Comet、Dia相继开放！AI浏览器到底在解决我们的什么问题？

推荐语

AI浏览器Comet和Dia开放体验，带你解锁自动化操作、快捷指令和多标签页整合三大实用场景！

核心内容：
1. AI浏览器的三大实用场景：批量自动化、快捷指令创建、多标签页整合
2. AI浏览器诞生的背景与解决的用户痛点
3. AI浏览器对传统浏览器Chrome的挑战与局限

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

之所以和大家聊这个话题，是因为之前一码难求的 Comet 和 Dia 在上周相继开放，现在都可以免费体验了。大家在体验后会更容易 get 到文章中的一些点。

文章分为三个部分：

• AI浏览器的三个实用场景

• AI浏览器为何诞生？

• AI浏览器对Chrome的挑战：有，但还不够大

场景一：批量自动化操作

同理，你还可以让 Comet 帮你筛选并关注符合条件的 X 账号，或帮你批量回复，又或者自动完成报表生成、邮件分发、数据抓取等重复性工作。

不用自己手动操作，也不用去写脚本，更不用调用 MCP 或 RPA，你要做的，就是用自然语言描述你的需求（也告别了大段大段的Prompt撰写）。

场景二：创建快捷指令来执行 routine 属性的任务

• 快捷方式名称：只能包含字母、数字、下划线和连字符。暂不支持中文
• 指令：就是你要让 Comet 做什么，这段指令会直接发送给 Comet
• 高级：包括模式（分为搜索、研究和实验室三种）、模型（御三家的最强模型都可以选择）和来源（分为网页、学术、社交和Finance四种）

  
  

配置完成后，你后续要执行这个任务，就不用在对话框重复输入大段的指令，只需要输入快捷指令，就可以快速执行这类 routine 任务（如下图）。

场景三：多标签页对比、关联、整合等

如果你想要横向比较三家保险公司的产品，比较古早的方法是在传统浏览器中分别访问三个网站，手动记录和比对各项条款，整个过程耗时耗力；稍微新一点的方法，是将这三个网站的链接复制粘贴给你常用的AI工具，然后让它来整合产品信息并对比。

而现在，你只需要在 Comet 中打开这三家产品的产品页，然后在输入框手动@这三个网页，并输入你的指令即可。

我现在就经常用它来对比提供相似解决方案的GitHub项目（如下图，就是在对比markitdown、MinerU 和 marker 的区别），非常舒服。

传统浏览器，如Google Chrome、Mozilla Firefox 和 Apple Safari，它们的设计哲学根植于一个以文档为中心的互联网时代。

它们的核心功能是作为访问和渲染网页的客户端，整个交互模式主要依赖于用户的主动、精确操作，如点击链接、填写表单和手动搜索。然而，随着网络信息量的爆炸式增长和用户需求的日益复杂化，这种传统模式的局限性愈发凸显，比如：

信息检索和整合困难：我们在进行一项复杂任务，如撰写研究报告时，可能会打开数十个甚至上百个标签页，包括学术论文、新闻网站、社交媒体等，这种 “标签页地狱” 让信息检索和整合都变得异常困难，因为我们需要在众多标签中来回切换以寻找所需内容。

手动操作的低效与重复性：传统浏览器需要我们手动执行绝大多数操作，从简单的信息搜索到复杂的多步骤任务，如数据抓取、内容比较和跨平台信息同步。这种高度依赖人工的模式不仅效率低下，而且充满了重复性劳动。我们无法将精力集中在更高层次的思考和决策上。

这些痛点并不是现在才有的，只不过之前一直没法解决，直到 LLM 和 Agent 技术的成熟，为解决这些痛点提供了可能性。

2.2 AI技术成熟带来的机遇

在 Every 的播客采访中，Josh Miller（Dia 创始人之一）坦言现在有底气做 Dia 浏览器，就是因为技术开始变得可行。他说，

“GPT-4o 让 Dia 真正跑了起来。我们刚做 Dia 的时候，我记得很清楚，还专门联系了 OpenAI 的朋友说，你们这个新模型让我们产品真的能落地了。”

Dia 的发展特别像 Cursor，都是一个模型能力的直接提升带来产品能力的迭代。Cursor 成立在 2022 年，最开始也不是做代码编辑器；后面虽然做了代码编辑器，一开始也没火。它真正为大家所知，是 2024 年 7、8 月份，因为 Claude-3.5- Sonnet 发布了。

