Perplexity CEO 谈为何浏览器是 AI 的杀手级应用

大家好，欢迎收听《解码器》！我是亚历克斯·希思，《The Verge》副主编兼《命令行》新闻简报作者。在尼莱休育儿假期间，将由我主持每周四的节目。

今天我们要探讨人工智能如何改变网络使用方式。如果你和我一样，可能已经在用 ChatGPT 这类应用进行搜索，但最近我对网页浏览器本身的未来产生了浓厚兴趣。

这就要介绍今天的嘉宾：Perplexity 公司 CEO 阿拉文德·斯里尼瓦斯，他坚信浏览器将成为构建实用 AI 的主战场。该公司刚发布了 Comet——一款面向 Mac 和 Windows 的 AI 浏览器，目前仍处于邀请制测试阶段。我试用后觉得非常有意思。

阿拉文德并非孤例：OpenAI 正在开发自己的网页浏览器 ，此外还有像 Dia 这样的原生 AI 浏览器 。与此同时，如果美国司法部在重大反垄断案中胜诉，谷歌可能被迫剥离 Chrome 业务。若这种情况发生，将为 Perplexity 等初创企业创造抢占市场份额的机会，并从根本上改变人们与网络的交互方式。

本次对话中，我和阿拉文德还探讨了 Perplexity 的未来发展、AI 人才争夺战，以及他为何认为人们最终会为单个 AI 提示支付数千美元。

希望您能和我一样享受这场对话。

本次访谈经过适当编辑，以确保内容简洁清晰。

好的，Aravind，在我们深入探讨 Comet 及其运作原理之前，我其实想先回顾一下我们四月份为我的通讯《命令行》所做的对话 。当时我们聊到你做这件事的动机，你告诉我开发浏览器的原因是：”这可能是构建智能体（agent）的最佳方式。”

这个观点从那时起就一直萦绕在我脑海中，我认为它已经得到了其他人以及近期一些产品发布的验证。不过在深入之前，你能详细阐述一下这个观点吗：为什么你认为浏览器实际上是实现 AI 智能体的路径？

当然。什么是 AI 智能体？让我们从这里开始。人们对 AI 智能体的粗略期待是它能真正替你完成事务。这个定义显然很模糊，就像 AI 聊天机器人本身的概念一样宽泛。人们只希望它能响应任何需求。智能体也是如此——它应当能够端到端执行完整工作流，从接收指令到实际完成任务。那么核心问题就归结为：实现这些需要什么？它需要上下文。需要从你的第三方应用中获取上下文。还需要代表你在那些应用中执行操作。

因此你需要已登录的第三方应用环境。它需要访问你在这些应用中的数据，但要以一种不会反复要求重新授权的方式实现。实际上许多操作并不需要你的实时许可。同时，当智能体无法完成任务时（毕竟没有任何 AI 智能体是万无一失的，尤其在当前推理模型远未完善的阶段），你可以随时接管并手动完成。

因此，你希望构建一个能让智能代理与人类以相同方式操作的统一界面：登录过程真正无缝衔接，客户端数据易于使用，操作控制自然流畅，即使某些功能失效也不会造成实质性损害。当感觉代理无法完成任务时，你仍可随时接管并完成操作。什么样的环境能最直接实现这种构想，既无需创建带有所有登录信息的虚拟服务器，又不必让用户担忧隐私等问题？答案就是浏览器。

所有操作都可以在客户端完成，所有数据都能保持安全。它获取信息的方式与你亲自访问那些网站完全相同，只会访问完成任务所需的内容，这样你就能清楚了解 AI 代理的行为。这不是一个黑箱系统。你拥有完全的透明度和可见性，如果觉得 AI 偏离轨道，随时可以中止任务自己完成，也可以设置让 AI 在执行任何操作前征求你的许可。在我们使用了几十年的浏览器环境中——如此熟悉的前端界面——引入这种具备可控性、透明度和信任度的 AI 新概念，让它为你代劳事务，这种重构浏览器的思路对我们来说完全合理。

你们是如何构建 Comet 浏览器的？初次打开时感觉很熟悉，界面类似 Chrome。据我了解它基于 Chromium 构建——这是谷歌维护的 Chrome 开源底层，这种架构能让数据导入变得非常便捷。

初次打开时我就震惊了，只需点击一下就能将 Chrome 里的所有上下文——甚至包括扩展程序——迁移到 Comet。那么，为什么选择基于 Chromium 开发 Comet，而不是完全从零开始呢？

