第三次浏览器战争：AI Agent时代入口之争

第三次浏览器战争正在悄然展开。回顾历史，从上世纪90年代的Netscape、微软的IE，再到开源精神的Firefox与谷歌的Chrome，浏览器之争始终是平台控制权与技术范式变迁的核心体现。Chrome凭借更新速度与生态联动夺得霸主地位，而谷歌通过搜索与浏览器的双寡头结构，形成了信息入口的闭环。 但今天，这一格局正在动摇。大型语言模型（LLM）的崛起，使得越来越多用户在搜索结果页实现“零点击”操作，传统的网页点击行为持续减少。同时，苹果有意在Safari中替换默认搜索引擎的传闻，进一步威胁阿尔法贝塔（Google母公司）的利润根基，市场已开始显露出对“搜索正统”的不安。 浏览器本身也正面临角色重塑。它不仅是展示网页的工具，更是数据输入、用户行为、隐私身份等多种能力的集合容器。尽管AI Agent强大，但在完成复杂页面交互、调用本地身份数据、控制网页元素时，仍需依赖浏览器的信任边界与功能沙盒。浏览器正在从人类界面，转变为Agent的系统调用平台。 在本文中，我们探讨了浏览器是否还有存在的必要。我们认为，真正可能打破当前浏览器市场格局的，并非另一个“更好的Chrome”，而是一种新的交互结构——不是信息的展示，而是任务的调用。未来浏览器要为AI Agent设计，不仅能读，还能写和执行。 像Browser Use这样的项目正尝试将页面结构语义化，把可视化界面转化为LLM可调用的结构化文本，实现页面到指令的映射，极大降低交互成本。市面上主流项目已开始试水：Perplexity构建原生浏览器Comet，用AI代替传统搜索结果；Brave结合隐私保护与本地推理，增强搜索与屏蔽功能；而Donut等Crypto原生项目，则瞄准AI与链上资产交互的新入口。这些项目共同特征是：试图重构浏览器的输入端，而非美化其输出层。 对创业者而言，机遇藏在输入、结构与代理的三角关系中。浏览器作为未来Agent调用世界的接口，意味着谁能提供可结构化、可调用、可信任的“能力块”，谁就能成为新一代平台的组成部分。从SEO到AEO（Agent Engine Optimization），从页面流量到任务链调用，产品形态与设计思维都在重构。第三次浏览器战争，发生在“输入”而非“展示”；决定胜负的，不再是谁抓住用户的眼球，而是谁赢得了Agent的信任，获得调用的入口。 浏览器发展简史：在上世纪90年代初，Netscape Navigator横空出世，开启了大众互联网时代。然而微软迅速将其捆绑进Windows系统，凭借分发优势迅速取代其地位。在困境中，原工程师选择开源，催生了Firefox，标志着开源精神的胜利。与此同时，Opera与Safari也相继登场，虽未撼动主流，但技术先行。 2008年，谷歌发布Chrome，基于Chromium与WebKit打造，凭借每六周一次的快速迭代节奏与全平台统一体验，迅速崛起。2011年，Chrome首次超越Firefox；六个月后反超IE，完成从挑战者到主宰者的转变。进入2020年代，Chrome全球市场份额稳定在约65%。 值得注意的是，谷歌搜索与Chrome虽同属Alphabet，但已是两个独立霸权体系。为守住双重垄断，谷歌2022年向苹果支付约200亿美元，以确保Google在Safari中保持默认搜索地位。这笔支出相当于其从Safari流量中获取收入的36%，堪称护城河的“保护费”。 但风向又一次变化。2024年，谷歌搜索市场份额从93%跌至89%，裂痕初现。更具颠覆性的，是关于苹果或将推出自有AI搜索引擎的传闻——若Safari默认搜索改投自家阵营，不仅将改写生态格局，更可能撼动谷歌的利润支柱。市场反应迅速，阿尔法贝塔股价从170美元应声下跌至140美元，反映的不仅是投资者的恐慌，更是对搜索时代未来走向的深度不安。 为什么AI会重塑浏览器？首先需要明确：浏览器这一形态为何仍然存在？是否存在第三种选择？我们认为，存在即无法替代。因为浏览器是通用平台，不仅是读取数据的入口，更是输入数据的通用入口。世界不可能只有信息输入，还必须产生数据并与网站进行交互，因此整合个性化用户信息的浏览器仍将广泛存在。 