美團(tuán)AI瀏覽器，被龍蝦截胡了

AIX財(cái)經(jīng)（AIXcaijing）原創(chuàng)

作者 | 王璐

編輯 | 魏佳

繼騰訊、阿里、百度、360、微軟、谷歌、ChatGPT等國(guó)內(nèi)外科技巨頭推出AI瀏覽器后，美團(tuán)也加入了戰(zhàn)局。

3月2日，美團(tuán)旗下光年之外團(tuán)隊(duì)上線AI瀏覽器Tabbit，并開(kāi)啟免費(fèi)公測(cè)，這一舉動(dòng)很快在業(yè)內(nèi)引發(fā)廣泛關(guān)注。

畢竟，與多數(shù)入局者不同，美團(tuán)既沒(méi)有瀏覽器產(chǎn)品的歷史積累，也沒(méi)有搜索業(yè)務(wù)作為基礎(chǔ)設(shè)施，從“AI原生”的定位直接切入這一賽道顯得有些激進(jìn)。

產(chǎn)品上線后不久，Tabbit即卷入一場(chǎng)抄襲爭(zhēng)議。獨(dú)立開(kāi)發(fā)者“夢(mèng)溪睡了嗎”指出，Tabbit與其開(kāi)源項(xiàng)目“陪讀蛙”（ReadFrog）在界面設(shè)計(jì)、快捷鍵乃至內(nèi)部文件名等方面高度相似，并質(zhì)疑Tabbit未嚴(yán)格遵守GPL開(kāi)源協(xié)議。隨后，Tabbit回應(yīng)稱對(duì)開(kāi)源協(xié)議理解不足，已移除相關(guān)代碼并開(kāi)源了修改后的版本，雙方幾輪公開(kāi)發(fā)聲后，事件最終告一段落。

拋開(kāi)爭(zhēng)議，更值得關(guān)注的是美團(tuán)的戰(zhàn)略選擇。在老牌搜索公司和AI創(chuàng)業(yè)公司扎堆的AI瀏覽器賽道，一家以本地生活起家的平臺(tái)入局，是否具備勝算？更為重要的是，當(dāng)OpenClaw這類系統(tǒng)級(jí)Agent已經(jīng)開(kāi)始直接操控電腦時(shí)，AI瀏覽器是否還是一個(gè)有價(jià)值的入口？

Tabbit實(shí)測(cè)：一款中規(guī)中矩的AI瀏覽器

AI瀏覽器的概念，從去年開(kāi)始升溫。與傳統(tǒng)瀏覽器的最大區(qū)別在于，面對(duì)用戶拋出的問(wèn)題，它往往會(huì)直接給出總結(jié)后的答案，而非甩出一串鏈接。

從技術(shù)路線上看，可以分成兩類，一是集成技術(shù)路線，在管理網(wǎng)頁(yè)的基礎(chǔ)上，加上AI能力和Chatbot式交互，谷歌、微軟以及國(guó)內(nèi)絕大多數(shù)大廠屬于這類；二是AI原生路線，在開(kāi)發(fā)時(shí)就基于AI原生架構(gòu)打造，國(guó)外代表為Comet、Dia、Fellou AI、ChatGPT的Atlas，國(guó)內(nèi)的Tabbit與夸克AI瀏覽器（以下簡(jiǎn)稱夸克）也屬于這類。

綜合多位Agent從業(yè)者的說(shuō)法，目前無(wú)論是集成路線還是原生路線，AI瀏覽器功能的實(shí)現(xiàn)難度，大致可分為三個(gè)等級(jí):

初級(jí)：信息提取與結(jié)構(gòu)化、精確操作與指令跟隨；
中級(jí)：視覺(jué)-語(yǔ)言協(xié)同、多步規(guī)劃與頁(yè)面導(dǎo)航；
高級(jí)：長(zhǎng)上下文記憶、自主決策與容錯(cuò)能力。

Tabbit對(duì)外宣稱具備智能對(duì)話、智能代理、標(biāo)簽組管理和快捷操作支持等主要功能。為了適配不同行業(yè)，它還提供妙招（Skill）和腳本（Script）功能：妙招功能允許用戶將反復(fù)使用的提問(wèn)方式、格式規(guī)范和工作流程保存為一鍵調(diào)用的快捷指令；腳本功能則讓不懂編程的人也能輕松定制瀏覽器。這些能力基本符合當(dāng)前AI瀏覽器產(chǎn)品的普遍形態(tài)，但整體來(lái)看并未展現(xiàn)出突破性創(chuàng)新。

