AI 瀏覽器
1. 3 秒看懂
AI 瀏覽器 = 傳統瀏覽器 + 大型模型 Agent 能力。核心等式：AI 瀏覽器替代的不是 Chrome，而是搜尋引擎與網頁生產力工具的集合。當前處於“功能驗證期”，2025 年各家完成產品就緒，2026 年進入份額爭奪。
一句話定義：將大型模型深度嵌入網頁瀏覽全流程，使瀏覽器能理解頁面、自主執行任務，而非被動渲染網頁的下一代網際網路入口。
核心價值主張：用自然語言替代點選與輸入，用“代理執行”替代“瀏覽-理解-操作”的人工鏈條。
2. 3 分鐘產業解釋
AI 瀏覽器概念在 2024-2025 年間快速升溫，背後有三層產業邏輯：
第一層：入口再定價權爭奪。 瀏覽器是 PC 端和行動端最大的流量入口。據 Statista 估算，2024 年全球瀏覽器使用者約 33 億。Google 憑藉 Chrome 約 65% 的全球市場份額（StatCounter 2024Q4），掌控了搜尋引擎分發的閥門，並由此建置了年營收超 2000 億美元的搜尋廣告帝國（Alphabet 2024 年報，Google Search & Other 營收約 1980 億美元）。AI 瀏覽器若改變使用者與資訊的互動方式——從“搜尋-點選”變為“提問-獲得答案”——則廣告分發邏輯將被動搖。這是各巨頭不願將份額拱手讓人的根本原因。
第二層：Agent 能力產品化。 2024 年下半年至 2025 年初，以 Anthropic 的 Computer Use、Google 的 Project Mariner、OpenAI 的 Operator 為代表，大型模型獲得了操控網頁的能力。瀏覽器從“資訊展示終端”升級為“任務執行終端”，這為產業鏈創造了全新的價值節點。
第三層：端雲端協同的算力條件開始成熟。 裝置端推論能力的提升（Apple Silicon 系列晶片的 Neural Engine 迭代、高通驍龍 X 系列的 NPU 算力增強）使得部分 AI 模組可本地執行，緩解了雲端端推論成本與隱私壓力。這讓 AI 瀏覽器有了“本地智慧底座”。
| 維度 | 核心要點 |
|---|---|
| 是什麼 | 傳統瀏覽器架構之上，原生整合大型模型驅動的理解、生成與代理執行能力 |
| 為什麼火 | 瀏覽器是網際網路最大入口，將 AI 部署於此等於佔領使用者資訊獲取的第一觸點 |
| 核心能力 | ① 網頁內容即時理解與總結 ② 跨頁面資訊整合與推論 ③ 自然語言指令執行（填表、下單、比價、預定）④ 對話式互動替代關鍵詞搜尋 |
| 產業鏈位置 | 位於模型層與應用層之間，承擔流量聚合、任務分發、資料迴流的樞紐角色 |
| 主要玩家 | 海外：Google（Chrome+Gemini）、Microsoft（Edge+Copilot）、The Browser Company（Arc）、Brave（Leo）、Opera（Aria）；國內：360 AI 瀏覽器、夸克 AI、豆包瀏覽器、QQ 瀏覽器 AI 版 |
| 階段判斷 | 2024-2025 年為“功能驗證期”，Agent 自主操作大規模落地尚未實現；2026 年預期進入“份額爭奪期”；當前競逐焦點在整合深度、響應延遲與使用者留存 |
3. 技術原理
3.1 架構演進三階段
| 階段 | 形態 | 技術特徵 | 代表產品 |
|---|---|---|---|
| 1.0 外掛式 | 瀏覽器 + AI 外掛 | 側邊欄呼叫雲端端模型 API；無頁面結構感知，依賴使用者手動提供上下文 | 早期 ChatGPT 外掛、Sider、Monica |
| 2.0 嵌入式 | 瀏覽器原生整合 AI 助手 | 讀取 DOM/可訪問性樹（Accessibility Tree），可感知當前頁面；側邊欄/對話方塊與瀏覽無縫銜接 | Edge Copilot、Arc Max、Brave Leo、Opera Aria |
| 3.0 代理式 | Agent 驅動的自主瀏覽器 | 基於視覺理解或可訪問性樹定位頁面元素，自動完成跨頁面操作；需權限管理與沙箱隔離 | Google Project Mariner（內測）、Anthropic Computer Use（API 開放）、OpenAI Operator（2025 年初發布） |
3.0 階段的核心躍遷：從“輔助使用者瀏覽”變為“替代使用者操作”。但截至 2025 年中，3.0 產品均處於邀請制內測或受限可用狀態，尚未面向 C 端大規模釋出。
3.2 核心技術棧拆解
| 技術層 | 關鍵技術 | 作用 | 當前瓶頸 |
|---|---|---|---|
| 前端感知層 | DOM 解析、可訪問性樹提取、視覺截圖 | 將網頁非結構化內容轉為模型可處理的輸入 | 動態渲染（SPA）、驗證碼、Shadow DOM 增加解析難度 |
