今天我们请来的是 Perplexity 的 Arvind Srinivas。Arvind，欢迎做客 Limitless。谢谢邀请。
Arvind，我们想向你请教一些问题。在 Limitless 节目中，我们普遍认为未来将与今天截然不同，而这种变化很可能从互联网开始。所以，我们想听听你认为互联网在五年后会是什么样子，以及这一判断如何影响了你对 Perplexity 公司的领导。即使在正常情况下，想象五年后的世界也绝非易事，更何况我们生活在一个 AI 正以史无前例的速度发展的时代。所以，如果我说我真的知道五年左右的世界会是什么样子，那是在撒谎。事实上，我认为没人真正知道，因为 AI 的能力每隔几个月就在不断进化，你很难围绕这种情境去做规划。就在三个月前，所有 agent 的能力——比如 action chain 和 chain of tool calls——还很不稳定。你能看到它的轮廓，但远不像今天这样清晰。即使到了今天，它的可靠性也还没有达到让每个人都能拥有一位 AI 员工的程度。所以，我只是在做一个预测：未来会出现大量能浏览网页、上网并帮人们执行任务的 agent。我们不会再为了那些无趣的事情去浏览互联网。我的意思是，没人喜欢还信用卡，没人喜欢把钱从一个银行账户转到另一个账户，没人喜欢用老旧的网站订酒店，没人喜欢用那些非常 archaic 的 UI 去租车，或者在一个新城市临时找医生预约。这些正是当今网页设计非常糟糕的地方。各个网站本身做得并不好，充满 bug，没有客户支持，你得自己去某个地方找他们的电话号码，得从四五个不同的地方搜集信息。找律师之类的事也是如此。这些都是当今网络设计的难点，而 AI 迄今还没有解决这个问题。AI 已经能够整合来自不同渠道的信息并进行总结，这正是 Perplexity 最初的起点。但 AI 的下一步，实话说，是帮你接管那些单调乏味的实际工作。到那时，你上网只是为了好玩，去那些让人感到愉悦的网站。而且不同的网站所有者确实可以把网站做得令人愉悦，因为 AI 能写大量代码。所以我对未来的押注是，这将是一个辉煌的时代。我非常乐观地认为，人们会拥有更多乐趣，娱乐将成为未来几年进一步 monetization 的方式。像你这样的播客主，以及许多其他沟通和分享信息的形式，将会进一步扩散。而且人们也会拥有更多时间。很多 AI 公司在推销工具时会说：人们时间太少了，让 AI 帮你干活吧。但这只对了一半。实际上人们有很多时间，只是他们觉得工作太无聊。时间就是这样膨胀去填满空隙的。比如你留出两小时做一件其实只需 15 分钟的事。如果这 15 分钟的工作极其无聊，还要应付各种繁琐的流程，你最终会花上整整两小时。这大概就是人们讨厌工作的原因——他们感到疲惫，然后什么都不想做了。所以我认为那一部分 hopefully 会消失，这意味着我们彼此相处会有更多乐趣，并能以高度个性化的方式消费网络内容。AI 会主动告诉我们该去消费什么，我们也可以自己去探索。你可以调节自己在多大程度上依赖 AI。这将是一个充满高度能动性和好奇心的世界。这也是我们围绕“好奇心”建立品牌的原因之一。因为我们认为，这是人类的一种特质——我不愿说它是一种情绪，而是一种人格特质——在 AI 时代将变得更加重要。尤其是懂得如何使用 AI，以及在一个 AI 能够做许多我们过去常做的事情的世界里，知道该做什么。能再深入谈谈吗？好奇心作为引领人类在互联网中前行的核心驱动力，为什么它如此重要？当我们拥有所有这些 amazing 的工具时，人类的好奇心看起来会有什么不同？我认为，当今世界拥有的 AI 已经超出了人们当下运用它所需的技能水平。大多数 AI 已经相当不错了。是的，所有 AI 都会犯错，会出现幻觉，有时聊天机器人太过 sycophantic，它们还无法可靠地完成任务。但即使以目前的水平，AI 已经能帮你写代码、建网站、做研究、回答各种问题，这本身已经很不可思议了。但与日常使用它的人数相比，这个比例还不够高。大多数人仍在用传统方式工作。我们有一款叫 Comet 的浏览器。它基本上能让你在 AI 的帮助下观看 YouTube 视频，我甚至不再需要看完整个视频了。它能帮我起草邮件、LinkedIn 帖子、招聘邮件和招聘信息，帮我找出需要联系的候选人，调出所有我不想读的老邮件，帮我退订垃圾邮件。它已经能帮我做所有这些事了，但我有时仍然需要保持好奇，去探索还有哪些我没尝试过的用法。这取决于我的创造力，取决于我自己如何去引导和利用它赋予我的那份额外能动性。所以我想说，这是好奇心在短期内发挥作用的方面。长期来看，当这一切都变得理所当然，默认你做的每件事都有 AI 陪伴时——我们假设到了那个阶段——你仍然需要保持好奇：你到底该从事什么工作？下一个项目该启动什么？你该给 AI 提供什么样的 seed prompts？即使它能帮你执行任务，关键在于你如何引导：该问什么问题，最初该启动什么原创项目，这关乎想象力。假设爱因斯坦拥有所有科学工具，提出“如果我们以光速旅行会发生什么？”“牛顿力学在那个尺度下是否会失效？”“我们是否需要建立一套全新的世界观？”——这些仍然取决于他自己。为什么这甚至是一个值得问的问题？不，即使你不知道答案，提出这些问题并不断深入，又或者去质疑爱因斯坦的智慧，深入到亚粒子层面，区分物质的粒子性与波动性——这些都是物理学家曾经纯粹出于好奇心而做的事。而 Jeffrey Hinton 也曾充满好奇：如果我们制造出模拟大脑的计算机，会发生什么？尽管计算机科学的核心一直是确定性程序，但从根本上说，AI 本质上是随机性程序——即便在今天，你也无法保证 AI 的输出一定是确定的。所以 LLM 的解码结果不会每次都一样。人们内心一直有着好奇心的驱使，去探索事物。但在此之前，这纯粹是一种学术层面的实践。如今，随着这些 AI 工具的普及，它不再局限于精英阶层，不再局限于教授和科学家。