為了更直觀地了解其實(shí)際表現(xiàn)，「AIX財(cái)經(jīng)」選取了三個(gè)相同場(chǎng)景，對(duì)Tabbit與夸克這兩款同屬AI原生路線的產(chǎn)品進(jìn)行測(cè)試。

場(chǎng)景一：讓AI瀏覽器打開(kāi)雪球網(wǎng)行情頁(yè)面，提取今日漲幅前10的股票名稱、代碼、漲幅百分比，生成表格。

結(jié)果顯示，Tabbit完成了一半任務(wù)，給出了前十漲幅表格，但將范圍自動(dòng)縮小到了A股，夸克則在嘗試自動(dòng)化提取雪球網(wǎng)實(shí)時(shí)行情數(shù)據(jù)時(shí)出現(xiàn)了問(wèn)題，顯示無(wú)法直接提取。

Tabbit成功提取但范圍不準(zhǔn)確

夸克直接顯示無(wú)法提取

我們進(jìn)一步降低指令難度。讓它們?cè)L問(wèn)豆瓣電影Top250頁(yè)面（
https://movie.douban.com/top250），提取前10部電影的電影名稱、導(dǎo)演、上映年份、評(píng)分，生成Markdown表格。需要指出的是，夸克依托的是千問(wèn)大模型和千問(wèn)助手，且千問(wèn)已深度融合到夸克中，執(zhí)行回郵件、跨標(biāo)簽分析等眾多智能化功能。

夸克整理的電影排名

Tabbit整理的電影排名

測(cè)試結(jié)果顯示，Tabbit與夸克均成功完成了數(shù)據(jù)抓取并生成了表格，但兩者輸出的內(nèi)容存在差異。在第三部電影《泰坦尼克號(hào)》的數(shù)據(jù)上出現(xiàn)了分歧。

核查后，我們發(fā)現(xiàn)該片在豆瓣的實(shí)際評(píng)分為9.5分，與Tabbit的抓取結(jié)果一致，夸克存在偏差。這一輪，Tabbit表現(xiàn)更優(yōu)。

場(chǎng)景二：讓AI瀏覽器在京東、天貓、拼多多搜索iPhone16Pro 256GB的價(jià)格和庫(kù)存，需識(shí)別現(xiàn)貨、缺貨、預(yù)售等不同表述，選擇有貨且價(jià)格最低的平臺(tái)，加入購(gòu)物車但不支付。

測(cè)試結(jié)果顯示，Tabbit與夸克均無(wú)法直接完成加入購(gòu)物車的自動(dòng)化操作，但兩者呈現(xiàn)出不同的應(yīng)對(duì)策略。

夸克明確提示無(wú)法直接訪問(wèn)電商平臺(tái)，更無(wú)法執(zhí)行加購(gòu)操作，轉(zhuǎn)而給出的代替方案是，根據(jù)公開(kāi)資料整理了一份iPhone16Pro 256GB的各平臺(tái)報(bào)價(jià)清單。

Tabbit則呈現(xiàn)出“能訪問(wèn)但執(zhí)行失敗”的狀態(tài)。界面顯示其能夠訪問(wèn)京東、天貓等平臺(tái)，并結(jié)合了部分?jǐn)?shù)據(jù)資料，生成了“加入購(gòu)物車”的操作按鈕。

然而，當(dāng)用戶點(diǎn)擊執(zhí)行該操作時(shí)，系統(tǒng)顯示報(bào)錯(cuò)，實(shí)際并未完成加購(gòu)流程。這表明Tabbit的Agent能力并不穩(wěn)定，最終仍需用戶手動(dòng)跳轉(zhuǎn)至電商平臺(tái)完成購(gòu)買。

Tabbit顯示系統(tǒng)錯(cuò)誤

場(chǎng)景三：讓AI瀏覽器連續(xù)3天上午10點(diǎn)打開(kāi)某基金凈值頁(yè)面，并復(fù)制數(shù)字到表格上，如果網(wǎng)頁(yè)打不開(kāi)，等1小時(shí)再試；如果連續(xù)3次打不開(kāi)，就放棄并報(bào)錯(cuò)。

