(文/陳濟深 編輯/張廣凱)

　　8月20日，智譜在iOS安卓，PC三端同步推出AutoGLM 2.0，并首次面向公眾全面開(kāi)放，無(wú)需邀請碼即可使用。

　　

 

　　作為一款純國產(chǎn)智能體，AutoGLM的發(fā)布也給了中國用戶(hù)一個(gè)在Manus退出中國后可以合規便利體驗智能體的選擇。

　　不同于Manus等網(wǎng)頁(yè)端原生的智能體產(chǎn)品，智譜AutoGLM 2.0作為全球首個(gè)手機通用Agent，被定位為“執行型助手”。相比目前主流AI產(chǎn)品和智能體助手多停留在“對話(huà)”層面，只能實(shí)現信息查詢(xún)和整理回答，AutoGLM則實(shí)現了質(zhì)的飛躍——它不再只是“說(shuō)”，而是真正能夠“做”。

　　3月AutoGLM1.0發(fā)布時(shí)，AI盡管也可以操作手機，但是在A(yíng)I做事期間人不能切屏，不能打斷，只能看著(zhù)干瞪眼。本次AutoGLM2.0則給每個(gè)用戶(hù)預制了一臺虛擬手機和電腦，直接解決了AI和人搶屏幕的操作痛點(diǎn)，讓AI從只能在人眼皮子底下干活變成了“你干你的，我干我的”的異步處理模式。

　　在實(shí)際測試中，盡管部分功能的執行效率和優(yōu)化程度依然有待提升，但目前AutoGLM已經(jīng)可以較好地執行包括購物、訂餐、買(mǎi)機票、自動(dòng)寫(xiě)文案等大眾場(chǎng)景，智能體不再是極客們的工具，開(kāi)始步入了更加大眾的群體。

　　作為全球首個(gè)通用手機智能體，AutoGLM的發(fā)布也代表著(zhù)AI從能說(shuō)會(huì )道到真能干活的技術(shù)躍遷，而AI不再需要和人類(lèi)爭搶手機開(kāi)啟“自動(dòng)駕駛模式”，不僅有效地解放了真人諸多日常繁瑣操作的時(shí)間，能夠24小時(shí)執行任務(wù)的數字“牛馬”也直接打開(kāi)了Agent發(fā)展的無(wú)數可能性。

　　用嘴真能操作手機

　　Agent毫無(wú)疑問(wèn)是AI行業(yè)2025年最炙手可熱的關(guān)鍵詞，Manus的出現一度讓Linux底座+調用外部API“套殼”成為了行業(yè)的主流選擇。但隨著(zhù)Claude加緊對中國的限制，Manus“跑路”新加坡退出中國后，“套殼”智能體模式在中國顯然難以為繼。

　　同時(shí)，中國用戶(hù)側重移動(dòng)端的特點(diǎn)也和傳統Agent重PC端輕移動(dòng)端的思路有所沖突，對于A(yíng)I智能體到底應該是什么產(chǎn)品形態(tài)，顯然需要更加了解中國用戶(hù)的中國公司去探索開(kāi)發(fā)。

　　智譜總裁張鵬對觀(guān)察者網(wǎng)表示：“早在2023年底，(智譜)就決定一定要讓Agent有能力去使用手機，有能力去使用電腦，有能力去使用設備。”

　　他表示，一方面目前互聯(lián)網(wǎng)上，很多基礎設施都隱藏在各種網(wǎng)站和數據庫中，如果不采用類(lèi)似人工點(diǎn)擊瀏覽器登錄的模式，也沒(méi)有辦法充分發(fā)揮個(gè)人所擁有的生產(chǎn)資料和數據帶給你的價(jià)值。

　　另一方面，如果AI不能自己操作設備，那么很多定時(shí)任務(wù)就需要人工點(diǎn)擊開(kāi)始，而不能類(lèi)似鬧鐘一般自動(dòng)執行，也難言智能。

　　相比傳統的問(wèn)答式和信息輔助式的手機智能助手主要通過(guò)AI輸出文本答案讓用戶(hù)自己根據指示操作，本次新發(fā)布的AutoGLM內置了智譜GLM4.5模型，不僅全部國產(chǎn)還實(shí)現了端到端操作設備的能力，讓AI真的長(cháng)出了“手”，替用戶(hù)自動(dòng)操作設備。