任何一个拥有孩童般好奇心的人——当你身边有很小的孩子，或者你家里有人生了孩子，你去和他们相处时——他们会问你一些最基本的问题，让你措手不及，对吧？能回答他们感觉很好，但也会让你想，天哪，我其实从未深入思考过这个问题。我只是把别人告诉我的，或者我在网上看到的东西，当成了理所当然。我认为，我们正在走向的就是这样一个世界。而且，当你越深入、问的问题越多，如果 AI 不仅能回答你的问题，还能帮你提出更多问题，带你进入各种深入的探索路径，你就会获得那种早期互联网使用者通过超链接、维基百科和内嵌网页所获得的乐趣。互联网最初吸引的其实是图书管理员、历史学家、知识分子和学者，它就是从这里开始的。这也是为什么 Amazon 最初选择卖书，因为它想迎合互联网的早期受众，而那些人恰好是对书籍感兴趣的人。所以我想，今天的 AI 给我的感觉就是这样。它目前确实被大量早期采用者使用，比如喜欢动手探索的人、程序员、知识分子和学者。但随着工具越来越容易使用，随着工具具备越来越强的自主性，它真的会变得更加普及。到时候，每一个充满好奇心的普通人都会真正拥有很多超能力，而这有望以非常积极的方式改变世界。我很喜欢你把互联网和 AI 定位为追求好奇心与创造力的载体。我回想起自己第一次引导启动 CD-ROM，或者第一次进入 Runescape 的时候，那种可以尽情探索这个互联网原生新世界的感觉。嗯，我很好奇，AI 通常被定位为一种将世界自动化的技术，而你的观点更偏向于好奇心和创造力。你认为这之间是否有一条微妙的界线——一边是 AI 限制个人能够查看、探索和搜索的内容，另一边是 AI 作为创造工具？我在想，你在构建产品时，是如何把握这条线的。我们的产品旨在帮助你更高效地浏览网页和搜索，而不是通过那种整齐排列的“十个蓝色链接”来消费信息，对吧？而且在我看来，人们甚至还不具备提问的能力。我想用机器学习的术语来说，我们都 overfitted 到了这样一种技能：输入几个关键词，打开链接，阅读这些链接，然后在脑海中把与最初问题相关的信息综合、总结，最后得出自己的结论。这大概就是过去二十年里我们所做的事，因为我们从来没有一个可以直接抛出问题就能获得答案的工具。现在这个工具出现了。所以我们现在做得更多的是提问。不仅是第一个问题，还有大量的后续追问。这带来了一种非常不同的起点。比如，让我举一个我生活中改变的例子。以前当我想阅读并理解一个主题时，我会非常线性地去读论文、博客文章。我会做文献综述，收集一堆资源来阅读特定材料，然后在读完所有这些之后，得出自己的结论。我仍然会有很多问题，但这就是我以前的做法，也是所有人的做法。现在完全不同了。假设我是公司的 CEO，我没有时间再深入钻研任何事情了。但我确实想了解大家都在谈论的这个新东西是什么。比如 MCP 曾经是一个 buzzword，我想知道它到底是什么。我不必去读 Anthropic 的文档和博客文章来理解。我可以忽略作者的视角，直接打开 Perplexity 问：这 MCP 到底是什么东西？对吧？我就想知道，这只是一个 buzzword 吗？它是不是仅仅是服务器和模型之间传输 JSON 的另一种方式，还是背后有更多东西？为什么大家把它称为 AI 或互联网的 USB-C？这到底有什么大不了的？我可以用问题来引导我的学习，而不是让材料和博客文章来引导我的学习。因为反正读完五篇不同的文章后，我仍然会有成堆的问题。那为什么不从问题开始呢？在问了 20 个问题之后，我已经学到了很多，然后我可以再去完整阅读原始材料。这有点像颠倒了顺序。这只是我个人的偏好，我不建议每个人都这么做，但因为我没有很多时间，这就是我现在学习事物的方式。同样的事情也发生在我的身体健康上，比如我的锻炼、我吃的食物。我不必再去看那些 YouTube 视频，比如健美运动员推荐的饮食，或者如何在减脂的同时不掉肌肉。我不需要看 20 个视频。我可以用 comment browser 来对视频提出关键性问题。告诉我，这里面有什么真正反共识或新颖的东西？我也可以让它去 reference check 一批论文。所以这完全改变了我消费知识的方式。而且我认为未来这只会变得更棒。孩子们不必再像我们小时候那样去消费网页或互联网。而且语音模式的交互会让这一切感觉更加自然。再加上能够从你所看到的任何内容中提取上下文并提问，这会让它感觉更加不受设备束缚、更加自然。所以我其实对下一代更感到兴奋，因为他们非常幸运。我不知道你们的年龄，但我猜你们都和我差不多大。所以我们这一代还好，我们至少享受了早期互联网的乐趣。但我觉得紧接我们之后的那一代，深受这波社交媒体浪潮的影响。他们通过看 Reels、Shorts 以及这些东西获取了大量知识。我认为这不太好，因为从根本上说这是净负面的。而再下一代，他们会说：去帮我看那些 Reels，然后告诉我哪些可能对我有意思。我相信我与 agent 之间的关系，它真正理解我，知道我的偏好、目标和意图，去替我消费互联网，然后以我想要的方式呈现给我。所以，这种能动性，以及你对 AI 的信任——让 AI 为你做事、为你过滤噪音、帮你探寻真相、保持好奇心——这正是我们希望通过公司产品来帮助创造的世界。我喜欢你描述的这一切，本质上你是在描述一种全新的在线或浏览体验，对吧？是的，当我向 Mark 和 Reason 展示 Comet 时，他想知道的 prompt 大概是：“去 x.com，滚动浏览我信息流里大概 100 条推文，根据我的浏览历史过滤掉噪音，只给我看大概 20 条相关的。”结果它完成得非常出色。如果这几乎是实时的呢？比如我打开一个网站，点一下按钮，甚至不用写所有这些 prompt，它就能按照我想要的方式重新呈现这个网站。没有哪个网站所有者或算法设计者有时间为每个人在细粒度层面上定制一切，对吧？比如 Elon Musk 改了 X 的算法，然后你就会开始看到大量政治帖子，或者大量 meme，又或者各种随机视频、动漫内容——你完全不知道自己为什么突然看到这些。