Cuộc cách mạng trình duyệt trong thời đại AI: Từ tìm kiếm đến đại lý thông minh

Cuộc chiến trình duyệt lần thứ ba đang âm thầm diễn ra. Nhìn lại lịch sử, từ Netscape đến IE, rồi đến Firefox và Chrome, cuộc chiến trình duyệt luôn là biểu hiện tập trung của quyền kiểm soát nền tảng và sự thay đổi của các mô hình công nghệ. Chrome đã giành được vị trí thống trị nhờ tốc độ cập nhật và sự liên kết với hệ sinh thái, trong khi Google thông qua cấu trúc "đôi độc quyền" giữa tìm kiếm và trình duyệt, đã hình thành một vòng khép kín của cổng thông tin.

Tuy nhiên, cấu trúc này đang bị lung lay. Sự trỗi dậy của các mô hình ngôn ngữ lớn (LLM) đã khiến ngày càng nhiều người dùng hoàn thành nhiệm vụ trên trang kết quả tìm kiếm mà không cần nhấp vào, hành vi nhấp chuột vào trang web truyền thống đang giảm. Đồng thời, tin đồn về việc Apple có ý định thay thế công cụ tìm kiếm mặc định trong Safari càng đe dọa đến nền tảng lợi nhuận của Alphabet, thị trường đã bắt đầu bộc lộ sự bất an đối với "chính thống tìm kiếm".

Trình duyệt đang phải đối mặt với việc tái cấu trúc vai trò của nó. Nó không chỉ là công cụ để hiển thị trang web, mà còn là một tập hợp các khả năng như nhập dữ liệu, hành vi người dùng, danh tính riêng tư, v.v. Mặc dù AI Agent rất mạnh, nhưng để hoàn thành các tương tác trang phức tạp, gọi dữ liệu danh tính địa phương và kiểm soát các yếu tố trang web, vẫn cần phải dựa vào ranh giới tin cậy và hộp cát chức năng của trình duyệt. Trình duyệt đang chuyển từ giao diện con người sang nền tảng gọi hệ thống cho Agent.

Điều có khả năng thực sự phá vỡ cấu trúc thị trường trình duyệt hiện tại không phải là một "Chrome tốt hơn", mà là một cấu trúc tương tác mới: không phải là việc trình bày thông tin, mà là việc gọi nhiệm vụ. Trình duyệt tương lai sẽ được thiết kế cho AI Agent - không chỉ có thể đọc, mà còn có thể viết và thực thi. Các dự án như Browser Use đang cố gắng ngữ nghĩa hóa cấu trúc trang, biến giao diện trực quan thành văn bản cấu trúc có thể gọi từ LLM, thực hiện ánh xạ từ trang đến lệnh, giảm thiểu đáng kể chi phí tương tác.

Các dự án chính trên thị trường đã bắt đầu thử nghiệm: Perplexity xây dựng trình duyệt gốc Comet, sử dụng AI thay thế cho kết quả tìm kiếm truyền thống; Brave kết hợp bảo vệ quyền riêng tư với suy diễn tại chỗ, tăng cường chức năng tìm kiếm và chặn bằng LLM; trong khi các dự án gốc Crypto như Donut nhắm đến một lối vào mới cho việc tương tác giữa AI và tài sản trên chuỗi. Những dự án này có điểm chung là: cố gắng tái cấu trúc đầu vào của trình duyệt, thay vì làm đẹp lớp đầu ra của nó.

Đối với các doanh nhân, cơ hội nằm trong mối quan hệ tam giác giữa đầu vào, cấu trúc và đại lý. Trình duyệt như một giao diện gọi Agent trong tương lai, có nghĩa là ai có thể cung cấp "khối năng lực" có thể cấu trúc, có thể gọi, đáng tin cậy, thì người đó có thể trở thành một phần của nền tảng thế hệ mới. Từ SEO đến AEO (Tối ưu hóa động cơ đại lý), từ lưu lượng trang đến gọi chuỗi nhiệm vụ, hình thái sản phẩm và tư duy thiết kế đang được tái cấu trúc. Cuộc chiến trình duyệt lần thứ ba diễn ra ở "đầu vào" chứ không phải "trình bày"; ai quyết định thắng thua, không còn là ai thu hút được sự chú ý của người dùng, mà là ai giành được lòng tin của Agent, có được cổng gọi.