以 GPT-4o 等为代表的大语言模型，具备了强大的自然语言理解、推理和生成能力。它们能够理解用户模糊、复杂的自然语言指令，而不仅仅是关键词匹配，然后将这些指令，自主地将其分解为一系列可执行的子任务，并调用相应的工具（如浏览器API、外部API）来完成这些任务。

例如，当我下达 “我想阅读有关 GUI Agent 的论文。请帮我找到十篇相关论文，并将它们整理成一份报告进行概述” 的指令时，Fellou 浏览器中的 Agent 就会自动将它分解为在搜索特定论文、筛选符合要求的论文、提取论文信息等多个步骤，并自动执行。这种自主任务规划与执行的能力，使得浏览器能够完成过去需要大量手动操作的复杂工作流。

所以，AI 浏览器的诞生并非偶然，而是传统浏览器在信息时代演进中暴露出的核心痛点与 AI 技术成熟后所带来的必然。

传统浏览器的最终产出是信息，而 AI 浏览器的最终产出是结果。用户不再满足于仅仅找到信息，而是希望浏览器能够直接帮助他们完成目标。

这种范式的转移，要求浏览器具备更强的主动性、智能性和行动能力。于是便有了 AI 浏览器的生长空间。

AI 浏览器对Chrome的挑战：有，但还不够大

虽然 Comet、Dia 等 AI 浏览器吸引不少资本关注和用户尝试。例如 Comet 在 2025 年 5 月月活跃搜索量达 7.8 亿次，环比增速超 20%，但用户主要还是集中在高端订阅市场，整体体量和 Chrome 仍然不具可比性，甚至对比其它主流浏览器也有较远的距离。

而且 Chrome、Edge 等传统浏览器自身也在积极集成 AI 能力，来巩固和扩展市场份额。所以在短时间内，AI Native Browser 对 Chrome 冲击会有，但不大。

尽管 ChatGPT、Perplexity 等 AI 搜索正在侵蚀 Google 的市场份额，但没有任何一方找到替代 Google 搜索作为高质量网络索引的好方法。OpenAI 目前仍然选择抓取 Google 搜索结果。

Google 搜索有着持续统治力。

这让我联想到上个月 Google 搜索的一项策略调整引发的行业震荡。

Google 悄悄移除了 num=100 搜索参数。这意味着我们无法再一次性查看100个结果，“长尾”访问被大幅削减。现在默认的最大值是10。

这之所以重要，是因为大多数 LLMs（OpenAI、Perplexity 等）直接或间接地依赖谷歌索引的结果，以及它们自己的爬虫。

这种调整带来的直接结果就是：

• 根据 Search Engine Land 的数据，88%的网站出现了曝光量下降。

• Reddit，通常排名在 11 至 100 位，它的 LLM 引用量大幅下降，股价更是下跌了 15%。

对于小团队或者独立开发者来说来说，这意味着 AEO（尤其是面向海外的 AEO）会变得更难，自己的产品更难被看见。

所以，无论从AI浏览器，还是AI搜索的角度，目前 Chrome 的地位还很难被撼动。

说实话，在刚开始使用 Comet 和 Dia 之前，我一直不太习惯，后面是强迫自己将部分任务交给它俩后，大概用了一个多月后，我才逐渐体会到 AI 浏览器的部分好处。

不过我目前默认浏览器还是 Chrome。

我在想，我们这批互联网和移动互联网的原住民，可能会因为太习惯 Chrome 浏览器所以有产品依赖和迁移成本。可 AI 时代的原住民呢？他们一开始就是用的 AI 搜索、AI 浏览器，这种影响随着时间推移会越来越明显。Comet、Dia、Fellou 最后不一定会存活，但 AI 浏览器会。

至于 AI 浏览器最后到底是个什么形态，没有人知道，但我觉得 Dia 创始人 Josh Miller 的两段话值得思考，他说，

“我妻子每天花七个小时在「浏览器」里处理应用和文件，它更像是一个计算机或操作系统。从技术角度讲，它是一个计算环境，「浏览器」这个词语易误导人，我们一直觉得奇怪。

…… 其实现在我们还都在努力想给自己做的东西找个合适的名字。但 Hursh 很早就看出来，真正的价值不是浏览器本身，它只是基础设施，真正的价值来自上面你要用它干的事。

就像 iPhone 虽然是手机，但它的强大并不在于打电话，而在于其他能力。那会儿我还觉得这个说法有点玄乎，但后来事实证明他的直觉完全正确。”