今年6月，The Browser Company向Arc用户开放了浏览器Dia的Beta测试。上个月，Perplexity新推出了自己的AI原生浏览器Comet，随后OpenAI也宣布计划在未来几周发布浏览器。而就在这周，Perplexity更是向Google母公司Alphabet提出以345亿美元收购Chrome的邀约，这一出价甚至超过了Perplexity自身最新200亿美元的目标估值。

在AI时代，浏览器到底能带来怎样的变革？为什么Perplexity、OpenAI都争相布局这一赛道？

本文梳理了Perplexity CEO Aravind Srinivas对AI浏览器市场的最新观点，并整理了a16z对Comet与Dia等产品的测评：

Comet作为AI原生浏览器，解决了传统浏览器标签页过多、信息碎片化干扰用户思路，以及用户想法与行动脱节等问题，将人与AI的交互核心从对话转向完整工作流的执行；

当前的AI本质上仍是工具，人们仍然使用传统的操作方式在不同的AI工具间切换、复制粘贴，而浏览器是AI真正成为私人助理的必要平台；

Perplexity当前最关注的核心指标是Comet浏览器的用户留存率，Aravind认为如果AI的盈利仍依赖通过关键词投放广告，那Google将依靠自身几乎垄断的广告网络，始终占据优势；

Aravind认为，相比传统浏览器，AI浏览器的根本优势在于，用户数据是严格被保留在本地的，AI浏览器可以按需使用用户数据来提供个性化服务；

a16z测评后认为，Comet真正发挥出了AI agent的作用，而Dia更像是ChatGPT的替代品；

当前的AI普遍缺乏主动性，难以真正接管用户的工作流，而实现AI主动性的关键在于Memory。

……

一、Comet是什么？

1. Comet是Perplexity推出的AI原生浏览器

Comet是一个由Perplexity推出的AI原生浏览器，其把模型智能和浏览器结合，AI既被嵌入了搜索框，又可以作为assistant常驻在侧边栏，这解决了传统浏览器标签页过多、信息碎片化干扰用户思路，以及用户想法与行动脱节等问题，让用户的互联网浏览可以变得更像一场流畅的对话。

其中，AI assistant是Comet的核心。用户在浏览网页时，可以随时召唤Comet的assistant来理解当前屏幕的context，帮助填写信息或解答问题。同时，用户还能在标签页中让它去做复杂任务，比如用户可以要求：“帮我找到在某公司工作、拥有5年经验、毕业于斯坦福的工程师，将这些工程师的信息整理成表格并邮件发送给Hassan。”Comet会尝试自主完成这一系列操作。如果遇到困难，它会提示用户介入来完成任务。

Comet的目标是成为用户在数字生活中的智能助手。Perplexity希望Comet获取信息的速度能够像人类思考一样自然且无延迟，只有这样，才能让AI真正无缝融入用户的数字生活中。

目前，Perplexity Max的订阅用户已经可以使用Comet。此外，Comet的waiting list上仍有超过50万人，invite-only的访问权限会在今年夏天逐步向waiting list上的用户推送。Perplexity计划先服务好早期用户，之后再将Comet全量推向市场。

Comet是Perplexity推出的AI原生浏览器

在模型上，Comet使用OpenAI、Anthropic以及Perplexity自身基于DeepSeek模型训练的自研模型，用户可以直接在Comet中调用ChatGPT等外部AI工具。为了确保模型在真实场景中的表现，Perplexity采用了一套严谨的模型选择与优化流程：

（1）模型选择：基于真实场景的PPLX Bench基准

Perplexity内部维护着一个不断扩展的基准测试集PPLX Bench，这个测试集收集了大量来自X、Discord、Reddit等产品真实用户反馈的prompt和典型用例。新模型必须在这个基准上表现优异，才会被Perplexity考虑集成到Comet中。相比仅依赖学术基准，这种基于真实用户数据的评估方式更能反映实际产品需求，也更难被模型厂商针对性地优化或过拟合。

（2）模型训练：深度优化以适应产品需求

对于自研模型，Perplexity采用了一套高度定制化的post-training流程，关键在于动态构建训练数据。Perplexity会从PPLX Bench评测和线上实际服务中，挑选出当前模型表现不佳的prompt，并与保持模型通用能力所需的prompt结合，组成训练集。

随后，通过监督微调和基于人类反馈的强化学习对模型进行深度优化，其中，在RLHF阶段使用的是DeepSeek设计的GRPO算法。整个流程的目的是希望能够显著提升模型在处理对Perplexity产品体验至关重要的特定类型查询上的表现，使Perplexity能更契合实际应用场景。

