编译 | Tina 本周，AI 搜索公司 Perplexity 推出了一款名为 Comet 的网页浏览器。这款浏览器整合了 Perplexity 自家的 AI 搜索工具和智能助手，旨在为用户提供更智能的浏览体验。目前，Comet 仅面向每月支付 200 美元的 Perplexity Max 高级用户开放，后续将逐步通过邀请制向更多用户 推广。 在官方博客中，Perplexity 直言不讳地表示：Comet 的推出，就是要正面挑战市占率高达 66.6% 的 Google Chrome。而这次发布时间点也颇有意味——恰逢传言 OpenAI 即将发布自家 AI 浏览 器，Perplexity 抢先出招，火药味十足。 但 Perplexity 的野心显然不止于此。他们不只是要与 Google 抢用户，更是要复制甚至超越 Google 的模式。 今年 3 月，美国司法部再次向 Google 施压，重申其在 2023 年 11 月提出的要求：强制 Google 出售 Chrome 浏览器，并终止默认搜索引擎绑定协议。Perplexity 随即公开表示，如果法院真的 要求 Google 剥离 Chrome，他们愿意收购该浏 ...

核心观点 - AI编码赛道出现爆发式增长，Bolt_new成为增长最快的软件产品之一，上线5个月ARR达4000万美元，注册用户超300万，月活超100万 [4][13] - Bolt_new通过自然语言交互将软件开发门槛降至零基础，实现"1分钟生成完整应用"的革命性体验，成功切入C端市场 [7][16][20] - 公司背靠母公司StackBlitz的WebContainer技术积累，结合Claude 3_5模型实现性能飞跃，形成技术壁垒 [10][17][19] - AI编程市场规模预计从2023年42_9亿美元增长至2031年244_6亿美元，年复合增长率24_3%，呈现红海竞争格局 [26] 公司发展历程 - 母公司StackBlitz成立于2017年，专注浏览器IDE技术，2021年推出WebContainer产品引发关注，2022年获790万美元种子轮融资 [10] - 2023年底面临倒闭危机，团队仅10余人，资金不足半年，董事会下达最后通牒 [11] - 2024年10月推出Bolt_new产品后爆发式增长：1周用户达历史2倍，4周ARR 400万美元，8周突破2000万美元，5个月达4000万美元 [13] - 融资节奏加快：A轮2200万美元（未披露时间），2025年1月宣布8350万美元B轮融资，最终完成1_055亿美元B轮 [14] 产品与技术 - 核心功能：自然语言输入生成前后端+数据库完整代码，支持可视化编辑、GitHub导出、自定义组件和安全认证 [20][21] - 技术架构：基于Anthropic Claude 3_5模型，性能提升10倍，结合提示词工程和多Agent技术再提升3-4倍 [19][20] - 用户定位：区别于Cursor等专业工具，主攻零基础用户群体，典型案例包括71岁老人建站、销售人员制作医疗网站 [7][16] - 部署优势：完全基于浏览器运行，无需本地环境，实现"Figma式"的云端开发体验 [24] 市场与竞争 - 行业格局：形成Copilot（辅助编程）和Agent（自动编程）两条技术路线，Bolt_new属于后者 [30][33] - 主要竞争对手：Lovable（ARR 7500万美元）、Cursor（估值100亿美元）、Replit（ARR 1亿美元） [27] - 竞争优势：PS值17_5低于行业平均19_1，定位差异化（非技术用户），社区驱动增长模式 [27][37] - 市场风险：面临大厂复制（如GitHub+Copilot组合）、上游模型依赖、代码质量争议等挑战 [43][44] 商业模式 - 定价策略：从免费试用到基于token消耗的分级订阅制，包含个人版和团队版 [38][39] - 收入结构：高峰期日增ARR达50万美元，传统SaaS企业ARR增长率（40%-60%）的8-10倍 [14] - 社区运营：通过黑客马拉松、技术博客、平台联动（Figma/Netlify）实现低成本获客 [40][41] - 国际化潜力：英语产品特性利于拓展东南亚、印度等新兴市场 [45]

