Реконструкція браузера в епоху ШІ: від взаємодії людини з машиною до виклику агентів

Еволюція браузерів

Браузер як вхідна точка в Інтернет пройшов довгий шлях розвитку від Netscape до Chrome. На початковому етапі суперечки між браузерами зосереджувалися на швидкості рендерингу та користувацькому досвіді, тоді як сьогодні фокус конкуренції змістився на інтеграцію можливостей ШІ.

У 90-х роках Netscape започаткував еру графічного перегляду, але незабаром був переможений Internet Explorer від Microsoft завдяки політиці пакетної інтеграції. Firefox, завдяки відкритому коду та екосистемі плагінів, на деякий час піднявся, але врешті-решт був перевершений Chrome від Google завдяки швидкій ітерації та кросплатформному досвіду.

Увійшовши в епоху мобільності, такі легкі продукти, як браузер UC, займають перевагу на нових ринках, але з поширенням смартфонів та змінами в політиці їхній вплив поступово зменшується. Сьогодні Chrome стабільно утримує позицію лідера на десктопах, з часткою на світовому ринку близько 65%.

Однак, зростання великих мовних моделей підриває цю структуру. Користувачі все більше схильні отримувати інформацію безпосередньо на сторінці результатів пошуку, традиційна поведінка з кліками на веб-сторінки зменшується. Тим часом, чутки про те, що Apple може замінити пошукову систему за умовчанням у Safari, ще більше загрожують прибуткам Google.

Необхідність перебудови браузера за допомогою ШІ

Незважаючи на потужність AI, браузер як універсальна платформа все ще є незамінним. Причини такі:

1. Браузер є місцем зберігання персоналізованих даних, включаючи паролі, Cookie та іншу чутливу інформацію.

2. Складні дії користувачів та автоматизовані операції повинні виконуватися в пісочниці браузера.

3. Браузер надає єдину межу довіри та інтерфейс виклику функцій.

4. Велика кількість контекстних даних накопичується в браузері, включаючи вкладки, IndexedDB тощо.

Справжнім можливим переворотом у сучасній браузерній структурі буде не ще один "кращий Chrome", а нова структура взаємодії: перехід від відображення інформації до виклику завдань. Майбутні браузери повинні бути спроектовані для AI Agent, який не лише може читати інформацію, а й виконувати складні операції.

Дослідження нового покоління AI браузерів

Використання браузера

Browser Use побудував архітектуру семантичного розпізнавання, яка повторно декодує традиційне дерево DOM в "семантичне DOM". Це дозволяє AI Agent безпосередньо розуміти та взаємодіяти зі структурою веб-сторінки, не покладаючись на візуальне розпізнавання або координатне позиціювання.

Основні характеристики:

• Абстрагувати інтерактивні елементи у вигляді фрагментів JSON, що містять метадані про ролі, стани тощо
• Перетворити всю сторінку на спрощений "перелік семантичних вузлів"
• Отримувати вказівки від керівництва та відображати їх на фактичні дії в браузері

Перплексність

Perplexity як AI пошукова система розробляє нативний браузер під назвою Comet. Його основна ідея полягає у глибокій інтеграції AI в основі браузера, замінюючи традиційні результати пошуку простими відповідями.

Однак Perplexity все ще стикається з високими витратами на пошук і низькою маржею прибутку від користувачів. У порівнянні з цим, Google повністю автоматизує свої основні продукти за допомогою плану "Project Mariner".

Хоробрий

Brave побудований на архітектурі Chromium, акцентуючи увагу на захисті конфіденційності та заробітку токенів під час браузингу. Хоча кількість користувачів постійно зростає, частка ринку все ще залишається невеликою.

Brave планує перейти на AI-браузер з акцентом на конфіденційність, але через обмежений доступ до даних користувачів рівень налаштування його AI-моделі може бути обмеженим. У майбутній епоху Agentic Browser Brave може бути важко стати основним гравцем.

Пончик

Як новий проект у сфері Web3, Donut має на меті реалізацію інтегрованих можливостей "дослідження - прийняття рішення - крипто-нативне виконання". Його суть полягає у поєднанні автоматизованих шляхів виконання, нативних для криптовалют, для надання інтерфейсу операцій у світі блокчейн для AI Agent.

Пропозиції для підприємців

1. Стандартизація структури інтерфейсу: забезпечити можливість виклику продукту AI Agent.

   • Надати семантичну структуру DOM або JSON відображення
   • Проектування стабільних автоматів станів та механізмів відтворення поведінки
   • Підтримка сценарного відновлення взаємодії з користувачем
   • Надайте веб-хук або кінцеву точку API

2. Ідентичність та доступ: допомога агенту у подоланні бар'єрів довіри

   • Розробка надійного проміжного шару, що підтримує читання локального зберігання, виклики гаманця тощо
   • Для Web3-сценаріїв розробка єдиного інтерфейсу для виклику активів

3. Перебудова механізму трафіку: від SEO до AEO/ATF

   • Розділіть продукт на викликаються одиниці можливостей
   • Оптимізація процесу реєстрації, інтерфейсу ціноутворення, запиту запасів тощо
   • Синтаксис виклику, адаптований до різних LLM фреймворків

Майбутні можливості для підприємництва полягають у створенні "синтаксису інтерфейсу" для виклику агентів, ставши ключовим елементом довірчого ланцюга агентів, та побудові "API-замку" в новому поколінні пошукових моделей. Ядром конкуренції епохи Web3 + AI Agent є захоплення виконуваного наміру агентів, а не просте змагання за увагу користувачів.