而且这也不是他的错，他只是在试图为公司、或者也许为他自己最大化几个指标，毕竟这是他的平台。但我不希望我们继续生活在这样的世界里，我们需要有能动性，能够按照自己想要的方式去做事。是的。听起来你似乎在描述，我们当下浏览和上网的这个世界，有点过度拟合于一些我们目前并不需要的技能。那么，对于那些如今刚接触互联网的年轻新用户，你认为我们应该专注于培养哪些重要技能呢？我会说是批判性思维。有这么一项技能是我慢慢学会的：每当你读一本书或某个人的传记时，除非作者非常中立，否则通常都是在吹捧他们，对吧？一般来说，这是他们与人合作写的，目的是让公司或他们自己显得非常正面。所以你最终会得到一个非常偏颇的视角。因此我很希望在读书时有一个 AI 陪我一起，批判性地审视每一章，告诉我一些与作者观点相左的视角。这就是我现在读书时会做的事。我在浏览器里装了一个侧边助手，然后问它：比如基于你跟我一起读的这章内容，告诉我有哪些地方作者可能是错的——这只是我在主动寻找更多视角，有点像 Peter Thiel 那种逆向的意识形态。再说一遍，我不是为了反对而反对，我只是想知道所有可能的信息。所以批判性思维绝对是必不可少的。而且，能够以你想要的方式消费所有内容，这肯定有助于你不陷入回音室。希望这能让大多数人敞开心扉，去质疑他们在网上看到的很多东西。而且我认为，未来互联网会充斥着大量 AI slop。我不想让你产生 AI 是多么了不起的技术、只要坐享其成就好的印象。未来会有很多 slop，会有很多 AI 生成的虚假信息，会有逼真到让你无法分辨真假的 AI 生成视频。而且，互联网上的内容将会更多由 AI 而非人类撰写。所以对抗这一切的唯一方法，其实是借助像我们这样的 AI，或者其他人正在打造的 AI，来帮助你探寻真相、引导你找到真相——甚至无需你费太多力气，通过那些已经缓存好的、合适的 prompt，就能帮助你以自己想要的方式消费内容，真正为你服务，真正维护你的利益。想象一下，agent 帮你购物、预订旅行的世界，对吧？可能会出现这样一种情况：无论哪些公司选择这么做，广告商都会试图吸引 agent 的注意力，而不是你的注意力。也就是在 agent 层面投放广告。那在这种情况下，你如何保护那些不希望这种事发生的用户呢？潜在的运作方式可能是：用户和 agent 之间有一份自己的契约、一种握手约定。这一切都体现在一个 system prompt 里，而这个 prompt 是受保护的，你无法对它进行注入。这在今天还不存在。你现在可以对任何东西做 prompt injection。所以这在当下行不通。但想象一下未来，如果我们能可靠地做到这一点，那么无论广告商如何试图让 agent 优先选择他们而非其他商家，用户给 agent 的 prompt 都能保护用户免受这种广告机制的影响。所以我们需要各种更成熟的、基于现有系统发展而来的版本。今天还处于非常初期的阶段，感觉就像互联网早期一样。但这就是我希望能确保做到的事：让人们在未来也能受到保护，免受 AI slop、广告以及诸如此类的东西的影响。
UX 设计中有这样一种理念：更好的 UX 意味着让人类少点几次。如果能让他们少点几下就得到想要的，通常会被认为是好的 UX。是的。我发现这种同样的情绪也被应用到了 AI agent 上：我们其实可以让 AI agent 代表用户去做事。是的，而这真的让人类陷入了非常被动的角色。我看到这有利有弊，对吧？有时候我就是不想想那么多，只想娱乐一下，这让我感觉很好。但我也担心代价——如果我的大脑越来越频繁地默认进入“关机”模式。你在设计 Perplexity 时是怎么考虑的？当我们能够自动化各种事情时，你如何看待驾驶座上这个主动与被动的人——
但也许我们也希望在管理这些工具时，鼓励一个更主动的驾驶者。你如何看待这种权衡？是的，这是个好问题。我们的思考方式是，在这个过程里让用户保持主动。至少对于那些 agent 查询——比如你去让 Perplexity 为你做一项关于 GLP1s 的 deep research——我们会让 agent 反过来向用户提出澄清问题，让用户可以提供更多输入。我觉得 ChatGPT 也在做这件事。ChatGPT 会明确强制你回复。Perplexity 不会强制用户回复。我认为我们的设计更好，因为有时候当你对某个话题一无所知时，你甚至不知道该回复什么，所以你的回复并不重要。没必要让用户卡在这里必须回复。但这至少是一种让你保持参与、并引导 agent 去做你想要的事的方式。此外我们在 Comet 浏览器上还有一些其他做法，比如如果你让它买东西，它在继续操作前仍然会向你确认。它会给你警告，比如“这要花 100 美元，你确定要花吗？”
所以，这仍然会让你的大脑在工作的过程中保持活跃。但我现在把视角拉得更远一些，从更哲学的层面来看待你的问题。就是说，如果到了某个阶段，agent 值得你信任，它们比你更聪明，那就有点像你雇了一个比你更聪明的人，那你为什么还需要事事 micromanage 他们呢？那你把自己的脑力用在哪里？这其实很像——你知道——你在经营一家公司，雇了两名世界级的员工，他们把所有事情都搞定了，即便你不来上班，公司也运转良好。那这时候你怎么办？要么去开另一家公司，要么在现有业务旁边开辟一项新业务，帮助现有业务进一步增长；要么就在同一家公司里下更多赌注，雇一批不同的人，试图放大你在公司内部能做的事情。所以我想这就是我的看法：如果你闲着什么都不做，那我认为认知衰退确实会发生，而且在 AI 时代更是如此。如果 AI 能帮我们做很多事，我们因此就把这一切视为理所当然。你知道，Bill Gates 说过，在 AI 运转良好的世界里，人们可能每周只工作三天或两天。我觉得这没关系，顺便说一句，我并不反对这样的未来——人们每周只工作两三天，剩下的四天放松休息。你知道，这种每周工作五天的制度其实是工业革命带给我们的，Henry Ford 是主要推动者之一，因为在当时，要最大化生产效率，唯一的办法就是让工人来工厂上班、干活。