这个 AI 浏览器让我极度舒适，Dia 劲敌没错了

年初的时候我和朋友聊过，桌面端的浏览器和 AI 编程工具，可能是 AI Agent 落地的两大入口。过去一年，这两个领域的竞争可谓硝烟四起。

今年 AI 浏览器 Dia、Edge、豆包、夸克纷纷入局，Chrome 的地址栏最近也可以通过 @ 直接呼出 Gemini，还有新贵 Comet，目前就 Safari 没啥动静，苹果一手好牌就是敌动我不动，你说奇不奇怪？

每隔一段时间，朋友圈、社交媒体上就会冒出一款 AI 浏览器新品或者新特性，大家轮番体验，热度居高不下。

最近二爷给了我一个 Perplexity Comet 浏览器的邀请码，尝试了一下，和 Dia 的路子不太一样。

Dia 主要是用 chat（包括 write 和 code）结合浏览器里的 tab 内容进行 AI 交互设计，现在又出了 Skills Gallery，开始占据自己的生态位。

Comet 则主打“用自然语言操作浏览器”，除了集成 Perplexity 本身的 AI 搜索和发现、空间等功能，我们使用 Comet 时，直接在那个助手界面里说出需求，浏览器就能自动完成一系列操作。比如你说：

打开小红书网站搜索户外徒步鞋的品牌并进行总结。

它会新开个 tab 打开小红书并且进行搜索和总结，自个把这些事都给你干了。

背后大概率是 MCP+Chrome DevTools Protocol 和 Playwright 等自动化技术的结合。大概流程就是用自然语言驱动大语言模型，大语言模型能认识 MCP 里的方法，而 MCP 背后接的是类似 Playwright 这样的框架，就可以实现自动化调用了，比如：

https://github.com/microsoft/playwright-mcp

实际体验下来，这种玩法确实有些新意——比如我可以通过 Comet 的助手通过自然语言查资料、填写表单、批量处理网页任务，还可以直接发推，这都比传统浏览器省了不少手工操作。

AI 浏览器为什么会成为 AI Agent 的主战场？2023 年 ChatGPT 刚爆发的时候，没人想这和 Web、桌面浏览器有什么关系，那不是上一代的基础设施吗？随着大模型应用的深入，大家开始意识到，大模型的重要场景是创作，而创作的生产力，在电脑上远远大于手机，况且浏览器本身就是信息流通的枢纽，无论是工作、学习还是生活，几乎所有与桌面互联网相关的需求，都绕不开浏览器。

似乎是在突然之间，Web 应用和浏览器就成了香饽饽。大家发现没有，AI Agent 要真正“帮你做事”，大部分场景是在桌面电脑上，这和抖音微信的逻辑是完全不同的。AI Agent 必须能理解你的意图，自动操作界面，把复杂的流程拆解、执行、反馈。浏览器天然具备这样的场景和入口。

就目前这个势头，我估计未来会出现更多的浏览器竞争者，另外，好的 Web App 会更多涌现，因为 Web App 可以充分利用 AI 浏览器的能力。比如墨问正在研发自己的 Web 编辑器和 Web 版墨问，做好之后灵活度会大大超过桌面版小程序，并且墨问从此可以不再单一依赖微信生态，还能充分利用 AI 浏览器的能力，岂不快哉？

不过竞争激烈也带来另一个问题：浏览器功能趋同。大部分 AI 浏览器都在做“智能摘要”、“网页问答”、“自动化脚本”这些事情，用户体验的差距并没有想象中那么大。真正的创新在哪，有杀手锏吗？我不知道，但如果有厂商能把 AI 能力和浏览器的交互方式做更深度的结合，会在这个市场占有一席之地。

新锐 Dia、豆包、Comet 都有机会，Chrome、Edge 和 Safari 还没出大招呢，拭目以待。

回头看 AI 编程工具，之前写过不少相关内容，它们和 AI 浏览器其实是同一条赛道上的两种形态：一个更偏“开发者”，一个更偏“普通用户”。但无论入口如何变化，最终拼的还是对用户需求的理解和落地。AI Agent 的未来，大概率属于那些既能理解场景，又能高效执行的产品吧。

技术的进步总是悄然发生，直到有一天，我们发现自己已经离不开这些新工具。AI 浏览器的这场混战，应该只是序章。