夸克無(wú)法執(zhí)行定時(shí)任務(wù)

Tabbit無(wú)法執(zhí)行定時(shí)任務(wù)

結(jié)果顯示，Tabbit與夸克均無(wú)法執(zhí)行該任務(wù)，表示不具備定時(shí)任務(wù)和后臺(tái)自動(dòng)訪問(wèn)網(wǎng)頁(yè)的能力。

綜合三組測(cè)試結(jié)果可以看出，Tabbit在信息提取和基礎(chǔ)指令執(zhí)行方面具備一定能力，但在復(fù)雜網(wǎng)頁(yè)環(huán)境、跨平臺(tái)操作等場(chǎng)景下，仍存在不足。這種表現(xiàn)也與當(dāng)前AI瀏覽器整體的發(fā)展階段相符，它們能在部分場(chǎng)景中提升效率，但距離真正的“數(shù)字員工”還存在明顯差距。

既搶入口，也練Agent

在不少?gòu)臉I(yè)者看來(lái)，當(dāng)前無(wú)論是國(guó)內(nèi)還是國(guó)外，AI瀏覽器仍是一個(gè)技術(shù)復(fù)雜、尚未成熟的領(lǐng)域，商業(yè)模式也遠(yuǎn)未清晰。即便如此，美團(tuán)依然選擇推出Tabbit，背后與其想要搶占AI時(shí)代的入口有關(guān)。

相比其在本地生活領(lǐng)域穩(wěn)固的地位，美團(tuán)在AI產(chǎn)品尤其是C端產(chǎn)品上的存在感始終不強(qiáng)。

近兩年，美團(tuán)在B端的AI應(yīng)用上已取得一定進(jìn)展，比如面向商家的AI應(yīng)用有“袋鼠參謀”、“袋鼠管家”，但在面向普通消費(fèi)者的C端，始終缺乏一款具有代表性的產(chǎn)品。無(wú)論是此前推出的AI助手“LongCat”，還是美團(tuán)App內(nèi)的智能搜索入口“問(wèn)小團(tuán)”，都未能形成明顯的用戶心智。

與此同時(shí)，AI助手的競(jìng)爭(zhēng)已經(jīng)進(jìn)入新的階段。以字節(jié)跳動(dòng)的豆包、阿里的千問(wèn)、騰訊的元寶為代表的產(chǎn)品，正在從“能用”走向“好用”，并不斷向具體場(chǎng)景延伸。大廠的競(jìng)爭(zhēng)焦點(diǎn)已不再是誰(shuí)的AI更聰明，而是看誰(shuí)能成為用戶日常使用AI的主要入口。

在這樣的背景下，AI瀏覽器成為一個(gè)被重新審視的形態(tài)。

與封閉的應(yīng)用不同，瀏覽器天然連接整個(gè)互聯(lián)網(wǎng)信息環(huán)境，這使其具備一種獨(dú)特的能力：在同一界面中完成信息獲取、決策參考乃至后續(xù)操作。疊加AI能力后，理論上可以讓用戶在瀏覽網(wǎng)頁(yè)的過(guò)程中直接調(diào)用智能助手完成任務(wù)。

圖源 / pexels

有技術(shù)人員以點(diǎn)奶茶舉例，用戶在千問(wèn)APP中點(diǎn)奶茶，通常是通過(guò)API接口完成，只能獲取阿里生態(tài)或合作方開(kāi)放的結(jié)構(gòu)化數(shù)據(jù)（如店名、價(jià)格、庫(kù)存）。而AI瀏覽器模式一旦走通，可直接抓取網(wǎng)頁(yè)上的公開(kāi)信息，包括各外賣平臺(tái)的實(shí)時(shí)價(jià)格，以及社交媒體上的用戶評(píng)價(jià)做參考，最終讓用戶在一個(gè)界面內(nèi)完成查看攻略-比價(jià)?-下單的全流程。

當(dāng)然，正如前文測(cè)試中的表現(xiàn)那樣，這一能力距離完全成熟仍有距離。但對(duì)于像美團(tuán)這樣同時(shí)擁有大量商家資源與消費(fèi)場(chǎng)景的平臺(tái)來(lái)說(shuō)，如果AI瀏覽器形態(tài)能逐步走通，未來(lái)確實(shí)有可能串聯(lián)起龐大的B端商家與豐富的C端消費(fèi)場(chǎng)景，構(gòu)建起一個(gè)從信息決策到交易的完整閉環(huán)。