| 語義理解層 | 頁面語義切分、核心內容識別、廣告/噪聲過濾 | 判斷“什麼是正文”“什麼是可互動元素” | 複雜版面配置的頁面結構泛化能力有限；即時性要求高 |
| 模型推論層 | 端側小模型（<7B 引數）+ 雲端端大型模型協同；長上下文視窗（128K-1M tokens） | 平衡延遲與能力；端側處理隱私內容，雲端端處理複雜推論 | 端側模型能力天花板明顯；雲端端推論延遲 1-5 秒影響互動體驗 |
| Agent 執行層 | Function Calling、模型上下文協議（MCP）、Playwright / Puppeteer 自動化 | 將模型意圖轉化為瀏覽器內操作 | 複雜任務（多頁表單、支付驗證）成功率尚不穩定 |
| 安全隔離層 | 沙箱執行、操作權限分級、使用者確認門控 | 防止 AI 誤操作敏感步驟 | 安全與便捷的平衡點持續探索中 |
3.3 頁面理解的兩條技術路線
- 可訪問性樹路線（Accessibility Tree）：讀取瀏覽器為輔助工具暴露的結構化頁面描述，優點是結構清晰、隱私友好，缺點是對非語義化頁面覆蓋不全。代表：Google Mariner。
- 視覺理解路線：通過截圖送入多模態模型，讓模型識別元素座標，優點是泛化性強（不依賴頁面結構），缺點是 token 消耗大、延遲高。代表：Anthropic Computer Use。
公開資料未見 2025 年上半年有獨立第三方對兩條路線的大規模橫向評測。
3.4 端雲端協同的典型架構
使用者請求 → 本地路由判斷 → [隱私/低複雜度] → 端側小模型推論 → 即時響應
→ [複雜推論/跨頁任務] → 雲端端大型模型推論 → 返回結果端側模型通常部署為瀏覽器內建模型（通過 WebGPU/ONNX Runtime 執行），雲端端呼叫走瀏覽器廠商自建或第三方的模型 API。2024 年 Chrome 已內建 Gemini Nano（端側），Edge 使用雲端端 GPT-4 系列。
4. 關鍵引數
評估 AI 瀏覽器能力與競爭力的核心引數體系：
4.1 產品效能引數
| 引數 | 定義 | 行業現狀（截至 2025 年中公開資訊） | 重要性 |
|---|---|---|---|
| 意圖識別準確率 | AI 正確理解使用者指令意圖的比例 | 公開資料未見行業統一基準；各家內部測試口徑不一 | ★★★★★ |
| 任務完成率 | Agent 獨立完成端到端任務（如下單、填表）的成功率 | WebArena 等學術基準中，最優系統約 30-40%；真實網頁環境中更低 | ★★★★★ |
| 首字延遲（TTFB） | 使用者請求到首個 AI 結果出現的時間 | 目標 <1 秒；雲端端方案通常 1-3 秒，端側方案可達毫秒級 | ★★★★ |
| 上下文視窗 | 瀏覽器可同時關注的頁面/標籤數量及內容總量 | 主流產品支援 128K-1M tokens；但多標籤併發時的上下文排程仍在最佳化 | ★★★★ |
| 幻覺率 | AI 生成內容與頁面原文不符的比例 | 公開資料未見針對 AI 瀏覽器的系統性公開評測 | ★★★★ |
| 端側模型能力 | 本地模型可獨立處理的任務範圍 | Gemini Nano（Chrome 內建）支援文本摘要、智慧回覆；複雜推論需上雲端 | ★★★ |
4.2 商業與運營引數
| 引數 | 說明 |
|---|---|
| AI 功能日活滲透率 | 使用 AI 功能的使用者佔瀏覽器 DAU 比例 |
| AI 功能留存率 | 首次使用 AI 功能後 7/30 天之內的回訪比例 |
| 單次 AI 互動成本 | 雲端端推論 API 呼叫成本 × 平均 token 消耗 |
| AI 功能 ARPU 增量 | AI 功能帶來的每使用者平均營收增長（含直接付費與廣告） |
| 模型 API 供應商集中度 | 依賴單一或少數模型供應商的程度 |
上述商業引數的行業統計資料公開資料未見。各廠商視為核心經營資料，未單獨揭露。
5. 技術路線
當前 AI 瀏覽器存在四條差異化的技術路線，每條路線的資源需求與戰略邏輯不同：
路線 A：自研模型垂直整合（代表：Google）
- 特徵：自有瀏覽器（Chrome）+ 自研大型模型（Gemini 系列）+ 自研 Agent（Project Mariner）
- 優勢：全棧可控，端雲端協同深度最優；擁有全球最大瀏覽器使用者基數和搜尋引擎資料飛輪
- 挑戰：反壟斷監管壓力巨大（美國司法部 2024 年裁定 Google 搜尋市場壟斷，2025 年可能要求剝離 Chrome）；模型迭代速度決定全部體驗
- 關鍵數字：Chrome 全球市佔率約 65%（StatCounter 2024Q4），月活使用者據 Google 2024 年公開揭露超過 30 億