后来机器开始承担更多工作，人们开始找到不同类型的工作，软件、互联网，所有这些——你知道——我们都在不断进化以应对这些变化。所以我确信我们会找到更多让自己忙碌的方式。与此同时，肯定也会有些人选择退休，去追求其他爱好，比如徒步、摄影，你知道，内容创作、播客。有很多不同的方式可以让你拥有自己的生活，这让世界变得更加多维。比如有人告诉我，San Francisco 太单一了。你来到这里，遇到的只是 tech bro，他们在咖啡馆里全都在聊 AI，没有人——你知道——氛围很棒，能量十足，但那些喜欢住在 New York 或 London 的人，你知道，你走进一家酒吧，会碰到正在演奏乐器的人，会遇到艺术家，会遇到表演舞台剧或脱口秀的人，还有工程师——New York 有很多不同类型的人，这也吸引了很多人来到那座城市。我确实认为，AI 变得越来越好，可能会让全球社会都有这种感觉，而不仅仅局限于少数几座城市。
Arvin，人们很喜欢 Perplexity。当我告诉一些朋友你要来上节目时，他们兴奋极了。他们一直用它查体育比分、天气、博彩建议。我发现人们对 Perplexity 有一种亲近感。我想请你帮我拆解一下原因。如果我是用户，如果我是正在听这期播客的人，平时用 ChatGPT、用 Gemini，但不太确定 Perplexity 的优势在哪里，你能描述一下你们的独特优势是什么吗？为什么人们会想使用这项服务？以及你们在后台做了什么来兑现这个承诺？第一，我们围绕准确性和知识建立了品牌。它并不是要做那种什么都能聊的助手，或者说，它不是要做一个能跟你天南海北闲聊的 AI chatbot。比如你可以去聊天工具里说“我今天心情不好，你能鼓励我一下吗？”Perplexity 不是干这个的。所以我们不是要打造一个既擅长搜索、研究、知识和事实，又擅长做你的聊天伙伴或伴侣的全能产品。Gemini 和 ChatGPT 想做的才是那个。这是因为我们真正只优化了一件事：知识、事实和研究，并且以最易消费的方式把答案呈现给用户——最高的信息密度，每一个像素都充分利用。从信息带宽的角度来说，我们试图做得更好，而且我们也能更快地给出同样的答案。所以我们非常在乎，你知道，用户需要什么——即便用户不需要在 prompt 里写得很精确，我们也能理解他们的意图，更快更好地给出答案。所以你提到的体育比分，我们在这方面做了大量工作，因为当你查询一场比赛比分时，你不会希望答案是一堵文字墙，那样没意思。你需要的是这些 widget。你的大脑已经习惯消费这些像素了。你想要实时更新。股票图表——有时候你想深入挖掘一家公司的收入或财务状况，我们为此做了很多 dashboard。你想要能比较两只不同的股票。你想能深入查看过去的比分，或者不同的车队——比如 Formula 1——你想能在比赛中追踪实时更新。所以我们做了大量工作，只为以尽可能高的信息带宽来呈现信息，也就是可消费的像素。我们还没有完成，比如网球我们做得还不够好，我觉得足球也还落后。还有很多工作要做，但我们至少足够在乎这件事，我们希望人们能够来我们这里问世界上任何问题。这就是我们打造终极 answer engine 的思路。嗯。那你们是怎么做到的呢？后台发生了什么？当我在 Perplexity 输入一个查询时，背后的魔法是什么？你们在做路由吗？我们最近请到了 Open Router 的 CEO，他描述了如何把查询路由到不同的模型，你们是在自己做数据聚合吗？是在爬取网页然后用自己的模型呈现吗？当我按下搜索框的回车键时，到底发生了什么？是的。每一个查询都会被分类。有时候是体育查询，有时候是天气、金融，或者不需要 widget 的普通查询。所以每个查询都会被分类，然后基于分类器，不同的 UI——我们称之为 generative UI——会为每个查询生成不同的界面。然后，对于某些需要非常准确事实的查询，你不会只想用网页链接。你其实需要用数据提供商，它们能给你实时数据 dump。金融需要这个，体育需要这个，天气也需要这个。所以我们就是这么做的。对于一些查询，你其实需要商家信息，或者酒店库存之类的东西。所以我们在旅行和电商领域就是这么做的。还有一些查询，你需要本地餐厅的数据提供商。比如我们跟 Yelp 合作。而对于其他查询，你只需要普通的网页，从中抓取一系列链接并总结其中的内容。这就是我们处理大部分查询的方式。这属于长尾需求，而且你还要决定答案是用 markdown 还是表格来呈现，是写成一段还是两段，以及查询是来自手机端还是网页端。如果是手机端，尽量更简洁一些，因为人们不想在手机上阅读大段文字。然后你还要决定，对于那些比较模糊的查询，是否需要进行更长时间的推理和思考。举个例子，假设你想问全球前五大亿万富翁和他们妻子之间的年龄差是多少之类的问题。你得先弄清楚前五大亿万富翁是谁，然后他们各自的妻子是谁，接着是这十个人的年龄、出生日期，然后再计算差值。所以你必须做一些推理，最后以表格形式给出答案。因此，模型必须根据查询自动适应，决定需要多少推理、多少步推理。这些也都是基于分类器的决策。所以本质上，你可以把我们正在构建的东西看作是一个极其庞大且复杂的信息路由器，服务于人类的好奇心与知识需求。这基本上就是我们的核心工作。如果我们能大规模地为所有语言、所有类型的查询、所有垂直领域、所有日常基础任务做到这一点，那将带来巨大的价值。我们甚至是否拥有这个模型都不重要。光是这个路由器本身的价值——知道该为哪种查询调用哪个模型、该使用什么样的 UI、每个查询该分配多少算力、让大部分答案都正确，并且以出色的延迟和 UI 体验来完成——基本上就是我们的目标。好的。那么你们现在有了这套工具集。你们把各种复杂性整合到了一个数据集中，而且看起来你们在某些方面表现得格外出色。我们提到了体育。我知道很多人也在用它。