除了入口意義，AI瀏覽器也是美團(tuán)展示Agent能力的重要載體。

資深A(yù)gent領(lǐng)域?qū)＜亿w江杰指出，Agent技術(shù)已成為當(dāng)前AI與軟件行業(yè)最受關(guān)注的方向之一。對(duì)美團(tuán)而言，公司需要一個(gè)合適的平臺(tái)來(lái)展示其大模型在任務(wù)規(guī)劃、自主執(zhí)行等方面的能力，但美團(tuán)App功能相對(duì)固化、場(chǎng)景集中，并非理想的測(cè)試環(huán)境。同時(shí)，美團(tuán)還需權(quán)衡Agent的自主決策對(duì)平臺(tái)現(xiàn)有商業(yè)模式（如廣告分發(fā)和流量閉環(huán)）可能產(chǎn)生的沖擊。因此，選擇更通用、更開(kāi)放的瀏覽器作為入口，自然成為技術(shù)落地的新方向。

同樣還是以“點(diǎn)奶茶”為例，當(dāng)用戶向千問(wèn)發(fā)出指令時(shí)，得到的通常只是一個(gè)直接的奶茶推薦結(jié)果，用戶無(wú)法知曉其篩選和決策的過(guò)程，而Tabbit這類AI瀏覽器的核心優(yōu)勢(shì)在于，它能將任務(wù)執(zhí)行過(guò)程可視化。即隨著技術(shù)的成熟，用戶可以親眼看到AI是如何一步步操作的：先打開(kāi)外賣平臺(tái)頁(yè)面，輸入“奶茶”，然后根據(jù)設(shè)定的條件（如價(jià)格、評(píng)分）進(jìn)行篩選，最終將選定的商品加入購(gòu)物車。這種交互形式，比封閉的對(duì)話式響應(yīng)更透明、更可信。

從技術(shù)布局來(lái)看，趙江杰認(rèn)為，美團(tuán)自研的LongCat大模型基礎(chǔ)能力不錯(cuò)，但因?yàn)槠鸩捷^晚，與國(guó)內(nèi)頭部梯隊(duì)相比仍有一定距離，但其在Agent方向上投入堅(jiān)決、聚焦明確，此次推出Tabbit，是其將模型能力與實(shí)際應(yīng)用場(chǎng)景結(jié)合的一次重要嘗試。

AI瀏覽器，沒(méi)趕上好時(shí)候？

雖然Tabbit被視為美團(tuán)的一次重要嘗試，但從市場(chǎng)反饋來(lái)看，并沒(méi)有在行業(yè)激起太大水花。

產(chǎn)品上線首日，不少業(yè)內(nèi)人士試用后的評(píng)價(jià)是“與市面上現(xiàn)有的AI瀏覽器功能差異不大”；次日引發(fā)廣泛討論，則是因陷入了抄襲開(kāi)源代碼的爭(zhēng)議。

但許多從業(yè)者認(rèn)為，行業(yè)的冷靜并不完全是Tabbit本身的問(wèn)題，更重要的原因在于，當(dāng)前行業(yè)的注意力已經(jīng)發(fā)生轉(zhuǎn)移。

近期，無(wú)論國(guó)內(nèi)還是海外，AI領(lǐng)域的關(guān)注焦點(diǎn)已明顯轉(zhuǎn)向能夠深度操控操作系統(tǒng)的Agent，討論度最高的就是OpenClaw。其展示出的廣闊想象空間，讓仍停留在應(yīng)用層的AI瀏覽器顯得聲勢(shì)不足。

簡(jiǎn)單來(lái)說(shuō)，OpenClaw這類產(chǎn)品的目標(biāo)，是讓AI像人一樣操作整臺(tái)電腦：打開(kāi)軟件、填寫表格、發(fā)送郵件，甚至在不同應(yīng)用之間完成復(fù)雜任務(wù)流程。

盡管技術(shù)路徑不同，但在“替代人工完成重復(fù)操作”這一目標(biāo)上，AI瀏覽器與系統(tǒng)級(jí)Agent確實(shí)存在一定重疊。