首先，Chromium 对世界做出了巨大贡献。他们在将标签页重新构想为进程方面所做的努力，以及他们在安全、加密方面的处理方式，还有 Chromium 作为引擎的核心后端性能、他们拥有的渲染引擎，都非常出色。没有必要重新发明轮子。同时，这是一个开源项目，因此 Perplexity 很容易招聘开发人员。他们可以从事 Comet 浏览器的工作，特别是如果它遵循开放标准的话，我们也希望继续为 Chromium 做出贡献。

因此我们不仅希望利用 Chromium 开发产品，更想为整个生态系统做出回馈。这是很自然的选择。其次，Chrome 目前是占据主导地位的浏览器——如果算上同样基于 Chromium 分支的 Edge，还有 DuckDuckGo 和 Brave，它们都是 Chromium 的分支版本，只有 Safari 基于 WebKit。所以这已经是主流浏览器架构，没必要再重复造轮子。

在用户界面设计上，我们认为保留人们最熟悉的 Chrome 界面会更好。Safari 的界面略有不同，有人喜欢也有人不喜欢，但它的市场份额仍然小得多。数据导入功能必须顺畅运行，否则用户会抱怨”这个用不了”、”那个功能没同步我的通讯录”、”我漏掉了重要信息”、”实在不想重新登录所有应用这么麻烦”。

我认为这对我们的用户引导环节至关重要，这不仅是在引导用户适应，也是在引导 AI 适应。因为当你以与 Chrome 相同的安全标准登录所有第三方应用时，智能助手就能在你的客户端获取这些信息，立即向你展示产品的神奇之处。

代理能看到这些信息，但你们 Perplexity 看不到？你们没有利用我即时同步的所有 Chrome 数据来训练我的个人模型之类吧？

不会。代理程序只会在你提出相关指令时才会查看数据。比如”根据我上个月在亚马逊的订单，推荐些新的保健品”，或是”去订购我经常在亚马逊回购的镁补充剂”。代理仅针对该次指令调取数据，实际上并不会将你的完整亚马逊购物历史存储在我们的服务器上，而且你可以随时要求我们从服务器删除你的指令记录。

即便是用于模型优化的场景，我们也可以选择不查看用户指令。假设我们想提升代理处理亚马逊购物查询的整体能力，如果用户选择不保留指令记录，我们甚至无需调取这些数据。这就是我们想要提供的隐私保护级别。

与此同时，前沿智能技术都集中在服务器端。这也是苹果难以将所有”苹果智能”功能完全部署在 iOS 或 macOS 等客户端的主要原因之一，因为人们普遍期望所有功能都应在客户端运行。但隐私保护并非必须依赖本地处理。即使将前沿智能部署在服务器端，仍能保持相当高的安全性和隐私性。这就是我们在 Comet 系统中采用的架构设计。

我们这次对话是在 Comet 发布几周后进行的，目前它仍采用邀请制——或者说我认为它还仅限于每月 200 美元的高级订阅用户——但你一直在推特上分享大量用户使用案例。人们用它制作 Facebook 广告、处理 FedEx 客户支持聊天、管理智能家居配件、创建 Facebook Marketplace 商品列表、安排日历会议，你展示的这些应用场景非常丰富。

退订垃圾邮件，这是许多人最喜欢的使用场景。

也许这就是答案。不过我想问的是，到目前为止，你们观察到用户主要将 Comet 用于哪些场景？

事实上，虽然这些用例更吸引眼球，但我要说的是，最普遍且看似乏味的应用场景始终是调用侧边栏功能，让它在你当前浏览的网页上为你处理事务。这不仅仅是简单的摘要生成，还能解答更复杂的问题。比如我正在观看亚历克斯·希斯采访扎克伯格的播客，想具体了解他对某个话题的论述，并希望将相关内容截取后通过 Slack 发送给团队成员。

我认为关键在于，你可以直接在网站上调用助手并即时操作。它已与你的 Gmail 和日历相连，还能提取 YouTube 视频的字幕文本。它拥有精细的访问权限，能立即检索到相关片段。我甚至可以让它从特定时间戳开始播放，而无需浏览整个字幕——完全随心所欲。这就是你拥有的优势层级。

现在看 YouTube 视频几乎都得搭配这个功能，除非你时间特别充裕，这体验简直太棒了。人们还用它来优化领英搜索——说实话，在领英上找东西特别费劲，它基本上没有可用的搜索引擎。但这个 AI 助手能发现所有捷径，就像我们学会使用那些筛选条件（比如人才搜索、人脉搜索）一样，它能提供前所未有的招聘助力。要我说，这比领英高级会员还好用。

