ChatGPT杀入浏览器，和谷歌Gemini正面较量

“ChatGPT现在能看懂你正在浏览的网页了。”OpenAI没有开大张旗鼓的发布会，只是在更新日志里轻描淡写地加了一句话，就把一个能读取当前页面内容的Chrome扩展推到了台前。这句话的潜台词很直白：用户以后不用再手动把新闻、论文、技术文档里的段落复制粘贴进对话框，浏览器里的AI会自己看、自己答。

从功能上看，这款扩展做的事情和谷歌Gemini在Chrome侧边栏里干的活高度重合——总结文章、解释复杂概念、回答关于当前标签页的问题，甚至生成文本。两者都是在“上下文感知浏览”这个方向上赛跑，只不过OpenAI是客场作战，一步一步踏进谷歌最核心的浏览器底盘。

接下来，我们就把两个产品的底牌翻开，看看这场浏览器AI争夺战到底在争什么。

第一回合：基础能力几乎撞脸 ChatGPT扩展给用户的是一个侧边栏问答窗口，只要点一下图标，就能就当前网页的内容进行提问。你可以让它用三句话讲清楚这篇论文在说什么，把技术规范里的术语翻译成白话，或者根据页面上的信息起草一封邮件。OpenAI强调，这套机制不需要中断浏览流程，AI助手就贴在页面旁边，随时可用。 谷歌Gemini的版本几乎如出一辙。它同样寄生在Chrome侧边栏，同样能读懂当前标签页的文本，同样可以帮你总结、解释、提问、续写。两边都省去了“复制粘贴再切换标签”的步骤，把网页本身变成了AI的上下文池。这一轮，纯粹比的是谁家的模型理解力更强、响应更快，但功能表上几乎找不到区分度。

第二回合：任务执行深度分出岔路 差别出现在“自动化”能力的边界上。OpenAI在描述中特别提到，扩展支持通过ChatGPT的“代理”能力处理更长时间、更多步骤的任务，用户可以直接从浏览器里委派复杂请求。至于这“复杂请求”具体能复杂到什么程度，OpenAI没有给出示例，只知道它不是在单次问答上打转，而是试图串联起一系列操作。 谷歌这边则拿出了更明确的牌面。Gemini不仅能在单个页面里回答问题，还能同时跨越最多10个浏览器标签页，把来自不同网页的信息整合成一份总结。更关键的是，谷歌已经开始向部分用户推送“自动浏览”功能——一种需要用户确认的代理级特性，能让AI自己导航网站、填写表单、完成预订。换句话说，谷歌已经在教AI动手，OpenAI目前还停留在让AI动脑的阶段。

第三回合：生态护城河决定了主场优势 这才是最让OpenAI难受的地方。ChatGPT扩展只能读取你当前打开的那一个网页，它对浏览器里其他标签页里的内容一无所知，更别说触达邮箱、日历、云盘这些办公套件。而Gemini背靠的是一整个谷歌生态：它可以联系Gmail里的邮件内容、Google Calendar里的日程、Google Drive里的文件，把网页信息和用户自己的数据糅合在一起做分析。这种深度绑定是ChatGPT单靠一个扩展怎么都撬不开的缺口。 更现实的障碍在于，Gemini是Chrome的原住民，内嵌在侧边栏里不需要额外安装任何东西。用户想用ChatGPT？得先去应用商店搜扩展、点安装、授权读取网页内容。对于一个只想快速总结一篇文章的普通人来说，这一步心理成本已经高出了一截。

第四回合：用户到底买不买账 抛开两家公司的战略博弈，用户感受到的变化其实很朴素：终于不用再当AI的“搬运工”了。不管是读科研论文、啃法律条款，还是在技术文档里查一个参数的含义，现在都可以直接指着页面问AI，让它当场给出答案。这种“所见即所答”的体验，把AI从独立的聊天窗口里解放出来，变成了附着在网页上的解码层。 但这也意味着，用户对AI的依赖会从偶尔的查询变成持续的伴随。当你习惯让AI帮你过滤掉每篇文章的废话，你就不再能容忍没有AI的原始浏览体验。这反过来又加剧了两家厂商之间的竞争——谁能把这种伴随感做得更无感、更强大，谁就能把用户的注意力牢牢锁在自己的服务里。

第五回合：浏览器成为AI新战场 这次正面交锋其实宣告了一条新的产品逻辑线：AI助手正在从独立的聊天机器人，退化成浏览器原生生产力工具。它们不再渴望成为用户打开的第一个页面，而是悄悄藏在每一个页面旁边，随时待命。理解你正在看什么、预测你想做什么，然后在自己被召唤的瞬间给出答案——这种“隐形化”比单纯的对话能力更能影响人机交互的走向。 不过，目前的双雄格局还远未到分出胜负的时候。OpenAI成功把ChatGPT塞进了谷歌浏览器的心脏地带，证明了第三方AI也能在封闭的生态里找到突破口。但谷歌手里攥着浏览器底层权限、标签页联动以及办公套件的组合拳，这一套连招短期内很难被单独的扩展程序复制。可以预见，接下来双方在“上下文理解深度”和“任务自动化范围”上的竞速，会比谁的多模态模型更强更热闹。