近日，智譜AI（人工智慧）推出自主智慧體AutoGLM，只需接收簡單的文字或語音指令，就可以模擬人類操作手機的「Phone use能力」。相關訊息引發市場關註，甚至催生出了「智譜AI概念股」。
視覺中國
一名接近智譜的人士對【每日經濟新聞】記者表示，AutoGLM在開發、適配的過程中，優先考慮了使用者使用手機時最頻繁的場景。當前，智譜依舊在持續叠代AutoGLM功能，並將基於使用者使用的高頻場景，不斷拓展AutoGLM的套用邊界。
據悉，智譜已與中國三星深度合作，核心是將智譜的GLM大模型與三星的硬體技術相結合，以提升使用者的智慧體驗。其實，AI在手機端的套用探索並非僅此一例，vivo、榮耀等都有類似的功能升級，蘋果也計劃在未來進一步整合ChatGPT服務到Siri中。有學者在受訪時指出，AI與手機的結合正逐漸成為行業共識，這背後反映的是生成式AI在提升個人化體驗方面的潛力。
但也有業內人士向記者指出，當前的「個人智慧助手」與此前的語音互動能力並無太大差別。從長期來看，伺服端應該是越弱越好，難點並不在於技術或商業模式，而在於使用者習慣。
智譜推出AutoGLM
據智譜釋出的演示Demo（樣本），基於AutoGLM，使用者向手機下達「幫我在淘寶下單淘寶裏上個月買過的牙膏」的指令，手機就能自動執行「AI開啟App—找到歷史訂單—完成訂單篩選—請求使用者支付—完成支付」的過程。
智譜方面表示，理論上，Au-toGLM可以完成人類在電子裝置上可以做的任何事，它不受限於簡單的任務場景或API呼叫，也不需要使用者手動搭建復雜繁瑣的工作流，操作邏輯與人類類似。
中信證券在研報中提到，隨著互聯網軟體的種類、功能越來越豐富，智慧體能否熟練地掌握每個軟體的使用方法，滿足不同使用者的個人化需求，真正成為個人助手值得期待。從以聊天為主的大模型1.0時代邁入個人智慧助理的大模型2.0時代，以智譜為代表的國產AI公司完成了從追趕者到領路人的身份轉換。
從使用者的日常操作到潛在的商業套用，AutoGLM除了在「Phone use能力」層面的想象空間，未來的套用場景會如何拓展？
一名接近智譜的人士對【每日經濟新聞】記者表示，在技術突破層面，AutoGLM基於智譜自研的「基礎智慧體解耦合中間界面」和「自前進演化線上課程強化學習框架」。其中的核心技術WebRL，克服了大模型智慧體在任務規劃與動作執行中存在的能力拮抗、訓練任務和數據稀缺、反饋訊號稀少和策略分布漂移等智慧體研究和套用難題。同時，借助自適應學習策略，能夠在叠代過程中不斷改進、持續穩定地提高自身效能。就像一個人，在成長過程中，不斷獲取新技能。
大模型套用加速落地
華鑫證券在其研報中預測，AI Agent（智慧體）的中國市場規模有望從2023年的554億元增長至2028年的8520億元，年均復合增長率高達72.7%。中信建投則在研報中表示，預計在不久的將來會進入大模型時代的2.0時代：AI Agent。
在接受【每日經濟新聞】記者采訪時，清華大學新聞學院和人工智慧學院雙聘教授沈陽指出，AI與手機結合正逐漸成為行業共識，這背後反映的是生成式AI在提升個人化體驗方面的潛力。同時，隨著硬體與AI服務的一體化設計日趨完善，AI正在引發人機互動的範式變革，推動手機與使用者之間的關系從簡單的操作工具轉變為動態互動。沈陽認為，這一趨勢同樣將深刻影響國內市場，預計未來將有更多智慧裝置采用AI驅動的互動模式，從而極大提升使用者體驗。
在國內，除了智譜推出的AutoGLM，僅今年10月，就有數家廠商在端側有所動作。比如，vivo推出藍心端側大模型3B，稱服務超5億手機使用者；字節跳動釋出首款AI智慧體耳機Ola Friend，與豆包整合；榮耀推出MagicOS9.0，實作一句話充值、一句話點外賣等服務。
在國際市場上，科技巨頭們同樣動作頻頻。蘋果在10月28日宣布推出AI功能，並計劃在未來進一步整合ChatGPT服務到Siri中；微軟則開源了OmniParser工具，為使用者提供如自動訂票等便捷功能；谷歌計劃推出Gemini 2.0，並正在開發能自動化執行Chrome網頁任務的「Project Jarvis」，該計畫將幫助使用者執行諸如「收集研究、購買產品或預訂航班」等任務。
