企業級Web Agent來了 讓AI替企業"搬磚"賺大錢

你有沒有想過，網路其實已經完全超出了人類的處理能力？想象一下，一個企業每天需要跟蹤數千個網站上的價格變化、庫存更新、競爭對手動態，這些數據每分鍾都在發生變化，傳統的瀏覽器和人工操作根本無法應對。當我看到TinyFish剛剛完成4700萬美元A輪融資的消息時，我意識到這不僅是一輪融資，而是一個全新時代的開始——企業級Web Agent時代。我一直在思考AI agent的商業化應用，但TinyFish的方法讓我看到了一個更加現實且具有顛覆性的方向：讓AI agent不是簡單地模擬人類瀏覽網頁，而是以企業級的規模、可靠性和合規性要求來執行復雜的業務工作流程。

這輪由ICONIQ Capital領投的融資，吸引了USVP、Mango Capital、MongoDB Ventures和Sandberg Bernthal Venture Partners等知名投資機構的參與。特別值得注意的是，Sandberg Bernthal Venture Partners是由前Meta高管Sheryl Sandberg聯合創立的基金，她的參與爲這個項目增添了重要的戰略價值。但真正讓我感興趣的不是融資本身，而是TinyFish已經在Google、DoorDash、ClassPass等財富500強公司的生產環境中大規模部署，每月運行數百萬次操作。這意味着他們已經跨越了從demo到真實商業價值的鴻溝，這在AI agent領域是極其罕見的成就。

創始人團隊的背景也很引人注目，體現了技術深度和商業洞察的完美結合。CEO Sudheesh Nair曾是Nutanix的總裁，擁有豐富的企業級產品開發和市場推廣經驗。聯合創始人Shuhao Zhang是前Meta工程師，曾參與GraphQL的開發工作，在大規模系統構建方面有着深厚的技術積累。另一位聯合創始人Keith Zhai則是前華爾街日報的資深記者，他的媒體背景爲團隊帶來了獨特的信息獲取和分析視角。這種技術、商業和媒體經驗的三重結合，爲他們打造了一個獨特的視角來理解和解決企業在網路自動化方面的真實需求。正如Shuhao在訪談中提到的，建設一個公司時"營銷和定位確實是最困難的部分"，而Keith的媒體背景正好補強了這一短板。

從AgentQL到企業級Web Agent的技術演進

了解TinyFish的發展歷程讓我對他們的技術積累有了更深的認識。這家公司其實已經默默耕耘了20個月，雖然直到現在才正式走出隱祕模式。他們的第一個產品AgentQL爲企業級Web Agent奠定了重要的技術基礎。AgentQL解決了一個長期困擾開發者的問題：如何讓AI agent能夠準確地識別和操作網頁元素。

Shuhao Zhang在開發AgentQL時觀察到一個重要趨勢："20個月前我確實看到了向更具代理性世界的趨勢和轉變。那時仍然是GPT-3.5，但真正看到了推理能力和處理復雜任務的能力。所以真正缺失的是AI agent訪問網路的更AI原生方式。"這個洞察非常關鍵。傳統的網頁自動化工具依賴CSS選擇器或XPath，這些方法在面對動態生成的類名、不斷變化的頁面結構時經常失效。而AgentQL允許開發者使用自然語言來描述頁面元素，比如"紅色的提交按鈕"或"標題爲特定內容的卡片"。

我特別欣賞AgentQL在技術架構上的設計決策。它選擇基於DOM而不是截圖來分析頁面，這個決定背後有深刻的技術考量。Shuhao解釋說："語言模型的訓練數據集中HTML和DOM的數據比圖像多得多。而且截圖還有物理限制，當你有長頁面、水平垂直滾動、隱藏在折疊面板後的內容時，截圖方式存在一整套限制。"這種技術選擇體現了團隊對AI模型能力邊界的深刻理解。

AgentQL的成功爲TinyFish奠定了重要基礎。它已經被集成到LangChain、LlamaIndex和LFlow等主要AI框架中，服務數億次API調用。更重要的是，它在Chrome擴展和開發者工具方面的創新，讓開發者能夠在實際部署前驗證查詢的準確性。這種"所見即所得"的開發體驗大大降低了使用門檻，也提高了最終部署的可靠性。從AgentQL到企業級Web Agent，TinyFish展現了從底層工具到完整解決方案的技術演進路徑。