　　在我們的測試任務(wù)中，諸如在趙露思微博超話(huà)打卡，點(diǎn)開(kāi)B站熱門(mén)視頻發(fā)布彈幕，美團下單奶茶等單一任務(wù)，AutoGLM都能迅速在無(wú)需干預的情況下一氣呵成，而傳統多模態(tài)模型的任務(wù)更是信手拈來(lái)。

　　

 

　　AI生成莫奈風(fēng)格雨中路人圖

　　面對稍微復雜一點(diǎn)的單一APP全鏈路操作，AutoGLM也能勝任。

　　在向AI提出“搜索知乎今日最熱門(mén)的話(huà)題，總結一下高贊評論的核心觀(guān)點(diǎn)，然后關(guān)注點(diǎn)贊數前三的博主”的需求后，AutoGLM直接登陸了知乎并看到了今日最熱門(mén)的話(huà)題《黑神話(huà)：鐘馗》的官宣，隨后整理了高贊內容的核心并順利的關(guān)注點(diǎn)贊了前三的答主。

　　

 

　　而隨著(zhù)任務(wù)進(jìn)一步復雜涉及長(cháng)鏈路，多應用交互的行為，AutoGLM也能做到常用場(chǎng)景下基礎操作層面的游刃有余。

　　再給出“播放QQ音樂(lè )，搜索今日熱門(mén)歌曲播放，然后搜索B站東方明珠大戰蜜雪冰城熱門(mén)視頻播放并一鍵三連”的提示后，AutoGLM成功播放了排行榜第一的熱門(mén)歌曲時(shí)代少年團“I Like U Like”，然后打開(kāi)了B站搜索并播放了“在上海隨便喝蜜雪冰城，故鄉會(huì )保護你”的視頻

　　

 

　　值得注意的是，AutoGLM并沒(méi)有在搜索結果中選擇標題中明確帶有東方明珠和蜜雪冰城字樣的內容，而是似乎理解了這個(gè)主題，選擇了播放量最高的相關(guān)內容。

　　不過(guò)在測試過(guò)程中，在支付、發(fā)布帖子等環(huán)節，依然需要人類(lèi)接管確認，我們不止一次遇到在自動(dòng)發(fā)布文案時(shí)觸發(fā)風(fēng)控/系統連接限制等情況無(wú)法發(fā)帖的情況。

　　而想要使用云手機和云電腦，用戶(hù)需要提前在虛擬設備上登錄賬號。對于用戶(hù)安全和隱私問(wèn)題，智譜表示，其云服務(wù)與阿里云合作，智譜并不會(huì )讀取用戶(hù)的登錄信息。但是如何贏(yíng)得用戶(hù)的信任顯然并不是一個(gè)簡(jiǎn)單的問(wèn)題，也不是智譜一家企業(yè)能夠自行解決的痛點(diǎn)。本次智譜沒(méi)有在默認程序中內置微信這個(gè)國民應用的理由，恐怕也是出于這方面的用戶(hù)顧慮。

　　在初步體驗后，可以發(fā)現AutoGLM除了讓普通用戶(hù)也能體驗到AI智能體的便捷外，它的出現也顯著(zhù)的幫助了另一個(gè)很容易被忽視的群體——中老年用戶(hù)。

　　互聯(lián)網(wǎng)時(shí)代，隨著(zhù)數字化和智能化的發(fā)展，無(wú)論是銀行，醫院，還是政務(wù)類(lèi)業(yè)務(wù)，在線(xiàn)或者掃碼辦理成為了司空見(jiàn)慣的日常，而很多APP的交互設計對于老年人群體來(lái)說(shuō)難度顯而易見(jiàn)。

　　另一方面，中老年群體在自主學(xué)習如何下載APP時(shí)，也很容易在安裝各類(lèi)APP軟件的過(guò)程中無(wú)意間下載廣告乃至詐騙軟件而不自知。

　　AutoGLM的出現給出了一個(gè)可行的解決方案，讓人適應APP轉變成了AI代人操作APP，用嘴操作手機，讓AI來(lái)實(shí)現萬(wàn)物互聯(lián)的愿景，方便各類(lèi)人群使用。

　　Agent“云端執行”的戰略拐點(diǎn)