Kiến trúc cũ của trình duyệt hiện đại

Quy trình làm việc điển hình của công cụ tìm kiếm Google bao gồm các bước chính sau:

1. Cổng vào phía trước của khách hàng: truy vấn Google Front End gần nhất được gửi qua HTTPS, hoàn thành giải mã TLS, lấy mẫu QoS và định tuyến địa lý.

2. Hiểu biết truy vấn: Phía trước cần hiểu ý nghĩa của từ mà người dùng nhập, bao gồm sửa chính tả, mở rộng từ đồng nghĩa và phân tích ý định.

3. Gợi ý ứng cử viên: Google sử dụng kỹ thuật chỉ mục đảo ngược và chỉ mục vector để tiến hành sàng lọc ban đầu, chọn ra khoảng mười nghìn trang ứng cử viên từ hàng triệu trang web.

4. Sắp xếp đa cấp: Thông qua BM25, TF-IDF và các đặc điểm nhẹ khác, giảm số lượng trang ứng cử xuống còn khoảng 1000 trang.

5. Xếp hạng chính sâu: Sử dụng các công nghệ như RankBrain và Neural Matching để hiểu ngữ nghĩa và khớp tính liên quan.

6. Sắp xếp sâu: Sử dụng mô hình BERT để sắp xếp lại các tài liệu đã được lọc ban đầu một cách tinh vi hơn.

Tuy nhiên, trong kỷ nguyên AI và dữ liệu lớn, người dùng đã phát sinh những nhu cầu mới đối với sự tương tác của trình duyệt, kiến trúc truyền thống không còn đủ để đáp ứng những thay đổi này.

Tại sao AI sẽ định hình lại trình duyệt

Trình duyệt như một nền tảng chung, không chỉ là cổng vào để đọc dữ liệu, mà còn là cổng vào chung để nhập dữ liệu. Người dùng cần tương tác với dữ liệu, và trình duyệt là nơi lý tưởng để lưu trữ dấu vân tay của người dùng. Hành vi người dùng phức tạp và hành vi tự động phải được thực hiện qua trình duyệt.

Mô hình tương tác trong tương lai có thể phát triển thành: Người dùng → Gọi AI Agent → Trình duyệt.

Trình duyệt là nơi lưu trữ nội dung cá nhân hóa:

• Hầu hết các mô hình lớn được lưu trữ trên đám mây, khó có thể gọi trực tiếp dữ liệu nhạy cảm từ máy địa phương.
• Cần phải lấy lại sự chấp thuận của người dùng để gửi toàn bộ dữ liệu đến mô hình bên thứ ba.
• Nhiều thao tác phải được thực hiện trong hộp cát trình duyệt.
• Ngữ cảnh dữ liệu phụ thuộc nhiều vào trình duyệt.

Cuộc cách mạng sâu sắc về hình thức tương tác

Mô hình AI lớn đã thay đổi sâu sắc hiệu quả và cách thức chúng ta đọc dữ liệu. Nghiên cứu cho thấy, gần 63% các truy vấn Google thuộc hành vi "không nhấp chuột", người dùng quen lấy thông tin trực tiếp từ trang kết quả tìm kiếm.

Tuy nhiên, trình duyệt AI vẫn cần khám phá hình thức tương tác phù hợp, đặc biệt trong việc đọc dữ liệu, vì vấn đề "ảo giác" của các mô hình lớn hiện tại vẫn chưa được loại bỏ.

Thực sự có thể kích hoạt sự thay đổi quy mô lớn trong trình duyệt chính là lớp tương tác dữ liệu. Người dùng ngày càng có xu hướng sử dụng ngôn ngữ tự nhiên để mô tả các nhiệm vụ phức tạp, những Nhiệm vụ Đặc quyền này đang dần được AI Agent tiếp quản.

Trình duyệt trong tương lai phải được thiết kế cho tự động hóa hoàn toàn, xem xét cách cân bằng giữa trải nghiệm đọc của con người và khả năng phân tích của AI Agent, cũng như cách phục vụ đồng thời cho người dùng và mô hình đại lý trên cùng một trang.