AI浏览器行业动态 - AI浏览器行业竞争加剧，从Arc重塑交互到Opera Neon展示代理能力，再到OpenAI传闻中的浏览器，重量级参与者纷纷入场重新定义互联网入口 [1] - Perplexity推出AI Agent原生浏览器Comet，定位为"从浏览到思考"的新型工具，目前仅限每月200美元的Max订阅用户和邀请码用户使用 [1][2] - Comet采用候补名单机制逐步扩大用户范围，尚未在社交媒体引发广泛关注 [1] Comet产品特性 - 核心理念是解决信息"理解"和"运用"难题，通过连接信息孤岛形成统一智能体，界面设计类似智能手机桌面而非传统浏览器 [3][6] - 核心功能Comet Assistant具备情境感知和代理执行两大能力，可跨页面整合信息并执行复杂任务 [7][12] - 支持本地化AI Agent操作，实现批量网页操作、自动化表单等任务，无需依赖云端虚拟环境 [20] - 需要获取用户日程、邮件等敏感权限以实现个性化服务，但承诺数据本地处理保障安全 [19][21] 产品差异化定位 - 浏览器行业出现三大演化路径：工具增强派(Chrome+Gemini)、代理执行派(初级AI助理)、环境重构派(Comet) [23][24] - Comet选择最激进的环境重构路径，旨在将浏览器转变为可深度对话的思考伙伴，重新定义人机信息关系 [25][29] - 基于Chromium开发保证扩展兼容性，同时通过AI实现前台简洁交互与后台智能处理的结合 [29] 市场挑战 - 200美元高额订阅费引发Pro用户不满，被批评为"精英主义"，限制早期用户生态建设 [27] - 面临用户习惯改变难题，Arc浏览器的教训显示过度创新可能导致用户因学习成本过高而放弃 [28] - 需要证明其会话式浏览体验能带来远超传统工具的效率提升，才能说服用户适应新交互方式 [28][30] 行业意义 - Comet代表下一代互联网入口雏形：智能环境+主动执行能力，提出浏览器形态的未来命题 [29][30] - 产品命名寓意彗星，象征Perplexity希望其在市场中快速崛起，但也暗示可能面临短暂生命周期的风险 [31][32]

产品更新 - Opera推出内置翻译功能Opera Translate，支持40多种语言，可自动检测并翻译非用户默认语言的网页[1][2] - 翻译功能由Lingvanex提供AI技术支持，所有数据处理均在Opera自有欧洲服务器完成，确保隐私安全[3] - Opera One分屏功能升级，支持在Tab Islands中使用分屏模式，并可访问工具栏所有功能[4][12] - Opera GX推出浏览器加速更新，新增30多种可定制动画光标，无需第三方工具即可一键应用[5][14] - Tab Islands功能正式上线稳定版，支持自定义命名、颜色标记，并可保存为快速拨号[10][15] 技术特点 - Opera Translate采用AI增强技术实现自然准确的语言处理，确保翻译质量[3] - 自定义光标完全集成于浏览器引擎，即使复杂动画也不会影响性能[14][15] - 分屏模式下工具栏功能保持可用，包括音乐播放器等所有工具[8][12] - 所有光标定制均在浏览器本地执行，避免第三方扩展的安全风险[14] 市场定位 - Opera GX定位为游戏玩家专用浏览器，提供硬件资源管理器和个性化定制功能[17] - 公司计划与游戏工作室合作推出IP主题光标包，进一步强化游戏社区连接[14] - Opera系列浏览器全球用户达数亿，以独特的安全和个性化功能著称[16] 用户体验 - 翻译功能支持单次或永久翻译设置，满足不同场景需求[2] - Tab Islands可直观区分工作、游戏和社交标签，提升多任务管理效率[10] - 动画光标覆盖整个浏览器界面，确保视觉一致性[7][15] - 分屏模式允许在不同Tab Islands中打开多个实例，增强多任务处理能力[12]