很高兴你提到侧边栏功能，因为对于尚未体验过的人来说，这正是 Comet 区别于 Chrome 的核心所在——它在网页侧边设置了 AI 助手协调层，既能与当前网页互动，也能独立执行任务。

这种界面设计似乎暗示你认为网络体验正逐渐弱化”浏览”本身。你刚提到没人真有时间看完 YouTube 视频，更多是追求操作界面。我好奇的是：在 AI 时代，浏览器的”浏览”功能是否正失去其原有意义？

我认为人们仍会为了娱乐或探索而观看 YouTube 视频。但当我真正点开某个视频时——你们做了很多知识性内容，所以看完整个视频并不总是有趣的——但我喜欢观看视频中的特定部分。另外，当我在工作时，不可能完整观看 The Verge 的播客。我想立刻知道扎克伯格在你们关于他们服务器集群的视频中可能说了什么，等到周末时再回头观看完整内容。那时我可能有更多空闲时间，所以这实际上不会阻止常规浏览行为。

事实上我认为人们会更多地刷社交媒体或观看 Netflix 和 YouTube，因为他们的空闲时间变多了。AI 将替他们完成大量工作。只是他们会选择把时间更多花在娱乐而非知识性内容上，也就是知识性浏览。或者如果有人能从知识性内容中获得娱乐，比如知识性娱乐，我觉得那也挺好。

就像读书一样，所有这些事情都很美好，比如阅读那些你在工作中抽不出时间看的博客文章。我认为这正是我们希望浏览器进化的方向——人们可以启动一系列 Comet 助手任务，这些后台任务只需几分钟就能完成，而他们则可以悠闲地刷着 X（原推特）或其他喜欢的社交媒体。

你们为 Comet 设计的口号是让人们”以思维的速度浏览”。但我发现要真正理解它能做什么，其实存在一个相当陡峭的学习曲线。

顺便说一句，Alex，我想说明一点。之前有篇来自 The Verge 或其他媒体的文章提到，谷歌正尝试用 Gemini 预测 YouTube 视频的最大参与时段，并在该时间点展示广告。而 Perplexity 在 Comet 浏览器中运用 AI 的初衷恰恰是为了节省用户时间——通过精细化的时间戳定位直接带您抵达想看的内容，避免浪费时间。人们经常问：为什么谷歌不做这些功能？因为两者的激励模式完全不同。

我想深入探讨这个问题，关于 Comet 我有很多商业模式方面的疑问，因为正如你提到的，它对你们来说计算密集度很高且运营成本昂贵。但回到我关于学习曲线和易用性的观点，你们是如何解决这个问题的？因为我第一次打开它时，感觉就像不知道能用它做什么。我的意思是，我会去你们的 X 账号看看你们分享的所有内容。但我确实认为存在一个学习曲线的问题，而这些产品的开发者们未必充分意识到了这一点。

不，不，我理解这一点，对我个人作为用户而言，即使构建这些智能代理用例很有趣，但要改变习惯转而更多地使用 AI 确实需要时间——这甚至包括在邮件线程中键入回复这样的基础操作。虽然谷歌有自动建议回复功能，但我通常并不喜欢它，而且它往往无法从 Gmail 外部获取上下文来帮助我完成回复。又比如查看未读的 Slack 消息，我通常只是打开 Slack 标签页，然后滚动浏览我加入的 50 到 100 个频道，逐个点击这些频道，阅读所有未读消息。要真正训练自己使用 Comet 确实需要时间。因此我们计划在教育材料中发布大量早期用例，并确保其广泛可获取。

我认为它会经历和聊天机器人相同的发展轨迹。回想 ChatGPT 刚推出时，肯定没多少人知道该怎么使用它。到底有哪些方式能真正发挥它的价值？说实话，至今我仍不觉得人们真正…这还没形成普遍现象。有些人确实非常擅长使用这些 AI 工具，但多数人每周顶多用一两次，根本不会融入日常工作中。

浏览器也将经历类似的轨迹，但另一方面，有一个使用场景非常自然直观，甚至无需教导人们如何使用——那就是侧边栏。它的普及速度如此之快，让我觉得它会变得极其直观。未来人们甚至会感觉，如果没有侧边栏，我为什么还要用浏览器？这就是即将到来的体验。