2. Perplexity最关注Comet的用户留存率

尽管OpenAI在Comet发布当天也宣布将开发AI浏览器，但Aravind认为，Perplexity的决策核心始终专注于自身的服务能力和基础设施需求，而非竞争对手的动作。Comet是Perplexity在七个月前就启动的长期项目，Perplexity会在接下来几个月内大幅扩展用户规模。

2025年7月，OpenAI宣布计划将在未来几周内发布浏览器。与Comet、Dia类似，OpenAI的浏览器将利用AI重新思考用户浏览网页的方式，而且会将部分用户交互保留在ChatGPT内部。此外，这个浏览器还可能会与Operator集成。

OpenAI宣布即将发布AI浏览器

Perplexity当前最关注的核心指标是Comet浏览器的用户留存率，并希望大多数用户能将Comet设为默认浏览器。Perplexity认为，由于Comet默认使用Perplexity引擎，一旦达成这一目标，自然搜索和agent查询的日请求量将显著提升，未来可能需要重建搜索infra来支撑更大的用户规模。

3. 用户将为能完成任务的Agent付费

Comet的每次agent查询都包含大量子查询和多次模型调用，计算资源消耗极高，因此很难长期保持完全免费。为覆盖更广泛的用户群体，Perplexity正在设计分层收费的商业模式：

免费计划：面向只需基础功能、将Comet作为简单浏览器替代的普通用户，提供非AI功能以及本地运行的基础AI能力，例如网页摘要等。

付费计划：适用于高生产力和高价值场景，例如访问并深度处理个人私有数据或执行复杂分析等agent任务。

Perplexity对广告驱动的商业模式兴趣不大。Perplexity认为，如果AI产品的收入仍依赖通过关键词广告，那Google依靠自身几乎垄断的广告网络，将始终占据优势。

目前，Perplexity正在尝试一种新模式：用户可以像雇佣高效员工一样，为完成任务的agent付费。这种模式的吸引力在于省时、高效、能带来实际价值，这也是用户对Perplexity和Comet感兴趣的原因。用户能明显感受到自己花的钱是值得的。

比如，有用户反馈说：“Comet用5分钟完成了我原本需要2～3小时才能完成的工作，还帮我省了200美元。”这些反馈说明用户更愿意为能省时间、创造明确价值的服务付费，而不是忍受广告。从经济角度看，用户付的月订阅费，比自己花时间完成同样任务的成本低得多。

二、Comet的目标是Agent OS

1. Comet可以执行完整工作流

Aravind认为，如果用户想真正用好Comet这款产品，仍然需要大量时间来适应和学习，最重要的就是要理解人与AI交互方式的转变：用户只需向AI下达任务指令，然后就可以等待AI执行完毕并交付结果。这与人们熟悉的、要求聊天机器人即时响应的交互方式有明显差异。

这种交互方式表明，Comet已经将人与AI的交互核心从对话转向完整执行工作流，因此Comet有机会成为一个真正的AI操作系统，真正做到理解用户、控制浏览器标签、访问API与工具、依据用户意图智能决策，并可靠执行任务：

在生活中，用户可以用Comet来控制家庭设备，追踪物流包裹，批量清理邮件订阅，创建个性化新闻或股票工作流，根据天气自动调节灯光等；

在企业场景中，Comet可以用来在Facebook Marketplace比价、确定商品定价、撰写社交媒体品牌调研文案等。

2. 用户痛点在于，当前的AI只是工具

Aravind认为，过去30年里，浏览器已经从单纯的“浏览”和“搜索”工具，发展为人们生活、工作的重要平台。但自2008年Chrome推出以来，虽然浏览器在速度、内存等性能方面有所提升，并引入了每个标签页能作为独立进程运行的机制，但核心功能并没有出现根本性的创新，用户仍需投入大量时间来处理日常事务，比如需要逐个访问网站、手动点击链接、跨网站复制粘贴等。

如今，人们仍然需要在不同的AI工具间切换、复制粘贴，因为当前的AI本质上仍是工具。如果我们想要推动AI向更高层级进化，就需要有一种更高效的AI交互方式，来实现工作流自动化。即使未来出现AGI级别的模型，这种高效的AI交互方式仍然是必要的，因为这意味着AI能随时访问用户的完整context，代表用户执行操作，并将工作成果与活动记录存储在服务器上。

而浏览器恰好提供了一个理想的平台。因为许多日常工作流程恰好是在浏览器中进行的，这促使Perplexity思考：如果从零重新设计浏览器，让它突破传统形态，变成一个能承载用户所有思考与工作的、如同瑞士军刀般多功能的“认知操作系统”，会是怎样的体验？而Comet正是在这样的背景下诞生的。