路線 B：外部模型整合 + 作業系統繫結（代表：Microsoft）
- 特徵：自有瀏覽器（Edge）+ 深度合作外部最強模型（OpenAI GPT-4 系列）+ Windows 預裝分發
- 優勢：模型能力可快速切換，無需承擔自研模型全部成本；作業系統預裝提供確定性獲客渠道
- 挑戰：模型能力受制於 OpenAI 的節奏與定價；Edge 行動端份額低，跨裝置協同有限
- 關鍵數字：Edge 全球市佔率約 5-6%（StatCounter 2024Q4）
路線 C：本地化 + 隱私優先（代表：Brave、Apple Safari）
- 特徵：優先使用端側模型，預設資料不出裝置；以隱私作為核心差異
- 優勢：合規風險最低；在注重隱私的發達市場（歐盟、北美高階使用者）有差異化吸引力
- 挑戰：端側模型能力天花板限制了 AI 功能範圍；使用者規模較小（Brave 2024 年 MAU 約 7000 萬級，Apple Safari 的 AI 功能 2025 年尚未完全就緒）
- 關鍵動態：Apple WWDC 2024 宣佈 Apple Intelligence 將整合至 Safari（優先裝置端處理），但截至 2025 年中文版和中國區上線時間未定
路線 D：產品體驗重構（代表：Arc、Perplexity）
- 特徵：不以既有瀏覽器為基礎，而是以 AI 互動邏輯重新設計產品形態
- 優勢：無歷史包袱，體驗創新自由度高；在早期 adopters 群體中口碑突出
- 挑戰：使用者基數極小，商業化路徑不清晰；獨立廠商資源有限，難以對抗巨頭
- 關鍵資料：Arc 母公司 The Browser Company 累計融資約 1.8 億美元（公開報道），2025 年轉向開發繼任產品，Arc 本身更新放緩
路線對比總結
| 維度 | Microsoft | Brave | Arc | 國內主流 | |
|---|---|---|---|---|---|
| 模型來源 | 自研 Gemini | OpenAI + 自研 | 端側 + 可選雲端 | Claude API | 自研/國內模型 |
| 核心 | Chromium | Chromium | Chromium | Chromium | Chromium |
| 分發優勢 | 搜尋入口 + Android 預裝 | Windows 預裝 | 隱私口碑 | 產品創新口碑 | 國內應用市場 + 超級 App 導流 |
| 核心差異定位 | 全棧最優 | 辦公生態聯動 | 隱私 | 設計體驗 | 本土化內容整合 |
6. 上游
AI 瀏覽器產業鏈上游由三個核心要素構成：
6.1 大型模型供應商
這是上游話語權最強的環節。瀏覽器廠商若無自研模型，其 AI 能力天花板與成本結構完全受制於模型供應商。
| 供應商 | 相關產品/能力 | 對瀏覽器產業的影響 |
|---|---|---|
| OpenAI | GPT-4o、GPT-4.1、Operator | Microsoft Edge 的核心能力來源；API 定價（GPT-4o 約 $2.5-10/百萬 token，OpenAI 官網 2024 年價格）決定中小瀏覽器的 AI 成本基線 |
| Anthropic | Claude 3.5/4 系列、Computer Use | Agent 操控網頁的先發者；Computer Use API 已開放，可嵌入第三方瀏覽器 |
| Google DeepMind | Gemini 系列 | 僅供 Chrome 深度整合；未向競品瀏覽器開放同等權限 |
| 國內廠商 | 百度文心、阿里通義千問、位元組豆包、科大訊飛星火 | 分別對應各自生態內的瀏覽器；第三方瀏覽器通過 API 接入 |
6.2 瀏覽器核心
全球瀏覽器核心高度集中，Chromium（Blink 引擎）佔據絕對主導。據 StatCounter 資料，包括 Chrome、Edge、Opera、Brave、360、夸克、QQ、豆包在內的絕大多數瀏覽器均基於或相容 Chromium。
- Chromium（Google 主導）：開源但事實受 Google 控制；對 AI 能力的底層支援（如內建 Gemini Nano）僅 Chrome 可享受最優整合
- Gecko（Mozilla Firefox）：份額萎縮（全球約 3% 以下），AI 整合進度落後
- WebKit（Apple Safari）：僅限Apple生態；AI 整合路線由Apple Apple Intelligence 決定
關鍵影響：Chromium 的絕對主導意味著 Google 對瀏覽器底層能力的發展方向有控制力，包括 AI 相關的 Web API 標準、端側模型介面等。
