AI 時代的瀏覽器革命：從搜索到智能代理

第三次瀏覽器戰爭正在悄然展開。從上世紀 90 年代的 Netscape、微軟的 IE，到開源精神的 Firefox 與 Google 的 Chrome，瀏覽器之爭一直是平台控制權與技術範式變遷的集中體現。Chrome 憑藉更新速度與生態聯動奪得霸主地位，而 Google 通過搜索與瀏覽器的"雙寡頭"結構，形成了信息入口的閉環。

然而，這一格局正在動搖。大型語言模型（LLM）的崛起，使得越來越多用戶在搜索結果頁"零點擊"完成任務，傳統的網頁點擊行爲正在減少。同時，有關某科技巨頭可能在其瀏覽器中替換默認搜索引擎的傳聞，進一步威脅 Google 母公司的利潤根基，市場已開始顯露出對"搜索正統"的不安。

瀏覽器本身也正面臨角色重塑。它不僅是展示網頁的工具，更是數據輸入、用戶行爲、隱私身分等多種能力的集合容器。AI Agent 雖強，但若要完成復雜的頁面交互、調用本地身分數據、控制網頁元素，仍然需要借助瀏覽器的信任邊界和功能沙盒。瀏覽器正在從人類界面，變成 Agent 的系統調用平台。

真正可能打破當前瀏覽器市場格局的，不是另一個"更好的 Chrome"，而是一種新的交互結構：不是信息的展示，而是任務的調用。未來瀏覽器要爲 AI Agent 設計 --- 不僅能讀，還能寫和執行。某些項目正嘗試將頁面結構語義化，把可視化界面變成 LLM 可調用的結構化文本，實現頁面到指令的映射，極大降低交互成本。

市面上主流項目已開始試水：某 AI 搜索引擎構建原生瀏覽器，用 AI 代替傳統搜索結果；某瀏覽器把隱私保護與本地推理結合，用 LLM 增強搜索與屏蔽功能；而一些 Web3 原生項目，則瞄準 AI 與鏈上資產交互的新入口。這些項目共同特徵是：試圖重構瀏覽器的輸入端，而非美化其輸出層。

對創業者而言，機遇藏在輸入、結構與代理的三角關係中。瀏覽器作爲未來 Agent 調用世界的接口，意味着誰能提供可結構化、可調用、可信任的"能力塊"，誰就能成爲新一代平台的組成部分。從 SEO 到 AEO（Agent Engine Optimization），從頁面流量到任務鏈調用，產品形態與設計思維都在重構。第三次的瀏覽器戰爭，發生在"輸入"而非"展示"；決定勝負的，不再是誰抓住用戶的眼球，而是誰贏得了 Agent 的信任，獲得調用的入口。

瀏覽器發展簡史

在上世紀 90 年代初，Netscape Navigator 橫空出世，爲數以百萬計的用戶打開了通往數字世界的大門。這款瀏覽器並非第一個，但卻是第一個真正意義上走向大衆、塑造互聯網體驗的產品。

微軟很快意識到瀏覽器的重要性，並決定將 Internet Explorer 強行捆綁進 Windows 操作系統，讓其成爲默認瀏覽器。這一策略堪稱"平台殺手鐧"，直接瓦解了 Netscape 的市場主導地位。

在困境中，Netscape 的工程師選擇了一條激進而理想主義的道路 --- 他們將瀏覽器原始碼公開，向開源社區發出召喚。這段代碼後來成爲 Mozilla 瀏覽器項目的基礎，最終定名爲 Firefox。

與此同時，Opera 瀏覽器問世，它來自挪威，起初只是一個實驗性項目。但從 2003 年的 7.0 版本起，它引入了自研的 Presto 引擎，率先支持 CSS、自適應布局、語音控制以及 Unicode 編碼等前沿技術。

同年，某科技巨頭推出了自家瀏覽器。這是一場別有意味的轉折。彼時，微軟曾向瀕臨破產的這家公司注資 1.5 億美元，以維持競爭表象、避免反壟斷審查。

2007 年，IE7 隨 Windows Vista 推出，但市場反饋平平。反觀 Firefox，憑藉更快的更新節奏、更友好的擴展機制以及對開發者的天然吸引力，市場份額穩步提升至約 20%。IE 的統治逐漸松動，風向正在改變。

Google 則是另一種打法。Chrome 於 2008 年問世，基於 Chromium 開源項目與 Safari 所用的 WebKit 引擎打造。它被戲稱爲"臃腫"的瀏覽器，但憑藉 Google 對廣告投放與品牌塑造的深厚功力，迅速崛起。

Chrome 的關鍵武器並非功能，而是頻繁的版本更新節奏（每六周一次）與全平台統一體驗。2011 年 11 月，Chrome 首次超越 Firefox，市場份額達到 27%；六個月後，又反超 IE，完成了從挑戰者到主宰者的轉變。

進入 2020 年代，Chrome 的主導地位已經確立，全球市場份額穩定在約 65%。值得注意的是，Google 搜索引擎與 Chrome 瀏覽器雖然同屬一家公司，但從市場層面看卻是兩個獨立的霸權體系 --- 前者控制了全球約九成的搜索入口，後者則掌握了大多數用戶進入網路的"第一窗口"。

爲了守住這一雙重壟斷結構，該公司不惜重金投入。2022 年，其向某科技巨頭支付約 200 億美元，只爲讓 Google 保持在其瀏覽器中的默認搜索地位。這筆支出相當於 Google 從該瀏覽器流量中獲取搜索廣告收入的 36%。換言之，Google 正爲護城河支付"保護費"。

