赡芎芏嗳丝戳艘院髸耄翰痪褪蔷W(wǎng)頁問答嗎？很多瀏覽器的側(cè)邊欄現(xiàn)在也有這個功能，我為什么要用Dia？這也是我剛開始參與Dia內(nèi)測時產(chǎn)生的疑問。

這也就引出了第三類“AI瀏覽器”：在老牌瀏覽器上直接增加AI功能，比如Chrome、Edge、Safari等推出的更新，瀏覽器擴展也歸為此類。早在2023年2月，ChatGPT發(fā)布未滿百日，微軟就憑借自己和OpenAI的獨家合作關(guān)系，率先在Edge瀏覽器（也是Windows系統(tǒng)的默認(rèn)瀏覽器）的側(cè)邊欄中加入了“Bing Chat”，背后的技術(shù)是當(dāng)時尚未公布的GPT-4。

和它們相比，Dia最直觀的優(yōu)勢是設(shè)計簡潔、優(yōu)雅。一些國內(nèi)的產(chǎn)品選擇了堆砌功能，設(shè)計臃腫，我數(shù)了一下自己電腦上安裝的這些產(chǎn)品，其中最貪心的一家在側(cè)邊欄中一次性塞了50多個按鈕，要在這里面找到“與網(wǎng)頁聊天”的選項一點兒也不容易。而Dia的使用體驗非常簡單直接，整個工具欄除了“前進”“后退”“刷新”，只有一個“聊天”按鈕，打開就可以直接問答。這樣的界面設(shè)計背后實際上也是一種取舍，舍棄了無法提出問題的用戶的體驗。

這兩年中大語言模型本身的進步也讓問答體驗更成熟。整體而言，如果你經(jīng)常需要將網(wǎng)頁鏈接發(fā)給AI，Dia可以讓你的日常使用體驗變得愉悅，經(jīng)過從內(nèi)測到公測的優(yōu)化，目前的Dia已足夠穩(wěn)定，推薦一試。

說到這里，到底“AI瀏覽器”能否成功呢？我對AI樂觀，對“AI瀏覽器”卻不那么樂觀。前面提到過Edge“搶跑”—兩年多過去了，Edge的市場份額增長很小，沒能撼動Chrome的主導(dǎo)地位。

人的習(xí)慣是很難改變的。即使進入移動互聯(lián)網(wǎng)時代、PC互聯(lián)網(wǎng)時代的巨頭，除了門戶網(wǎng)站外，瀏覽器作為一個成熟市場，要讓用戶放棄一個用了數(shù)年的工具，非常困難。

當(dāng)然，非常困難并不意味著做不到。歷史上，瀏覽器市場多次改朝換代。最近的一次就是Chrome的崛起。2008年Google推出Chrome時，瀏覽器市場也已經(jīng)是一個成熟市場，由微軟的Internet Explorer（IE，也是當(dāng)時Windows系統(tǒng)的默認(rèn)瀏覽器）統(tǒng)治。然而Chrome一騎絕塵，在短短的數(shù)年間，就取得了全球瀏覽器市場的統(tǒng)治地位。

究其原因，要讓人們改變習(xí)慣，不僅需要比原來的產(chǎn)品做得更好，而且得是超出數(shù)量級的好，好上10倍，帶來體驗的質(zhì)變。我的手上還有一本2008年Chrome發(fā)布時的宣傳冊—回到2008年，隨著像Gmail、Google Docs等網(wǎng)頁應(yīng)用的逐步流行，越來越多的工作正遷移到瀏覽器中完成，IE的卡頓和崩潰成了家常便飯，十分影響人們的工作。Chrome可以說是徹底解決了這些問題。對當(dāng)時包括我在內(nèi)的需要在瀏覽器中辦公的用戶來說，Chrome就像是“地獄里的一杯冰水”，是體驗的質(zhì)變。

類似的經(jīng)典例子還有很多，比如iPhone取代功能機，都是提供了用戶體驗的質(zhì)變。當(dāng)然，這只是第一步。反觀今天的“AI瀏覽器”，包括Dia在內(nèi)，雖然努力做了很多體驗創(chuàng)新，但還遠(yuǎn)遠(yuǎn)不夠形成質(zhì)變。AI還沒有深度融合到瀏覽器中，沒有真正成為“眼睛和手腳”。例如，既然瀏覽器承載了我在電腦上的大部分信息獲取歷史，我的標(biāo)簽頁、瀏覽記錄、收藏夾其實就是非常自然的“知識庫”，Dia也在測試這方面的功能。Dia也號稱自己是agentic browser，將推出agent功能。

不過，即使Dia能從其中找到帶來“10倍體驗”的亮點，我也看不到什么Chrome無法跟進的理由。就在剛剛過去的5月，Chrome終于在瀏覽器右上角直接增加了一個Gemini按鈕，用戶可以直接和網(wǎng)頁聊天，體驗和Dia相似。

說回來，其實我今天使用的主力瀏覽器依然是Arc。我屬于瀏覽器標(biāo)簽頁泛濫成災(zāi)型用戶，以前用Chrome時一般同時開著上百個標(biāo)簽頁，Arc解決了這個問題。所以，Arc在2022年推出時對我來說也是“地獄里的冰水”，義無反顧地切了過去，這對我來說就是一種“10倍體驗”。當(dāng)然，Arc的操作邏輯和其他瀏覽器完全不同，學(xué)習(xí)成本很高。但另一方面，習(xí)慣了Arc后也很難切換到其他瀏覽器，包括Dia。

因此，這個產(chǎn)品雖然注定小眾，卻擁有許多忠實擁躉。如果能基于這個預(yù)期來設(shè)計商業(yè)模式，一樣可以是一家成功的公司。遺憾的是，這無法承載“瀏覽器公司”的野心，他們?nèi)匀粵Q定另起爐灶。

只是，推廣Dia并沒有那么容易。