不過，也有人對當前AI套用在端側類似「個人智慧助手」的探索持反對態度。「在我看來端側是倒退。」一家AI套用公司創始人在接受【每日經濟新聞】記者采訪時表示，從長期來看，伺服端應該是越弱越好。他認為，當前無論是硬體裝置、軟體套用，還是互動方式，均未超越上一輪語音互動熱潮期間入局企業所進行的探索範疇。或許在某些特定場景下，諸如蘋果這樣的行業巨頭，具備教育使用者或改變使用者需求的潛力，但極為困難，其難點並不在於技術或商業模式，而在於使用者習慣。
上述AI套用公司創始人認為，99%的使用者在表達需求時，不可能用一句話闡明具體意圖，更多是以一種「擠牙膏式」的互動一步步完成，例如，使用者需要訂一張北京飛往上海的機票，大部份使用者往往發出的第一句指令只有簡單的幾個字：訂機票，余下需求則需要透過提問再完成。「第一是使用者沒這個需求，第二是真正用起來，肯定會出現各種奇奇怪怪的問題，我對語音助手是非常悲觀的。」其表示。
他進一步補充道，盡管相關技術已經經歷了多次叠代，相較於過去已有顯著提升，但問題的核心仍在於對需求的精準把握與滿足。
尋找破局之路
在端側套用的探索中，智譜當前瞄準的破局點或許與作業系統有關。
AutoGLM是智譜按照AGI通用人工智慧升級路線圖進行的探索和嘗試之一。智譜CEO張鵬曾談及對AGI分級的思考，他認為，L1是語言能力，L2是邏輯與思維能力，L3是工具能力，L4人工智慧意味著AI可以實作自我學習、自我反思和自我改進。L5則意味著人工智慧全面超越人類，具備探究科學規律、世界起源等終極問題的能力。
上述接近智譜的人士表示，AutoGLM可以看作是智譜在人工智慧L3「使用工具能力」方面的探索和嘗試，借此努力推動人機互動範式實作新轉變，為構建GLM-OS，即以大模型為中心的通用計算系統打好基礎。進而，基於已有AllTools能力加上記憶體記憶（memory）和自我反饋（self-reflection）機制，GLM-OS有望實作模仿人類的Plan-Do-Check-Act迴圈。
榮耀CEO趙明也曾在該公司釋出會上談到，MagicOS自誕生之初就致力於打造屬於未來的作業系統，構建以AI為核心的智慧作業系統（AI OS）。
在技術突破之外，另一個破局點或許在於生態的建立以及使用者使用習慣的培養。盡管對語音互動持悲觀態度，但前述AI套用公司創始人坦言，使用者的需求也不是鐵板一塊，完全不能動搖。盡管他認為改變使用者需求的難度很大，但對於科技巨頭能否做到，他持觀望態度。
數位經濟專家劉興亮也對【每日經濟新聞】記者表示，像蘋果這樣擁有大量使用者的公司，AI功能的融入確實有望改變使用者的行為習慣，尤其是透過改善使用者體驗，使其日常使用更加便捷、高效。例如，AI驅動的健康管理、出行助手等功能，將提升使用者對品牌的黏性和依賴度，從而帶來更多生態系內的交叉銷售機會。其他企業則可以從中借鑒，透過AI來增強使用者體驗，建立長期的品牌價值，而不僅是局限於一項具體功能的提升。
沈陽指出，在大模型和AI套用融入手機、PC等裝置時，還需解決使用者個人化不足與上下文理解局限的問題。這需要透過在裝置端保存更多對話和使用者操作習慣來增強AI的跨會話理解力和準確性。同時，多模態整合也是關鍵，將文本、語音、影像等輸入形式結合，能顯著提升AI處理復雜指令的能力。針對跨裝置無縫體驗的挑戰，沈陽建議采用統一的AI框架來增強跨裝置的智慧助手一致性，確保使用者在任何裝置上都能獲得相同的AI體驗，並最佳化裝置間數據同步的速度。
在沈陽看來，未來，AI套用的趨勢將朝著多模態AI、深化個人化服務以及3D AIGC與AR/VR結合的方向發展。然而，在這個過程中，使用者的期待與現實之間存在差距，如AI的精確性與可靠性問題、私密與數據使用的顧慮以及使用門檻和學習成本高等挑戰。
劉興亮則表示，在未來一段時間內，AI技術的實際套用前景依然廣闊，但的確面臨著如何在使用者期望和實際需求之間找到平衡的問題。行業可能需要調整發展方向，在商業化過程中保持技術與需求的同步發展。找到商業化與實用性的結合點尤為重要，比如開發更貼合具體場景的AI產品，並且關註使用者反饋和使用數據，透過小步快跑的方式持續最佳化，才能真正提升AI的落地效果和市場接受度。
每日經濟新聞
