# 实测超火的 AI 浏览器 Dia，我看到了浏览器未来的 iPhone 时刻

- 作者：山宗
- 发布时间：2025-04-10 13:37
- 分类：公司
- 原文：https://www.ifanr.com/1620212

![](https://s3.ifanr.com/wp-content/uploads/2025/04/2-6.png)

30 年过去了，浏览器最大的变化可能是图标。

「互联网之父」蒂姆·伯纳斯-李 1990 年设计的基本交互模式——通过超链接（Hyperlink）实现网页之间的跳转，以及后面输入网址、等待加载、点击链接、回到上一页等逻辑，在今天岿然不动。

都 2025 年了，我们还在用同样的姿势，对着屏幕傻傻地等待页面加载。

过去十年，我们见证过许多号称「要颠覆浏览器市场」的浏览器，Arc 也是其中被誉为全村最有希望的种子选手，但却在拥有百万级用户，烧掉 1.5 亿美元后，母公司 The Browser Company 宣布停止更新，黯然退场。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/1-6.png)

去年，在完成 5000 万美元融资后，他们决定将重心转向开发一款名为 Dia 的原生 AI 浏览器。

创始人 Josh Miller 表示，Dia 要构建一种完全不同类型的浏览器——一个更加主动、更强大、更以 AI 为中心、更加符合最初愿景的浏览器，可以称它为网络浏览器的 iPhone，或者「互联网计算机」。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/2-6.png)

Arc 浏览器在其早期和公测阶段使用了邀请码制度，显然 The Browser Company 从中尝到了甜头。

最近，这款名为 Dia 的浏览器终于上线，采用邀请码制，开始小范围开放体验。体验设备有一定限制，目前适用于配备 Mac M1 芯片或更高版本的 macOS 14+。

在各家都在竞相将 AI 融入离用户最近的浏览器，Dia 的表现能否脱颖而出，AI 又该如何重塑浏览体验，这些都是我们想要探究的问题。

### Google+Perplexity，Dia 想用 AI 改变浏览器？

Dia 的主页非常简洁，只有一个最为寻常不过的搜索框，甚至可以说清爽得有些不像样，但这也许正是浏览器最理想的样子：提问、获取答案、结束。而不是塞满热搜榜单，分散你的注意力。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/3-6.png)

输入问题后，Dia 会弹出一个候选窗口，提供 Google 和 Chat 两个选项。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/4-2.gif)

顾名思义，前者直接跳转到常规搜索引擎页面，后者则类似常见的 AI 聊天助手，调用 Dia 自带的大模型直接给出答案，并且拥有独自的历史聊天记录。当然，遇到复杂问题时，它也会联网搜索。 ![](https://s3.ifanr.com/wp-content/uploads/2025/04/5-1-1.png)

「现在的宠物能坐高铁了吗」「马斯克现在管理着多少家企业」，Dia 的回答质量也是属于不太稳定的那种，同一问题的几次回答，都在正确和出错之间反复横跳。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/6-1-1.png) ![](https://s3.ifanr.com/wp-content/uploads/2025/04/5-2-1.png)

用英文提问，回答质量也不会显著提升，甚至它就把星链误认为独立公司。实测下来，Dia 偶尔会在回答中附上图片；用中文提问时，有时也会意外触发英文回答。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/6-2-1.png)

输入框底部，你还能看到「Personalize Dia」，设置崇拜对象、喜欢的学习方式，以及 Dia 的回答风格，可以帮助 Dia 快速了解自己，起到调教 AI 人设的作用。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/7-6.png)

随手上传一个互联网梗图，Dia 也能够轻松识别表情包的言外之意。文档总结很到位，10 万字被梳理得清晰明了，但值得注意的是，文档大小限制在 100M 内，且实测不支持上传 Doc 格式文档。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/9-1-1.png) ![](https://s3.ifanr.com/wp-content/uploads/2025/04/9-2-1.png)

▲左上角会显示出现了两个 ChatGPT， 应该是 Bug



总结公众号文章，甩个链接即可。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/10-3.png)

值得注意的是，Dia 浏览器使用的是 Chromium 引擎的特定版本。Chromium 是一个开源项目，许多现代浏览器（包括 Chrome）都基于它构建。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/11-2.png)

### 交互是最大亮点，但 Dia 还是个半成品

Dia 的交互设计是一大亮点。传统 AI 插件主要以侧边栏、悬浮窗的形式呈现，涵盖 AI 聊天、翻译、网页总结等。右上角的 Chat 可以看作一个阉割版的 AI 插件，虽然功能稍显单薄，但在交互体验上却做得不错。

划词后，右侧就能直接提供查找或解释功能，整体操作流畅顺滑。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/12-5.png)