爲什麼傳統的網路自動化方法已經過時

我在過去幾年中觀察到一個明顯的趨勢：網路變得越來越復雜，而我們訪問和處理網路數據的方法卻停留在十年前。TinyFish在其最新博客中提出了一個深刻的觀察："網路的故事一直是規模的故事。"從最初的幾個靜態頁面，到數百萬個可通過Yahoo和Google搜索的網站，再到電商和社交平台，最終整個企業都遷移到了網路上。但問題是，網路的增長速度遠遠超過了我們處理它的能力。

現在的網路已經變成了一個迷宮。信息隱藏在登入界面後面，內容隨着腳本和個性化而變化，價格每分鍾都在調整。正如TinyFish所說："網路已經成爲一個迷宮，在人類規模上無法把握。"傳統的網路抓取工具和自動化腳本在面對現代網路環境時顯得力不從心。網站使用動態加載、反爬蟲措施、個性化內容，這些都讓傳統方法頻繁失效。

更重要的是，企業級應用對準確性、穩定性和合規性的要求遠遠超出了個人用戶的需求。TinyFish的創始人Sudheesh Nair對這個問題有着深刻的理解。他指出："當今的網路橫跨數千個平台和數十億個頁面，但公司無法充分挖掘其潛力，因爲大規模創造業務價值所需的工作復雜、手動且受人類能力限制。"這個觀察非常準確。我見過太多企業花費大量人力來手動收集競爭對手信息、跟蹤市場價格、監控庫存變化，這些工作不僅效率低下，而且容易出錯。

TinyFish在其技術分享中特別強調了現代網路環境的復雜性。Shuhao Zhang提到："現代網路框架的類名是動態生成的。如果你刷新頁面，某些網站會改變一切。內容也是動態的。所以nth-child也會在你有新橫幅時改變順序，輪播會改變。"這種技術細節說明了爲什麼傳統的CSS選擇器和XPath方法不再可靠。

我特別認同TinyFish提出的一個觀點：網路已經超越了瀏覽器的能力範圍。他們在博客中寫道："創造新機會和收入取決於數千個工作流程在數千個網站上運行，每天有數十億次變化。沒有人類分析師能跟上。消費者工具，那些爲個人構建的一次一個瀏覽器的代理，從來沒有被設計來承擔這種重量。"現代企業需要的不是更好的瀏覽器，而是能夠理解和適應網路復雜性的智能系統。

TinyFish的企業級Web Agent革命

TinyFish的方法之所以引起我的關注，是因爲他們從一開始就明確區分了消費級和企業級Web Agent的根本差異。正如他們在分析中指出的："企業級Web Agent在根本上不同於消費級瀏覽器代理。"消費級agent擅長處理個人任務，比如安排旅行行程或基於瀏覽歷史提供個性化推薦，這些都是一對一的簡單任務。但企業級Web Agent需要自動化那些必須執行成千上萬次甚至數百萬次的復雜業務工作流程，而且不能失敗。

他們的企業級Web Agent具備幾個關鍵特徵，這些特徵讓我看到了真正的技術突破。首先是結果導向的設計，這些agent不是爲了展示技術能力，而是爲了實現可衡量的業務結果，比如收入增長、成本節約或市場份額提升。其次是完整的工作流程覆蓋，它們能夠處理整個流程的每個階段，而不僅僅是孤立的任務。第三是企業級的可靠性和合規性，這意味着它們能夠滿足全球大型組織在安全性、治理和正常運行時間方面的要求。

最讓我印象深刻的是他們的"行星級規模"能力。TinyFish的Web Agent可以同時在數千個平台上協調行動，這種規模是傳統自動化工具無法達到的。想象一下，一個agent能夠同時監控全球數千個電商網站的價格變化，實時分析競爭對手的促銷策略，並將這些信息整合成可執行的商業洞察。這不僅僅是技術的進步，更是商業智能收集方式的根本性變革。