Phân tích dự án trình duyệt AI chính

Sử dụng Trình duyệt

Browser Use đã xây dựng một lớp ngữ nghĩa thực sự, để xây dựng kiến trúc nhận diện ngữ nghĩa cho thế hệ trình duyệt tiếp theo. Nó giải mã lại DOM truyền thống thành "ngữ nghĩa DOM", cho phép các tác nhân thao tác chính xác mà không cần "điểm tọa độ xem phim". Phương pháp này thay thế OCR hình ảnh hoặc Selenium tọa độ bằng "văn bản có cấu trúc → gọi hàm", thực hiện nhanh hơn, tiết kiệm token hơn và ít xảy ra lỗi hơn.

Arc (Công ty Trình duyệt)

Công ty Browser dự định tập trung vào trình duyệt DIA hoàn toàn hướng về AI. Tuy nhiên, một số dự đoán của họ về thị trường trình duyệt trong tương lai đáng để bàn cãi. Đặc biệt là quan điểm cho rằng các trang web sẽ không còn là giao diện tương tác chính, có thể đánh giá thấp vai trò cốt lõi của trình duyệt trong việc trình bày thông tin và trải nghiệm cá nhân hóa.

Sự bối rối

Perplexity là một công cụ tìm kiếm AI, với định giá mới nhất đạt 14 tỷ USD. Đặc điểm của nó là có thể tóm tắt trang web theo thời gian thực, chiếm ưu thế trong việc lấy thông tin ngay lập tức. Perplexity đang xây dựng trình duyệt gốc Comet, dự định tích hợp các tác vụ AI sâu vào tầng dưới của trình duyệt.

Tuy nhiên, chỉ với việc bắt chước chức năng thì khó có thể tạo ra mối đe dọa thực sự đối với Google. Điều có khả năng thiết lập trật tự mới thực sự, chính là việc tái cấu trúc kiến trúc trình duyệt từ nền tảng, nhúng LLM sâu vào lõi trình duyệt, đạt được sự thay đổi căn bản trong cách tương tác.

Dũng cảm

Brave là trình duyệt thành công và sớm trong ngành Crypto, dựa trên kiến trúc Chromium. Nó thu hút người dùng bằng cách dựa vào quyền riêng tư và kiếm Tokens từ việc duyệt web. Tuy nhiên, nhu cầu về quyền riêng tư vẫn chủ yếu tập trung vào một nhóm người dùng cụ thể, khó có thể lật đổ các ông lớn hiện tại.

Kế hoạch Brave sẽ nâng cấp thành trình duyệt AI ưu tiên quyền riêng tư, nhưng bị hạn chế do việc thu thập dữ liệu người dùng ít, mức độ tùy chỉnh thấp. Trợ lý AI Leo của nó giống như một plugin bổ sung, vẫn chưa có chiến lược rõ ràng để chuyển đổi hoàn toàn sang AI Agent.

Bánh donut

Donut là một dự án mới nổi trong ngành Crypto, với tầm nhìn đạt được khả năng tích hợp "khám phá - quyết định - thực thi nguyên bản mã hóa". Cốt lõi của nó là kết hợp con đường thực thi tự động hóa nguyên bản mã hóa, phù hợp với xu hướng trong tương lai khi Agent có thể thay thế công cụ tìm kiếm trở thành cổng truy cập lưu lượng chính.

Lời khuyên dành cho các doanh nhân

1. Tiêu chuẩn hóa cấu trúc giao diện: Đảm bảo sản phẩm có khả năng được các tác nhân thông minh gọi, xem xét sự tiêu chuẩn hóa và trừu tượng hóa cấu trúc thông tin.

2. Danh tính và quyền truy cập: Trở thành lớp trung gian đáng tin cậy khi thực hiện giao dịch, gọi thanh toán hoặc tài sản bằng AI đại lý.

3. Hiểu lại cơ chế lưu lượng: chuyển từ SEO sang AEO (Tối ưu hóa động cơ đại lý) hoặc ATF (Hoàn thành nhiệm vụ đại lý).

Các nhà khởi nghiệp nên tưởng tượng lại sản phẩm như là các thành phần API, để các tác nhân không chỉ có thể "đọc hiểu" nó, mà còn có thể "gọi" nó. Điểm nhấn trong tương lai không phải là tái tạo một trình duyệt, mà là làm cho các trình duyệt hiện có phục vụ cho Agent, xây dựng cầu nối cho thế hệ "luồng lệnh" mới.

Nếu Web2 thu hút sự chú ý của người dùng bằng giao diện người dùng (UI), thì thời đại Web3 + AI Agent sẽ thu hút ý định thực thi của Agent bằng cách gọi chuỗi.