3. 浏览器是个性化Agent的OS

Aravind认为，如果脱离浏览器环境，要构建真正实用的agent是非常困难的，因为agent必须以后台无界面模式运行，或者以带前端界面的有界面模式存在。

在浏览器自动化领域，无界面模式指的是agent在后台运行而不显示界面，有界面模式则包含可见的浏览器窗口。

在AI对用户进行实时、直接辅助的场景中，有界面模式具有显著优势：它可以无缝融入用户现有工作流，直接利用用户已登录的浏览器进行操作，避免了繁琐的重新认证或模拟登录。同时，浏览器本身经过长期验证，具有被大众广泛理解的安全机制和开源特性，这也提供了可靠、透明的安全保障。

而且，这种方式的最大优势在于零学习成本。浏览器本就是用户上网的核心入口和默认工作环境，而有界面模式无需用户适应全新的“AI浏览器”概念或界面，用户依然可以使用熟悉的前端体验，只是这个工具变得更智能了，能在用户最习惯的环境里悄然提升浏览与操作效率，实现的是智能增强，而非对现有体验的颠覆。

比如Aravind表示，在浏览器中，如果用户想让AI代发Slack消息，无需配置本地MCP客户端或远程服务器，也不用费力打开桌面应用。只要在已登录的浏览器标签页中打开Slack，AI就能直接读取未读消息并生成摘要，按指令回复特定人员，或简单地将用户状态标记为离线。对于更复杂的任务，比如有人在线报告bug或反馈产品问题，用户想分派给合适人员并创建Linear工单，agent也同样能够处理。

因此，AI成为每个人真正的私人助理这一愿景，只有依托浏览器平台才能实现。

在理想的情况下，用户可以通过移动浏览器的语音模式召唤agent，在用户口述指令后，agent就可以自动完成任务。但前提是agent必须能够可靠工作，这依赖两大关键组件：

（1）有强大的模型作为可靠的推理引擎；

（2）有高效的编排，模型可以结合context与可用工具，来接管工作、代表用户行动、在需要时澄清问题并最终执行任务。

其中，Aravind认为，编排的挑战远大于模型本身。如果人类能成功解决编排问题并实现跨平台运行，AI的作用将突破chatbot的范畴，因为聊天只是交互方式，而浏览器才是承载真实工作流自动化的核心平台。只有当AI能真正分担人们日常工作的部分任务时，它才可能实质性地推动GDP增长。浏览器不仅是实现这一目标的有力条件，甚至很可能是必不可少的前提。

三、传统浏览器 VS AI浏览器

Aravind认为，相比传统浏览器，AI浏览器的根本优势在于，用户数据是严格保留在本地的，Comet等AI浏览器的服务端无法访问这些数据。这与传统桌面应用依赖类似MCP的远程服务器连接用户数据的模式截然不同。如果用户通过OAuth授权让远程MCP服务器连接AI客户端，那么其对数据的安全与可控性将远不如在浏览器模式下。

因为在浏览器环境中，所有数据都是保存在用户设备上的，Perplexity没有建立任何访问用户第三方数据的服务器。只有在AI需要调用特定工具来响应用户Prompt时，这些数据才会在本地按需使用。比如，当用户要求AI总结所有未读的Slack消息时，AI会利用浏览器中已登录的Slack标签页读取信息并生成摘要，就和人类用户的操作流程一样，但AI无权完全访问用户Slack账户或获取密码。因此用户会拥有对数据完全的掌控权，比如用户可以在prompt中要求不使用个人数据。

但Comet作为“不仅能展示互联网，更能替用户使用互联网”的浏览器，需要用户授予一定的权限才能实现最佳效果。对大多数用户来说，选择使用Comet的关键在于相信自己的数据会被保护，Perplexity需要让用户明白“授权越多，产品越有用”，从而打消对授权的顾虑。

除此之外，Comet还提供网页摘要、YouTube和LinkedIn搜索辅助等不依赖个人数据的AI功能。这些与隐私无关的功能同样能够简化工作流程，因为用户不再需要在不同标签页或应用间频繁切换、复制粘贴，比如用户可以直接在Comet中调用ChatGPT来处理当前页面内容，而不需要从网页上复制内容，然后粘贴到ChatGPT上让AI修改，再把ChatGPT的输出粘贴回Google文档或Gmail。

Aravind认为，这种设计不仅延续了Perplexity的理念，也将Comet应用场景从单纯搜索拓展到更广泛的交互领域，而且还实现了一个平衡：AI可以按需使用用户数据来提供个性化服务，但绝不收集数据用于模型训练或出售给广告商。Perplexity将这种设计描述为“架构上的灵活性”。

