![]()
生成式AI与多模态带来的便利已经无法忽视，下一阶段的原生AI时代是否即将来临？
作为最早探索 Agent 的大模型企业之一，11月29日，智谱Openday带来了多个新进展：AutoGLM 自主执行超过 50 步的长步骤操作，可以跨 app 执行任务AutoGLM开启「全自动」上网新体验，支持等数十个网站的无人驾驶像人一样操作计算机的 GLM-PC 启动内测，手机也可以远程操作电脑Agent OpenDay 现场，智谱的CEO张鹏现场示范了AutoGLM的交互！只下达了简单的语音指令，AutoGLM便自己操作建立了微信群，发送「一个来自 AI 的微信红包」；以及用AutoGLM发送支付宝口令红包。![]()
这些原本对于机器而言非常复杂的操作，今天完全由智谱产品化的Agent完成了。![]()
AutoGLM 新升级：挑战更复杂
这次AutoGLM的进一步优化，也带来了新的惊喜，新升级的 AutoGLM已经可以挑战完成复杂任务，帮助用户从复杂的生活琐事中解脱出来，逐步拥有一个私有助理。超长任务：理解超长指令，执行超长任务。例如，在采购火锅食材的例子中，AutoGLM 自主执行了 54步无打断操作。并且，在这种多步、循环任务中，AutoGLM 的速度表现超过人手动操作。跨 app ：AutoGLM 支持跨 App 来执行任务。用户将习惯于 AI 自动处理，而不是在多个 APP 间来回切换。由于目前 AutoGLM 形态更像是用户和应用间的APP执行的调度层，因此跨 App 能力是里面非常关键的一步。短口令：AutoGLM 能够支持长任务的自定义短语。今天，你不用再给AutoGLM说：“帮我买一杯瑞幸咖啡，生椰拿铁，五道口店，大杯、热、微糖” 这类超长指令，只需要说“点咖啡”。随便模式：我们都会陷入选择恐惧，AutoGLM 今天可以主动帮你做出决策。随便模式下所有步骤都让 AI 决策，带来有抽盲盒式的惊喜。想不想尝尝AI为你点的咖啡口味？同时 AutoGLM 启动大规模内测，并将尽快上线成为面向 C 端用户的产品。AutoGLM 同时宣布启动「10个亿级 APP 免费 Auto 升级」的计划，邀请 App 伙伴联合探索自己的 Auto 新场景。支持核心场景和核心应用的 AutoGLM 标品 API，会在两周内上线到智谱maas开放平台（bigmodel.cn）试用。![]()
![]()
Web 端开启「全自动」上网新体验
即日起智谱清言插件上线 AutoGLM 功能，支持搜索、微博、知乎、Github 等数十个网站的无人驾驶。
在现场demo里，智谱清言插件自动完成了“搜索芒果tv，打开小巷人家，播放最新一集，发弹幕结局打卡”。全程没有人的干预。
![]()
![]()
GLM-PC 邀测-面向「无人驾驶」电脑的一次技术探索
不只是基于手机和浏览器，今天智谱还带来基于 PC 的自主Agent。GLM-PC 是 GLM 团队面向「无人驾驶」PC的一次技术探索，基于智谱的多模态模型 CogAgent。远程和定时操作：远程手机发指令，GLM-PC 可以自主完成电脑操作；设定一个未来时间，在开机状态下定时执行任务。隐形屏幕：在用户工作时，GLM-PC 可以在隐形屏幕上自主完成工作。文档处理：支持文档下载、文档发送、理解和总结文档。网页搜索与总结：在指定平台（如微信公众号、知乎、小红书等）搜索指定关键词，完成阅读、总结。人用电脑的过程——用眼看图形及文字，用脑规划，再用手执行单击双击、输入等操作。GLM-PC 用电脑的方式几乎完全和人一样。也正因如此，理论上只要是为人类设计的应用，在GLM-PC学习之后它都能够执行。这是一种系统级、跨平台的能力，不依赖于 HTML、API，具备更高的能力上限。不过，由于 PC 的复杂程度，以及大家在 PC 完成的几乎都是复杂任务，坦率的说，今天大模型的能力距离真正代替大家办公还有一定距离。在 GLM-PC 的内测体验中，用户仍需要非常精准的输入指令。智谱表示也会继续努力，在产品完善后尽快上线供所有用户使用，同时也希望和更多厂商联合共创共同探索。![]()