從技術實現角度來看，TinyFish使用了先進的推理模型來理解和適應網路環境的變化。他們的系統使用先進的AI模型進行推理和探索，然後將這些知識編碼化，以實現高速、確定性的大規模執行。這種方法結合了AI的靈活性和傳統自動化的可靠性。更重要的是，他們的基礎設施能夠學習、適應和擴展，這意味着系統會隨着使用而變得更加智能和可靠。

我特別欣賞TinyFish在安全性和合規性方面的考慮。企業級應用不能像消費級產品那樣承擔數據泄露或合規違規的風險。TinyFish的Web Agent內置了企業級的安全態勢和治理框架，確保所有操作都有完整的日志記錄和審計追蹤。正如他們強調的："TinyFish代理專門設計用於以企業要求的規模、可靠性和合規性運營。"這種對企業需求的深度理解，是他們能夠在財富500強公司中成功部署的關鍵原因。

在技術架構的設計上，TinyFish展現了對現代AI技術的深刻理解。Shuhao Zhang在技術分享中提到："生成式AI和新發布的推理模型的進步使網路變得更加復雜，傳統工具更難訪問。"但同樣是這些推理模型，爲TinyFish的企業Web Agent提供了理解和處理今日網路復雜性的能力，讓公司能夠安全地擴展其運營，並將復雜性轉化爲商業優勢。

真實商業案例證明價值

理論再好也需要實踐驗證，而TinyFish在這方面的表現讓我印象深刻。他們已經在多個行業的頭部企業中實現了大規模部署，這些案例展示了企業級Web Agent的真實商業價值。目前TinyFish運營着數十萬個企業級Web Agent，每月爲財富500強公司和高增長企業執行數百萬次操作，這種規模本身就說明了技術的成熟度和市場需求的真實性。

在酒店業，TinyFish爲Google開發的Web Agent解決了一個長期存在的技術挑戰。日本有數千家酒店使用老舊的預訂系統，這些系統無法與Google的搜索聚合器直接集成。傳統解決方案要求這些酒店升級整個IT系統，成本高昂且實施困難。TinyFish的Web Agent能夠自動聚合這些酒店的庫存信息，讓消費者可以通過Google酒店搜索找到並預訂這些房間，而酒店方面無需進行任何基礎設施更新。這個案例完美展示了企業級Web Agent如何在不破壞現有系統的情況下創造新的商業價值。

在交通出行領域，一家領先的網約車公司使用TinyFish每月收集數百萬個定價變量，實現近實時的動態市場調整。這種能力讓他們能夠快速響應競爭對手的價格策略，優化自己的定價模型，最終提升市場競爭力和盈利能力。想象一下，如果用人工方式來收集和分析這些數據，需要多少人力資源，而且很難保證數據的及時性和準確性。

電商領域的應用更是顯示了Web Agent的強大能力。全球品牌可以同時跟蹤數千個零售網站上的競爭對手定價、監控庫存變化、捕捉促銷數據。這種實時的市場情報讓企業能夠快速調整自己的定價策略，發現新的市場機會，避免錯失重要的商業信息。更重要的是，這些數據的收集和分析完全自動化，大大降低了運營成本。

TinyFish的客戶覆蓋範圍也在不斷擴大。除了Google和DoorDash這樣的科技巨頭，ClassPass等成長型公司也在使用他們的服務。這表明企業級Web Agent的價值不僅限於大型企業，中等規模的公司同樣能夠從中受益。特別是在零售和旅遊行業，TinyFish專注於動態價格監控這一核心應用場景，幫助企業實時追蹤競爭對手的價格、促銷、配送時間和庫存水平。

DoorDash的數據科學總監Abhi Shah的評價特別有說服力："TinyFish的平台大規模管理網路交互復雜性。除了DoorDash，TinyFish還爲酒店、電商和市場平台的高風險工作流程提供動力，幫助企業捕獲變化的網路數據，行動更快，並將持續變化轉化爲可衡量的結果。"這種來自實際用戶的認可，比任何技術演示都更有說服力。