比如，當(dāng)用戶需要處理一份數(shù)據(jù)表格時(shí)，AI瀏覽器可以操作網(wǎng)頁(yè)版Excel，但如果任務(wù)涉及多個(gè)本地應(yīng)用，例如處理Excel后再發(fā)送到微信，目前還難以獨(dú)立完成。而OpenClaw可以直接操作本地Excel文件，并在不同軟件之間切換，完成整個(gè)流程。

這種能力差異的背后，是兩類產(chǎn)品在技術(shù)架構(gòu)上的不同。

許多AI瀏覽器執(zhí)行操作時(shí)，會(huì)截圖再由視覺(jué)模型理解畫面，最后決策并執(zhí)行這一套流程，需花費(fèi)較長(zhǎng)時(shí)間。

圖源 / pexels

而且在處理圖表、游戲等復(fù)雜頁(yè)面時(shí)，由于無(wú)法解析底層代碼，只能依賴像素猜測(cè)，導(dǎo)致結(jié)果準(zhǔn)確率大大降低。此外，各大網(wǎng)站的防爬機(jī)制也限制了瀏覽器的自動(dòng)化操作。

相比之下，OpenClaw 選擇了一條不同的技術(shù)路徑。它并非AI瀏覽器，而是一個(gè)運(yùn)行在本地的通用AI Agent，其核心能力之一是控制瀏覽器。它的獨(dú)特之處在于，并非依賴多模態(tài)視覺(jué)模型對(duì)頁(yè)面截圖進(jìn)行理解，而是通過(guò)獲取系統(tǒng)的“輔助功能樹(shù)”（Accessibility Tree）快照來(lái)解析頁(yè)面。這些快照會(huì)轉(zhuǎn)換為包含按鈕、鏈接、文本框等元素的文本化頁(yè)面結(jié)構(gòu)描述，大語(yǔ)言模型（LLM）通過(guò)閱讀這些文本來(lái)“看見(jiàn)”并理解界面。

簡(jiǎn)而言之，如果說(shuō)傳統(tǒng)AI瀏覽器是從“系統(tǒng)外部”猜測(cè)界面，那么OpenClaw則是從“系統(tǒng)內(nèi)部”直接理解界面。這種更接近底層、更結(jié)構(gòu)化的理解方式，也是許多用戶感覺(jué)OpenClaw表現(xiàn)更為智能的主要原因。

不過(guò)，能力越強(qiáng)，也意味著更高的風(fēng)險(xiǎn)與門檻。

一方面，系統(tǒng)級(jí)Agent需要獲得更高的操作權(quán)限，一旦指令理解出現(xiàn)偏差，就可能造成誤操作，造成失控風(fēng)險(xiǎn)。有用戶曾報(bào)告其OpenClaw因指令異常，自動(dòng)刪除郵箱郵件，這也讓安全問(wèn)題成為業(yè)內(nèi)討論的焦點(diǎn)。

另一方面，OpenClaw的使用門檻也較高。其部署過(guò)程復(fù)雜，對(duì)普通用戶不夠友好，甚至催生了從數(shù)百元到數(shù)千美元不等的付費(fèi)教安裝服務(wù)。而且持續(xù)調(diào)用大模型API將產(chǎn)生高昂費(fèi)用，一些重度用戶每月開(kāi)銷可達(dá)數(shù)百美元，被戲稱為“貸款上班”。

從更長(zhǎng)遠(yuǎn)的視角看，AI瀏覽器與系統(tǒng)級(jí)Agent或許并不是簡(jiǎn)單的替代關(guān)系，而更像是Agent發(fā)展的兩條不同路徑：前者依托瀏覽器這一成熟入口，更容易觸達(dá)普通用戶并快速規(guī)模化；后者能力邊界更大，但在安全、成本上仍有門檻。

在這樣的行業(yè)背景下，Tabbit的處境也頗為微妙。它既是在探索AI瀏覽器這一尚未定型的賽道，也不得不面對(duì)一個(gè)現(xiàn)實(shí)，行業(yè)注意力正被更具想象空間的系統(tǒng)級(jí)Agent所吸引。Tabbit能否突圍，就得看產(chǎn)品進(jìn)化的速度能不能跟得上大家的期待了。

*題圖來(lái)源于pexels。