比如在知乎看到有人推荐线性代数书籍，我本来想评论一句「不明觉厉」，但写到一半卡住了，怎么办，这时候，放到光标处，光标就会变蓝变粗，点击会自动调出右侧 Chat 界面。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/13-3.png)

接着我简单描述了「看不懂，但我大受震撼」的想法，DIa 就会浏览完整个页面，并给出几个评论方案。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/15-1.png) ![](https://s3.ifanr.com/wp-content/uploads/2025/04/15-2.png)

这些建议甚至模仿了知乎热评区的轻松语气，简洁直白又人性化。确认无误后，点击「Insert」就能自动插入扩写左侧评论。

没时间看视频，总结视频内容也可以。这里有个小技巧，也能让它给出总结视频的字幕。不过，我让其生成 Word 或 PDF 文档后，却没有后续反馈。

另外，Dia 还能通过点击「View 菜单-Add Split View Pane，」在浏览器内实现快速「分屏」，最多可同时分出 4 块屏幕。不过，这个功能实用性有限：它仅显示搜索结果，点击具体网页仍会跳转到全屏模式，属实有点「中看不中用」。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/16.png)

此外，Arc 曾常被吐槽无法迁移 Chrome 书签，现在吸取教训的 Dia 提供了一键导入书签功能，支持无痛迁移。另一个是没有像 Arc 那样「剑走偏锋」，而是选择了更常规的横向标签页设计。你可以在输入框里添加各类网页标签，也能一口气将所有标签加入对话上下文，提升多标签页的信息联动能力。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/17-2.gif)

类似 ChatGPT 调用 GPTs 的方式，Dia 也支持通过 @ 调用各个网页标签。玩法很朴素，我挑选了过往几篇关于 Ai Pin 的文章，并让其总结 Ai Pin 值得吐槽的点，很快就得到了清晰的答案。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/18.png)

### 浏览器 2.0 时代已经开始，而 Web，远未走向死亡

2010 年，克里斯·安德森（Chris Anderson）与迈克尔·沃尔夫（Michael Wolff）在《连线》杂志共同撰写了《Web 已死，Internet 永生》一文。

文章犀利地指出，万维网（Web）在诞生二十年后正逐渐走向衰退，其原因在于传统的 Web 浏览模式逐渐被更简单、更流畅的服务所取代，尤其是应用程序（App）的崛起，更简洁、高效，能够直接满足他们的需求。

比如，打开一个新闻 App 就能立刻浏览头条，而无需在浏览器中输入网址、等待页面加载。这种「App 优先」的趋势在过去十年中几乎主导了互联网产品的开发逻辑。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/19.png)

然而，生成式 AI 的崛起重新将产品开发的焦点拉回到 Web 模式。

看似出人意料，却又合情合理。AI 交互本质上是以文本/对话为核心，Web 界面天然支持复杂的文本输入输出，且能便于分享结果和协作。

生成式 AI 模型计算需求大、迭代速度快。在不确定哪种 AI 应用场景最有价值的探索期，Web 平台能以最小成本覆盖所有设备用户，加速产品市场匹配验证。

并且，相比下载 App 的心理和实际成本，Web 版本让用户可以「即点即用」，这对于像 ChatGPT 这样天然陌生的产品尤为重要，减少了用户尝试的障碍。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/20.png)

浏览器的基本形态和功能已经维持了近三十年。1989 年，蒂姆·伯纳斯-李（Sir Tim Berners-Lee）在 CERN 工作时，创建了万维网（WWW），以满足科学家、大学和其他研究机构之间共享信息的需求。

网页浏览器应运而生，但它的设计初衷是围绕文档展开的，这一底层逻辑至今没翻篇。

到后来的 Netscape Navigator，再到如今的 Chrome、Safari、Firefox 和 Opera，浏览器的核心元素（标签页、地址栏、收藏夹）表面形态不能说毫无变化，但也变化不大。

过去，我们通过搜索引擎获取信息的方式是这样的：输入关键词，得到十几个甚至几十个结果页面，然后一个个点击，浏览，判断，筛选，最终从海量信息中找到自己需要的那一小部分。

这个过程就像在图书馆里翻阅一摞摞的书籍，耗时且低效。在那个年代，找到信息的能力本身就是一种技能，甚至催生了「高级搜索技巧」这样的教程和课程。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/21.png)

后来，搜索引擎变得更加智能，界面设计和性能有所优化，比如标签页从单一窗口变为多任务管理工具，地址栏也整合了搜索功能，可这些变化，说到底还是修修补补，算不上脱胎换骨。

在沉浸式、空间计算和对话式 AI 方兴未艾的当下，我们仍然被迫使用基于 30 多年前文档范式设计的浏览器。与其说这是界面问题，倒不如说是整个信息交互模式的不匹配。

AI 的狂飙突进，给浏览器体验的重塑撕开了一道口子。去年，AI 插件热潮席卷而来，Kimi、Monica 等玩家纷纷入局，带来了一些新玩法：不用离开页面，就能获取答案、完成任务，效率直线上升。

