才剛剛1月，OpenAI就正式宣布進(jìn)軍AI智能體領(lǐng)域，中國公司智譜也推出新一版的GLM-PC 1.1。從回答問題到執(zhí)行任務(wù)，AI智能體元年真的來了？

當(dāng)?shù)貢r(shí)間1月23日，美國人工智能公司OpenAI正式推出首款A(yù)I智能體Operator（意為操作員），這是OpenAI的首個(gè)AI智能體。Operator號(hào)稱能夠模擬人類操作瀏覽器完成購物、訂餐、論文整理等操作，通過融合視覺識(shí)別與高級推理的CUA模型實(shí)現(xiàn)復(fù)雜步驟規(guī)劃。

具體的工作流程上，Operator會(huì)根據(jù)需求捕獲屏幕畫面，再將其添加到模型上下文，并通過GPT-4o的視覺能力準(zhǔn)確理解界面內(nèi)容，再依靠強(qiáng)化學(xué)習(xí)的推理能力制定下一步計(jì)劃，最后使用虛擬鼠標(biāo)和鍵盤，精確執(zhí)行點(diǎn)擊、滾動(dòng)或輸入的界面操作，直到任務(wù)完成或需要用戶輸入。

OpenAI創(chuàng)始人奧特曼介紹稱，目前Operator將以每月200美元的訂閱費(fèi)，率先面向美國ChatGPT Pro用戶開放測試。

而就在同一天，中國公司智譜AI也對外發(fā)布了去年12月公布的AI智能體GLM-PC 1.0的升級版 —— GLM-PC 1.1，本次更新優(yōu)化多種任務(wù)流程，甚至被業(yè)內(nèi)人士稱為“2.0也不為過”。智譜的 GLM-PC 不僅能自動(dòng)處理文件、發(fā)送定制化微信內(nèi)容，還通過借鑒人類的左右腦分工，以“左腦邏輯+右腦感知”的雙引擎架構(gòu)實(shí)現(xiàn)多模態(tài)交互，甚至生成代碼與視頻內(nèi)容，展現(xiàn)超越文本生成的操作層突破。

其中，智譜公眾號(hào)文章還實(shí)機(jī)演示了在淘寶中一鍵加購辣條等產(chǎn)品、截取小紅書春節(jié)檔圖片轉(zhuǎn)發(fā)微信群聊并詢問觀看意愿、以及給這個(gè)群聊的成員每人單獨(dú)小窗發(fā)送一段2025年新春祝福語和AI自動(dòng)生成的蛇年主題圖片。

新春祝福甚至可以按照每人名字定制發(fā)送。智譜AI

智譜介紹，新版 GLM-PC背后是智譜自主研發(fā)的多模態(tài)模型 CogAgent 與代碼模型 CodeGeex 的深度融合。以代碼形式指揮工作流程和工具調(diào)用，并強(qiáng)化了深度思考模式下的規(guī)劃、推理、反思能力，從而能夠穩(wěn)定高效地應(yīng)對復(fù)雜場景與任務(wù)。實(shí)際執(zhí)行時(shí)，GLM-PC 能感知多層環(huán)境反饋，協(xié)助反思，以有效自我糾正與優(yōu)化。

當(dāng)前，通用人工智能技術(shù)已進(jìn)入OpenAI所分類的L3級（智能體）階段，核心競爭圍繞各家企業(yè)模型的自主操作能力展開。

除了OpenAI和智譜，谷歌、微軟、Anthropic以及國內(nèi)等眾多AI公司也都相繼推出類似產(chǎn)品。上海人工智能產(chǎn)業(yè)研究院院長朱兆穎此前就曾預(yù)測，AI智能體將是生成式AI的下一個(gè)前沿，預(yù)計(jì)2025年市場規(guī)模將達(dá)100億美元以上，2025年將成為AI智能體大放異彩的應(yīng)用元年。

本文系觀察者網(wǎng)獨(dú)家稿件，未經(jīng)授權(quán)，不得轉(zhuǎn)載。