ChatGPT Atlas： 重新定义 AI 时代的网络浏览 「OpenAI」

14 Nov, 2025

• 来源：基于OpenAI的官方播客讨论整理而成：ChatGPT Atlas and the next era of web browsing — the OpenAI Podcast Ep. 9
• 日期：2025年11月14日
• 本文使用了AI工具Google NotebookLM进行辅助创作，更深入解析可点击笔记本链接

本文分析了 OpenAI 关于其新型浏览器 ChatGPT Atlas 的讨论。Atlas 的核心理念是构建一款以 ChatGPT 为基础的 AI 原生浏览器，旨在将用户与网络世界的交互方式从传统的手动点击和关键词搜索，转变为更直接、更高效的自然语言对话。其关键创新在于强大的“智能体模式”（Agent Mode），该模式允许 AI 代表用户在网页上执行复杂的多步骤任务，例如数据分析、内容创作和账户管理。

Atlas 不仅仅是一个带有 AI 插件的传统浏览器，其独特的“进程外网页布局”（OWL）技术架构，将轻量级的 Swift 主应用与独立的 Chromium 渲染引擎分离，确保了卓越的速度、稳定性和开发效率。OpenAI 将 Atlas 视为一项“长期投资”，是开启一个全新网络浏览时代的“Netscape 1.0”。其未来愿景是，用户只需表达意图，智能体便能处理所有繁琐的执行工作，最终可能使智能体流量成为互联网的主体。这份简报深入探讨了 Atlas 的核心功能、设计哲学、技术架构及其对未来网络生态的深远影响。

1. ChatGPT Atlas 简介：新一代 AI 浏览器

1.1 核心理念：以 ChatGPT 为核心

ChatGPT Atlas 被定义为一款为自然语言交互时代设计的全新浏览器。它将 ChatGPT 的能力深度整合到浏览体验的每一个环节，而非仅仅是在现有浏览器上添加一个侧边栏或扩展。

• 从指令到对话：其根本目标是改变人机交互范式。开发者 Ben Goodger 指出：“我们正在进入一个你只需告诉计算机你想要什么的世界。” 用户无需记住网址或精确的搜索指令，只需用自然语言描述任务，Atlas 就能利用网络资源来完成。
• 深度集成：与简单的插件不同，Atlas 将 ChatGPT 作为其“心脏”。这意味着 AI 不仅能理解和总结当前网页内容，还能在网页上代表用户采取行动，并根据用户的浏览历史进行个性化，以辅助完成可能耗时数天甚至数周的长期任务。
• 超越信息检索：它旨在帮助用户成为一个“更好奇、更有效率的人”。例如，当用户长时间未处理某项任务时，Atlas 能够记住上下文，帮助用户快速回到之前的工作状态。

1.2 开发动机：为何是现在？

OpenAI 团队认为，当前是推出 AI 浏览器的最佳时机，主要基于以下几点：

• 技术的成熟：AI 模型，特别是大型语言模型（LLM）的能力在过去几年中取得了惊人的进步，达到了一个可以构建真正引人注目的用户体验的“甜蜜点”。
• 奠定未来基础：开发者 Darin Fisher 提到，从 Operator（早期原型）到 Atlas 的演进，展示了智能体能力和速度的巨大提升。现在构建 Atlas 是为了“为未来五年的发展奠定基础”，这是一项着眼于未来的“长期投资”。
• 工作流程的转变：开发团队成员自身已经历了从将 ChatGPT 视为辅助工具到将其视为核心工作流程的转变。Fisher 认为，“将 ChatGPT 置于浏览器的核心，而不是另一个需要切换的标签页，是人们开启网络旅程的正确方式。”