但風向又一次變化。隨着大型語言模型（LLM）的崛起，傳統搜索開始受到衝擊。2024 年，Google 的搜索市場份額自 93% 跌至 89%，雖仍稱霸，但裂痕初現。更具顛覆性的，是關於某科技巨頭或將推出自有 AI 搜索引擎的傳聞 --- 若其默認搜索改投自家陣營，這不僅將改寫生態格局，更可能撼動 Google 母公司的利潤支柱。市場反應迅速，公司股價從 170 美元應聲下跌至 140 美元，反映的不僅是投資者的恐慌，更是對搜索時代未來走向的深度不安。

從 Navigator 到 Chrome，從開源理想到廣告商業化，從輕量瀏覽器到 AI 搜索助手，瀏覽器之爭始終是一場關於技術、平台、內容與控制權的戰爭。戰場不斷遷移，但本質從未改變：誰掌握入口，誰就定義未來。

在 VC 眼中，依托 LLM 和 AI 時代人們對搜索引擎的新需求，第三次瀏覽器戰爭正在逐步展開。

現代瀏覽器的老舊架構

談及瀏覽器的架構，經典的傳統架構如下：

客戶端 - 前端入口

查詢經 HTTPS 送達最近的前端，完成 TLS 解密、QoS 採樣和地理路由。若檢測到異常流量（DDoS、自動抓取）可在此層限流或挑戰。

查詢理解

前端需要理解用戶鍵入的單詞的含義，有三個步驟：神經拼寫校正，將 "recpie" 糾正爲 "recipe"；同義詞擴展，將"how to fix bike"，拓展到"repair bicycle"。意圖解析，判定查詢是資訊、導航還是交易意圖，並分配 Vertical請求。

候選召回

搜索引擎使用的查詢技術被稱爲：倒排索引。在正序索引中，我們都是給定一個 ID 就可以索引到文件。但是用戶不可能知道想要的內容在上千億個文件中的編號，因此其採用了非常傳統的倒排索引，通過內容來查詢到哪些文件有對應的關鍵字。接下來，採用向量索引用於處理語義搜索，即查找與查詢含義相似的內容。它將文本、圖像等內容轉換爲高維向量（embedding），並根據這些向量之間的相似性進行搜索。例如，即使用戶搜索"如何制作披薩面團"，搜索引擎也能返回與"披薩面團制作指南"相關的結果，因爲它們在語義上相似。經歷了倒排索引和向量索引，大約十萬量級的網頁會被初篩出來。

多級排序

系統通常通過 BM25、TF-IDF、頁面質量分等數千維輕特徵，將十萬級規模的候選頁面篩選至約 1000 篇，構成初步候選集。這類系統被統稱爲推薦引擎。其依賴多種實體生成的海量特徵，包括用戶行爲、頁面屬性、查詢意圖與上下文信號。例如，會綜合用戶歷史、其他用戶的行爲反饋、頁面語義、查詢含義等信息，同時還考慮上下文要素，如時間（一天中時段、一周中的具體日子）與實時新聞等外部事件。

深度學習進行主排序

在初步檢索階段，使用 RankBrain 和 Neural Matching 等技術來理解查詢的語義，並從海量文檔中篩選出初步相關的結果。RankBrain 是 Google 於 2015 年引入的機器學習系統，旨在更好地理解用戶查詢的含義，尤其是首次出現的查詢。它通過將查詢和文檔轉換爲向量表示，計算它們之間的相似性，從而找到最相關的結果。例如，對於查詢"如何制作披薩面團"，即使文檔中沒有完全匹配的關鍵詞，RankBrain 也能識別出與"披薩基礎"或"面團制作"相關的內容。

Neural Matching 是 Google 於 2018 年推出的另一項技術，旨在更深入地理解查詢和文檔之間的語義關係。它使用神經網路模型來捕捉詞語之間的模糊關係，幫助更好地匹配查詢和網頁內容。例如，對於查詢"爲什麼我的筆記本電腦風扇聲音很大"，Neural Matching 能夠理解用戶可能在尋找有關過熱、灰塵積聚或高 CPU 使用率的故障排除信息，即使這些詞語沒有直接出現在查詢中。

深度重排：BERT 模型的應用

在初步篩選出相關文檔後，使用 BERT（Bidirectional Encoder Representations from Transformers）模型對這些文檔進行更精細的排序，以確保最相關的結果排在前面。BERT 是一種基於 Transformer 的預訓練語言模型，能夠理解詞語在句子中的上下文關係。在搜索中，BERT 被用於重新排序初步檢索到的文檔。它通過對查詢和文檔進行聯合編碼，計算它們之間的相關性得分，從而對文檔進行重新排序。例如，對於查詢"停車在沒有路緣的坡道上"，BERT 能夠理解"沒有路緣"的含義，並返回建議駕駛員將車輪朝向路邊的頁面，而不是誤解爲有路緣的情況。

以上就是典型的搜索引擎的工作流程。但是在當前的 AI 和大數據爆發的時代，用戶對瀏覽器的交互產生了新的需求。

爲什麼 AI 會重塑瀏覽器

首先我們需要明確，爲什麼瀏覽器這一形態仍然會存在？是否存在一種第三形態，除了人工智能代理和瀏覽器之外的選擇？

我們認爲，存在即無法替代。爲什麼人工智能能夠使用瀏覽器，卻無法完全取代瀏覽器？因爲瀏覽器是通用平台，不僅僅是讀取數據的入口，更是輸入數據的通用入口。這個世界不可能只有信息輸入，還必須產生數據並與網站進行交互，所以整合個性化用戶信息的瀏覽器仍將廣泛存在。

我們抓住這個點：瀏覽器作爲通用入口，不僅用於讀取數據，用戶往往還需要與數據進行交互。瀏覽器本身是存儲用戶指紋的絕佳場所。更復雜的用戶行爲和自動化行爲，必須以瀏覽器爲