(文/陳濟(jì)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放，無需邀請碼即可使用。

　　

 

　　作為一款純國產(chǎn)智能體，AutoGLM的發(fā)布也給了中國用戶一個(gè)在Manus退出中國后可以合規(guī)便利體驗(yàn)智能體的選擇。

　　不同于Manus等網(wǎng)頁端原生的智能體產(chǎn)品，智譜AutoGLM 2.0作為全球首個(gè)手機(jī)通用Agent，被定位為“執(zhí)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”層面，只能實(shí)現(xiàn)信息查詢和整理回答，AutoGLM則實(shí)現(xiàn)了質(zhì)的飛躍——它不再只是“說”，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(jī)，但是在AI做事期間人不能切屏，不能打斷，只能看著干瞪眼。本次AutoGLM2.0則給每個(gè)用戶預(yù)制了一臺虛擬手機(jī)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(zhí)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(zhí)行包括購物、訂餐、買機(jī)票、自動寫文案等大眾場景，智能體不再是極客們的工具，開始步入了更加大眾的群體。

　　作為全球首個(gè)通用手機(jī)智能體，AutoGLM的發(fā)布也代表著AI從能說會道到真能干活的技術(shù)躍遷，而AI不再需要和人類爭搶手機(jī)開啟“自動駕駛模式”，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(zhí)行任務(wù)的數(shù)字“牛馬”也直接打開了Agent發(fā)展的無數(shù)可能性。

　　用嘴真能操作手機(jī)

　　Agent毫無疑問是AI行業(yè)2025年最炙手可熱的關(guān)鍵詞，Manus的出現(xiàn)一度讓Linux底座+調(diào)用外部API“套殼”成為了行業(yè)的主流選擇。但隨著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)，中國用戶側(cè)重移動端的特點(diǎn)也和傳統(tǒng)Agent重PC端輕移動端的思路有所沖突，對于AI智能體到底應(yīng)該是什么產(chǎn)品形態(tài)，顯然需要更加了解中國用戶的中國公司去探索開發(fā)。

　　智譜總裁張鵬對觀察者網(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(jī)，有能力去使用電腦，有能力去使用設(shè)備。”

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

　　另一方面，如果AI不能自己操作設(shè)備，那么很多定時(shí)任務(wù)就需要人工點(diǎn)擊開始，而不能類似鬧鐘一般自動執(zhí)行，也難言智能。

　　相比傳統(tǒng)的問答式和信息輔助式的手機(jī)智能助手主要通過AI輸出文本答案讓用戶自己根據(jù)指示操作，本次新發(fā)布的AutoGLM內(nèi)置了智譜GLM4.5模型，不僅全部國產(chǎn)還實(shí)現(xiàn)了端到端操作設(shè)備的能力，讓AI真的長出了“手”，替用戶自動操作設(shè)備。

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

　　

 

　　AI生成莫奈風(fēng)格雨中路人圖

　　面對稍微復(fù)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的話題，總結(jié)一下高贊評論的核心觀點(diǎn)，然后關(guān)注點(diǎn)贊數(shù)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的話題《黑神話：鐘馗》的官宣，隨后整理了高贊內(nèi)容的核心并順利的關(guān)注點(diǎn)贊了前三的答主。

　　

 

　　而隨著任務(wù)進(jìn)一步復(fù)雜涉及長鏈路，多應(yīng)用交互的行為，AutoGLM也能做到常用場景下基礎(chǔ)操作層面的游刃有余。

　　再給出“播放QQ音樂，搜索今日熱門歌曲播放，然后搜索B站東方明珠大戰(zhàn)蜜雪冰城熱門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歌曲時(shí)代少年團(tuán)“I Like U Like”，然后打開了B站搜索并播放了“在上海隨便喝蜜雪冰城，故鄉(xiāng)會保護(hù)你”的視頻

　　

 

　　值得注意的是，AutoGLM并沒有在搜索結(jié)果中選擇標(biāo)題中明確帶有東方明珠和蜜雪冰城字樣的內(nèi)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(nèi)容。

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

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

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

　　互聯(lián)網(wǎng)時(shí)代，隨著數(shù)字化和智能化的發(fā)展，無論是銀行，醫(yī)院，還是政務(wù)類業(yè)務(wù)，在線或者掃碼辦理成為了司空見慣的日常，而很多APP的交互設(shè)計(jì)對于老年人群體來說難度顯而易見。

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

　　AutoGLM的出現(xiàn)給出了一個(gè)可行的解決方案，讓人適應(yīng)APP轉(zhuǎn)變成了AI代人操作APP，用嘴操作手機(jī)，讓AI來實(shí)現(xiàn)萬物互聯(lián)的愿景，方便各類人群使用。

　　Agent“云端執(zhí)行”的戰(zhàn)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(jī)+電腦的技術(shù)新范式。

　　對于為何選擇云端執(zhí)行的戰(zhàn)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(xù)執(zhí)行任務(wù)。無論用戶是在工作、睡覺還是娛樂，AI 都應(yīng)在云端持續(xù)產(chǎn)出價(jià)值。

　　Autonomy without interference(自運(yùn)轉(zhuǎn)、零干擾)，官方也稱之為 Asynchronous (異步)，其核心是 Agent 在云端設(shè)備的獨(dú)立運(yùn)行，不占用用戶的本地屏幕和算力。