实际上很多人在 Twitter 上恳求 Perplexity 能在金融方面取代 Bloomberg，因为它能生成很多图表，而且你们在某些类别上似乎非常强势。但你们投入大量时间和精力的其实是浏览器本身，也就是 Comet。我想向那些不了解的人介绍一下 Comet。它是你们的新款 AI 浏览器。我很希望你能跟我们分享一下，因为 Perplexity 在过去一段时间里有点像寄人篱下。要使用 Perplexity，通常我得打开 Chrome 或 Safari，或者其他不属于你们原生的浏览器。但现在你们实际上在做的是打造全栈，对吧？你们从桌面端开始创建浏览器。你们运行这个应用。你们掌控整个技术栈。你能介绍一下 Comet 是什么以及它是如何运作的吗？是的。Comet 本质上就是一款“思维速度”的浏览器。我们在使用浏览器时会产生很多想法，但我们往往无法全部完成，因为脑海中的每一项任务都要花费大量时间。所以，Comet 旨在以一种非常原生的方式将 Perplexity 和浏览器统一起来。Perplexity 从此前只给你答案，进化到为你执行操作；从此前只从网页拉取上下文，进化到拉取所有上下文——你的浏览历史、Google Calendar、Gmail、你曾经打开过的其他标签页、Slack 以及其他工作空间工具——这样它就能拉取所有相关的个人上下文和网页上下文，并具备为你采取行动的能动性，而且无处不在：在搜索栏、在 sidecar、在新标签页。无论你正在浏览哪个网页，它都能结合上下文帮助你。这是最重要的。你的工作始于某个上下文。你在 Google Doc 里，请求帮忙编辑文档；你在 Google Sheets 里，请求帮忙从网络获取信息来填表；你在做某项工作，试图从过去与同事在邮件中交流的内容里拉取相关上下文，来帮你起草东西；你正要面试某人，想调取关于他们的所有背景资料；或者你只想说，嘿，帮我准备一下明天的一天，它就会作为 prompt 的一部分为你完成。所以我们只是希望它更直观、搜索更个性化、更具备个人上下文，并且真正消除那些与无聊网站打交道时的繁琐之处。这就是 Comet 的初衷，而且它的起步非常顺利。现在它正处于那个甜蜜点——几乎就要成了，但还没完全到位。而我认为这正是你想要的状态，这样你就能乘着模型越来越好的浪潮，最终在完全可靠性上形成闭环。嗯。我想谈谈 Comet 的产品形态和设计选择，因为我经常思考智能及其随时间的进化，更重要的是，当我们沿着这条增长曲线攀升时，我们将如何与它交互。我想到的结论似乎与浏览器有些不同。当我思考浏览器时，你早前也提到过，它基本上有两类用途，对吧？两个桶：一类是生产力，一类是休闲。生产力就是你做的工作，比如我为节目准备议程、买洗衣液或预订行程。而休闲则是我在 YouTube 上看视频、在 Netflix 上看剧、刷 X 的时间线。我喜欢这些，这对我来说非常有人性，我有点想保留它。这对我来说很特别。所以我设想的是，生产力那一类事务会通过 agent 被抽象掉。几周前这听起来还有点遥不可及，但后来我试了 OpenAI 的 agent，我当时就觉得，等等，这还挺酷的。它显然消除了所有界面、浏览器的复杂性，直接给你答案。它理解我的 preference stack，它几乎什么都知道。我好奇的是，你们做出保留浏览器产品形态的设计决策，而不是直接采用 agent 工作流——那种消除所有界面、广告，直接为你提供所需答案的方式——背后的考量是什么？因为工作是从你当前所在的位置开始的，而不是从一个空白的聊天机器人开始。比如，你实际上正在起草一份备忘录，想从你和同事在 Slack 上已经讨论过的内容中拉取上下文。嗯。你甚至不想复制粘贴这份备忘录，然后问：嘿，你能不能把我过去和 David、Yas 讨论过的所有相关背景都找出来？你真正想要的是让助手就在你身边，直接说：呃，能不能把我可能遗漏的相关上下文找出来？你甚至不必说从 Slack 或 Notion 里找。它会自动知道该拉取什么，并就地为你编辑好。另一个优势在于，不用再频繁切换标签页、到处复制粘贴上下文，然后把一个地方的输出再搬回另一个地方。当你将 AI 原生嵌入到你所在的任何环境时，所有这些内容都会为你留存。从架构决策来看，chat agent 比 Comet 浏览器慢得多。有人做过对比，在 chat agent 上需要 11 分钟才能完成的任务，在 Comet 上可能不到一分钟就能完成，因为在客户端解析信息、仅将服务器端用于前沿模型推理具有很大优势，无需为你的客户端浏览器创建完整的服务器端会话并在那里完成所有计算。这之间又多了一次往返——从服务器端会话到模型实际托管的位置，然后再将结果发回客户端。整个过程非常缓慢且不可靠，有时还会陷入重试，你甚至不知道发生了什么。相比之下，在客户端实现完全掌控要安全得多：密码无需传输，所有内容都存储在本地，你的全部数据都在本地。你完全不用担心自己所做之事会留存为服务器端会话。而且一切都快得多，因为客户端信息与服务器上运行的模型之间仅有双向通信，仅此而已。举个例子，你可能想在 X、Netflix 或 YouTube 上获得帮助，对吧？比如我正在看 YouTube，想说：嘿，有个播客是这些人和 Arvin 一起做的，我只想知道 Arvin 关于 chat GPT agent 具体说了什么。你能帮我找出来吗？或者能否准确剪辑出他只谈这个主题的部分，然后作为单独的视频上传到 YouTube，方便我观看？我们目前尚无法完成所有这些事，但这已近在咫尺。你可以直接从正确的时间戳提取，无需打开字幕、按 Command+F 搜索 chat GPT agent，再拖动播放滑块去找我具体从哪开始说话——这些都不需要，体验好得多。它还可以帮你处理个人事务，以及很多工作事务。比如有时你在看 YouTube，可能想提取完整字幕留到以后用，或者快速发给某人；又或者在看 YouTube 时，想顺手预订晚餐。所有事情都可以同时进行，你可能还想查看 agent 是否在推进任务，同时继续消费你的内容。