当你在网页侧边栏使用它时，确实会很快让传统的聊天机器人（如 Perplexity 或 ChatGPT 界面）显得有点过时。

确实，很多人使用 ChatGPT 的场景是…比如你正在写邮件，想知道如何回复，于是你复制粘贴一堆上下文内容。你跳转到 ChatGPT，让它生成回复，然后再复制粘贴回邮件。最后你还要在 Gmail 里编辑，或者在 Google Sheets 或 Google Docs 里调整。而 Comet 会感觉直观得多——它就显示在侧边栏，你可以直接编辑内容，用它起草推文，或者当埃隆·马斯克发了什么内容时，你想回复个有趣的评论。你完全可以直接对 Comet 说”嘿，帮我起草个有趣的回复推文”，它就会自动准备好内容，你只需要点击发布按钮。

这些功能绝对会减少你频繁切换标签页向 AI 提问的次数。直接从当前网站启动任务，让它为你提取相关上下文内容，完成后推送通知——这种体验就像是把工作委托给了另一个层级的助手。

根据你看到的早期数据，Comet 在哪些方面表现不佳？

对于需要较长时间完成的任务，比如耗时 15 分钟或更久的任务，它目前还远非完美。我来举几个例子：比如我想要一份曾在斯坦福大学学习、同时也在 Anthropic 工作过的工程师名单。这些人不必目前仍在 Anthropic 任职，但必须至少曾在 Anthropic 工作过一次。我需要你提供一份详尽的人员清单，将其导入 Google Sheets 并附上他们的 LinkedIn 个人资料链接，还要你通过 ZoomInfo 获取他们的邮箱地址以便我联系他们。此外，我还需要你批量草拟针对每个人的个性化冷邮件，邀请他们进行咖啡会谈。

我认为 Comet 目前还做不到这一点。它能完成部分工作，但你仍需充当协调者将这些部分整合起来。我相当确信，未来 6 个月到 1 年内，它就能完成整个流程。

你觉得进展会这么快吗？

我押注于推理模型的进步将带我们实现这个目标。就像 2022 年我们押注 GPT-4 和 Claude 3.5 Sonnet 这类模型的出现，当拥有优质索引和优质模型时，Perplexity 的幻觉问题基本就消失了。我相信在浏览器这个能访问所有标签页和工具的理想环境中，一个足够优秀的推理模型——比如稍强一些的 GPT-5，或是 Claude 4.5 之类的（具体我也不确定）——能让我们突破临界点，突然之间所有这些功能都成为可能。届时招聘人员一周的工作量，只需一个指令就能完成：人才搜寻与初步接洽。当然之后还需要进行状态跟踪。

这不仅仅是完成单一任务，而是希望它能持续跟进、追踪各方回应。如果有人回复，就去更新谷歌表格，将状态标记为”已回复”或”处理中”，跟进这些候选人，同步我的谷歌日历，解决时间冲突并安排面谈，最后在会议前推送简要提示。其中部分功能应该具备主动性，甚至无需人工触发指令。

这正是我们试图将浏览器升级为类操作系统体验的雄心——让这些流程持续在后台运行。虽然现阶段要实现这一切并不容易，但总体而言，我们擅长找准技术临界点：那些处于可行性边缘的功能，我们会精准攻克这些应用场景，赢得早期用户的青睐，然后乘着推理模型发展的浪潮前进。这一直是我们的核心策略。

我不确定这是推理模型的问题，还是产品处于早期阶段，又或者是我还没掌握正确使用方法。我的体验——

并不是说新模型拿来就能开箱即用。你必须真正懂得如何驾驭这些能力，要有正确的评估方法，对提示词进行版本控制，还要对辅助模型进行后期训练——这些正是我们的专长。我们非常擅长处理这类事情。

基于我目前的早期体验——虽然我得说明我使用时间还不满几周——我会形容它的成功率有点不稳定且难以预测。我让它带我去预订某个特定航班的页面，它确实做到了。它不仅带我跳转到页面，还自动填写了部分信息，而普通 Perplexity 或 ChatGPT 界面只会带我到网页。它实际上多走了一步，虽然没完成预订，但已经更进一步了，这很不错。

但当我试着问它”列出 X 上所有关注我且在 Meta 工作的人”时，它只给出了一个人，而我很清楚实际人数远不止这些。再比如，我说”找出我上次与 Perplexity CEO 的访谈”，它回答找不到，却又在下方显示了那次访谈的源链接——回答声称不存在，来源却证明存在。我看到了产品的一些脆弱性，当然知道它还处于早期阶段，只是好奇这些问题是单纯的程序错误，还是模型本身或架构设计存在的固有缺陷？