Agent Infra市场机会 - Agent Infra被视为下一个投资热点 未来Agent数量将达到SaaS的几千倍[1][2] - 现有互联网基础设施不适合AI使用 需要为Agent重构[2] - Agent Infra市场规模巨大 类比AWS级别的机会[17] - 互联网上40%流量来自机器人 但大模型流量仅占0.1% 未来可能有10万倍增长空间[23][56] Agent与人类差异 - 交互方式：Agent通过文本和多模态后端交互 人类依赖前端界面[5] - 学习方式：Agent可同时执行任务和学习 人类无法并行[5] - 工作模式：Agent多线程并行 人类单线程按流程执行[6][7] - 责任界定：人类可负责自身行为 Agent需要安全边界[8][10] - 执行状态：Agent需保持多任务状态 人类天然不需要[8] Agent浏览器特性 - 云端化运行 持续工作不需休息[24] - 无前端界面 直接后端交互[25] - 设计反馈循环 支持自主迭代[26] - 安全机制：本地处理账号密码 不泄露给大模型[28][29] - 支持多线程任务连续性 避免资源浪费[31] Agent Infra技术架构 - 三层架构：Runtime层(浏览器内核) Agentic层(交互控制) Knowledge层(领域knowhow)[32] - Runtime层解决网页拉取和渲染 Agentic层控制AI与网页交互[33] - 必须同时构建Runtime和Agentic层才能实现完整功能[35] - Browserbase估值3亿美元 专注Runtime层[22][34] Agent Infra细分领域 - 主要环境：Coding环境(逻辑执行) Browser环境(网页交互)[37] - 工具类：身份认证 支付能力 通讯工具等可重做[38] - 场景切入：旅游Agent需CRM 搜索 支付等工具[40] - 数学环境：公式执行器 定理检索等工具[42] - 物理环境：传感器 具身智能 空间智能等[38] 市场发展阶段 - 类比22年AI Coding 当前Browser Use处于早期[44] - 全球软件开发市值3-4万亿美元 AI Coding仅100亿 增长空间大[47] - 互联网活动通过AI提升5%效率将创造巨大市场[48] - 差异化关键：深耕细分场景 抢占99.9%未开发市场[56] Agent产品设计核心 - 反馈循环设计比上下文或数据更重要[50] - 人类知识可能非必要 Agent可通过强化学习自主迭代[51][52] - AlphaProof案例：仅用+1/-1奖励机制 不参考人类解法即获奥数银牌[52] - 未来范式：Agent通过环境体验获取真实反馈 自主进化[53]

Agent Infra赛道机会 - Agent赛道热度持续数月 大量不同方向项目已获融资 行业关注下一波机会方向 [1] - Agent Infra被视为新兴机会领域 包含重构基础设施的潜力 [1] - 硅谷热门项目E2B和Browserbase引发行业关注 代表Agent专用工具的创新方向 [1] 行业活动核心议题 - 活动将探讨从人类产品向Agent产品的转型路径 分析基础设施重构机会点 [2] - 重点讨论Agent专用浏览器的必要性 分享Browser应用实践方法论 [2] - 涉及Agent长期记忆技术解决方案的最新进展 覆盖基础设施层关键技术突破 [2] 行业参与者特征 - 活动聚焦一线创业者实战经验 包括Grasp浏览器创始人等实践者深度分享 [1][2] - 采用50人小型私密交流形式 优先筛选与Agent Infra领域匹配度高的参与者 [2]

Agent赛道热度与机会 - Agent赛道热度持续数月 多个方向项目已获融资 行业关注下一波机会 [1] - Agent Infra被视为新兴机会 涉及基础设施层创新 [1] - 硅谷热门项目E2B和Browserbase引发行业讨论 [1] Agent Infra发展路径 - 产品设计从"面向人类"向"面向Agent"演化 需重构交互逻辑 [2] - Agent专属浏览器成为关键基础设施 需解决差异化需求 [2] - 行业探索长期记忆解决方案 技术进展受关注 [2] 行业实践动态 - Grasp创始人提出Agent Infra方法论 强调实践观察 [1][2] - 线下活动聚焦一线创业者经验 覆盖浏览器实践等主题 [2] - 行业交流趋向垂直化 限定非投资领域从业者参与 [2]

核心观点 - Fellou 2.0版本在任务执行速度、任务多样性和成功率上实现显著提升，任务成功率从31%提升至80%[3][14][31] - 公司以打造类Jarvis的通用智能体为目标，通过Agentic Browser架构实现自动化任务处理，覆盖跨应用生产力、创意设计、监控等多样化场景[8][23][28] - 开源基础设施Eko 2.0是关键突破，支持多Agent协作和DOM状态监听，推动任务成功率提升至行业领先水平[34][35] 产品升级 Agentic Browser架构 - 首创Browser + Workflow + Agent架构，支持自动拆解复杂任务，如市场调研、3D设计、跨平台营销等[8] - 实现多任务并行处理能力（Alpha阶段），例如同时生成网站和账单分析，速度较竞品快1.2-1.5倍[13][20][21] 性能提升 - 任务执行速度优化：生成3D场景耗时1分20秒（竞品4分30秒），摩斯密码转换耗时1分30秒（竞品2分30秒）[15][16] - 成功率提升至80%（原31%），覆盖生产级场景如跨境电商谈价、社媒运营闭环[14][29][31] 多样化交付 - 支持文本、音频、视频、PPT等12类交付物，例如智能家居音效设计（含16种波形音频文件）和城市Logo生成[24][26] - 超长上下文管理支持无限步长监听任务，如Gmail自动回复、Slack消息监控[27][28] 技术突破 - Eko 2.0开源框架提供Multi Agent协作和Workflow规划能力，在Online-Mind2web基准测试中达到SOTA表现[34][35] - 新增DOM状态变化监听和Loop Tasks管理功能，强化GUI Agent的稳定性[35] 未来规划 - 即将推出Windows版本并取消邀请码机制，加速用户覆盖[36] - 优化交互体验：增强多轮对话记忆、浏览器性能及迁移工具等配套功能[36] - 模型智能持续升级，扩展交付物类型和任务覆盖范围[36]

