Perplexity前员工做了款替上班族干活的AI浏览器，Polar获百万美元融资

AI浏览器正为用户完成跨网站的重复工作。

2023年，大模型能力刚刚起势，浏览器很快被视为AI时代最值钱的入口之一。

全球互联网用户达到数十亿规模，Chrome一款产品占了三十亿量级用户，谁能把AI装进浏览器，谁就有机会重新分配这块蛋糕。

随后两年，国内有360AI浏览器，豆包AI浏览器...美团也推出了Tabbit，Fellou与Genspark等初创产品陆续加入竞争。

海外市场出现Arc和Dia，Comet与Atlas进一步推高热度。

第一批产品的能力很集中，主要理解当前页面，完成摘要与翻译，也能追问内容和提取视频字幕，更多的像是在浏览器边上加一个能读懂当前页面的助手。

用户依然缺少换掉Chrome的充分理由。回答质量主要由模型和资料来源决定，多数创业公司缺少自研模型，也缺少搜索引擎积累多年的内容体系。

即使一些去水印、拼图和知识库等附加功能可以改善体验，很难单独支撑长期留存。

2025年前后，产品开始理解用户正在处理的整件事。标签页内容和协作工具可以进入同一任务环境，邮箱日历与浏览记录也被纳入上下文，Dia、Comet与Atlas分别沿着这些方向扩展。

网页理解继续向任务执行延伸，AI浏览器也进入Agent阶段。

此时，豆包和千问等这类通用智能体产品开始承接复杂任务，Claude Code与Codex又占住专业工作场景，浏览器需要证明自己具备独有价值。

Polar在这个节点获得570万美元种子轮融资，由Madrona领投，前GitHub CEO Thomas Dohmke等一批科技圈知名人士参与投资。

该团队表示，现在用Polar的人，日常浏览网页依然用别的浏览器，只有需要处理批量、重复、跨网站的工作任务时，才会打开Polar。

浏览器天然拥有理解用户如何和网站互动的优势，用户又本来就登录着自己最常用的那些服务，这两点叠加起来，才让浏览器这个载体有了额外的价值。

Polar的创始人Kevin Jiang此前在Perplexity参与Comet的开发，亲眼看着第一波AI浏览器把订机票、订餐厅这类消费级场景当成主打演示。

普通消费者并不会每天订机票或者做预订，这类场景撑不起一款浏览器的日常使用频率，Polar从一开始就没有瞄准大众消费者，选择了知识工作这个更窄、但重复频率高得多的方向。

网页工作具有一种稳定结构。任务往往需要打开若干页面，辨认字段含义，提取零散资料，再将内容写进另一套系统。

人会依靠常识处理登录状态、菜单变化和缺失信息，普通自动化脚本遇到页面改版便容易中断，通用聊天产品又缺少持续点击与填写的执行环境。每个页面的细微差别都可能改变后续步骤。

这给Polar留下了一条产品路径。

它专门服务依赖互联网完成工作的用户，重点处理持续几十分钟乃至数小时的任务。模型能力的进展也是团队选择此时创业的重要条件。

较早的浏览器代理在多轮模型调用之后容易迷失，长任务会出现页面判断错误和步骤遗漏。新一代模型对长上下文、视觉页面与工具调用的处理更加稳定，代理才有机会保留目标并完成较长链路。

Polar的前身叫Composer，最初形态更接近运行于Electron环境的浏览器代理。

团队发现登录会话和工作记忆难以长期保持，复杂界面也经常影响交互，浏览器扩展的接入又增加了工程负担。2026年5月，Composer升级为Polar，产品改成Chromium分支。

这次改动影响了产品能够接触的工作范围。

打开Polar，主界面是一套熟悉的Chromium浏览器，网页占据主要区域，代理对话框和执行记录贴在侧边。

系统预设Power Mode、Default Mode和Lite Mode，复杂工作可以调用性能更高的模式，日常与轻量请求会控制额度消耗。

快速响应可以单独开启，网页状态始终可见，用户也能在代理运行期间按下停止按钮。

和大部分AI浏览器差不多，任务开始后，Polar会直接操作当前网页，先识别页面可见内容，再寻找筛选项和详情入口。

执行记录会同步显示选择条件、滚动页面和逐个抓取链接等动作，相关步骤旁还会出现缩略截图。

网页信息收集完成后，Polar会整理出一份结构化报告，正文可以包含对象概况和关键背景，来源链接也会保留，方便人工核对。

系统内置Tasks与Skills页面，现成任务可以作为起点，使用过程还可以沉淀成可复用Skill，用户也能通过对话或手动方式创建。

需要反复执行的任务可以保存成Workflow，再按时间表运行或用命令触发，Connectors还能直连Google、Apollo和Linear等服务，也支持通过远程MCP地址加入自定义工具。