如果你能分享链接给我，我可以看看，但我要说我们宣传的大部分用例都是预期能实现的。现在，它是否每次都能百分百以确定性的方式运作？不会。我们能否在几个月内达到这个目标？我认为可以，而且你必须把握好时机，不能干等到一切都能可靠运行的那一刻。你要稍微超前一点，要敢于冒险，我觉得有些人就是喜欢参与这种探索的过程。

大多数用户会等到一切运行稳定后再使用，因此我们认为侧边栏对这些用户来说已经是增值功能——他们无需频繁使用智能代理。他们可以使用侧边栏、Gmail、日历连接器、所有 LinkedIn 搜索功能、YouTube，或是像搜索个人历史记录这样的基础功能。这些现有功能运行良好，相比 Chrome 已是巨大的增值。当需要数分钟完成的长期任务也能稳定运行时，它给人的感觉就不仅是个浏览器了。那时你会感觉它像个操作系统。你希望所有功能都集中在这个容器里，甚至觉得电脑的其他部分都无关紧要。

我们一开始讨论的是浏览器如何提供上下文来打造真正实用的智能体，而业界目前关注并为之兴奋的另一条技术路径是 MCP（模型上下文协议）。简而言之，它就像个指挥层，让 LLM 能与 Airtable、Google 文档等工具对话，并像 Comet 在侧车架构中那样代你执行操作。

你正通过浏览器及其登录状态（你提到的快捷方式）来解决这个问题，而包括 Anthropic、OpenAI 在内的许多公司却将 MCP 视为规模化构建智能体的可能路径。我很好奇你对这两种路径的看法——你是对 MCP 持悲观态度，还是认为 MCP 更适合其他类型的企业？

我对 MCP 并不特别悲观。我只是希望它更成熟些，但我不想等待。我现在就想推出智能体。感觉 AI 界这两年一直在空谈智能体概念，却没人真正推出过可用的产品。我厌倦了这种状态，我们认为浏览器正是当下实现它的最佳途径。

未来五年内，MCP 必将对这个领域做出贡献。但他们仍需解决诸多安全问题——无论是认证令牌从客户端传至 MCP 服务器，还是远程 MCP 服务器间相互传输，目前这些操作风险系数都远高于浏览器客户端保存持久登录状态。OpenAI 的 Operator 项目同样存在这类隐患，它试图为所有应用创建服务端版本。

我认为会有一些优质的 MCP 连接器，我们肯定会与 Linear 或 Notion 进行集成。GitHub 应该就有 MCP 连接器。所以当使用这些连接器比单纯通过代理打开标签页、滚动浏览并点击操作更合理时，我们就会采用前者。但这种方式始终会受到服务器维护质量以及如何正确编排代理使用协议的制约。顺便说一句，这并不能解决那些服务器上的搜索问题。你仍然需要自行确定要检索哪些数据。

你将其定义为编排层。但它并非编排层，而只是服务器与客户端之间、或服务器与服务器之间通信的协议。它仍未解决推理问题——包括知道提取哪些信息、采取哪些行动，以及将所有步骤串联起来，在操作失败时尝试其他方案。而浏览器本质上是为人类实际操作设计的工具，提取 DOM 元素并判断应采取何种操作，恰恰是这些推理模型表现突出的领域。

因此我们将采取混合方案，通过实践验证最优解。最终标准必须满足快速、可靠且低成本。如果 MCP 能比浏览代理更好地实现这些目标，我们就会采用。这里不存在教条式的使命。

在 The Verge，我们非常重视网站的外观与体验、艺术性以及视觉呈现。随着所有这些智能代理的讨论以及它们逐渐融入浏览器，我很好奇你认为那些投入大量精力使网站浏览变得有趣的网络和网站会变成什么样。网络是否会变成一系列数据库，供智能代理通过 MCP 之类的方式爬取，而整个网络经济就此消失？

不，我其实认为如果你拥有一个品牌，人们会想知道这个品牌的观点，流量可能流向你个人，也可能流向 The Verge，或者两者兼有。这并不重要。即使在 The Verge 内部，我可能对其他作者的文章不感兴趣，而只关注那些提供数据内容或特定价值的作者。因此我认为，在 AI 和人类共同浏览网络的世界里，品牌将扮演更重要的角色，它不会消失。也许你的流量甚至不会自然增长，而是通过社交媒体获得。比如你发布新文章时，人们可能通过 Instagram、X 或 LinkedIn 点击阅读——渠道本身并不重要。