6.3 推論算力
AI 瀏覽器的雲端端推論依賴 GPU 算力。主要供應商：
- 海外：NVIDIA（GPU 主供應商）、AWS/Azure/Google Cloud（雲端推論託管）
- 國內：華為昇騰、寒武紀、阿里雲端/騰訊雲端/位元組火山引擎
瀏覽器廠商的算力成本主要取決於：
- AI 功能滲透率（多少比例使用者使用）
- 平均每人每天 token 消耗量
- 端側分流比例（端側處理越多，雲端端成本越低）
公開資料未見各瀏覽器廠商揭露 AI 推論的獨立算力成本或雲端預算。
7. 下游
AI 瀏覽器的下游需求場景分為三類：
7.1 C 端消費者場景
| 場景 | 傳統方式 | AI 瀏覽器方式 | 價值 |
|---|---|---|---|
| 資訊獲取 | 搜尋 → 點選連結 → 閱讀 → 再搜尋 | 提問 → 獲得整合答案（含來源） | 節省資訊篩選時間 |
| 內容消費 | 逐篇閱讀長文/長影片 | AI 生成摘要、關鍵點、時間線 | 快速判斷內容價值 |
| 線上交易 | 手動比價、填表、下單 | 自然語言指令驅動 Agent 完成 | 減少重複操作 |
| 跨站任務 | 多個網站間反覆複製貼上 | Agent 自動採集、彙總、匯出 | 資訊整合效率提升 |
7.2 B 端企業場景
| 場景 | 說明 | 代表需求方 |
|---|---|---|
| 企業知識庫檢索 | 瀏覽器作為企業內部資訊聚合與查詢入口 | 知識密集型行業（諮詢、法律、金融） |
| 客服輔助 | 瀏覽器內即時提供產品資訊、話術建議 | 電商、保險、金融客服 |
| 競品監測 | 自動採集競品網站資訊、價格變動、新聞 | 市場部門、戰略部門 |
| 合規稽核 | AI 輔助稽核網頁內容合規性 | 內容平台、金融合規 |
7.3 開發者生態
AI 瀏覽器為開發者提供新的能力介面：
- 瀏覽器 AI API：呼叫內建的摘要、翻譯、智慧搜尋能力，嵌入 Web 應用
- Agent 擴充套件開發：基於瀏覽器提供的 Agent 架構（如 MCP 協議）建置垂直場景自動化任務
- 新流量入口：被 AI 整合引用的內容源可能獲得新的流量形式（引用而非點選），對依賴直接流量的網站構成變數
流量生態爭議：AI 瀏覽器若直接給出答案而不引導使用者訪問源網頁，則內容網站的廣告和訂閱營收將受損，形成下游利益衝突。該問題截至 2025 年公開資料未見行業共識解決方案。
8. 受益公司
以下為 AI 瀏覽器概念相關的上市公司與非上市公司，按其在產業鏈中的角色分類。所有資訊均為公開資料整理，不構成任何投資標的推薦。
8.1 直接受益者
| 公司 | 受益邏輯 | 相關業務/產品 | 備註 |
|---|---|---|---|
| Google（Alphabet） | 全球最大瀏覽器 + 大型模型 + 搜尋引擎，全棧受益 | Chrome + Gemini + Google Search | 同時也面臨 AI 回答替代搜尋廣告的內部博弈風險；反壟斷監管風險顯著 |
| Microsoft | Windows 預裝 Edge + Copilot，企業市場滲透優勢 | Edge + Copilot + Azure AI | AI 瀏覽器與 Microsoft 365 訂閱戰略聯動 |
| OpenAI（非上市） | 通過 API 為多個瀏覽器提供模型能力，同時以 Operator 測試自主瀏覽器形態 | GPT 系列 API + Operator | 有潛力從模型供應商轉型為入口競爭者 |
| Anthropic（非上市） | Computer Use 為 Agent 瀏覽器提供底層能力 | Claude 系列 + Computer Use API | 技術先發，營收模式為 API 呼叫費 |
| Apple | Safari 的 AI 升級賦能 iOS/macOS 生態 | Safari + Apple Intelligence | 存量裝置優勢，端側 AI 晶片版面配置深 |
8.2 間接受益者
| 公司 | 受益邏輯 | 備註 |
|---|---|---|
| NVIDIA | AI 瀏覽器雲端端推論推升 GPU 需求 | 需求增量體量相比大型模型訓練較小 |
| 雲端服務商（AWS、Azure、阿里雲端等） | 中小瀏覽器廠商租用雲端 GPU 進行推論 | — |
| 資料標註/內容稽核公司 | AI 瀏覽器需要頁面理解訓練資料與安全稽核 | 體量有限 |
8.3 潛在的“受益但風險並存”公司
- 傳統搜尋引擎依賴型公司：若 AI 瀏覽器削弱搜尋廣告點選率，相關營收模式公司將承壓。此處不具名。
- 內容媒體網站：流量可能被 AI 截留，也可能獲得 AI 引用帶來的品牌曝光，淨效應不確定。
8.4 特別說明