跨网站操作则构成Polar区别于网页聊天工具的关键。

普通侧边栏可以解释当前页面，Polar会继续打开新页面，比如把一处找到的字段带入另一处表单，还能进入用户已经登录的工具完成更新。

此外，Polar允许代理在多窗口内安排子任务，较小模型可以承担菜单导航与表单填写，主代理负责维持目标和汇总结果。

主流浏览器代理基准测试

目前产品上线七个月，用户已经在上面累计执行超过450万次网页操作，最长的一次任务在没有人工介入的情况下连续跑了超过15个小时。

理解Polar的定位，需要先把AI浏览器这几年出现的产品分成几类。

第一类想直接抢占默认浏览器的位置，代表产品是Comet、原本的Atlas、Dia，以及国内的Tabbit等。

这类产品把自己包装成一款完整的浏览器，希望用户放弃已经用了多年的Chrome或者Safari，全面迁移过来，书签、密码、扩展、登录状态都要重新导入一遍。

第二类完全不要求用户换入口，在原有浏览器里加一层AI能力，谷歌把Gemini逐步整合进Chrome是最典型的例子，国内的夸克、QQ浏览器、360浏览器大体也属于这一类。用户不用改变习惯，浏览器本身悄悄变聪明了。

第三类是自带Agent的任务浏览器，如Polar，Fellou。

用户直接交代目标，浏览器内部的Agent负责理解要求并规划步骤，随后操作网站并整理结果。它们可以承担第二浏览器的角色，批量任务或跨网站工作出现时再打开，用户不需要提前完成整套浏览数据迁移。

第四类是给外部Agent使用的浏览器执行环境，ego lite等属于这一类。

这类产品主要提供网页控制能力、登录状态和隔离的任务空间，负责理解要求并规划步骤的是Codex、Claude Code或Cursor等外部Agent。

Space是ego lite区别于普通浏览器自动化工具的关键。每个Agent任务都会进入独立空间，可以复用用户已有的登录环境，也不会抢占用户正在浏览的标签页。

olar在产品内部完成目标理解和任务规划，网页操作也由它接手。

用户不用做一次性的迁移决定，尝试成本低了很多，团队也表示愿意探索浏览器之外的形态，比如通过操作电脑屏幕来实现同样的自动化能力。

大多数浏览器Agent能完成一次点击或者一次搜索，很难支撑起完整的长流程，Polar宣称自己能在无人干预的情况下跑完超过15个小时的任务。

公司还提到，自己的浏览器Agent在相关基准测试上超过了OpenAI和Anthropic的同类系统，不过这个说法目前同样出自公司单方面的表述。

第三个特点是把临时指令变成可以反复调用的工作流。

普通的浏览器Agent每次都要重新描述任务，Polar允许用户保存常用指令，根据当前打开的标签页触发任务，设置定时运行，一套操作流程能反复跑很多遍。但现在也越来越多AI浏览器往这边靠了。

前阵子Atlas关停的消息传出后，很多人开始怀疑AI浏览器这个产品形态本身。

那些原本需要通过浏览器完成的工作，已经可以直接在对话框里完成。搜索、总结、简单的信息整理，确实越来越多地被通用助手吸收进去了。

对于销售、招聘、运营这类知识工作里反复出现的网页操作，情况可能没那么简单，这些任务离不开已经登录的账号状态，内部系统和SaaS后台，一个通用聊天助手替代不了这部分工作，除非它也拥有一个能操作真实网页的环境。

这也是为什么大部分Agent都是想要去往Computer Use这块靠的。浏览器对知识工作Agent的意义，有点像终端对编程Agent的意义。

Claude Code和Codex需要一个能运行代码、管理文件的终端环境，这不代表未来会出现一个专门的AI终端产品取代它们；

浏览器同理，Agent需要网页、账号状态和操作权限，并不要求用户装一款新浏览器，这份能力完全可以被塞进现有的浏览器里，或者塞进一个通用Agent临时启动的环境里。

Polar选择不抢默认浏览器的位置，某种程度上，正是在给自己留一条退路。

值得留意的是，就算通用Agent最终把浏览器能力收编进去，浏览器这个环境也不会因此消失，就像终端不会因为编程Agent变强就退出历史舞台一样。

会消失的，只是那种要求用户先换掉习惯了十几年的浏览器、再把整个数字生活交出去的产品思路。

Polar代表的这类产品，某种程度上已经绕开了这个陷阱，它们看到的是知识工作里那部分离不开登录状态的重复劳动，最终该由谁来接手，用户的默认入口反倒成了次要问题。

这场关于浏览器归属的争论，短期内应该还看不到尽头。

文章来自于“虾蛄AI”，作者“虾蛄内容部”。