【小哈划重点：Dia最受朋友们欢迎的功能，就是直接针对网页内容问答。在Dia的AI侧边栏中，用户能针对当前显示的网页提问，Dia还支持同时针对多个甚至全部已打开的网页提问，这在日常做研究时还是蛮方便的。相信大家都给AI聊天机器人发过网页链接，所以我想应该不用再举例说明这个功能的用处了。】
我一直在等待一个时机写写“AI浏览器”。原因很简单，还是我常说的：AI最缺的是眼睛和手脚。而在今天，能让我们放下手机、打开电脑的理由，主要还是工作。若想让AI成为我们真正的生产力助手，浏览器就是那个能为AI提供眼睛和手脚的最佳载体。
明确一下，本文说的都是电脑上的浏览器。在电脑上，浏览器是我们大多数公司人每天面对时间最长的窗口。今天，人们除了通过浏览器来获取信息、浏览内容，还可以在其中完成各种日常办公任务、处理文档，甚至是专业的设计工作。根据Firefox浏览器官网上显示的用户使用统计实时数据，目前，其用户平均每天使用时长高达5.5小时，足以说明浏览器的重要性。
过去几年，我一直在使用Arc浏览器，其开发团队名字也颇为复古，就叫“浏览器公司”（The Browser Company）。去年年底，这家“浏览器公司”宣布将推出新的“AI浏览器”Dia。在Arc老用户的反对声中，Dia持续往前推进，今年3月开启内测，6月启动公测，同时公司正式宣布将停止为Arc开发新功能。
这段时间中，我身边不少喜欢使用AI的朋友，都将自己的默认浏览器切换成了Dia。
那么，“AI浏览器”到底能否在我们的工作中发挥实用价值呢？要回答这个问题，我们还是得先搞清楚“AI浏览器”到底指什么。在我看来，目前市面上自称“AI浏览器”的产品，可以分为三类。
第一类，是所谓的agentic browser。这是最激进的一派，它们以“agent”为主要卖点，如国内团队开发的Fellou。当然，agent这个概念本身也被用得乱七八糟，我在5月刊的本专栏介绍Manus时已经讨论过。简单概括Fellou和Manus的差异：如果说Manus是一个自带电脑的远程实习生，Fellou更像是请一个实习生来直接操作你的电脑。Manus让许多人第一次看到一台电脑在自己操作自己，只是这台电脑身处远方；Fellou则让你看到你的电脑在自己操作自己。
相较于Manus，Fellou的优点和缺点都源自于此。由于它可以直接使用你在浏览器中已经登录的账号，像是Gmail、小红书、豆瓣、微信网页版等等，它可以触达一些Manus难以触及的地方。但也因为它直接使用你的电脑，尽管团队做了一些创新来避免AI和人类的相互干扰，但我在实际使用中仍然很害怕会“打扰”AI工作。另外，权力越大责任也越大，我真的有些害怕Fellou不小心对我这些个人账号搞了什么破坏。
正如我在之前那期专栏中总结的，agent这个词的重点应该是“手脚”，但今天市场上的agent能做好的仍然是信息的获取和处理，而非真正付诸行动。Fellou未能例外。例如，我尝试让Fellou通过微信网页版向我的一位朋友回复一句“收到了”，它足足花了十多分钟，消耗了几美元，才完成了这个任务。围观agent工作的感受是，现在的agent在阅读和整理信息时都是超人，但在操作那些为人类设计的电脑界面时，它们又变回了蹒跚学步的婴儿。
因此，结论也没有变化：这类AI浏览器不适合普通用户日常使用，但对AI爱好者来说是一个值得探索的玩具。
第二类“AI浏览器”以Dia为代表，号称“为AI时代重新设计”，但仍然将核心放在了浏览上。
Dia最受朋友们欢迎的功能，就是直接针对网页内容问答。在Dia的AI侧边栏中，用户能针对当前显示的网页提问，Dia还支持同时针对多个甚至全部已打开的网页提问，这在日常做研究时还是蛮方便的。相信大家都给AI聊天机器人发过网页链接，所以我想应该不用再举例说明这个功能的用处了。
好了，Dia目前最主要的特点，其实用这两句话就说完了。可能很多人看了以后会想：不就是网页问答吗？很多浏览器的侧边栏现在也有这个功能，我为什么要用Dia？这也是我刚开始参与Dia内测时产生的疑问。