- 國內方面，360（三六零，股票程式碼 601360）、阿里（夸克 AI）、字節跳動（豆包瀏覽器，非上市）、騰訊（QQ 瀏覽器 AI 版）是主要參與方。但其 AI 瀏覽器業務均為大集團下的子業務單元，整體上市公司業績中該業務貢獻佔比公開資料未見單獨拆分揭露。
- 瀏覽器行業新秀（如 Arc 母公司 The Browser Company）尚未上市，無法成為二級市場直接受益標的。
9. 市場規模
9.1 現存市場（瀏覽器與搜尋廣告）
AI 瀏覽器是現存瀏覽器市場和搜尋引擎廣告市場的“價值再分配者”，而非新建市場。其可分食的現有蛋糕規模如下：
| 市場 | 規模 | 年份與口徑 |
|---|---|---|
| 全球瀏覽器使用者數 | 約 33 億 | Statista，2024 年估算 |
| 全球搜尋引擎廣告營收 | 約 3000 億美元以上 | 各科技巨頭財報加總（Google Search & Other 約 1980 億美元 + 百度線上營銷約 900 億人民幣 + 其他），2024 年口徑 |
| 全球 AI 應用市場 | 尚無公認獨立口徑 | 包含 AI 瀏覽器在內，範圍界定不統一 |
9.2 AI 瀏覽器增量市場估算架構
公開資料未見獨立第三方對“AI 瀏覽器”細分市場的規模預測。 以下為可行的估算邏輯架構，並非確定資料：
- 增量營收來源一：AI 功能直接付費訂閱。若未來 AI 瀏覽器使用者中 5-10% 願意為高階 AI 功能付費（假設月費 $5-10/月），全球可定址規模為數十億至百億美元級。但此假設是否成立，截至 2025 年公開資料未見規模化的付費驗證。
- 增量營收來源二：AI 驅動的交易佣金。Agent 完成電商下單、機票預訂等，瀏覽器可通過聯盟佣金或 GMV 抽成獲取營收。該模式已有雛形（如 Microsoft Edge 購物功能），但規模未單獨揭露。
- 存量替代效應：AI 瀏覽器若替代傳統搜尋，將蠶食現有搜尋引擎廣告營收，對於 Google 等廠商是營收轉移而非增量。
9.3 需關注的結構性變數
- 廣告模式的衝擊：AI 直接回答頁面若替代 10-20% 的搜尋點選，對搜尋廣告營收的影響為數百億美元量級。
- 推論成本下降曲線：大型模型推論成本持續快速下降（OpenAI 自 2023 年以來降低超 90%），是 AI 瀏覽器單位經濟模型改善的主要驅動因素，具體降速受制於算力供給和競爭格局。
- 資料口徑缺失：當前無權威機構釋出“AI 瀏覽器滲透率”“AI 瀏覽器 ARPU”等關鍵規模指標，投資者需待主要上市公司 2025-2026 年業績揭露後自行推算。
10. 玩家對比
截至 2025 年中，主要 AI 瀏覽器產品的公開資訊對比：
| 維度 | Chrome + Gemini | Edge + Copilot | Arc | Brave Leo | 夸克 AI | 豆包瀏覽器 | 360 AI 瀏覽器 |
|---|---|---|---|---|---|---|---|
| 母公司 | Microsoft | The Browser Company | Brave Software | 阿里巴巴 | 字節跳動 | 三六零 | |
| 核心 | Chromium | Chromium | Chromium | Chromium | Chromium | Chromium | Chromium |
| AI 模型 | Gemini 系列 | GPT-4 系列 + 自有 | Claude（API） | Leo（自有+可選雲端端） | 通義千問 | 豆包大型模型 | 360 智腦 |
| 端側 AI | Gemini Nano | 待上線 | 無 | Llama 本地執行 | 公開資料未見 | 公開資料未見 | 公開資料未見 |
| Agent 操控網頁 | Project Mariner（內測） | Copilot Vision（內測） | 實驗性功能 | 不支援 | 不支援 | 不支援 | 不支援 |
| 核心差異 | 全棧生態 | Office 聯動 + 企業市場 | 設計體驗 | 隱私 | 年輕使用者 + 內容生態 | 位元組生態整合 | 本土化答案引擎 |
| 使用者規模 | >30 億 MAU（含非 AI 使用者） | 約數億級（含預裝） | 未揭露（百萬級估計） | ~7000 萬 MAU（2024 年公開） | 公開宣稱月活超 2 億（未見第三方獨立驗證） | 未揭露 | 未揭露 |
| AI 功能定價 | 包含在免費 Chrome 內 | 部分免費；Copilot Pro $20/月 | 免費 | 免費 + Leo Premium $15/月 | 免費 | 免費 | 免費 |