AutoGLM 和 GLM-PC 的技术原理在于实现 AI 操作系统。它们的出现源于智谱在大语言模型、多模态模型、逻辑推理和工具使用等方面的技术积累。从23年4月的AgentBench开始，到8月的CogAgent模型，智谱针对AutoGLM，和GLM-PC的模型CogAgent的研发工作进行了一年半的时间。与 OpenAI 有所不同，智谱定义了大模型发展的五个阶段：L1 语言能力、L2 逻辑能力（多模态能力）、L3 使用工具的能力、 L4 自我学习能力、 L5 探究科学规律。发展至今，大模型已经初步具备了人类与现实物理世界互动的部分能力。“Agent 将极大地提升 L3 使用工具能力，同时开启对 L4 自我学习能力的探索。” 张鹏说。张鹏表示，未来 GLM 团队将继续加速 agent 模型产品的研发，期待着一句话操作电脑和手机的范式尽快到来。![]()
大模型从 Chat 走向 Act
在大模型技术之前，没有任何方法能智能地实现人和机器交互。
如今，大模型技术正在改变机器和人的互动方式，基于理解需求、规划与决策、执行行动和自我反思，Agent 将带来符合直觉的人机交互——从人适应机器，到让机器适应人。
苹果（Apple Intelligence）、Anthropic（Computer Use）、谷歌（Jarvis）和 OpenAI（Operator）等企业也已经把 Agent 作为 2025 年的主要关注点。
业内普遍认为，2025 年将是 Agent 爆发之年。Gartner 近期将 agentic AI 列为 2025 年十大技术趋势之一，并预测 2028 年至少有 15% 的日常工作决策将由 agentic AI 自主完成，而这一数字在 2024 年为 0。
与 GenAI 不同，Agent 是目标驱动型的，能够完全执行工作流程，适应、学习、迭代、与其他系统和人类协作，并端到端地完成任务。
在张鹏看来，Agent 可以看作是大模型通用操作系统 LLM-OS 的雏形。
“现阶段，AutoGLM 相当于在人与应用之间添加一个执行的调度层，很大程度上改变人机的交互形式。
更重要的是，智谱看到了 LLM-OS 的可能，基于大模型智能能力（从 L1 到 L4 乃至更高），未来有机会实现原生的人机交互。将人机交互范式带向新的阶段。”
![]()
AI 时代智能设备新范式
AI原生设备争先涌现
随着大模型能力的不断进化，慢慢看到AI长出了自己的脑、眼和手。不仅仅是智能在持续增强，感知能力和交互带宽也在不断丰富和拓展，还有现在的 Agent 带来了执行力的加速提升。
智谱 COO 张帆表示，智能设备在大模型的加持下，将会焕发出新的机会。手机+AI 会变成随身个人智能助理，PC+AI 将会成为全新生产力工具，汽车+AI 将会让车成为人们的智能第三生活空间。当然，大模型不仅仅会为手机、PC 和汽车带来机会，而是会惠及各种各样的智能设备。大模型的不断进化已经为 Agent 变革人车交互体验奠定了强大的基础。
随着端侧性能及算力持续提升、为AI原生设备适配的模型和端云同源的协同架构出现，Agent 不仅在操作系统 OS 和应用上实现用户体验变革，还能将其推广到各类智能设备上，从手机到电脑，再到汽车、眼镜、家居和各种 edge side 设备，各种 AI 原生设备正在争相涌现。荣耀 AI 技术总监王作建、华硕 AIPC 智能生态负责人钟怀圣、小鹏汽车座舱智能语音/智能化业务负责人廉磊、高通 AI 产品技术中国区负责人万卫星、英特尔中国区技术部总经理高宇，作为智谱的客户及合作伙伴，分别从不同的场景出发，分享了他们对智能终端的实践及展望。大模型和 Agent 的发展不仅为用户带来了AI时代智能设备的新范式，更意味着大模型技术更广阔的落地空间。从智能设备走向智能网络，在不久的将来，我们将看到AI原生设备的互联互通和无限可能。在这个过程中，智谱也将提供一系列的产品和能力，帮助智能设备们拥抱大模型，加速迈向 AI 原生设备新时代。![]()