这也就引出了第三类“AI浏览器”：在老牌浏览器上直接增加AI功能，比如Chrome、Edge、Safari等推出的更新，浏览器扩展也归为此类。早在2023年2月，ChatGPT发布未满百日，微软就凭借自己和OpenAI的独家合作关系，率先在Edge浏览器（也是Windows系统的默认浏览器）的侧边栏中加入了“Bing Chat”，背后的技术是当时尚未公布的GPT-4。
和它们相比，Dia最直观的优势是设计简洁、优雅。一些国内的产品选择了堆砌功能，设计臃肿，我数了一下自己电脑上安装的这些产品，其中最贪心的一家在侧边栏中一次性塞了50多个按钮，要在这里面找到“与网页聊天”的选项一点儿也不容易。而Dia的使用体验非常简单直接，整个工具栏除了“前进”“后退”“刷新”，只有一个“聊天”按钮，打开就可以直接问答。这样的界面设计背后实际上也是一种取舍，舍弃了无法提出问题的用户的体验。
这两年中大语言模型本身的进步也让问答体验更成熟。整体而言，如果你经常需要将网页链接发给AI，Dia可以让你的日常使用体验变得愉悦，经过从内测到公测的优化，目前的Dia已足够稳定，推荐一试。
说到这里，到底“AI浏览器”能否成功呢？我对AI乐观，对“AI浏览器”却不那么乐观。前面提到过Edge“抢跑”——两年多过去了，Edge的市场份额增长很小，没能撼动Chrome的主导地位。
人的习惯是很难改变的。即使进入移动互联网时代、PC互联网时代的巨头，除了门户网站外，浏览器作为一个成熟市场，要让用户放弃一个用了数年的工具，非常困难。
当然，非常困难并不意味着做不到。历史上，浏览器市场多次改朝换代。最近的一次就是Chrome的崛起。2008年Google推出Chrome时，浏览器市场也已经是一个成熟市场，由微软的Internet Explorer（IE，也是当时Windows系统的默认浏览器）统治。然而Chrome一骑绝尘，在短短的数年间，就取得了全球浏览器市场的统治地位。
究其原因，要让人们改变习惯，不仅需要比原来的产品做得更好，而且得是超出数量级的好，好上10倍，带来体验的质变。我的手上还有一本2008年Chrome发布时的宣传册——回到2008年，随着像Gmail、Google Docs等网页应用的逐步流行，越来越多的工作正迁移到浏览器中完成，IE的卡顿和崩溃成了家常便饭，十分影响人们的工作。Chrome可以说是彻底解决了这些问题。对当时包括我在内的需要在浏览器中办公的用户来说，Chrome就像是“地狱里的一杯冰水”，是体验的质变。
类似的经典例子还有很多，比如iPhone取代功能机，都是提供了用户体验的质变。当然，这只是第一步。反观今天的“AI浏览器”，包括Dia在内，虽然努力做了很多体验创新，但还远远不够形成质变。AI还没有深度融合到浏览器中，没有真正成为“眼睛和手脚”。例如，既然浏览器承载了我在电脑上的大部分信息获取历史，我的标签页、浏览记录、收藏夹其实就是非常自然的“知识库”，Dia也在测试这方面的功能。Dia也号称自己是agentic browser，将推出agent功能。
不过，即使Dia能从其中找到带来“10倍体验”的亮点，我也看不到什么Chrome无法跟进的理由。就在刚刚过去的5月，Chrome终于在浏览器右上角直接增加了一个Gemini按钮，用户可以直接和网页聊天，体验和Dia相似。
说回来，其实我今天使用的主力浏览器依然是Arc。我属于浏览器标签页泛滥成灾型用户，以前用Chrome时一般同时开着上百个标签页，Arc解决了这个问题。所以，Arc在2022年推出时对我来说也是“地狱里的冰水”，义无反顾地切了过去，这对我来说就是一种“10倍体验”。当然，Arc的操作逻辑和其他浏览器完全不同，学习成本很高。但另一方面，习惯了Arc后也很难切换到其他浏览器，包括Dia。
因此，这个产品虽然注定小众，却拥有许多忠实拥趸。如果能基于这个预期来设计商业模式，一样可以是一家成功的公司。遗憾的是，这无法承载“浏览器公司”的野心，他们仍然决定另起炉灶。
只是，推广Dia并没有那么容易。