| 行動端 AI 能力 | Android 端整合 | iOS/Android 端側邊欄 | iOS 端 Arc Search | 行動端 Leo | 行動端 AI 搜尋 | 行動端整合 | 行動端 AI 搜尋 |
關鍵對比洞察：
- 全棧整合優勢：僅 Google 同時擁有瀏覽器 + 搜尋引擎 + 自研大型模型 + 端側晶片（Pixel 的 Tensor）+ 移動作業系統（Android），在使用者資料的閉環反饋上其他玩家無法企及。
- 差異化空間存在於“非共識”路線：隱私（Brave）、設計（Arc）、本土內容（國內廠商）。但這些差異尚未被驗證能夠支撐長期商業壁壘。
- Agent 能力差距：3.0 階段（Agent 操控網頁）截至 2025 年中僅 Google 與 Anthropic/OpenAI 等頭部模型廠商有實質進展，絕大多數瀏覽器仍處於 2.0 階段。
11. 風險
11.1 商業模式風險 ★★★★★
| 風險 | 詳述 |
|---|---|
| 搜尋廣告的自噬悖論 | AI 瀏覽器若直接給出答案，可能削減搜尋引擎廣告點選數。對於 Google，這是年營收約 2000 億美元（2024 年報）的核心業務，AI 瀏覽器的推進會觸發此自噬風險。公司如何平衡尚未有明確公開策略。 |
| AI 功能貨幣化路徑模糊 | C 端使用者對瀏覽器 AI 功能的付費意願未被規模驗證。若純靠廣告支撐，則重回搜尋廣告的老路，與 AI 直接回答的邏輯衝突。 |
| 推論成本負擔 | 若 AI 功能滲透率上升而成本不能年增率例攤薄，瀏覽器廠商將面臨持續的推論賬單壓力。端側部署可緩解但受晶片能力制約。 |
11.2 隱私與資料安全風險 ★★★★★
| 風險 | 詳述 |
|---|---|
| 敏感內容上傳 | AI 總結/問答需將頁面內容（可能包含銀行、醫療、法律等敏感資訊）傳送至雲端端模型，存在洩露和資料濫用風險。瀏覽器廠商的隱私政策與技術保障受到監管機構高度關注。 |
| 行為資料濫用 | 瀏覽器已掌握完整點選流和搜尋歷史，AI 能力進一步強化了採集和處理使用者行為資料的動機與能力。歐盟 GDPR 和 ePrivacy 法規下合規風險顯著。 |
| 第三方模型依賴 | 使用 OpenAI/Anthropic 等外部模型時，使用者資料流向第三方，資料鏈合規復雜度提升。Apple已因此延遲或限制部分 AI 功能的上線節奏。 |
11.3 AI 準確性與安全風險 ★★★★
| 風險 | 詳述 |
|---|---|
| 幻覺導致錯誤決策 | AI 瀏覽器對網頁內容的總結/回答存在“幻覺”風險（資訊捏造或曲解），尤其在專業、複雜內容上。使用者可能因此做出錯誤判斷。2024 年多家媒體測試發現長文件 AI 摘要存在關鍵資訊遺漏（具體召回率指標公開資料未見系統性第三方評測）。 |
| Agent 誤操作 | 3.0 階段的 Agent 操控網頁可能產生不可逆操作（下單、刪除資料、提交錯誤資訊）。防範機制尚不成熟。 |
| 惡意利用 | AI 瀏覽器可能被用於自動化惡意活動（批次註冊、爬取、欺詐）的門檻降低，安全防禦挑戰加大。 |
11.4 監管與反壟斷風險 ★★★★
| 風險 | 詳述 |
|---|---|
| Google 反壟斷案 | 2024 年美國司法部裁定 Google 在搜尋市場非法壟斷，2025 年可能要求強制剝離 Chrome 瀏覽器。若判決生效，將重寫全球瀏覽器市場版圖和 AI 瀏覽器競爭格局。 |
| 歐盟 AI Act | 對高風險 AI 應用有嚴格透明度和風險評估要求。AI 瀏覽器若涉及使用者自動化決策，需額外合規。 |
| 中國 AI 監管 | 大型模型需通過備案方可上線；AI 生成內容需標識；瀏覽器作為內容分發入口受《網際網路資訊服務管理辦法》約束，合規要求較高。 |
| DMA（數字市場法案） | 歐盟 DMA 已將瀏覽器列為核心平台服務，對預裝、預設設定等行為有限制，影響 Microsoft 和 Google 的分發策略。 |
11.5 競爭與同質化風險 ★★★
| 風險 | 詳述 |
|---|---|
| 功能趨同 | 2024 年各家 AI 瀏覽器功能高度趨同（總結、問答、翻譯），差異化壁壘尚未建立，存在陷入價格/流量競爭的隱患。 |
| 入口替代風險 | 瀏覽器本身可能被作業系統級 AI 助手（如 Apple Intelligence、Android 的 AI 核心）或超級 App 替代，瀏覽器作為獨立產品的重要性可能下降。 |
12. 誤讀糾偏
謬誤 1：“AI 瀏覽器就是要顛覆 Chrome、幹掉搜尋引擎”
