Aravind Srinivas 谈 Comet、AI 浏览器与工作的未来

Comet 发布不久后，Matthew Berman 采访了 Perplexity CEO Aravind Srinivas。Berman 说自己已经换用这款浏览器，并询问一家以 AI 搜索闻名的公司为何决定构建浏览器。

Srinivas 从分发渠道谈起：许多搜索始于浏览器合一的地址栏和搜索栏。他回顾了现代多功能地址栏出现之前 Google 工具栏的重要性，认为掌控这一入口对 Google 的增长至关重要。

他提到有关 Microsoft 修改 Internet Explorer、Google 寻求保住工具栏分发渠道的说法。Srinivas 表示，这段历史依据的是前员工的讲述，而非 Google 的公开确认。

他说 Perplexity 也有过依赖平台的经历：Chrome 更新后，将 Perplexity 设为默认搜索的扩展从他的电脑上消失，另一个扩展也无法完成团队想做的所有事情。这些经历让掌控客户端成为一种防御性动机。

对于一家仍需改进搜索产品的小公司来说，浏览器也是一项很大的分心任务。Srinivas 说，决定性问题是是否也存在进攻机会：浏览器可以支持在其他地方更难完成的 AI 任务。

他以 Deep Research 和 Perplexity Labs 为例，说明一些系统会花时间研究或生成成果。他的设想是将这一能力用于日常浏览，利用跨标签页和服务的上下文来帮助用户完成工作。

例子包括审核日历、查看邮件、为小企业比较价格，以及根据公开反馈定制营销内容。这些是设想中的工作流程，并非承诺现在每一项都能可靠完成。

Srinivas 说团队在前一年年底左右开始工作，大约八个月后发布产品。他承认 Comet 基于 Chromium，而不是从零构建的浏览器引擎，并认可 Google 的开源工作。

在 Google 反垄断问题上，他说 Perplexity 曾反对将 Chrome 从 Google 分离，部分原因是认为 Google 是 Chromium 的良好维护者。这是 Perplexity 在争议中的立场；他说，要运营拥有十亿用户规模的浏览器，需要先证明自己能够承担这一责任。

Srinivas 说，即便有 Chromium，浏览器开发仍需要大量测试、修复缺陷、导入、登录和基础可靠性工作。他对发布感到满意，但表示产品仍需要为更多日常用户持续稳定地工作。

Berman 说自己能够导入书签和现有登录信息，并将进行中的任务交给智能体。他将此与在独立环境中开始的云端智能体会话作了比较。

Srinivas 认为，在第三方服务器上维持登录会话会带来安全风险。他说 Comet 将邮件、购物等服务的登录状态保留在用户客户端，而不是在 Perplexity 服务器上维持这些已认证会话。

Srinivas 说，对于具体提示词，助手会从打开的标签页提取相关信息，并将所需上下文发送给强大的云端模型。他介绍了删除查询和使用无痕模式的控制选项。这些是他对产品及数据处理方式的描述，并非独立安全审计。

Srinivas 提醒说，AI 目前还不能完全可靠地自主完成所有任务。例如，他不会让 Comet 负责 Perplexity 的财务核算，因此人们需要共享工作空间，自己完成一些任务，把其他任务交给智能体。

Berman 询问 Perplexity 是否最终会构建操作系统或设备。Srinivas 说公司当时对硬件不感兴趣，原因包括硬件经验有限以及需要保持专注。他认为在浏览器体验之后，操作系统更有可能实现，但并未宣布相关产品。

Srinivas 说，Perplexity 通过开发搜索产品和研究工作流程，赢得了构建浏览器的机会。他声称公司的工作影响了其他产品，同时承认其使用量低于 ChatGPT；这些是他的竞争判断。

他认为 OpenAI 已经赢得聊天界面的竞争，并表示不希望 Perplexity 只是争夺第二名。他押注浏览器中端到端的智能体工作流程能够成为比聊天更有用的一层。

Srinivas 认为浏览器是一种用户黏性很强的产品，但大规模提供智能体服务成本很高。采访时，Comet 面向 Max 订阅者和受邀候补用户开放。他预计扩展规模、安全和持续维护都需要多年工作。

Berman 问，当 Google 等公司向浏览器加入 AI 时，Comet 如何竞争。Srinivas 认为，如果智能体替人研究并购物，广告主为搜索点击付费的价值可能下降。这是对未来行为的假设，而非广告已经失去价值的证明。

他设想用户要求智能体忽略赞助链接、查看资料、选定产品，并在购买前征求批准。他认为在这种情况下，企业可能把预算从效果广告转向品牌广告。

Srinivas 认为 Google 必须在部署智能体时权衡现有业务、推理成本和安全标准。他还认为大型组织需要协调独立的浏览器、广告和 AI 团队。他对 Google 激励因素的描述是竞争对手的解读。

