这个AI新赛道火了！给Agent做浏览器，千万融资估值3亿美金

/ 01 /

为什么Agent需要一个浏览器？

在今年3月，Manus横空出世，这个能像人类一样熟练操作浏览器的智能体，瞬间点燃了行业热情。

但也催生了很多基础设施的变化，比如浏览器。

简单来说，浏览器的使用者正在逐渐从人类用户转移到AI Agent，传统浏览器产品更多是基于人类用户操作习惯而设计的，无法满足AI Agent自动化抓取、交互和实时数据处理的需求。

在Browserbase创始人的早期备忘录里，曾详细阐述传统浏览器在AI时代的不足：

• 普通浏览器，数据抓取困难。这种浏览器的网站动态加载、交互复杂，部分网页还有反爬虫机制，且网页结构多变，解析数据不易。

  
  

• 无界面浏览器（headless browser）页面加载过慢，Agent抓取容易出错。这种浏览器原来用于网页处理、爬虫、自动化测试等。在无界面模式下，页面元素的加载时间长，元素未完全加载完毕，就可能被Agent自动化抓取或交互，从而出错。

在这种情况下，“Agent专用浏览器”的讨论逐渐进入人们的视野。

今年以来，越来越多AI公司开始推出Agent浏览器产品。比如，今年2月，Perplexity CEO Aravind宣布，公司将推出自己的浏览器。

在Aravind看来，浏览器是构建Agents的唯一方式。原因是目前没有其他方式能让AI代理同时控制多个应用，尤其是在iOS上，甚至无法访问其他应用，这是苹果生态的限制。而浏览器是一个非常好的解决方案。

除了Perplexity下场外，还有一些做Agent浏览器的AI创业公司也开始拿到融资，并且在商业化上取得了突破。

其中，Browserbase是最早一批做Agent浏览器的研发商，该公司也才刚成立一年。4月22日，Browserbase完成最新B轮融资，由Notable Capital领投。

据“投资实习所”透露，该公司此轮投后估值达到3亿美金。在此之前，该公司已完成3轮融资，总融资2750万美元。

浏览器自动化代理Browser Use，也在今年拿到了1700 万美元融资，由 Felicis Ventures 领投，A Capital、Nexus Ventures、Y Combinator、Paul Graham、Liquid2、SV Angel、Pioneer Fund 等跟投。

曾推出Arc浏览器的AI明星公司The Browser Company，也在今年推出了自己的Agent浏览器Dia。

4月21日，云服务商Authing的创始人谢扬公布了Agent浏览器Fellou。据介绍，Fellou是全球首个Agentic Browser，即行动型浏览器，你可以理解为是一群AI组团在你的电脑上打工，且它们可以隐身在一个影子空间内，不影响你的操控。

那么这些各家在设计产品时，思路上各有什么不同？

/ 02 /

选AI-native，还是易用性？

以下是市面上几家Agent浏览器的产品形态和各自特点：

• Browserbase：自带视觉模型的理解系统，功能丰富

Browserbase没有图形化界面，直接在内存中完成所有操作，包括点击链接、抓取网页内容等，而无需关心服务器的管理和维护。另一方面，它能利用大模型（LLM）和视觉语言模型（VLM），理解网页语义和自适应页面变化，从而实现自然语言交互。

它降低了Agent开发的门槛，包括帮助绕过反爬虫措施、管理和协调多账号操作，并且能够提供一个稳定、不易因网络问题中断的执行环境。特别是在处理那些缺乏现代API的传统网页时，发挥着重要作用。它还允许会话回放，逐页回放浏览器会话，以检查操作和网络请求。

• Browser Use：把网页拆解成“结构化文本”让AI理解

Browser Use创始人Magnus Müller认为，当前大多数AI代理依赖于基于计算机视觉的方法来“观察”和浏览网页，这种方法存在速度慢、成本高，且效果不稳定的问题。

“许多代理依赖于视觉系统，试图通过屏幕截图来理解网站，但这种方式常常出现问题。”他解释道，“我们将网站转化为代理能够理解的结构化内容。这意味着我们可以以更低的成本重复执行相同的任务。”

让AI更容易浏览网站，是Browser Use产品的核心逻辑。简单来说，Browser Use把网站上的按钮和元素拆解成一种更容易理解、更像“文本”的格式给Agent用。这能帮助Agent搞清楚网页有哪些选项，运行多个AI代理，然后自主做出决策。

具体来说，Agent可以用Browser Use做这些：

兼容GPT-4、Claude、Llama等；

支持异步编程，让AI代理能非阻塞地执行网络请求和浏览器操作；

支持多标签页管理、视觉识别、内容提取；

能记录和重复执行特定动作；

支持开发者自定义动作，如保存文件、推送到数据库等。

• Dia：超级搜索框，Agent处理精细度高

Dia看起来极简，只有搜索框，但对AI对搜索内容的分析精细度和融入Agent能力突出。

▲Dia概念视频；来自：官网

其产品逻辑是将AI作为核心构建理念，打造一个由AI驱动的浏览环境，让AI深度融入浏览器的各个环节，成为浏览器底层的能力。最主要的两个方面：

一是以AI为核心的交互模式。Dia通过智能输入建议，在用户输入时提供续写、扩写或总结等功能。用户还能通过地址栏输入自然语言命令，指示浏览器执行查找文档、发送邮件、从网页提取数据填入文档等任务。

二是类似操作系统的定位。创始人Josh Miller的野心是把浏览器从单纯的内容展示工具，变成操作系统般的存在，使产品管理个人偏好和行为，在系统层面实现跨设备的AI体验。

举例来说，Dia产品基于Chromium引擎特定版本，输入问题后有Google/Chat选项，Chat可调用自带大模型给出答案，有历史聊天记录，遇到复杂问题会联网搜索。交互设计方面，划词后右侧能直接提供查找或解释功能，支持通过“@”调用各个网页标签。

• Fellou：交付结果PPT化，帮助用户高效吸收

Fellou定位于“浏览器型的AI助手”，重点在于任务结果的交付。与多数以对话为主的Agnet浏览器不同，Fellou做了交付结果的可视化。这种PPT或者是图化的知识呈现对用户来说，是非常高效的。

具体来说，它将浏览器、Agent、工作流自动化，三者整合成了“行动型浏览器（Agentic Browser）”。

用户只需要一句话，Fellou就能自动解析指令、智能拆解任务，并跨多个网页和系统调度操作，从数据采集、表单填写到最终报告生成。比如，用户在Threads上发布的内容，要求fellow抓取后在Twitter上发布，并按照内容本身的threads形式发布多条动态。

▲将8款Product Hunt热门产品信息添加到Notion；来自：官网

Fellou还增加了对本地电脑的控制，行动空间更大。一般Agent浏览器跟微信、钉钉等生态不兼容，但是Fellou开箱即用。如manus、OpenAI的Agent，也只能在公开网站上来运行，访问领英等网站时会因为虚拟机而受到限制，而本地运行的Fellou就不存在这个问题。

/ 03 /

总结

作为大模型目前能调用的最重要的工具之一，浏览器在Agent落地中拥有着相当重要的场景价值。这也是OpenAI有兴趣收购Chrome的原因。

不过，作为一个新兴的产品形态，Agent浏览器的发展仍然处于早期。未来的Agnet浏览器形态，答案到底在谁那里？让我们一起期待。

文/朗朗

PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。