糾偏：AI 瀏覽器當前階段並不旨在替代現有瀏覽器或搜尋引擎，而是在兩者之上疊加理解和執行層。消費者不會因為瀏覽器加了 AI 就立即切換——Chrome 65% 的全球份額（StatCounter 2024Q4）是多年使用者習慣和生態繫結的沉澱，短期不可撼動。AI 功能是增量而非替代品，其價值體現在“減少使用者跳轉次數”和“增強現有體驗”。
謬誤 2：“有了 AI 瀏覽器，使用者就不需要訪問網站了”
糾偏：AI 瀏覽器的答案仍然需要信源，且高質量信源決定答案質量。它改變的是使用者“發現和消費資訊”的路徑，而非消除資訊源頭。對於內容網站，流量形態可能從“搜尋點選”變為“AI 引用”，淨效應是正負兩方面的博弈，結果尚未清晰。根本上，資訊生態仍需內容生產者維繫。
謬誤 3：“誰的模型強，誰的瀏覽器就贏”
糾偏：模型能力是 AI 瀏覽器的必要條件，但不是充分條件。分發渠道（作業系統、預裝、預設設定）、使用者習慣、隱私信任、生態相容性至少同等重要。Microsoft Edge 背靠 GPT-4 最強模型之一，但全球份額遠低於 Chrome（約 5-6% vs 65%，StatCounter 2024Q4），說明“模型強 ≠ 贏”。瀏覽器的競爭是多維的。
謬誤 4：“AI 瀏覽器帶來新的巨大市場，是數萬億美元級機會”
糾偏：AI 瀏覽器主要是在存量市場（瀏覽器使用者時間、搜尋廣告營收）中進行價值再分配，而非憑空創造萬億級新市場。其增量來自 AI 功能付費和 Agent 交易佣金，體量仍屬驗證期，遠未達到可規模預測的階段。過度誇大市場規模可能誤導預期。
謬誤 5：“端側 AI 可以立刻解決隱私和成本問題”
糾偏：端側模型的推論能力和任務範圍目前有明確天花板（2025 年端側最優模型引數量約 3-7B，能力顯著弱於千億引數的雲端端模型）。複雜頁面理解、跨頁任務仍需雲端端推論。端雲端協同是漸進過程，不能一步到位。
13. 最新事件
以下為 2024 年下半年至 2025 年中 AI 瀏覽器領域的重大動態（依時間倒序，基於公開報道與官方釋出）：
| 時間 | 事件 | 影響分析 |
|---|---|---|
| 2025 年 5 月 | Google I/O 2025 更新 Project Mariner 進展，擴大內測範圍 | 預計 Agent 操控網頁將在 2025 年下半年面向更多 Chrome 使用者開放 |
| 2025 年 4 月 | 美國司法部反壟斷案中提出剝離 Chrome 的最終方案 | 若被法院採納，將對 AI 瀏覽器產業格局產生深遠衝擊 |
| 2025 年 1 月 | OpenAI 釋出 Operator（瀏覽器 Agent）研究預覽 | 模型層公司直接切入瀏覽器自動化，可能向上遊或下游演化 |
| 2024 年 11 月 | Anthropic 釋出 Computer Use（公測版），可讓 Claude 操控網頁 | Agent 瀏覽器的基礎能力走向商品化，可通過 API 獲得 |
| 2024 年 10 月 | 360 釋出 AI 瀏覽器 4.0，主打“答案引擎”定位 | 國內廠商加速卡位 AI 瀏覽器概念 |
| 2024 年 9 月 | 夸克升級為“夸克 AI”品牌，AI 搜尋和文件成為核心功能 | 阿里系在 AI 瀏覽器賽道持續投入，使用者量宣稱領先但缺獨立驗證 |
| 2024 年 6 月 | Apple WWDC 2024 宣佈 Safari 將整合 Apple Intelligence（本地優先） | 行業最受關注的隱私優先 AI 瀏覽器路線圖釋出，但中國區上線節奏不明 |
| 2024 年 5 月 | 位元組豆包瀏覽器正式推出 | 基於位元組生態和豆包大型模型，國內競爭進一步升溫 |
| 2024 年 4 月 | The Browser Company 暗示將推出全新產品，Arc 更新放緩 | 獨立瀏覽器新秀的戰略重心轉移，引發對 3.0 產品形態的猜測 |
當前核心待觀察事件（2025 年下半年）：
- Google 反壟斷案最終判決
- Project Mariner / OpenAI Operator / Apple Intelligence 在 Safari 中的大規模可用性
- 國內主要玩家 AI 瀏覽器的留存率資料和變現方式揭露
14. 追蹤指標
評估 AI 瀏覽器產業演進需要重點關注以下指標。公開資料中可獲取的以 ✅ 標記，需等官方揭露的以 ⏳ 標記。
14.1 產品與市場指標
| 指標 | 資料可得性 | 觀察意圖 |
|---|---|---|
| 全球瀏覽器市場份額變化 | ✅ StatCounter 月頻 | 判斷 AI 功能是否驅動份額遷移 |
| 頭部瀏覽器 AI 功能日活滲透率 | ⏳ 各廠商未揭露 | 衡量 AI 功能的使用者接受度 |
| AI 功能 7 日/30 日留存率 | ⏳ 各廠商未揭露 | 衡量產品粘性 |
| Agent 操控類功能對外可用狀態 | ✅ 官方公告 | 判斷 3.0 功能進入市場的節奏 |