浏览器是个性化内容的存储场所：多数大型模型托管在云端，会话上下文依赖服务器保存，难以直接调用本机密码、钱包、Cookie等敏感数据；将全部浏览和支付数据送往第三方模型，需重新获得用户授权；欧盟《DMA》与美国州级隐私法均要求数据最小化出境；自动填写验证码、调用摄像头或利用GPU进行WebGPU推理，都必须在浏览器沙盒内完成；数据上下文高度依赖浏览器，包括标签页、Cookie、IndexedDB、Service Worker Cache、Passkey凭据以及扩展数据，都沉淀在浏览器中。 交互形式的深刻变革：过去人们通过输入关键字完成交互——这是浏览器能理解的极限。而现在，用户越来越倾向于使用一整段自然语言描述复杂任务，如“寻找纽约到洛杉矶某个时间段的直飞机票”或“寻找纽约飞上海然后到洛杉矶的机票”。这些行为即使对人类来说也需要耗费大量时间访问多个网站、收集与比较数据。但这些Agentic Tasks（代理任务）正在逐步被AI Agent接管。 这也符合历史演进方向：自动化与智能化。人们渴望解放双手，AI Agent必将深度嵌入浏览器。未来的浏览器必须为全自动化而设计，尤其要考虑：如何兼顾人类阅读体验与AI Agent可解析性，如何在同一个页面上既服务于用户，也服务于代理模型。只有满足这两者的设计，浏览器才能真正成为AI Agent执行任务的稳定载体。 接下来聚焦五个备受关注的项目：Browser Use、Arc（The Browser Company）、Perplexity、Brave及Donut。它们分别代表了AI浏览器的未来演进方向及其在Web3和Crypto场景中的原生结合潜力。 Browser Use构建了一个真正的语义层，其核心在于为下一代浏览器构建语义识别架构。它把传统「DOM＝给人看的节点树」重新解码成「语义DOM＝给LLM看的指令树」，让代理无需“看片点坐标”就能精准点击、填写与上传。这条路线以“结构化文本→函数调用”取代视觉OCR或坐标Selenium，执行更快、token更省、出错更少。TechCrunch称其为“让AI真正读懂网页的胶水层”，3月完成的1700万美元种子轮正是押注这一底层革新。 HTML渲染后形成标准DOM树；浏览器再派生一棵accessibility tree，为屏幕阅读器提供更丰富的“角色”与“状态”标签。将每个可交互元素抽象为带角色、可见性、坐标、可执行动作等元数据的JSON片段；将整棵页面转译成扁平化“语义节点清单”，供LLM一次性读取；接收LLM输出的高层指令（如click(node_)），回放到真浏览器。官方博客称此过程为“把网站接口变成LLM可解析的structured text”。一旦这套标准被引入W3C，将极大解决浏览器输入问题。 Arc团队在其公开信中表示，ARC浏览器将进入常规维护阶段，团队重心将转向完全面向AI的浏览器DIA。他们预测：网页不会成为主要界面，传统浏览器是为加载网页而建，但越来越多的应用、文章与文件将变为工具调用，由AI聊天界面完成。然而，这一观点显著低估了浏览器的作用。大模型在意图捕捉方面优异，但在信息密度承载能力上仍显不足。当用户需要仪表盘、彭博终端风格记事本或类似Figma的可视化画布时，像素级精度排列的专用网页更具优势。每款产品量身定制的人体工程学设计——图表、拖放功能、热键——并非装饰性浮渣，而是压缩认知的可供性。这些能力是简单对话式交互无法承载的。 因此，真正能够撼动市占率高达66%的Chrome的，注定不会是“下一个Chrome”。要实现颠覆，必须对浏览器的渲染模式进行根本性重塑，使其适配智能时代AI Agent主导下的交互需求，尤其是在输入侧的架构设计上。正因如此，我们更认可Browser Use所采取的技术路径——其关注点在于浏览器底层机制的结构性变革。任何系统一旦实现“原子化”或“模块化”，其衍生出的可编程性与组合性将带来极具破坏力的颠覆潜力。 Perplexity是其推荐系统著称的AI搜索引擎，最新估值达140亿美元，较2024年6月增长近5倍。月均处理搜索查询量超4亿次，2024年9月处理约2.5亿次，同比增长8倍，月活跃用户超3000万。其主要特点为实时总结页面，在获取即时信息方面具优势。今年初，其开始构建原生浏览器Comet，宣称将深度嵌入答案引擎，实现“显示”与“思考”一体化，采用乔布斯式的“整机”思路，将AI任务深埋浏览器底层。 但其仍需解决高搜索成本与边际用户低利润率问题。