從商業模式角度來看，TinyFish的成功在於他們專注於解決企業的實際痛點，而不是追求技術的新穎性。傳統上，這些任務由大型離岸團隊進行手動數據錄入，或者由定制軟件腳本處理，但這些腳本在網站設計變更時經常失效。TinyFish提供了一個更加穩健和可擴展的解決方案，通過AI驅動的方法來應對網路環境的快速變化。

投資者爲什麼看好這個方向

ICONIQ Capital領投這輪融資的決定讓我思考了很多。作爲一家專注於成長期投資的頂級VC，ICONIQ的投資通常都有着深刻的戰略考量。他們的合夥人Amit Agarwal在解釋投資決策時提到了一個關鍵點：TinyFish已經在大規模客戶中實現了產品化部署，這些客戶本身就擁有足夠的開發資源來自己構建類似系統。"他們已經將其運營化、產品化，爲兩個擁有所有內部開發資源來自己構建這類東西的大型客戶大規模部署。"Agarwal說道。

這個觀察非常重要。Google和DoorDash這樣的技術公司，完全有能力自己開發網路自動化工具，但他們選擇使用TinyFish的解決方案，這說明TinyFish提供的價值超越了簡單的技術實現。我認爲這種價值主要體現在三個方面：專業化程度、規模效應和持續創新能力。專業化程度體現在TinyFish對企業Web Agent領域的深度專注。他們不是試圖做一個通用的AI平台，而是專門解決企業在網路自動化方面的特定問題。

ICONIQ的投資團隊對TinyFish的技術能力給予了高度評價。Amit Agarwal表示："TinyFish的創新企業Web Agent可以大規模復制人類在網路上的行爲，具備企業所需的彈性和可靠性。這正在爲企業和應用程序與網路交互、收集情報和自動化工作流程的方式奠定重大轉變的基礎。沒有其他人解決了這個問題，TinyFish已經在今天的客戶生產環境中交付了結果。"

規模效應則來自於他們的基礎設施投資。建設能夠支撐數十萬個Web Agent同時運行的基礎設施需要巨大的技術投入，這種投入對於大多數企業來說都是不經濟的。TinyFish已經建成了這樣的基礎設施，並且具備了"行星級規模"的處理能力，這爲他們創造了重要的競爭壁壘。

持續創新能力可能是最重要的因素。網路環境在不斷變化，新的反爬蟲技術、新的網站架構、新的安全措施層出不窮。TinyFish的團隊專門應對這些挑戰，他們的解決方案會隨着網路環境的變化而不斷進化。對於企業客戶來說，這意味着他們可以專注於自己的核心業務，而不用擔心網路自動化工具的維護和更新。

從市場時機來看，投資者們認爲現在正是企業級Web Agent爆發的關鍵時刻。AI代理領域正在經歷淘金熱，大型科技公司和初創公司都在競相利用從靜態大語言模型向能夠執行復雜多步驟任務的動態代理的轉變。TinyFish在這個關鍵時刻已經建立了技術領先地位和客戶基礎，這爲他們在快速增長的市場中佔據有利位置創造了條件。

新融資爲TinyFish提供了三到四年的發展資金，這讓他們能夠繼續投資產品開發和擴大市場推廣運營。CEO Sudheesh Nair明確表示，目標不僅僅是幫助企業節省成本，而是"幫助企業賺更多錢"。這種聚焦於創造增量價值而非僅僅優化成本的商業理念，正是投資者看好的重要原因。

AI Agent技術的關鍵突破與未來挑戰

從技術角度來看，TinyFish的成功離不開近期大語言模型和推理能力的突破。過去的自動化工具依賴於硬編碼的規則和腳本，無法適應網路環境的動態變化。而現在的AI模型具備了類似人類的推理能力，能夠理解網頁結構、適應界面變化、處理異常情況。但正如TinyFish所觀察到的："生成式AI和新發布的推理模型的進步使網路變得更加復雜，傳統工具更難訪問。"

我特別關注TinyFish如何解決AI agent在企業環境中面臨的核心挑戰。首先是準確性問題。消費級應用可以容忍偶爾的錯誤，但企業級應用對準確性的要求極高。一個定價錯誤或者數據遺漏可能導致重大的商業損失。TinyFish通過其專利基礎設施來確保操作的精確性和一致性，這種基礎設施能夠學習和適應，同時保持企業級的可靠性標準。