四、产品对比：Comet VS Dia

在Perplexity发布Comet之前，The Browser Company早在6月就对Arc用户开放了AI原生浏览器Dia的Beta测试。目前，Dia和Comet都没有全量推出，如果用户想要使用Dia，需要拥有Arc浏览器账户，或者加入waiting list。如果用户想要使用Comet，则需要邀请码或成为Perplexity Max订阅用户。

Dia浏览器

a16z近期也对Dia和Comet做了详细的产品测评：

两款浏览器的优势（TIE表示双方在该维度的表现打平）

1. 功能相似点

不同于需要用户跳转到独立界面才能启动任务的agent产品，Comet和Dia都将AI能力无缝融入到了用户的日常操作中，实现了实时协同。

相似1：侧边弹出AI聊天助手

这两个浏览器的共同功能是都有一个侧边栏AI assistant，这个assistant能基于当前页面内容、用户高亮或截图部分进行提问、处理任务或写作。比如，用户无需复制链接到ChatGPT，ChatGPT就可以总结视频或文章；AI也可以在用户购物时在当前页面直接查找平价替代品。这种交互方式比手动把内容输入ChatGPT或Claude更加自然流畅，能显著提升用户日常使用AI的频率。

两款浏览器都具备强大的AI Assistant功能

相似2：语音模式和个性化设置

这两个浏览器都支持语音模式，用户可以通过语音发送指令。而且都提供个性化功能，比如Dia允许用户在操作中设置编程默认语言、格式之类的个人偏好。

2. Comet的优势

（1）相比Dia，Comet在搜索和摘要能力上表现更出色

在产品测评中，a16z认为，由于基础搜索和摘要总结是Perplexity的核心业务，Comet也继承了这一优势。在多轮使用相同搜索词的浏览器对比测试中，Comet在信息呈现的格式和引用来源的清晰度方面都优于Dia。对于更复杂或更深入的搜索需求，用户可以直接使用Perplexity的Deep Research功能进行深度挖掘，而无需编写非常复杂的prompt。

Comet在搜索和摘要呈现上更清晰

（2）Comet在实际操作任务方面表现更突出

用户可以授权Comet接入Google日历、Google Drive、Dropbox、WhatsApp等服务。完成授权后，用户不仅可以跨这些应用、浏览器历史和Perplexity历史进行统一搜索，还能直接在Comet界面向这些应用下达任务。用户还可以在Comet中设置周期性任务。

在a16z的测评中，Comet的具体使用场景包括：

信息提取：从旧邮件或会议记录中提取关键信息，比如航班信息、确认码、会员号；

日历管理：查询上次一对一会议时间、安排新会议并发送邮件通知。

这些操作都可以通过Comet在30秒内直接完成。

还有一个更能体现Comet价值的用例是：当用户让Comet查找并购买一本适合5岁孩子的生日礼物书时，Comet内置的购物功能就能立即派上用场。如果用户已预先保存账单和收货信息，Comet可以一键完成购买。相比之下，Operator等通用型agent目前还做不到这一点，每次都需要用户重新输入付款信息，使用体验相对繁琐。

a16z认为，借助浏览器这一形态，Comet能在任务完成后直接推送结果，不必让用户在特定时间主动打开Perplexity。这也正是拥有一个浏览器给Perplexity带来的好处，也解释了为什么很多用户很少使用ChatGPT的Task功能，毕竟用户并不会一直停留在ChatGPT的界面中。

Comet在完成用户的任务后直接推送结果

（3）在协作功能上，Comet的表现比Dia更好

Comet浏览器内置的Spaces功能支持长期项目管理，并允许用户与他人共享、协作，这个功能相当于一个带有搜索功能的Google文件夹。用户还可以通过模板快速启动项目，例如规划旅行，只需经过个性化调整，就可以与协作者共享并共同推进项目进程。

Comet能将搜索结果与他人分享

3. Dia的优势

Dia的亮点在于Skill功能与多标签页协同。a16z认为，用户在使用Dia时，更倾向于进行工作流管理，把它当作ChatGPT的替代品，而不是传统浏览器的替代。Dia的设计也体现了这一定位，比如它的顶部甚至没有传统导航栏，用户需要通过聊天界面来搜索或访问网站。在Dia中，用户还可以根据自己的身份、职业或语言风格个性化设置浏览器，并创建可一键触发的自定义Skill或任务。

Dia的Skill功能允许用户编写简短代码，作为各种设置的快捷方式。例如，用户可以让浏览器生成一个更适合阅读的页面布局，系统会自动编写相应代码，从而更好地满足用户个性化的需求。