尽管在AI搜索领域领先，谷歌在2025年I/O大会上宣布对其核心产品进行大规模智能化重塑，推出名为“Project Mariner”的新浏览器标签页体验，集成Overview、Deep Research及未来Agentic功能。因此，仅靠表层功能模仿难以构成根本性威胁。真正可能建立新秩序的，将是底层重构浏览器架构、将大语言模型深度嵌入内核、实现交互方式根本性变革的项目。 Brave是Crypto行业最早期也是最成功的浏览器，基于Chromium架构，兼容Google Store插件。其依靠隐私保护与浏览赚取Tokens的模式吸引用户。截至2025年2月，月活达8270万，日活3560万，市场份额约1%-1.5%。用户规模持续增长，年均复合增长率维持两位数。但其隐私特性需求集中于特定群体，对大众而言尚未成为主流决策因素，因此难以颠覆巨头。其AI助手Leo更像外挂插件，缺乏全面转向AI Agent的明确战略，交互层面革新仍显不足。 Donut是近期Crypto领域在Agentic Browser方向的进展项目，Pre-seed轮融资700万美元，由红杉中国、HackVC与Bitkraft Ventures领投。项目愿景在于实现“探索—决策—加密原生执行”一体化能力。其核心在于结合加密原生的自动化执行路径。正如a16z所预言，未来Agent有望取代搜索引擎成为主要流量入口，创业者将不再围绕Google排序算法竞争，而是争夺由Agent执行带来的访问与转化流量。业界已将这一趋势称为“AEO”（Answer/Agent Engine Optimization）或“ATF”（Agentic Task Fulfilment）——不再优化搜索排名，而是直接服务于能替用户完成下单、订票、写信等任务的智能模型。 给创业者的启示：首先必须承认，浏览器仍是互联网世界最大的未被重构的“总入口”。全球桌面用户约21亿，移动端超43亿，它是数据输入、交互行为、个性化指纹存储的共同载体。这个形态之所以存续，不是因为惯性，而是因为浏览器天然具备双向属性：既是数据“读入口”，也是行为“写出口”。 因此，真正具备颠覆潜力的并非“页面输出”层面的优化。即便能在新标签页中实现类似Google的AI概览功能，本质上仍属于浏览器插件层的迭代，尚未构成范式根本性变革。真正的突破口在于“输入侧”——即如何使AI Agent主动调用你的产品，以完成具体任务。这将成为未来产品能否嵌入Agent生态、获得流量与价值分配的关键。 搜索时代拼“点击”；代理时代拼“调用”。如果你是一名创业者，不妨把产品重新想象成一颗API组件——让智能体不仅能“读懂”它，更能“调用”它。这就要求你在产品设计一开始就考虑三个维度： 一、接口结构标准化：你的产品是“可调用”的吗？信息结构能否标准化并抽象为明确schema？注册、下单按钮、评论提交等关键操作是否可通过语义化DOM结构或JSON映射描述？是否提供状态机使Agent能稳定复现用户行为流程？是否支持脚本化还原？是否有稳定访问的WebHook或API Endpoint？ 二、身份与通行：你能帮Agent“越过信任障壁”吗？代理要完成交易、调用支付或资产，需要可信中间层。浏览器天然可读取本地存储、调用钱包、识别验证码、接入双因子验证，这正是它比云端大模型更适合做执行的原因。在Web3场景中尤其如此：调用链上资产接口标准不统一，代理若无“身份”或“签名能力”，将寸步难行。 三、流量机制再理解：未来不是SEO，是AEO/ATF。过去你要争取Google算法青睐；现在你要被AI Agent嵌入任务链。这意味着产品要有清晰任务颗粒度：不是一个“页面”，而是一串“可调用能力单元”；要开始做Agent优化（AEO）或任务调度适配（ATF）：注册流程是否可简化为结构化步骤？定价是否可接口拉取？库存是否实时可查？甚至要适配不同LLM框架下的调用语法——OpenAI与Claude对函数调用偏好不一致。 Chrome是通往旧世界的终端，而不是通往新世界的入口。真正有未来的创业项目，不是再造一个浏览器，而是让现有浏览器为Agent服务，为新一代的“指令流”建立桥梁。你要构建的，是Agent调用你世界的“接口语法”；你要争取的，是成为智能体信任链中的一个环节；你要搭建的，是下一个搜索模式里的“API城堡”。如果说Web2是靠UI抓住用户的注意力，那Web3 AI Agent时代，就是靠调用链抓住Agent的执行意图。