一切都在一个环境中无缝集成。这是人类在过去 20 年，甚至近 30 年来构建出的粘性最强的产品。是的，它确实有过一些变化：Firefox 创新了标签页的概念，Google 创新了将标签页作为独立进程的概念，但除此之外并没有太多改变。因此，我们第一次能够在熟悉的前端、熟悉的 UI 中把这些能力提供给你，同时赋予你更多主动权。这基本上就是我们的决策。如果最终这种主动性可靠到让你完全不需要打开浏览器，你只需要在新标签页输入指令，它就能帮你完成一切，那也完全没问题。但我们设想的未来是，人们仍然会继续工作，只是会在更多 AI 的帮助下工作，同时保留全部主动权。我相信这是我们认同的未来，而且我认为将 AI 直接嵌入浏览器是更好的方法。是的。浏览器已经有 35 年历史了，1990 年诞生的。我们使用它已有很长时间，它显然极具粘性。当你提到现在使用 Comet 浏览器的好处时，我非常认同。我们其实有幸获得了测试权限，能够试用它，它的确比使用 agent 功能快得多，因为它内置了所有集成。它绑定了我的 Google 账户，有我所有的登录集成。但我想问的是，如果最终它们真的变快了——当 agent 大幅压缩时间和延迟，不再需要启动虚拟机，不再耗时那么久，真正成为一种无浏览器的体验时，会发生什么？我知道有人正在研发硬件设备来实现这一点，去除大量交互界面。你认为浏览器会继续作为未来的产品形态存在，还是你预见 Comet 最终会演化成比顶部带个小标签的窗口更抽象的东西？听着，我并不执着于浏览器继续作为信息消费的前端。我不认为这是浏览器保持相关性的必要条件。这正是关键所在。agent，或者说被抽象出来的 agent，帮你完成任务所需的时间，并不是靠模型变得更智能就能消除的瓶颈。这纯粹是一个架构选择：为每一个浏览标签页或第三方服务启动服务器端会话。模型在控制这些网站方面会变得更智能、更可靠，但本质上发生的一切，就是在服务器端启动一个浏览器会话，仅此而已。而且你仍然需要浏览器的全部基础设施，对吧？无论是在客户端还是服务器端，无论是 headless 还是带前端的，你都需要这些基础设施。当你在 Comet 上要求“去 Door Dash 帮我买这个”时，我们实际上并没有打开 Door Dash，让 agent 在像素层面渲染页面、点击元素。实际上，它是通过直接调用 JavaScript 并执行操作来以更高效的方式完成的。我们给你提供前端界面，比如进度条，让你看到进展，这更多是为了透明度和用户的可信赖感，但 agent 并不需要以你消费内容的方式去消费它。所以这其实并不是服务器端还是客户端的决策问题，更多的是：你的起点在哪里？你平时大部分时间已经在哪里？你会主要待在聊天机器人里吗？那是你花费大部分时间的地方吗？如果是那样的话，把浏览器搬回云端、让你停留在聊天界面里就说得通。但情况并非如此，对吧？我们其实大部分时间都在浏览器里。我们把聊天机器人作为另一个标签页打开，把 Google 作为另一个标签页打开，把 Plexity 作为另一个标签页打开。但我们主要还是在浏览器里。就像现在，你和我都在 Riverside 上。而且我现在正用 Comet 录制 Riverside。之前它只支持 Chrome，但现在可以了。对，我们修好了这个 bug。但关键在于，我在 Riverside 上，我们在交谈。我可能希望 Comet 在我们说话时旁听，并接入我们的对话。你知道，Comet 也可以一起来做播客，或者回答我们的问题。如果你一直被困在单一的聊天机器人窗口里，你就会错过所有这些体验，而且那个窗口感觉空荡荡的，始终没有新的上下文涌现。而在浏览器上，你只需打开 Twitter 或某个链接，打开 Twitter 浏览几条动态，你的世界就已经变得丰富多彩、充满趣味。如果你一直待在聊天机器人里，还总得想着要输入什么 prompt，就会错过这一切。我认为这正是我们觉得浏览器更有趣的原因——上下文会源源不断地涌现。这样一来，你的好奇心可以无限延伸，想做什么都可以。我认为我在这里看到的是，有一种观点认为 AI 将从各个方面改善我们的生活，而这些改善将通过各种助手来实现。而我从浏览器、从这种浏览器模式——也就是你在 Perplexity 上所做的事情——中看到的是，你在打一个赌，赌浏览器这一形态是将 OpenAI 等公司的 LLM 所蕴含的无拘无束的智能，转化为最实用的助手形态。你赌的是，好，那我们就把助手直接做成浏览器。当然市面上也可能有其他竞争对手，或许它们根本不需要浏览功能，无论是否保留浏览器的前端界面。嗯。然后我觉得在移动端，作为用户你实际上并不会像在网上那样使用它。在手机上，你不会真的在移动浏览器里开标签页。对。实际上你会直接打开各个独立的 App。你不会在手机浏览器里访问 x.com，而是会打开 X 这个 App。对吧。所以在移动端，助手利用浏览器功能的方式是调用第三方 App，而这通常是其他 App 做不到的，因为 OS 会限制你调用第三方 App。我无法打开 DoorDash、Uber、Amazon，或者 Twitter、LinkedIn，然后替你在里面办事。作为另一个 App，OS 不允许我这样做。Siri 或许可以，但那是因为它根本不算一个 App，它是原生于 OS 的。因此，把浏览器作为一个独立的 App，让它帮我在云端服务器端运行某些操作，或者在客户端作为后台进程执行，这能带来很大的灵活性，让助手除了回答问题之外还能做很多事情，对吧？而且我认为未来会出现一系列这样的产品，它们试图为你身边的 AI 打造一种实用的形态。其中之一就是浏览器，因为正如你所说，我们大部分时间都花在浏览器里。另一种呢，也许人们直觉上不会把它当成竞争对手，但我把它归为同一类，就是那些吊坠之类的东西，那些实体设备，对吧？这只是另一种形态，目的是用 AI 来协助你。这东西不是浏览器，而是在真实生活中随身陪伴你的东西。