規模化問題同樣關鍵。個人用戶可能一次只需要處理幾個網站，但企業客戶需要同時監控數千個平台。這不僅僅是數量的增加，更是質的變化。大規模部署需要考慮資源管理、錯誤處理、負載均衡等復雜問題。TinyFish的"行星級規模"能力顯示了他們在這方面的技術積累。他們的系統使用先進的AI模型進行推理和探索，然後將這些知識編碼化，以實現高速、確定性的大規模執行。

從技術架構的實現細節來看，Shuhao Zhang在開發過程中面臨了許多有趣的技術決策。比如在AgentQL的開發中，他們選擇使用DOM而非截圖來分析頁面，這是基於對AI模型訓練數據和技術限制的深刻理解。他們還開發了復雜的預處理系統來處理現代網頁的復雜結構，包括嵌套iframe、shadow DOM等技術細節。

安全性和合規性是另一個關鍵挑戰。企業在網路上的行爲必須符合各種法律法規，包括數據保護法、反壟斷法等。TinyFish的Web Agent內置了企業級的安全態勢和治理框架，確保所有操作都符合合規要求。特別是在處理用戶身分和認證狀態方面，Shuhao Zhang在訪談中特別強調了安全風險："我絕對不建議用戶與遠程瀏覽器分享他們的會話。這是一個非常灰色的領域。"他建議企業應該爲AI agent創建獨立的身分和認證系統。

我還注意到TinyFish在處理網路復雜性方面的創新。現代網站使用各種技術來防止自動化訪問，包括CAPTCHA、行爲分析、IP限制等。TinyFish的Web Agent能夠適應這些措施，保持穩定的訪問能力。這種適應性不是一次性的，而是持續的學習和改進過程。他們甚至開發了"隱祕模式"來應對反爬蟲檢測，通過模擬真實瀏覽器的指紋特徵來繞過這些限制。

但挑戰依然存在。Shuhao Zhang坦承，對於無限滾動這樣的復雜場景，他們還沒有找到完美的解決方案："按定義它是無限的。你總是需要切割它以適應上下文窗口，你需要記住你停在哪裏然後重新開始。"這種技術誠實體現了他們對技術邊界的清醒認識，也爲未來的技術發展指明了方向。

對企業數字化轉型的深遠影響

我認爲TinyFish代表的企業級Web Agent趨勢，將對企業的數字化轉型產生深遠影響。正如他們在公司博客中所說："如果你能將互聯網轉化爲可分析的數據，這將從根本上爲企業提供其他人沒有的優勢。"傳統的企業信息系統主要依賴於結構化數據和API接口，但網路上的大量有價值信息仍然以非結構化的方式存在。企業級Web Agent提供了一種新的方式來獲取和利用這些信息。

這種變化的意義不僅僅是技術層面的，更是戰略層面的。企業的競爭優勢越來越依賴於信息的獲取速度和分析能力。能夠更快、更準確地獲取市場信息的企業，就能在競爭中佔據優勢。TinyFish的Web Agent讓企業能夠實時監控整個市場環境，這種能力在快速變化的商業環境中具有巨大價值。正如Sudheesh Nair所說，他們的目標是幫助企業"賺更多錢"，而不僅僅是節省成本。

從成本角度來看，Web Agent也帶來了顯著的效益。傳統的市場調研和競爭分析需要大量的人力投入，而且往往無法做到實時更新。企業級Web Agent可以24小時不間斷地工作，成本遠低於人工方式，而且準確性和一致性更高。這種效率提升讓企業能夠將更多資源投入到核心業務和創新活動中。

我特別看好Web Agent在供應鏈管理、風險控制、市場預測等領域的應用前景。供應鏈管理需要實時監控供應商的狀況、價格變化、庫存水平等信息。風險控制需要及時發現可能影響業務的外部因素。市場預測需要分析大量的市場數據和趨勢信息。這些都是Web Agent能夠發揮重要作用的領域。TinyFish目前專注於零售和旅遊行業，但他們的技術完全可以擴展到其他行業。