2. 核心功能与用户体验

2.1 智能体模式：网页上的自主代理

智能体模式（Agent Mode）是 Atlas 最具变革性的功能，它授权 ChatGPT 代表用户在网络上执行具体操作。

• 定义：用户邀请 ChatGPT 在网页上代为行动。用户可以用自然语言下达指令，例如在电子表格应用中说“用这些数据创建一个饼图”，智能体就会自动操作软件界面完成任务。
• 应用场景：
  • 文档协作：让智能体审阅文档并像合作者一样添加评论。
  • 软件操作：帮助用户操作复杂软件，用户可以观察其操作过程并从中学习。
  • 账单管理：分析复杂的云服务账单，找出不必要的开销并帮助关闭相关服务，一位用户通过此功能每月节省了100美元。
• 智能体的工作空间：为了避免干扰用户的浏览体验，智能体在执行任务时会打开自己独立的标签页集合。这个“工作空间”在后台运行，用户看不到中间过程的混乱，任务完成后，智能体会呈现最终结果或操作记录。Darin Fisher 称之为“智能体拥有自己的工作空间，这个想法非常强大。”

2.2 安全与控制机制

为确保用户在使用强大的智能体功能时感到安全和可控，Atlas 设计了多层保障机制：

• 敏感模式（Sensitive Mode）：当智能体处理敏感信息（如电子邮件）时，系统会要求用户保持对该标签页的关注，类似于辅助驾驶系统要求驾驶员“眼不离路”。
• 紧急停止按钮：在智能体活动的标签页底部，始终显示一个硕大的红色“停止”按钮，用户可以随时中断其操作。
• 无痕会话：用户可以选择在“登出”状态下运行智能体，此时智能体无法访问用户的个人 cookie 和登录信息，适合在不涉及个人账户的情况下测试其功能。
• 权限限制：为防止意外订阅垃圾信息，智能体打开的标签页被禁止请求“通知”等敏感权限。用户可以自己授权，但智能体不会代劳。

2.3 “随处提问 ChatGPT” 侧边栏

这是 Atlas 日常使用中最核心的功能之一，它将 ChatGPT 的能力无缝带到用户访问的每一个网站。

• 功能：用户可以随时拉出侧边栏，要求其总结长篇文章、解释专业术语、比较商品价格，或基于当前页面内容启动一项智能体任务。
• 价值：Ben Goodger 将其描述为“就像 ChatGPT 坐在你的肩膀上，随时准备提供建议”。
• 实际用例：
  • 理解复杂信息：用户利用它来解读充满医学术语的体检报告。
  • 跨网站研究：在一个产品页面上，可以询问侧边栏“还有哪些类似的产品？”，AI 会提供其他网站的链接，从而“让网络变得更大”。
  • 激发探索：它为整个网络赋予了类似维基百科的“兔子洞”探索体验，让用户可以从任何页面出发，进行发散性的提问和研究。

2.4 个性化与浏览器记忆

Atlas 通过分析用户的浏览活动来创建“浏览器记忆”，从而提供深度个性化的体验。

• 工作原理：它能记住用户的偏好，例如，如果用户经常访问美联航网站，当要求智能体搜索航班时，它会自动优先使用该网站，而无需用户每次都明确指定。
• 用户控制：用户对自己的“浏览器记忆”拥有完全控制权，可以随时查看、管理或完全关闭个性化功能。

2.5 创新标签页管理：滚动标签页

这是一个可选的实验性功能，旨在解决现代浏览器标签页泛滥的问题。

• 设计：它允许浏览器容纳成百上千个标签页而不会导致界面混乱。新标签页总是在一侧打开，便于管理。系统会自动卸载长时间未使用的后台标签页以节省内存，并在用户切换回去时重新加载。
• 与 AI 的协同：这种管理大量标签页的能力 unlocking a new capability: the AI model can see and interact with this vast working set. 这意味着用户的“工作上下文”可以远超大脑记忆的范畴，可以随时让 AI 在数百个已打开的标签页中查找信息或继续之前的工作。

3. 技术架构与设计哲学

3.1 基于 Chromium 但超越 Chromium

Atlas 选择基于 Chromium 内核，但其实现方式与大多数 Chromium 浏览器截然不同。

• 选择 Chromium 的原因：
  1. 网页兼容性：许多网站在设计时只针对 Chromium 内核进行测试和优化。
  2. 扩展生态系统：用户可以无缝安装和使用庞大的 Chrome 扩展商店中的插件。
• OWL 架构：Atlas 的核心是 OWL（Out-of-process Web Layout，进程外网页布局）。这意味着：
  • 分离式设计：浏览器主应用（用 Swift 编写）与网页渲染引擎（Chromium）在不同的进程中运行。
  • 性能与稳定性：Atlas 主应用本身非常轻量、启动迅速。即使网页渲染进程崩溃，主应用依然稳定，可以快速重启渲染进程。这与早期 Chrome 将每个标签页放入独立进程以防止单个网页崩溃导致整个浏览器崩溃的设计理念一脉相承，如今则更进一步。
  • 开发效率：新工程师无需编译庞大复杂的 Chromium 源码，只需修改轻量的 Atlas Swift 代码库，即可在入职第一天就提交代码并发布功能。