至于一个新平台是否还能通过传统的 SEO 手段从零开始积累流量，我对此持悲观态度。仅靠老一套玩法已经很难建立自己的影响力了。在这个时代，你必须通过不同的方式来打造品牌——而那些幸运地已经拥有强大品牌影响力的现有玩家，同样需要用新策略来维护品牌，不能只依赖 SEO 或传统的搜索引擎增长策略。

就 Comet 作为商业项目而言，它的计算资源消耗极大且仍采用邀请制。我猜你肯定希望能全面开放让所有人使用，但这会让你们的服务器不堪重负——或者让 AWS 账单爆表对吧？那么如何实现规模扩张呢？不仅要让产品层面具备可扩展性，使其成为普通人容易上手使用的工具（就像我们讨论过的学习曲线那样），还要解决商业层面的问题。你们目前尚未盈利，依靠风投资金运作，但终归需要实现盈利。对于这种比聊天机器人更消耗计算资源的项目，究竟该如何实现规模化？

我认为，如果这些智能代理的可靠性足够高，人们很可能会接受按使用量付费的模式。你可能不会选择每月 200 美元的最高订阅套餐，但当遇到某个你迫切想要完成的任务时——比如你不想花三个小时去处理的事情——只要代理能真正完成任务，并且你对响应速度、成功率感到满意，你就会愿意预先支付 20 美元来委托它完成我提到的招聘任务，例如”找出所有曾在 Anthropic 工作过的斯坦福校友”。

这种思考方式非常有趣，因为相比之下，你要么需要投入更多时间，要么就得雇佣一名采购顾问，或者专门聘请一位全职的招聘专员来做这件事。如果你珍视自己的时间，就会愿意为此付费。

或许我可以再举个例子。假设你想在 Meta 旗下的 Instagram 投放广告，需要查看同类品牌的广告案例，提取数据进行分析；或者研究上百个关键词的 AdWords 定价，从而制定有竞争力的报价策略。这些任务原本会耗费你大量时间，而 AI 不仅能大幅缩短耗时，甚至可能发现人工难以察觉的套利机会。当这种规模化应用能帮你赚取数百万美元时，花 2000 美元购买这样的智能提示难道不值吗？显然很划算。因此我认为，相比浏览器中的聊天机器人，我们将能通过更多创新方式实现盈利。

虽然现在还为时尚早，但从人们的使用场景中已能窥见生机。如果你将大量认知劳动批量外包给可靠执行任务的 AI，它几乎就像你个人的 AWS 集群，只需用自然语言描述任务即可。我认为我们必须付诸实践，若能顺利执行且推理模型持续表现良好，你或许能想象出某种更接近”生活云代码”的体验。Cloud Code 这款产品月费高达 1000 美元仍有人买单，正是因为即便价格昂贵，它或许能助你更快获得晋升——通过提升工作效率来增加收入，这种投资回报率是显而易见的。

你们如此押注浏览器作为 Perplexity 下一篇章，是否因为传统聊天机器人赛道已被 ChatGPT 彻底统治？现有形态的 Perplexity 会消失吗，未来是否将完全由 Comet 取代？

我不会说我在押注这个领域，因为聊天机器人之争已经结束了。让我把这两件事分开来看。从某种意义上说，聊天机器人之争确实看似结束了——人们不太可能再为日常聊天想到另一个产品。从一开始，我们就从未参与那个市场的竞争。我们始终在搜索领域展开较量，试图以对话式风格重新构想搜索。没错，每个聊天机器人都集成了搜索功能。有些人喜欢那种形式，也有人更青睐我们这种更接近传统搜索的界面，所以我们从未想进军那个市场，现在也没有参与竞争。谷歌正在追赶，Grok 正在追赶，Meta 也在追赶，但在我看来，现阶段这些努力都是徒劳的。

但我的表述方式是：浏览器比聊天更重要。它是一个更具粘性的产品，也是构建智能代理的唯一途径。这是打造端到端工作流的唯一方法，也是实现真正个性化、记忆功能和上下文理解的唯一途径。因此在我看来，这比单纯追求聊天功能更有价值——尤其是在如此碎片化的市场中。同时这也是个更棘手的难题：从智能程度、功能封装、上下文工程设计，到如何处理当前阶段的所有缺陷，以及面向终端用户的体验（包括前端、后端、安全性、隐私保护），还有开发浏览器这种多维产品时必须应对的各种问题。