在a16z看来，虽然从浏览器功能角度来说，Comet优于Dia，但仍有用户会为了用自己设置好的一些Skill，每天都用Dia，因此如果用户愿意在初始设置上投入精力，Dia会是一个非常强大的产品。

比如，当一位内容创作者想要联系一批品牌方时，可以这样与Dia协同工作：

（1）创建一个“联系邮件”的Skill模板，并在需要Dia调研的部分预留出空位；

（2）遇到目标品牌时，给Dia提供网址，或直接在品牌网站上启动Dia；

（3）提供创作者的个人信息及受众数据；

（4）Dia会自动调研这个品牌和团队，并生成个性化的联系邮件。

Dia的Skill功能与多标签页协同

此外，Dia在处理共享context的多标签页场景上的表现尤为出色。对于习惯同时打开大量关联标签页的用户来说，Dia的界面非常高效，而且Dia还支持上传文件作为附加背景。比如，用户可以同时打开十篇关于同一研究主题的文章，让Dia汇总内容；或者打开五个Airbnb选项，让Dia扫描所有标签页并生成核心要素对比表。a16z认为，虽然Perplexity也支持对特定标签页的查询，但Dia的操作更加便利。

Dia擅长处理共享context的多标签页场景

五、如何打造下一代iPhone级别的产品？

1. 能完成简单工作流的Agent会在明年年初更加普及

未来，AI将改变人们获取和消费信息的方式，因为AI会以更原生的方式集成到浏览器等各种工具中，用户不再需要在独立标签页中打开ChatGPT或Perplexity这类应用，而是能够在搜索栏、侧边栏，甚至任意访问的网页上直接调用AI。

因此，AI如何和工作流集成将是关键环节，而agent在其中将发挥重要作用，Aravind预计，今年将会出现越来越多可构建简单工作流的agent，这类agent会在明年初得到更广泛的普及。

Aravind认为，对普通消费者来说，未来两三年最大的变化是能够直接让更强大的agent做复杂的研究任务。比如，“研究这家公司并推荐潜在人选”，或“找出SpaceX最早的五名工程师以及他们的背景”。这类任务的难点在于信息分散、缺乏现成记录。

而更深层次的变革将发生在个人效率与健康管理上。如果AI能访问用户的浏览历史等数据，那它就不仅可以精准分析时间使用情况，比如指出用户上个月在哪些网站花费过多时间，还能根据自然语言指令直接采取行动，比如用户可以要求AI在自己在某网站停留超过15分钟时发出提醒。相比现有的屏幕时间管理工具，未来的体验将是高度整合、自然语言驱动的，使AI真正成为私人助理，也就是说AI既能做总结信息、提醒遗漏、过滤邮件等工作事务，也能处理生活琐事。

2. Memory是解锁主动型AI的关键

“记忆”是今年AI领域的热点议题，但业界对实现路径存在分歧：部分人认为记忆问题应该在应用层解决，也就是通过Perplexity、Gemini、ChatGPT等应用来实现；也有部分人认为这个问题应在操作系统层解决，比如将数据直接存储在macOS或iOS中。

Aravind认为，移动端原生应用的一些活动是浏览器无法获取的，所以从覆盖范围来看，操作系统层面的方案是最为完整的，但浏览器依然是存储“记忆”的最佳选择之一，仅次于iOS或Android等操作系统。

因为用户在桌面和手机上的大部分活动都能通过浏览器访问，浏览器的覆盖范围是远超聊天应用的，后者只能获取用户主动输入的信息，如“我想要这个”“我今天感觉如何”或“帮我写篇文章”，并据此推测用户的行业、大致年龄和兴趣等，形成相对粗糙的用户画像。但用户真正需要的，是AI能深入了解他们如何工作、要想什么，并能真正接管工作流，自动化大量事务，甚至在需求出现之前就主动提供帮助。

而浏览器不仅用户基数庞大、使用场景无处不在，还是预测并满足用户需求的理想载体。比如在购物网站上，AI可以屏蔽广告等无关内容，并按照用户偏好高亮重要信息。这相当于在用户层构建了一个生产力引擎。这也是Larry Page对Google AI的终极愿景：在用户提问前就已经知道了用户所需。如果这一能力能在特定的高价值场景中落地，那就有潜力打造出类似下一代iPhone级别的革命性产品。

Google创始人Larry Page对Google AI的终极愿景

目前AI无法达到这种效果的主要原因在于当前的AI都缺乏主动性。而让AI变得主动的关键就是记忆，记忆是解锁主动智能的核心。