3.2 统一输入框：简化交互

Atlas 借鉴并推进了浏览器交互简化的历史趋势。

• 设计演进：团队回顾了从早期浏览器中分离的地址栏和搜索框，到 Chrome 将二者合一的“Omnibox”的演变。
• AI 时代的下一步：Atlas 更进一步，将这唯一的输入框同时作为与 ChatGPT 对话的入口。用户无需思考“我应该输入网址、关键词还是一个问题？”，系统会智能地判断用户的意图。
• 目标：最终目标是消除“模式”的概念，让用户不必预先决定是进行搜索还是对话，系统应该能够理解用户的半成品想法并给出有用的回应。

3.3 为 AI 时代重新思考浏览器

Atlas 的设计哲学根植于对“用户代理”（User Agent）这一古老概念的现代化诠释。

• 从文档查看器到主动代理：团队认为浏览器不应仅仅是被动的“文档查看器”，而应成为一个主动的、为用户服务的智能体。
• 赋能 LLM：将 LLM 作为“超级用户代理”，使其能够像人类一样理解并与为人类设计的网页交互，弥补了“语义网”等早期理念在现实世界中难以落地的缺陷。AI 的能力在于它能“在用户所在的地方与技术相遇”。

4. 对未来的展望

4.1 长期投资与平台扩展

OpenAI 明确表示 Atlas 是一项严肃的长期项目，而非短期实验。

• 迭代愿景：目前的版本被 Ben Goodger 称为“这个新网络浏览时代的 Netscape 1.0”，预示着未来将有大量功能迭代和改进。
• 跨平台计划：团队正在积极开发 Windows 和移动版本，以满足用户的跨设备使用需求。

4.2 五年愿景：从指令到意图

团队对五年后的网络交互形态有着清晰的构想。

• 意图驱动：用户将更多地关注“做什么”（what），而不是“怎么做”（how）。他们会向系统表达高层次的目标，而将具体的执行步骤委托给智能体。
• 人机协作新模式：智能体将负责处理大部分的“苦差事”（toil），如从多个来源搜集和整理信息，然后将关键决策点（例如，在几家酒店中做出选择）呈现给人类。
• 智能体网络流量：Ben Goodger 预测，未来大部分的互联网流量可能由智能体产生，代表人类执行各种任务。

4.3 浏览器的持久性与网络的开放性

尽管交互方式在变，但团队坚信浏览器和开放网络的核心地位不会动摇。

• 浏览器的耐久性：浏览器作为一个平台，具有强大的生命力。即使是 ChatGPT 这样的颠覆性技术，最初也是在网页上发布的。它已成为用户在电脑上的“生活操作系统”。
• 网络的价值：网络的开放性——任何人都可以发布内容，任何人都可以创建工具来访问这些内容——是其持续繁荣的基石。AI 模型正是利用了这种开放性，才能代表用户去理解和驾驭海量信息。

5. 内部开发影响：AI 驱动的生产力飞跃

Atlas 的开发过程本身就是对其所倡导的 AI 赋能理念的有力证明。

• 加速的产品周期：开发团队深度使用 OpenAI 自家的编码工具（如 GPT-5 Codex），极大地提升了生产力。Darin Fisher 分享了一个案例：一项他手动花费一周完成的重构任务，在AI的辅助下，一个类似规模的任务仅用一小时就完成了。
• 赋能所有角色：AI 工具降低了编程门槛，使得团队中的产品经理和设计师也能直接贡献代码（提交 PR）。
• 跨语言开发：AI 在不同编程语言间的翻译能力表现出色，例如，团队能够利用 Swift 专家在 Windows 平台上进行开发，AI 可以将 .NET 或晦涩的 WinRT C++ 代码示例轻松转换为 Swift 代码，节省了大量时间。