你不在电脑前，也不在手机旁，手机就在口袋里，但这就是另一种旨在协助你、让你生活更美好的形态。你是这样看待你正在打造的这一品类吗？你只是想打造出最好的形态，来创造一个实用的 AI 助手工具。是的，毫无疑问。在我看来，浏览器能提取的记忆和上下文是无可比拟的。我觉得人们相信吊坠以及不管什么能挂在链子上的东西项链能极大地改善生活。对。眼镜之类的东西会录下你所有的对话，但本质上这是一种低效的信息存储方式，而且非常耗电。相比之下，利用你手机或 MacBook 的电量——这正是浏览器所做的——要高效得多。此外，业界已经投入了大量工程资源来让浏览器更省电、更省内存，优化代码也更为成熟，芯片性能也强得多。而这些正是吊坠类设备所缺乏的。它必须持续消耗你手机的蓝牙电量，还要不断把数据上传到服务器，持续占用你手机的网络连接。所以它并不适合，而且或许你根本不需要记录那么多东西，这感觉有点过度了。另一方面，你访问过的每一个网站、你的邮件、日历、你参加过的会议、你的航班、你的晚餐计划——仅凭浏览器上下文，我已经能了解到足够多的信息来帮助你了。而且我觉得这也没那么令人不适，不用带着设备到处录别人。浏览器只获取你自己的个人上下文，而且是在你授权的前提下，你还可以选择用隐身模式浏览。所以我觉得这是浏览器的另一个优势。另外，如果你想让手机录下某场特定会议，你随时可以选择这么做，这很简单。录音 App，或者现有 App 里的录音按钮，都能记录所有上下文，然后转存到你本地的磁盘或 App 本地空间里。数据可以存在客户端本地，不用推到服务器。浏览器可以从这些地方拉取上下文，做所有这些事都很容易。所以我并不太看好这类硬件。我觉得只有当硬件做到 AirPods 那种级别时才真的有意思。比如我戴着 AirPods，走路时就能直接跟它对话，它还有摄像头，我可以问它餐厅、菜单的问题，这给我提供了一种全新的网购方式。眼镜或 AirPods 有很多这样的优势，眼镜可以帮你渲染画面，AirPods 可以帮你看和说。我相信这些。但我不太相信那种需要把你说的每一句话、每一个话题都录下来，然后把这些全部作为上下文推到服务器上的聊天里的设备。我觉得没必要。这挺有意思的。Josh 之前来回讨论过不同形态，他还猜想过带摄像头的 AirPods，能够看见和感知一切。Armen，Perplexity 可以说是第一家推出 AI 浏览器的主流 AI 公司，对吧？现在 OpenAI 和 Google 等即将推出新浏览器或增强型浏览器，这已经不是什么秘密了。你在之前的一期播客里提到过，我记得是和 Y Combinator 的那期，你说 Google 没有直接把 AI 整合进搜索引擎，而是做了一个单独的搜索产品，是因为两者的运作方式不同。那我想问你，如果 OpenAI 明天就发布一款浏览器，你认为 Perplexity Comet 相对于其他人的主要护城河是什么？是你描述的那种自然、直观的人类使用流程？那是你们最擅长的领域，还是说是这些 agentic flows？你能帮我们理解一下这会是什么样子吗？我是说，我觉得他们确实会做浏览器。媒体已经报道过了。所以，我认为护城河显然会围绕打造更好的产品、更快的迭代速度、推出全新功能——不仅仅是重复我们已有的东西，而是与长时间运行流程相关的能力，有点像日常浏览任务里的 Claude Code。有些人喜欢把浏览器视为生活的 IDE，而编码 agent 可能是根本上缺失的那一环。就像现在，你有同步 agent，能实时就地为你完成任务；但异步 agent——那些在后台运行，或者耗时更长，却能承担更难任务的 agent——需要将大量信息串联起来，涉及更长的 context 管理、有状态的 memory，所有这些目前都还不存在。所以我们得构建这些。呃，他们肯定也想做这些。因此我认为，最终的胜负取决于谁的执行力更强。而且，与聊天机器人不同——你只需上线功能即可——浏览器是一项巨大的承诺：要跨平台、持续升级、修复大量漏洞、应对操作系统众多不同版本，无论移动端还是桌面端，还要大量决定哪些东西留在客户端、哪些放在服务器的架构决策。安全、隐私保障、企业版本，让人们能安全地在工作中使用。还有很多 context 处理上的漏洞和错误。要不断适配新 model。还要有能力使用多个 model，而不只是一个，因为不同 model 的 agent 能力永远不会完全相同。所以，作为一家极度聚焦产品的公司，我们拥有很大优势；相比之下，那些模型公司既要建计算集群，又要做 Stargate、Sora 视频生成、聊天机器人陪伴、图像生成、搜索……他们有二三十个不同的项目，浏览器只是其中之一。但对我们来说，这就是全部。所以我们押上了全部身家。如果我们是一家资金极少的小初创公司，那我们显然还是会输。但幸运的是，我们不是那样。我们有不错的分发渠道，资金也很充裕，这里还有很多优秀人才。所以我认为，即使像 OpenAI 这样的成熟公司也想做同样的事，这也是一个非常自然的赌注。这只会更加验证我们的判断。而且我们也在押注开源 model 会赶上前沿 model 的能力，这样我们今天做的所有事情，都能从闭源 model 迁移过去；而对于那些今天还做不到的前沿新事物，我们仍然会使用闭源 model。就像我之前说的，你们率先推出了一款 AI 浏览器，或者说主流的 AI 浏览器。那么，如果你展望未来的设备形态，你提到过自己并不怎么看好硬件设备。如果未来你要扩展浏览器，接下来会构建什么？是的，我以前说过。我认为浏览器之后的唯一下一步就是 OS。那是最后的 frontier。因为你之所以要通过浏览器来做很多 agent 的事情，唯一的原因就是你无法控制 iOS 或 Android。这很有意思。你可能觉得 Android 是开源的，所以你能控制它。不，你可以 fork 它，可以按你的想法改造 Android，但你真的无法让手机制造商出货你的 Android 版本，除非得到 Google 的批准。而且，如果默认搜索不是他们，Google 就不会允许你出货一个没有 Play Store、没有 Google Maps、YouTube、Gmail、Calendar 等核心 Google 应用的 Android 版本。如果 Google 不让自己的应用上架，也不让其他人在你的 Android 版本上发布应用，那没有手机制造商会有动力在任何市场上销售这些手机。所以，你基本上必须构建一个超级应用，能调用所有其他应用，让你甚至不需要应用商店。但这也就是你需要浏览器的原因，因为浏览器本质上——