Berman 问智能体是否可能介于人和越来越嘈杂的网络之间。Srinivas 希望网络不会被 AI 生成的垃圾内容主导，但认为过滤低质量材料和总结有用信息可能是有价值的智能体任务。

他们讨论了根据用户指定标准过滤社交帖子、好友请求或活动报名者。Srinivas 认为这可以减少重复劳动，不过采访并未确立智能体能多准确地作出每一项判断。

Berman 问 Perplexity 如何选择模型并进行后训练，并提到 Srinivas 对 Kimi 的兴趣。Srinivas 介绍了名为 PPLX Bench 的内部评估集：用户通过产品反馈和社区渠道报告问题时，评估集会不断扩充。

团队不会因每一条孤立投诉就修改提示词，而是将问题分组，考虑提示词或后训练调整，再用更大的评估集检验。他说，这一私有基准反映实际产品使用，是公开学术分数的有用补充。

在后训练方面，公司结合产品处理困难的提示词与希望保留的通用能力。Srinivas 介绍了监督微调和使用 GRPO 的强化学习，并表示公司当时正在使用 DeepSeek 和较小的 Qwen 模型。

不同模型也执行分类任务：判断查询是否需要个人上下文、金融界面、图表、体育卡片或结构化购物结果。Srinivas 说，即使用户为主要回答选择了一个模型，单次查询也可能涉及许多模型。

他认为强大的模型是必要条件，但还不够。应用还必须收集相关上下文、选择并编排工具，并将结果组织成有用的工作流程。他预计如今的前沿能力会随时间变得更普及；这是一项预测，并非保证。

Berman 问 Perplexity 是否需要自己构建前沿模型。Srinivas 说，挑战不在于做出一次优秀模型，而是维持巨大的持续投入：招聘和留住研究人员、规划算力、获取能源，并不断训练新一代模型。

因此，他说 Perplexity 专注于对自身产品重要的模型。其 Sonar 模型面向搜索摘要、引用和格式化。他表示公司还希望开发专门控制浏览器标签页和操作的模型。

Srinivas 说，采访时 Perplexity 尚无自己的模型来决定浏览器操作。内部模型负责组装上下文和摘要等任务，而操作模型仍是未来工作。

他希望更小、更快的浏览器控制模型能把耗时数分钟的任务缩短到约一分钟。本地运行这样的模型也有隐私方面的好处，但他承认，当时还没有能力足够强、能效足够高并达到他期望标准的本地模型。

Srinivas 预计蒸馏等技术将帮助小模型和开放模型追赶，但可能落后六个月或一年。他讨论公司发布模型的激励，认为挑战者可能开放模型以吸引开发者和关注。这些是他对竞争市场的预测。

Berman 问到此前一次采访中 Srinivas 关于追踪和高度个性化广告的引述。Srinivas 说自己当时是在回答一个假设性问题，并坚持表示自己更希望未来不依赖广告。

他认为 Google 成熟的广告网络很难按同样的方式被取代。相反，他希望 Perplexity 通过智能体提供价值，并收取订阅费、使用费，或者可能按结果收费。

Srinivas 设想了其他可能的收入来源，包括 API、浏览基础设施和交易佣金。他用示例性的用户与收入数字说明，规模小于 Google 的业务也可能很有吸引力。这些是情景设想，不是报告的实际结果或确定的产品承诺。

Berman 问到负担不起付费服务的人。Srinivas 提到已经有人为他们认为有价值的工具付费，并认为节省的时间可能足以证明订阅值得。他的例子没有解决无力支付的人如何获得访问的问题。

Berman 回到追踪问题。Srinivas 说公司会让用户选择不在其服务器上保留数据，并称登录信息、密码和银行卡资料留在客户端。但要总结未读 Slack 消息，相关消息内容必须在该次请求中发送给云端模型。

他介绍了删除、无痕或零保留选项，然后表示长期目标是将更多智能转移到设备端。他认为当时本地模型的质量还不足以实现期望的体验；采访没有独立验证所述数据处理做法。

Berman 担心 AI 可能自动完成那些构成人们身份认同重要部分的工作。Srinivas 预计善于使用 AI 的人会更具就业竞争力，但表示变化速度使适应变得异常困难。

他说，仅仅告诉人们学习 AI 是不够的。工具可能在几个月内发生变化，教育材料可能过时，有些人可能难以跟上。他预计这一转型会让部分劳动者失去工作。

Srinivas 呼吁更多创业者和新公司创造工作。一些失业者可能创办企业，另一些人可能学会在新岗位上使用 AI。他预计转型会很艰难，而不是断言所有人都会立即受益。

Berman 引述 Box CEO Aaron Levie 的观点：高生产力团队可能吸引更多投资和招聘。Srinivas 认为这在长期来看有道理，但质疑是否有足够多的人能够及时适应快速变化的工具。

Srinivas 最后鼓励人们花时间学习和使用 AI，而不是忽视这一变化。他预计一些任务，例如例行填写表格，需要的人力会减少；这种替代的规模和时间仍然只是预测。