　　相比Manus等Agent采用Linux+VSCode的配置范式，智譜本次采用了云端手機+電腦的技術(shù)新范式。

　　對于為何選擇云端執行的戰略，智譜總裁張鵬分享了AutoGLM的「3A 原則」：

　　Around-the-clock(全時(shí))，是指AI 必須能夠 24 小時(shí)待命并持續執行任務(wù)。無(wú)論用戶(hù)是在工作、睡覺(jué)還是娛樂(lè )，AI 都應在云端持續產(chǎn)出價(jià)值。

　　Autonomy without interference(自運轉、零干擾)，官方也稱(chēng)之為 Asynchronous (異步)，其核心是 Agent 在云端設備的獨立運行，不占用用戶(hù)的本地屏幕和算力。

　　Affinity(全域連接)，則意味著(zhù)Agent 的能力不能局限于瀏覽器對話(huà)框，必須能連接手機、電腦、手表、眼鏡等多種設備與服務(wù)，打通數字世界與物理世界。這三大原則，共同構成了 AutoGLM 對一個(gè)成熟 Agent 形態(tài)的定義，也解釋了其當前產(chǎn)品架構。

　　而為了實(shí)現這個(gè)愿景，選擇云手機和電腦不僅能解決用戶(hù)和AI搶屏幕的痛點(diǎn)，也解決了軟件適配的難度，成為了順理成章的選擇。

　　AutoGLM技術(shù)負責人、算法研究員劉瀟對觀(guān)察者網(wǎng)解釋道：“如果智能體為滿(mǎn)足用戶(hù)需求諸如點(diǎn)外賣(mài)，發(fā)微信都需要搶占手機屏幕，AI在做事時(shí)真人就不能插手，這種讓人類(lèi)二選一的情況既不智能也不合理，因此通過(guò)本地調用APP搶占用戶(hù)屏幕并不是一個(gè)合適的解決方案。”

　　搶屏幕帶來(lái)的一個(gè)副作用便是執行中斷的可能，鎖屏、網(wǎng)絡(luò )波動(dòng)、切換應用等任何用戶(hù)行為都可能中斷 Agent 的長(cháng)任務(wù)流。AI難以在用戶(hù)非關(guān)注時(shí)段(如睡眠、娛樂(lè )時(shí))持續工作，其價(jià)值被大打折扣。

　　采用云手機/電腦的另一個(gè)動(dòng)機則在于減少適配難度，尤其是安卓設備的適配難度，盡管每家基于安卓廠(chǎng)商的系統看著(zhù)大差不差，實(shí)際上底層可謂大相徑庭，在這個(gè)系統生態(tài)下，自家的軟件能在哪個(gè)系統跑已經(jīng)屬于玄學(xué)范疇，存在巨大的適配成本門(mén)檻。

　　具體到技術(shù)細節，過(guò)去，許多 Agent 的訓練依賴(lài)于監督微調(SFT)，即學(xué)習人類(lèi)專(zhuān)家的操作軌跡。這種方法的弊端是「泛化能力差」——AI 只會(huì )模仿它見(jiàn)過(guò)的操作，對于未見(jiàn)過(guò)的場(chǎng)景或界面改動(dòng)，往往束手無(wú)策。

　　為了讓 Agent 在復雜多變的真實(shí)環(huán)境中(數千個(gè)并發(fā)的手機、電腦、瀏覽器環(huán)境)真正具備完成任務(wù)的能力，AutoGLM 團隊選擇了端到端在線(xiàn)強化學(xué)習的技術(shù)路線(xiàn)。

　　其核心思想是，在經(jīng)過(guò)少量專(zhuān)家數據「冷啟動(dòng)」后，讓模型在數千個(gè)并行的真實(shí)云環(huán)境中，像人類(lèi)一樣去「試錯」。系統不再告訴模型「下一步該點(diǎn)哪里」，而是只在任務(wù)最終完成時(shí)給予一個(gè)「成功」的獎勵信號(Reward)。模型必須自己探索出最優(yōu)的決策路徑。

　　從底層開(kāi)始的原生設計，使得 AutoGLM 在多個(gè)公開(kāi)基準測試中表現出色。比如，在考察電腦操作能力的 OSWorld Benchmark 中，AutoGLM 獲得 48.1 分，超越了 ChatGPT Agent 和 Anthropic 的模型。

