伴随着 AI Agent 正逐渐成为应用层的核心产品形态，AI 时代的很多基础设施也在发生变化，之前介绍过的一个核心 针对 AI 而非人类构建的 AI 搜索 就是 这个需求逻辑《 又一 AI 搜索拿了 2200 万美金，但它是给 AI 构建的而非人类 》。 同理，AI Agent 时代可能也需要新的浏览器基础设施。随着 AI 的快速发展，尤其是大型语言模型（LLMs）的兴起，前 Twilio 员工 Paul Klein 意识到 AI Agent 在执行网页任务时对浏览器的需求日益增长，于是决定创建 Browserbase 这个为 AI Agent 量身定制的浏览器平台，很快成为投资人追逐的一个标 的。 仅过去一年时间，Browserbase 就完成了 3 轮融资，总计达到了 2750 万美金 ，投资人包括了 CRV、KP、AI Grant 以及 Okta Ventures 等。与此同时， 根据我了解到的最新消息， Browserbase 已经再次完成了新的 B 轮融资，估值达到了 3 亿美金，由 Notable Capital 领投 。 Browserbase 解决的问题很简单，就是让 AI 能够真正"使用" ...

编译：Xeriano 编辑：Cage 浏览器的使用者正在逐渐从人类用户转移到 AI Agent ，Agent 与互联网环境互动的底层设施也因此 正在变得越来越重要。传统浏览器无法满足 AI Agent 自动化抓取、交互和实时数据处理的需求。 Browserbase 的创始人 Paul Klein 早在 23 年底就敏锐地洞察到 AI Agent 亟需一个全新的交互载体 ——一个"为 AI 而生"的云端浏览器。这个浏览器不仅要解决现有工具的性能和部署问题，更核心的 是要利用 LLM 和 VLM 赋予浏览器理解和适应网页变化的能力，让 AI Agent 能用更接近自然语言的 方式与之交互，稳定地完成任务。 Browserbase 是一家成立一年多的 headless browser 服务提供商，以云服务的形式为 AI Agent 公司提 供 scalable、高可用性的浏览器服务。近期，Browserbase 又推出了 StageHand，一种利用 LLM 使得 开发者可以用自然语言与网页进行交互的框架，进一步拓展了其在 headless browser 领域的影响。 本文基于创始人早期备忘录进行了编译，详细阐述 ...

文章核心观点 随着浏览器使用者从人类用户向 AI Agent 转移，传统浏览器无法满足 AI Agent 需求，Browser for AI 市场快速增长，公司需打造更好的 headless browser 并制定有效市场策略，同时应对风险与竞争，新兴创业公司有颠覆市场的机会 [3][5][25] 目前的浏览器无法满足 AI Agent 需求 - 互联网超 40% 流量来自 bots，AI Agent 也会通过浏览网站执行任务，但开发者构建网络数据自动化解析工具存在问题 [5] - Scraping 不简单，现代网站需模拟完整浏览器环境、实现页面交互自动化、绕过检测机制，且解析数据困难，内置工具难以构建有效 Scraping 流程 [6][8][13] - 现有的 headless browser 不 AI - native，主流的 Puppeteer 和 Playwright 存在开发体验不佳的问题，如 CSS 选择器脆弱、依赖体积大等 [20][23] Browser for AI 市场正在快速增长 - 大型语言模型依靠浏览器获取最新知识，有 RAG 和基于 Plugins/Web Agents 两种技术途径，主流 LLMs 编排框架已集成浏览器自动化功能 [26] - 浏览器对 LLMs 重要性日益明显，Scraping 和浏览器自动化市场可观，相关初创公司受财富 500 强企业关注，多个趋势将推动浏览器自动化工具普及 [27][31][34] 打造一个更好的 headless browser - 现有 headless browser 存在臃肿、部署复杂、集成方案脆弱等问题，开发者需要性能更强、可靠性更高、使用更简便的方案 [35] - 实现下一代浏览器自动化平台有三个关键创新点：打造开源、高度优化的 headless browser；用 AI 赋予浏览器“超能力”；提供全新层次接口，给开发者极致体验 [35][36][37] 如何走向市场 - 开发者工具类产品有效的分发策略包括打造一流产品、通过开源投资社区、建立值得信赖的品牌、教育并赋能开发者，产品卓越是关键 [39] - 开源是好的分发渠道，良好品牌重要，吸引开发者需互动并提供优秀文档和 SDK，自下而上策略可增强口碑传播，公司成功后有向外扩展机会 [39][40] 风险与竞争 风险 - 在已有市场成为默认选择困难，需用全新范式颠覆市场 [43] - 浏览器自动化可能与客户核心产品深度绑定，但外购更合理 [45] - LLMs 推理成本高，但长期可能下降，可将相关功能设为可选模式 [46] - 基础设施产品易商品化，需重新设计定价策略并控制单位成本 [47] - 存在滥用与法律合规风险，但 Scraping 合法且识别滥用变容易 [48] - 大公司可能开发此类产品，但浏览器与 LLMs 结合有复杂性，中小商家场景仍需浏览器自动化 [49][50] 竞争对手 - 浏览器自动化领域有 Browserless、Browse.ai、Induced.ai 等公司 [52][53][54] - Scraping APIs 公司提供 URL 接口返回非结构化数据并提供额外功能 [55] - 信息检索 APIs 公司专注特定信息搜索和检索服务，未来顶尖公司应吸取三类公司优势，最大竞争对手是自建方案的开发者 [56] 总结 - 浏览器自动化长期缺乏投资，AI 应用高度依赖该能力，市场有大量使用场景，为新兴创业公司提供颠覆机会，成功创始人需有相关背景和洞察力 [60]