更重要的是，Web Agent可能會改變企業獲取外部信息的方式。傳統模式下，企業主要依賴於購買第三方數據服務或者委托調研公司。但Web Agent讓企業能夠直接從源頭獲取最新、最準確的信息，減少了中間環節，提高了信息的時效性和可靠性。這種直接獲取一手信息的能力，將成爲企業競爭優勢的重要來源。

TinyFish在其技術願景中提到了一個重要觀點："技術在最佳狀態下，不會要求你的注意力。它會淡入背景，爲人類工作的重要性讓路。"這種理念體現了他們對技術價值的深刻理解。最好的企業級技術應該是無形的，讓用戶能夠專注於業務目標而不是技術細節。這正是企業級Web Agent的核心價值所在。

面臨的挑戰和未來發展

盡管我對企業級Web Agent的前景非常樂觀，但這個領域仍然面臨一些重要挑戰。首先是技術挑戰。網路環境在不斷變化，新的反爬蟲技術和安全措施不斷出現。Web Agent需要持續進化來適應這些變化。TinyFish雖然已經在這方面取得了重要進展，但這是一個永無止境的技術競賽。正如他們所說："將網路的復雜性從障礙轉化爲機遇。"

法律和倫理問題是另一個重要挑戰。雖然大部分網路信息是公開的，但自動化訪問仍然可能涉及法律和倫理爭議。不同國家和地區對網路爬蟲的法律規定不同，企業需要確保自己的行爲符合所有相關法律法規。TinyFish需要在技術能力和合規要求之間找到平衡。特別是在數據隱私和用戶身分保護方面，需要建立行業標準和最佳實踐。

競爭加劇也是一個現實挑戰。隨着企業級Web Agent市場的快速增長，越來越多的公司會進入這個領域。大型科技公司可能會開發自己的解決方案，專業軟件公司也可能推出競爭產品。TinyFish需要持續創新來保持競爭優勢。但從目前的情況來看，他們已經建立了重要的先發優勢和技術壁壘。

從團隊建設角度來看，TinyFish面臨着典型的技術創業公司挑戰。Shuhao Zhang在訪談中提到，"作爲創始人最困難的部分絕對是定位和業務"，這反映了技術型創始人在市場推廣方面的普遍挑戰。不過，他們的聯合創始人Keith Zhai的媒體背景爲團隊在這方面提供了重要補強。

我認爲TinyFish的成功策略應該集中在幾個關鍵方面。首先是繼續深化技術護城河，特別是在處理復雜網路環境和大規模部署方面的能力。他們需要保持在AI推理能力、網路適應性和企業級可靠性方面的技術領先地位。其次是擴大客戶基礎，從當前的大型企業擴展到中型企業市場。第三是建設生態系統，與其他企業軟件供應商建立合作關係，讓Web Agent成爲更大數字化解決方案的一部分。

從產品發展路線來看，TinyFish正在從AgentQL這樣的底層工具向完整的企業Web Agent解決方案演進。他們計劃在未來一兩個月內正式發布公司，屆時可能會公布更多產品細節。從技術架構來看，他們正在構建整個技術棧，包括運行時環境的基礎設施、應用層的業務邏輯處理，以及觀察、監控和認證系統。

從行業發展角度來看，我預測企業級Web Agent將成爲企業技術棧的標準組成部分。就像現在的企業都會使用CRM、ERP等系統一樣，未來的企業也會普遍使用Web Agent來獲取和分析外部信息。這個市場的規模可能會達到數百億美元，爲像TinyFish這樣的早期參與者提供巨大的增長機會。

最終，我相信TinyFish代表的不僅僅是一種新的技術解決方案，更是企業與網路世界交互方式的根本性變革。在信息就是競爭優勢的時代，能夠更好地理解和利用網路信息的企業將獲得持續的競爭優勢。正如TinyFish所說："專注於打動你的事情。對於其他一切，有TinyFish。"他們的4700萬美元融資只是這個變革的開始，真正的價值創造還在後面。將網路的復雜性轉化爲商業機遇，這正是企業級Web Agent時代的核心命題。