你认为这就是 OpenAI 即将发布浏览器的原因吗？因为他们认同这个观点？

我不确定他们是否如此。我和你看到的是同样的泄露信息，有趣的是它在我们发布两小时后出现。你还提到 Perplexity 被忽视而 Comet 将成为下一个热点，我并不这么认为，因为构建浏览器离不开搜索功能。许多人称赞 Comet 浏览器感觉与众不同，知道为什么吗？关键原因之一当然是它配备了侧边栏和智能代理等功能，但默认搜索引擎是 Perplexity。我们的设计让它甚至能理解用户的导航意图。

如果判断是导航类查询，它会提供四五个链接；若是图片搜索，反馈也极为迅速。它还能给出非常简短的答案，因此你可以将信息查询、导航查询乃至代理查询整合在同一个搜索框内完成。这种体验唯有真正深耕搜索领域才能实现——这正是我们过去两年半持续攻关的方向。所以我认为这两者并非割裂的。本质上，就像不打造谷歌就无法做出 Chrome 那样，若不构建 Perplexity 的技术根基，也不可能诞生 Comet 这样的产品。

那么 Comet 和 Perplexity 会有独立的移动应用吗？

是的，两者都会有独立应用。有些人会像使用 Chrome 或 Safari 那样单独使用 Comet 应用，这完全没问题。他们可能不会频繁使用 AI 功能——虽然这个浏览器会在每个网页都配备可对话的 AI 助手，甚至支持语音模式。但用户有时就是想快速浏览网页，比如单纯想看看 The Verge 网站而不需要提问，这很正常。而 Perplexity 应用则会提供发现流、空间社区等特色功能，以及脱离网页界面的即时问答服务，这两种使用场景都很好。

我们会在 Perplexity 应用中内置浏览器 Comet 的封装版本，就像谷歌应用仍保留 Chrome 的导航功能一样。顺便说下，iOS 系统上谷歌应用和 Chrome 应用都是基于 WebKit 的，安卓系统上则都是基于 Chromium 的。我们也会遵循同样的技术路线。

谈到竞争，我很好奇你对 Dia 和 The Browser Company 的成果有何看法。他们几乎与你们同期发布产品，也在朝这个方向发力。虽然他们规模较小，但首款浏览器 Arc 曾引发热议，如今似乎也押注了与你们 Comet 相同的理念。不知道你是否试用过？你认为它与 Comet 相比会如何？

我本人还没试过，但看过别人的评价。他们在前端视觉设计上有些有趣的创意。如果我是他们，可能会选择在原有浏览器上尝试这些创新，而非另起炉灶重建分发渠道。不过确实挺有意思的。我们肯定会研究市面上的每款产品——但主攻方向仍是 Chrome，它才是行业巨头。在我看来，哪怕只转化 1%的 Chrome 用户将 Comet 设为默认浏览器，对我们就是巨大胜利，对他们则是重大损失，毕竟在这种量级下，任何广告收入流失都影响深远。

口碑传播是你们发展 Comet 的主要方式吗？还是说你们也在寻求其他分销合作？

初期我们会更依赖口碑传播。这种方式非常有效，过去 Perplexity 自身就通过这种方式取得了不错的发展，我们打算在这里延续同样的路径。幸运的是 Perplexity 已经拥有 3000 万到 4000 万的用户基础。即便我们只能让其中部分用户尝试 Comet，并将部分试用用户转化为默认浏览器用户，这已经是不依赖任何分销合作的巨大胜利。

当然我们也会尝试将这种进展转化为类似谷歌与众多厂商建立的合作关系。不过我要事先说明，这将会极其困难。我们之前讨论过这个问题——谷歌确保每部安卓手机都预装谷歌浏览器作为默认选项，且不允许更改这一设置。

如果你改变这一点会损失很多钱。微软确保每台 Windows 笔记本电脑都预装 Edge 作为默认浏览器。同样，你无法改变这一点。改变它意味着巨额损失。接下来的情况是：好吧，让他们当默认浏览器，但至少能否让你的应用成为 Android 或 Windows 系统内置组件？这依然难以改变。尤其在 Windows 系统上，几乎不可能说服大型 OEM 厂商做出调整。这些协议往往锁定多年有效期，而你合作的设备厂商早在两年前就规划好了产品方案。

从某种角度看这就是他们的模式。问题甚至不在于产品本身，也不完全属于分销领域，更多在于他们精心设计的协议法律框架——这正是我对司法部至少开始调查谷歌感到欣慰的原因。 我们已就此提出建议清单 ，希望此事能有所进展。

确实，这可能会迫使 Chrome 分拆出来，那将非常有趣并重塑格局。很多人认为苹果应该收购你们。他们的高管之一艾迪·库伊在谷歌庭审作证时， 对你们给予了高度评价 ，还提到双方曾讨论过合作。当然在苹果官宣前你无法透露细节，不过你怎么看待这种可能性？