　　而在跑分之外，智譜模型即Agent的模式也帶來(lái)了巨大的成本優(yōu)化空間。

　　傳統基于第三方大模型API構建的Agent，單次復雜任務(wù)(如 Deep Research)的成本高達 3-5 美元。而 AutoGLM 借助自研模型和一體化架構，將包含模型調用和虛擬機資源的單次任務(wù)成本，壓縮到了約 0.2 美元(約 1.5 元人民幣)。這已經(jīng)與谷歌單次搜索約 0.02 美元的成本相差不到一個(gè)數量級。

　　這種數量級的成本降低，讓智譜有底氣在此次發(fā)布中不用邀請碼，直接向所有 C 端用戶(hù)開(kāi)放。

　　智能體背后的生態(tài)布局

　　除了在手機端布局，智譜對于A(yíng)utoGLM的定位超越了單一的效率工具，開(kāi)始構建一個(gè)連接多設備和服務(wù)的生態(tài)，這也是其將AutoGLM從智譜清言中獨立出來(lái)單獨做一個(gè)APP的理由之一。

　　智譜透露，除了已經(jīng)展示的跨應用操作，AutoGLM的云電腦目標是支持 Office、Photoshop 等更專(zhuān)業(yè)的生產(chǎn)力工具。

　　而在后續的更新中AutoGLM將添加定時(shí)任務(wù)功能，即AI從被動(dòng)接受命令執行響應轉變成半主動(dòng)規劃，從每天早上根據自己的消費記錄買(mǎi)一杯合適口味的咖啡，到辦公室自動(dòng)總結未讀郵件，也將從夢(mèng)想走進(jìn)現實(shí)。

　　而對智能硬件生態(tài)的賦能才是智譜真正的殺手锏。

　　目前的智能設備中，存在明顯的算力、續航和交互的不可能三角，如蘋(píng)果的Vision Pro存在續航短板，Meta Quest 2則存在顯著(zhù)的算力短板，蘋(píng)果即將發(fā)布的桌面機器人更是在預告公布后因為糟糕的交互能力飽受詬病。

　　對于很多智能設備，堆大電池和復雜系統的解決方案并不合適，如何在性能合格情況下控制成本也成為了制約硬件廠(chǎng)商的痛點(diǎn)。

　　智譜AutoGLM對此提出的一個(gè)解法——讓這些端側硬件「輕量化」，只負責感知和發(fā)起指令，而將復雜的應用操作和任務(wù)執行全部交由云端的Agent完成。

　　智譜對觀(guān)察者網(wǎng)展示了若干案例，如體重秤接入智能體后，在檢測體重超標后自動(dòng)下單減肥代餐，而氣體傳感器在接入了智能體后，一旦檢測到鞋柜發(fā)愁就會(huì )下單除臭腳墊。

　　

 

　　打印機接入Agent實(shí)現缺墨自動(dòng)購買(mǎi)

　　這條物理傳感器—云端 Agent—現實(shí)世界服務(wù)的鏈路，打開(kāi)了智能體實(shí)現對物理世界的連接和操作的可能性。

　　對于A(yíng)I和智能體發(fā)展的未來(lái)時(shí)，AutoGLM技術(shù)負責人劉瀟提出了一個(gè)關(guān)于 AGI(通用人工智能)的階段性定義，他稱(chēng)之為“AGI 的下限”——當一個(gè) Agent 能自主穩定地運行一整天(24小時(shí))，作為你的同事或秘書(shū)，協(xié)同完成工作與生活任務(wù)，使你的綜合效率提升超過(guò) 2 倍時(shí)，AGI 的曙光初現。

　　AutoGLM 的這次進(jìn)化，或許離這個(gè)下限還有距離。它仍處于早期形態(tài)，對指令的理解還很初級，也存在一些Bug。但通過(guò)構建云端分身這一核心架構，它確實(shí)開(kāi)始在為Agent的獨立行走鋪平道路。

　　從同步操作轉變?yōu)楫惒轿?，或許是人機協(xié)作范式的轉變的開(kāi)始，未來(lái)的個(gè)人競爭力可能取決于自身能力+N 個(gè) AI 智能體模式，用戶(hù)通過(guò)下達指令，讓多個(gè) AI 并行完成任務(wù)，從而根本性地改變個(gè)人處理日常與工作事務(wù)的方式。

　　而當智譜與一些手機廠(chǎng)商達成更系統級的合作后，這個(gè)Agent的想象空間將徹底打開(kāi)，成為我們真正期待的數字助理。