14.2 財務與投入指標
| 指標 | 資料可得性 | 觀察意圖 |
|---|---|---|
| Google Search & Other 營收增速 | ✅ Alphabet 季報 | AI 回答是否實質影響搜尋廣告營收 |
| Microsoft 搜尋與新聞廣告營收 | ✅ Microsoft 季報 | Edge AI 化對企業搜尋廣告市場的拉動是否符合預期 |
| 全球 GPU 出貨量與雲端推論營收 | ✅ NVIDIA/雲端廠商季報 | 供需兩端驗證 AI 瀏覽器的推論算力需求 |
| 大型模型 API 定價趨勢 | ✅ OpenAI/Anthropic/Google 官網 | 推論成本下降速度決定 AI 功能單位經濟模型 |
14.3 監管與政策指標
| 指標 | 資料可得性 | 觀察意圖 |
|---|---|---|
| Google 反壟斷案進展 | ✅ 法院檔案與公開報道 | 威脅 Chrome 的存續與獨立性 |
| 歐盟 AI Act 執行細則 | ✅ 歐盟官方公報 | 決定 AI 瀏覽器的合規成本天花板 |
| 中國大型模型備案清單更新 | ✅ 國家網信辦公告 | 國內瀏覽器可使用的合規模型範圍 |
14.4 競爭動態指標
| 指標 | 資料可得性 | 觀察意圖 |
|---|---|---|
| 新進入者的融資與估值 | ✅ 公開報道 | 產業資本流入熱度 |
| 獨立瀏覽器（Arc/Brave/Opera）的 AI 使用者增長 | ⏳ 部分通過官方部落格/採訪揭露 | 獨立玩家是否能短期積累高留存使用者 |
| 國內 AI 瀏覽器的月活、時長、留存公開引用 | ⏳ 多由廠商自行揭露，口徑不一 | 需結合第三方監測交叉驗證 |
15. 信源
以下為本文所引資訊的公開來源，按型別分層：
行業資料統計
- StatCounter Global Stats — 瀏覽器全球市場份額（季度更新）https://gs.statcounter.com
- Statista — 全球瀏覽器使用者數估算、全球網際網路使用者數等宏觀資料 https://www.statista.com
公司官方財報與公開揭露
- Alphabet Inc. 2024 年報 — Google Search & Other 營收、Chrome 使用者規模等
- Microsoft Corp. 2024 年報 — Edge、Bing 與 Copilot 相關營收揭露
- Opera Limited 2024 年報 — Opera 全球使用者資料
- OpenAI 官方定價頁 — GPT-4o / GPT-4.1 等模型 API 價格 https://openai.com/api/pricing/
- Anthropic 官方文件 — Computer Use 功能描述與定價
產品釋出與公開資訊
- Google AI（Project Mariner、Gemini 相關）— https://blog.google
- Microsoft Edge & Copilot — https://blogs.windows.com
- Brave Browser（Leo） — https://brave.com
- The Browser Company（Arc） — 各公開採訪與產品公告
- Apple（Safari & Apple Intelligence） — WWDC 2024 官方釋出
- 360 AI 瀏覽器 — 360 公司公開產品釋出資訊
- 夸克 AI — 夸克官方及阿里巴巴生態相關揭露
- 字節跳動豆包瀏覽器 — 字節跳動公開產品公告
監管與政策
- 歐盟《人工智慧法案》（EU AI Act）官方文本
- 中國《生成式人工智慧服務管理暫行辦法》（2023 年 8 月生效）
- 美國司法部等訴 Google 反壟斷案（Case 1:20-cv-03010）公開檔案
- 歐盟《數字市場法案》（DMA）執行相關公開檔案
產業分析與研究
- 國內外科技媒體的產業分析（TechCrunch、The Verge、The Information 等，文中以“公開報道”統稱）
資料時效說明：因行業演進快速，部分資料以“截至 2025 年中公開資訊”為基準。對於瀏覽器份額等高頻更新資料，建議參考 StatCounter 最新值。對於本文標註“公開資料未見”的資料項，歡迎讀者提供可靠來源以補充完善。
免責宣告：本頁內容為產業資訊整理與分析，不構成任何投資、交易或產品購買建議。所有涉及公司的描述均基於公開資料，不代表對其股票、業務或前景的任何判斷。資料已標註年份、口徑與來源，部分資訊存在滯後或不完整可能，請以相關公司的官方最新揭露與監管檔案為準。