首先很荣幸艾迪在庭审中将我们列为他欣赏的产品，并表示他的社交圈也对其赞誉有加。我非常期待能与苹果合作，无论是 Safari 浏览器、Siri 还是 Apple Intelligence 的整合。苹果产品几乎是人人爱用的身份象征，每个人都渴望用上苹果设备。

我相当确定，我们在行事方式和设计美学方面有许多共通之处。与此同时，我的目标是将 Perplexity 发展得尽可能壮大。这款浏览器完全有可能做到平台无关性，从而惠及 Android 和 iOS 生态系统、Windows 和 Mac 生态系统——就像谷歌当年那样，即使不掌控平台也能凭借最佳搜索引擎和浏览器获得巨大成功。当然，谷歌现在拥有 Android 系统，但你可以想象，即便没有自己的平台，仅靠顶尖的搜索引擎和浏览器他们同样能取得非凡成就。

我和其他记者还报道过马克·扎克伯格曾接触你 ，探讨加入 Meta 并参与其 AI 战略重启的可能性。我很好奇扎克当时是怎么游说你的？说说看。

扎克非常了不起。他正在推进许多卓越的项目，我认为 Meta 拥有极具用户黏性的产品。这太棒了，我们将其视为典范——证明即使不自主掌控平台，也能打造出庞大的商业帝国。

你对扎克伯格为顶级 AI 研究开出的天价薪酬感到震惊吗？那些九位数的薪酬方案。我认为其中大部分实际上与 Meta 股价挂钩，只有股价上涨才能兑现。所以这些报酬很大程度上取决于公司业绩，并非完全有保障，但数字仍然惊人。

确实惊人。坦白说，这些数字的规模让我很意外。现阶段他们似乎需要这样做，但与此同时，埃隆和 xAI 已经证明，要训练出能与 OpenAI 和 Anthropic 抗衡的模型并不需要如此烧钱。所以我不确定单靠砸钱能否解决所有问题。

你确实需要一支配合默契的团队，要有明确的使命共识和阶段目标，某种程度上他们必须背水一战。投资金额如此庞大，我感觉扎克伯格的思路可能是：”我会给你们配备最顶尖的人才、最充足的计算资源、规划好所有里程碑，但具体执行就全靠你们了——如果搞砸了，我会很难堪，所以你们最好别搞砸。”大概就是这么个交易。

你认为扎克伯格的招聘狂潮会对 AI 人才市场产生哪些次级影响？

现在肯定会感觉像个转会市场了，对吧？就像 NBA 那种。少数顶尖人才将掌握极大的议价权。我注意到一个现象：Anthropic 的研究员们反而不是被挖角的主要目标。

大体如此。他确实挖了些人，但数量不多。

确实。这让人感觉实验室需要真正解决的问题是让团队使命一致——金钱本身不应成为核心驱动力。当公司发展良好、股价上涨时，每天工作都能获得多巴胺激励。你会遇到新型挑战，感受到快速成长，学习新知识，同时财富也在积累。这种情况下，谁会想离开呢？

你是否强烈考虑让 Perplexity 实现盈利以掌控自身发展命运？

毫无疑问，这是必然选择。我们希望在 IPO 前实现盈利，并计划在 2028 或 2029 年上市。顺便明确表态，我个人是倾向上市的——不像某些企业选择永远保持私有状态。虽然私有化在并购和决策权方面有优势，但 IPO 带来的公众关注度、市场影响力，以及让投资者终于能押注谷歌搜索替代品的机会，对我们而言都是巨大的上市动力。

但我认为在达到10亿美元营收并实现持续盈利前仓促上市并不明智。因此未来三四年内达成这个目标确实是我们的重点。不过现阶段，我绝不希望因此限制发展势头，我们必须保持进取姿态，勇于尝试创新。

有道理。你们推出 Perplexity 时正值 ChatGPT 刚问世，现在回想起来真是不可思议，短短三年间就发生了这么多我们讨论过的事情。虽然可能很难回答，但我想用这个问题作结：展望未来三年，除了你提到的 IPO 计划外，你认为 Perplexity 会发展成什么样子？

我希望它能成为人们想要完成任何事务时首先想到的工具。它能深度理解用户需求，同步所有上下文信息，主动替用户思考，真正让生活变得更轻松。

好的，我们就聊到这里。谢谢你，Aravind。

谢谢。