——一旦它成为 everything app，你可以叫 Uber、在 Amazon 上购物，生成式 UI 都如此快速敏捷，让你感觉并没有错过原生应用。但你仍然需要 X、Instagram、WhatsApp 来和人发消息，很难绕过没有应用这件事。所以我认为，这个愿景比发布浏览器要大得多——你必须真正说服社交媒体公司和其他人忽略 Play Store，和你一起把应用发布到新版本的 Android 上。然后还要说服像 Samsung、Motorola 这样的大型手机制造商，或者说最大的 OEM，真正在市场上出货这款手机。那是最终的终局，我认为我们还没有达到去做那件事的阶段。要达到那一步，要配得上尝试的资格，最好的方式是推出一款非常出色的移动浏览器，获得大量用户，并真正提升产品的可靠性和延迟。要让人们觉得浏览器就是 everything app，它本身就像一个 OS，让他们愿意真正去尝试一款搭载新版本 Android 的新手机。而且我认为，一旦你在这一轨迹上完成了最后一步，那将是 Google 垄断的真正终结。因为在 Android 上，他们控制默认搜索是什么，而他们 68% 的收入来自移动广告。所以，如果我把 Google 搜索从默认位置移除，让你只用一个 assistant 来满足所有搜索需求，你可以浏览网页、获取信息，所有事情都以无缝的方式完成，搜索广告的大部分收入就会暴跌。所以你需要通过手机分发真正获得市场份额，而这需要像 Samsung 这样的大型手机制造商支持你。所以，这基本上就是终局。你还要围绕 agent 建立一个好的商业模式，还有那些希望通过这种新形态体验互联网和服务的用户的订阅收入。所以，要让这些事情发生，世界必须发生相当大的变化。我们并不是把 Perplexity 当作短期项目来做，实现这一切可能需要十年时间，一路上都是一小步一小步地前进，而 Comet 是迈向这个目标的第一步。我觉得如果说我从这一期节目中学到了一个重要的结论，那就是 AI 原生 iOS/OS 软件为什么必须是 AI first。这就是我们最终要去的地方。你也可以考虑构建 Windows 的竞品，或者不完全像 Windows，而是 Windows 或 Mac OS 的竞争对手，但是——
——呃，你最终还是会遇到同样的问题。比如 Microsoft 可能不想把他们的应用上架到你的 OS，因为他们不想鼓励竞争对手。这就是为什么所有 Microsoft 应用——比如 Office 365 应用在 Linux 上很烂——这也是 Linux 没能获得分发的原因之一。这就引出了一个问题：如果终局是 AI 原生 OS，那么什么更有可能发生？苹果终于理清思路，将 iOS 全面转向 AI 原生；微软拥有 Windows，也在探索如何让 Windows 实现 AI 原生；又或者 ChatGPT 和 OpenAI 试图入局；再或者像 Perplexity 这样的年轻创业公司。这些就是这场游戏的参与者吗？还是说……
—— 谷歌也仍然重要。
—— 谷歌确实重要。但如果我们真的看到 AI 原生操作系统问世，它应该会来自这些玩家之一：苹果、微软、ChatGPT……呃，谷歌和 Perplexity，
—— 我认为是的。或者 Meta，谁也说不准。
—— 嗯，但我想是的，这些就是主要玩家。而且，我甚至感到很幸运能被列入这份名单。其他每家公司拥有的资金都比我多 10 到 100 倍，也许还有 1000 倍。所以……这确实很……但我想说，从结构性限制的角度看，优势反而在苹果这边。他们基本上……是的，如果他们改变搜索和 Safari 的运作方式，就会失去谷歌的广告收入分成。但无论如何，如果法官在 DOJ 的案件中做出相应裁决，他们很可能也会失去这笔收入。所以，既然反正都要失去，他们不如全力以赴地推进这一愿景，将 iPhone 改造得更具 AI 原生特性。另一方面，谷歌在 Android 手机上没法做得这么快。他们可能会在 Pixel 手机上试水，因为 Pixel 的出货量小得多，不会真正损失太多广告收入，他们可以借此感知市场，然后再尝试深入其他 OEM 厂商，但他们在这里面临更多约束和限制。而 OpenAI 没有能力去自主研发设备，他们在说服三星与他们合作这方面，面临着和我们一样的问题。Meta 同样面临这样的困境。它没有搜索，没有浏览器，也没有出色的模型。而微软，你知道，Windows 缺乏手机层面的抽象。所以它无法像谷歌或苹果那样实现跨平台。
—— 好吧，Arvin，我要说声谢谢，并祝贺你能在牌桌上占有一席之地。这绝非易事。我的意思是，你们的估值从大约 5 亿美元增长到 180 亿美元，只用了 18 个月，或者类似这种惊人的增长速度。所以祝贺你们取得的所有成功。对于正在收听、对我们今天谈论的内容感到好奇的人，你觉得接触 Perplexity 最好的方式是什么？你想如何向人们介绍使用你们的产品？他们应该去哪里？
—— Perplexity.ai，这是网页端入口。在移动端，无论是 App Store 还是 Play Store，直接搜索 Perplexity。忽略顶部的广告，比如 Gemini 和 Claude 投的那些广告。
—— 直接进入我们的应用。是的。
—— 太棒了。好吧，Arvin，非常感谢你今天抽出时间加入我们。我们真的不胜感激。