从目前体验上看，仍处于半成品的 Dia 在侧边栏交互、划词解释等细节上有些亮点，但说到底还是没跳出 AI 插件的范畴，更多是对现有功能的整合和打磨。

Josh Miller 曾表示，传统浏览器的界面需求已经不再那么迫切，其底层结构将决定我们的未来。「大多数人以为我们在造浏览器，」Miller 在一次对话中说，「其实我们造的是一个基于浏览器的系统。」

他的野心，是把浏览器从单纯的内容展示工具，变成一个类似操作系统的存在，管理个人偏好和行为，在系统层面实现跨设备的 AI 体验，而不用在每个应用里重复设定。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/22-1.png)

在早期演示中，Dia 就展示了浏览器如何代表人类执行任务。

例如，Dia 通过自己浏览亚马逊，找到这些物品并将它们添加到购物车中。这正是浏览器能做到的事——利用它对你所有 Web 应用和浏览数据的访问权限，替你完成任务。

尽管，如今的 Dia 距离这一目标尚有差距，但这种从被动响应到执行理念的转变，却与当下大火的 Agent 不谋而合。

在 OpenAI 推出的 Operator，以及智谱最新发布的「沉思」Agent 中，我们也看到浏览器开始代替用户采取行动，比如预订机票、比较产品价格、填写表单，甚至完成在线购物。

为了更好地了解这一趋势，不妨再来看看 OpenAI 前 AI 大神 Andrej Karpathy 提出的「LLM 操作系统」设想：

- LLM 作为内核：LLM 是整个系统的中心，类似于传统操作系统中的 CPU，负责处理核心任务和协调其他组件。
- 存储体系：包括上下文窗口（类似 RAM），用于存储当前正在处理的信息。
- 文件系统：用于长期存储数据，类似于传统计算机的硬盘。
- 向量数据库（embeddings/vector databases）：用于存储和检索嵌入向量，是 LLM 进行语义理解和检索的重要基础。
- 浏览器：作为 I/O 外设之一，用于访问互联网资源，获取实时信息。
- 多模态工具：支持处理文本、图像、音频等多种数据类型。
- 其他工具：如代码解释器、计算器等，用于辅助 LLM 完成复杂任务。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/25-1.png)

从根源上讲，浏览器自诞生之初便紧密贴合人类需求，为人类而生的属性贯穿始终。传统浏览器依赖的 UI 自动化工具（如 Selenium）本质上是对人类操作的镜像模拟。

与图形化界面和手动操作有所不同，AI Agent 需要通过代码访问和解析数据与网页进行自动化交互，而动态加载的内容、复杂的页面结构，以及反爬机制（如验证码）的普遍应用，都是亟待解决的几道难关。

浏览器服务商 Browserbase 创始人 Paul Klein 也曾给出一些技术思路：

- 开发开源、高效的浏览器，减少浏览器启动时的等待时间和安装所需的资源量，提升运行速度和部署便利性。
- 利用 LLM 快速定位网页数据，VLM 基于截图识别元素，支持自然语言交互，无需复杂脚本，即使面对混淆或动态内容也能适应。
- 提供更可靠的 SDK 和 API 开发工具，简化开发流程，提高 AI Agent 使用体验。

更理想的状态是，AI Agent 与浏览器/网站则需要通过标准化协议直接通信，跳过视觉交互环节，基于数据接口（如 API、底层协议）实现自动化操作，完成从 「人→界面→数据」 到 「机器→协议→数据」的直连。

这段时间频繁出现在大众视野的 MCP，正是解决传统「人→界面→数据」模式瓶颈的一种方案。它通过客户端-服务器架构，将 AI Agent（主机/客户端）与外部资源（服务器）连接起来，用协议取代了界面操作。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/24.png)

简单来说，你可以把 MCP 想象成一个「万能接口」，就像电脑上的 USB-C 接口一样。这个接口让 AI 模型能够轻松地连接到各种外部资源，比如文件、数据库、在线服务等。

通过 MCP，AI 助手不仅能获取数据，还能直接对数据进行操作，比如读取文件内容、更新数据库记录等。

浏览器会继续服务人类，但会越来越适配 AI 的需求。人类下达命令，Agent 高效执行的协作模式将成为未来的常态。

从早期的命令行界面（CLI），到图形用户界面（GUI），再到如今迈向人机纯自然语言交互以及机器与机器的协议层交互，技术在复杂化，但交互方式却在不断简化。

现在，浏览器 2.0 时代已经开始，而 Web，远未走向死亡。

「AI 不会以应用程序的形式存在，也不会是一个按钮。我们相信它将是一个全新的环境——建立在 Web 浏览器之上，」Dia 的官网如是说。