AI Agent接管手机？智谱AutoGLM引爆资本市场

发布时间: 2024-11-04 22:32:04

作者: 伟德最新官网

  10 月 25 日，智谱推出自主智能体AutoGLM，能够最终靠模拟用户使用电子设备界面的过程，代替用户在手机应用程序以及网页上进行各种操作。包括可按照每个用户给出的指令完成购物、进入应用程序完成文字填充、总结等操作，目前内测的效果表现较好，多家券商对其“接管手机”的能力评价颇高。

  受此消息影响，“智谱概念股”出现大涨。其中电广传媒（000917）4连板，豆神教育（300010）、思美传媒（002712）3连板，正和生态（605069）、中科金财（002657）、因赛集团（300781）等纷纷高开。据《财中社》不完全统计，10月28日到30日有超过20支智谱概念相关个股出现上涨。

  长期资金市场的迅速响应，反映了对AI Agent商业化前景的期待。而下一代终端产品和AI助理形态在产业端的每一步推进，都可能引发资本市场的涟漪乃至狂欢。

  AI Agent（AI 智能体），也被称为“AI 代理”，指能够自主执行特定任务的AI程序或系统。

  它们能像人类一样进行逻辑推理，作出决策，并在无人监督的情况下采取行动，完成各类任务。从落地硬件上来看，可大致分为“Computer Use”（计算机使用）和“Phone Use”（手机使用）两部分，不同厂商会依据自身能力和生态进行App调用或者全系统接管。

  智谱AutoGLM将重点落在了手机场景中。通过OCR（光学字符识别）技术理解UI（用户界面）组件，以及通过链式思维训练理解组件功能，AutoGLM能够识别用户电子设备屏幕上的不同组件，理解其功能，从而按指令执行，如自动化微信互动和电商下单等操作。

  智谱方面介绍称，理论上，AutoGLM能够实现人类在电子设备上可以做的任何事，不受限于简单的任务场景或API调用，也不需要用户手动搭建复杂繁琐的工作流，其操作逻辑与人类类似。目前，AutoGLM已可执行微信、淘宝、美团、小红书等App用户的常用操作，更多个性化操作尚未实现，也尚未适配滴滴、京东、拼多多等App。

  值得注意的是，AutoGLM的实现方式是通过读取用户在手机上的 UI 界面，直接模拟用户点击做相关操作，要求用户给予 APP“无障碍”级别的高敏感操作权限实现对手机界面的接管，目前仅适用于安卓这一开放度更高的操作系统。

  从最终实现来看， AutoGLM 并未在底层操作系统上直接调用相关应用程序，而是绕过操作系统环节，直接从用户 UI 界面进行模拟用户使用来完成，最终与从底层操作系统开始打通应用的路径不一样，未来仍有迭代进步空间。

  事实上，想要“接管手机”的并不只有智谱一家，智谱也非第一个想要成为“人类代理”的厂商。

  上周，Anthropic重磅推出“Computer use”功能，Claude 3.5可以自主看屏幕操作光标完成复杂任务实现AI接管人类电脑。智谱正是国内Anthropic最重要的追随者之一。

  此外，OpenAI预计年底将推出自己的AI Agent软件Orion，而苹果也将于下月在iOS 18.1中加入Apple Intelligence。微软团队悄悄放出的OmniParser，也在笃定AI智能体操控屏幕的未来。OmniParser主要是一个屏幕解析的工具，可以将截图转化为结构化数据，帮助AI精准理解用户意图。

  在国内，多家手机生产厂商和互联网大公司都在探索这一领域，如阿里的MobileAgent、腾讯的AppAgent、荣耀的MagicOS 9.0操作系统等。

  从科技厂商们频繁的动作来看，AI Agent慢慢的变成了大模型领域的重要战场。

  自身拥有手机硬件以及操作系统的厂商，例如、小米等，拥有出色的禀赋，但大模型能力略有不足；

  拥有操作系统/App应用生态的互联网巨头，包括谷歌、META、腾讯等，拥有应用矩阵/操作系统等，且代表厂商谷歌、META 等具备较强大模型能力，拥有开发 AI Agent 的潜力；

  AI 大模型厂商，包括OpenAI、 Anthropic、智谱等，拥有较强的 AI 大模型能力，但难度在于实现各个 APP 之间的打通。

  AI Agent是大模型应用的主要形式之一，电脑、智能手机下一代产品搭载AI已经是业内共识。咨询机构IDC预计，2027年，中国市场AI手机和AI PC的市占率将分别超过50%、80%。开源证券觉得，智谱AutoGLM大幅度提高AI Agent 的实用性，或推动AI Agent 用户渗透率及商业化空间打开。

  值得注意的是，AI Agent的应用场景范围仍然有限，要想彻底打入主流市场，在跨平台/APP操作能力、个性化体验、隐私和数据安全等方面，要啃的硬骨头还很多。