01 Manus背后"黑科技"Browser Use的核心功能 - Browser Use专为解决AI agents操作浏览器的痛点设计 支持自动化操作浏览器 包括点击菜单和填写表格等任务 [2] - 基于MIT开源许可 完全免费且高度灵活 用户可自由接入任何模型 支持自定义和并行任务运行 [2][3] - 核心功能包括视觉+HTML信息提取 多重标签管理 要素追踪 自定义操作 自我纠正和LLM兼容性 [4] - 在WebVoyager基准测试中取得89 1%成功率 在Huggingface等网站自动化任务成功率高达100% [8][10][11] 02 市场前景与行业数据 - AI agents市场规模预计从2024年51亿美元增长至2030年471亿美元 年复合增长率显著 [3] - 德勤预测到2027年50%公司将部署Agents辅助业务 Browser Use创始人预计2025年底网页上agents数量或超人类 [3] - GitHub上获60k star 15 000名开发者活跃使用 是增长最快的开源AI项目之一 [3][7] 03 创始团队与公司发展历程 - 两位创始人Magnus Müller和Gregor Zunic来自苏黎世联邦理工学院 数据科学硕士期间相识 [3][14] - 原型在学院加速器中开发 最初MVP仅用4天完成 上线后迅速登顶Hacker News [14] - 2025年3月获1700万美元种子轮融资 由Felicis Ventures领投 Y Combinator等跟投 [3][23] - Y Combinator冬季批次中20多家公司已采用Browser Use满足需求 [14][23] 04 技术优势与差异化 - 通过提取HTML和页面元素简化交互 相比视觉识别系统可确定性重复执行任务 成本更低 [23] - 支持多步骤任务和持久会话 网页布局变化时可智能纠错 提升可靠性及效率 [23] - 原生集成Laminar平台实现操作流程透明追踪 支持敏感数据回避机制保障安全 [12] 05 应用场景与性能表现 - 覆盖登录自动化 数据提取 QA测试 CRM集成等多层次任务 [3][7] - 在Google Docs编写文档 查找航班 投递简历等生活场景中表现优异 [10] - 主流网站平均成功率超90% 如Google Flights(95%) Amazon(92%) GitHub(92%) [11]

Agent定义与核心特征 - Agent是基于环境反馈使用工具的程序 采用Anthropic的定义[2] - 核心三要素包括状态(Context)、行动(Tool Use)、激励信号(RL反馈机制)[32][33] - 与RL强关联 需理解强化学习才能设计优质Agent产品[31] Agent技术演进 - 2023年4月AutoGPT为代表的早期Agent更像玩具 实际应用价值有限[4] - 当前Agent已能在工作生活场景中真正解决问题 实现价值跃迁[5] - 进步源于：1)底层模型能力提升(如RL结合、长思维) 2)工程产品突破(Context构建)[6][7] Context工程创新 - Context是大模型执行任务所需信息总和 不同产品Context构成不同[8] - 相比传统RAG Agent能自动化提炼Context 减少人工干预[10][11] - 优质Context需包含用户历史行为路径 如APP打开瞬间即提供海量意图线索[48][49] Tool Use技术方案 - Function Call/MCP/A2A属于代码驱动派 Computer Use/Browser Use属于视觉模拟派[13] - MCP核心价值在于统一Tool Use标准 降低工具调用门槛[12] - Browser Use存在纯视觉方案(如已倒闭的Adept)和API包装方案 后者更成熟稳定[15] 产品设计方法论 - Chat是最佳交互入口 保障用户自由度优于追求准确度[41] - 需解决双重信任问题：开发者信任模型能力 用户信任执行过程[52][54] - 垂直领域Agent将长期主导 通用Agent面临收敛困难[25][46] 行业竞争格局 - 当前Agent可分为：1)Coding Agent(交付代码) 2)调研Agent(交付报告) 3)表格Agent(定量分析)[61][64] - Sheet0实现100%准确率 核心在于模块化工具复用与AI Coding验证[57][67] - AI Coding与Agent存在协同效应 但直接编码执行任务成本过高[29][30] 发展关键变量 - 模型能力突破与Context工程进步是两大核心驱动因素[69][70] - 需构建完整评估体系(激励信号) 确保系统可收敛[35][71] - 产品需平衡通用性与准确性 不同场景选择不同技术路径[59][60]