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

　　而為了實(shí)現(xiàn)這個(gè)愿景，選擇云手機(jī)和電腦不僅能解決用戶和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(fù)責(zé)人、算法研究員劉瀟對觀察者網(wǎng)解釋道：“如果智能體為滿足用戶需求諸如點(diǎn)外賣，發(fā)微信都需要搶占手機(jī)屏幕，AI在做事時(shí)真人就不能插手，這種讓人類二選一的情況既不智能也不合理，因此通過本地調(diào)用APP搶占用戶屏幕并不是一個(gè)合適的解決方案。”

　　搶屏幕帶來的一個(gè)副作用便是執(zhí)行中斷的可能，鎖屏、網(wǎng)絡(luò)波動、切換應(yīng)用等任何用戶行為都可能中斷 Agent 的長任務(wù)流。AI難以在用戶非關(guān)注時(shí)段(如睡眠、娛樂時(shí))持續(xù)工作，其價(jià)值被大打折扣。

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

　　具體到技術(shù)細(xì)節(jié)，過去，許多 Agent 的訓(xùn)練依賴于監(jiān)督微調(diào)(SFT)，即學(xué)習(xí)人類專家的操作軌跡。這種方法的弊端是「泛化能力差」——AI 只會模仿它見過的操作，對于未見過的場景或界面改動，往往束手無策。

　　為了讓 Agent 在復(fù)雜多變的真實(shí)環(huán)境中(數(shù)千個(gè)并發(fā)的手機(jī)、電腦、瀏覽器環(huán)境)真正具備完成任務(wù)的能力，AutoGLM 團(tuán)隊(duì)選擇了端到端在線強(qiáng)化學(xué)習(xí)的技術(shù)路線。

　　其核心思想是，在經(jīng)過少量專家數(shù)據(jù)「冷啟動」后，讓模型在數(shù)千個(gè)并行的真實(shí)云環(huán)境中，像人類一樣去「試錯(cuò)」。系統(tǒng)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(jiǎng)勵(lì)信號(Reward)。模型必須自己探索出最優(yōu)的決策路徑。

　　從底層開始的原生設(shè)計(jì)，使得 AutoGLM 在多個(gè)公開基準(zhǔn)測試中表現(xiàn)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的模式也帶來了巨大的成本優(yōu)化空間。

　　傳統(tǒng)基于第三方大模型API構(gòu)建的Agent，單次復(fù)雜任務(wù)(如 Deep Research)的成本高達(dá) 3-5 美元。而 AutoGLM 借助自研模型和一體化架構(gòu)，將包含模型調(diào)用和虛擬機(jī)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(shù)量級。

　　這種數(shù)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 端用戶開放。

　　智能體背后的生態(tài)布局

　　除了在手機(jī)端布局，智譜對于AutoGLM的定位超越了單一的效率工具，開始構(gòu)建一個(gè)連接多設(shè)備和服務(wù)的生態(tài)，這也是其將AutoGLM從智譜清言中獨(dú)立出來單獨(dú)做一個(gè)APP的理由之一。

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

　　而在后續(xù)的更新中AutoGLM將添加定時(shí)任務(wù)功能，即AI從被動接受命令執(zhí)行響應(yīng)轉(zhuǎn)變成半主動規(guī)劃，從每天早上根據(jù)自己的消費(fèi)記錄買一杯合適口味的咖啡，到辦公室自動總結(jié)未讀郵件，也將從夢想走進(jìn)現(xiàn)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(shè)備中，存在明顯的算力、續(xù)航和交互的不可能三角，如蘋果的Vision Pro存在續(xù)航短板，Meta Quest 2則存在顯著的算力短板，蘋果即將發(fā)布的桌面機(jī)器人更是在預(yù)告公布后因?yàn)樵愀獾慕换ツ芰︼柺茉嵅　?/p>

　　對于很多智能設(shè)備，堆大電池和復(fù)雜系統(tǒng)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商的痛點(diǎn)。

　　智譜AutoGLM對此提出的一個(gè)解法——讓這些端側(cè)硬件「輕量化」，只負(fù)責(zé)感知和發(fā)起指令，而將復(fù)雜的應(yīng)用操作和任務(wù)執(zhí)行全部交由云端的Agent完成。

　　智譜對觀察者網(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(biāo)后自動下單減肥代餐，而氣體傳感器在接入了智能體后，一旦檢測到鞋柜發(fā)愁就會下單除臭腳墊。

　　

 

　　打印機(jī)接入Agent實(shí)現(xiàn)缺墨自動購買

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

　　對于AI和智能體發(fā)展的未來時(shí)，AutoGLM技術(shù)負(fù)責(zé)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，他稱之為“AGI 的下限”——當(dāng)一個(gè) Agent 能自主穩(wěn)定地運(yùn)行一整天(24小時(shí))，作為你的同事或秘書，協(xié)同完成工作與生活任務(wù)，使你的綜合效率提升超過 2 倍時(shí)，AGI 的曙光初現(xiàn)。

　　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。但通過構(gòu)建云端分身這一核心架構(gòu)，它確實(shí)開始在為Agent的獨(dú)立行走鋪平道路。

　　從同步操作轉(zhuǎn)變?yōu)楫惒轿校蛟S是人機(jī)協(xié)作范式的轉(zhuǎn)變的開始，未來的個(gè)人競爭力可能取決于自身能力+N 個(gè) AI 智能體模式，用戶通過下達(dá)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(dāng)智譜與一些手機(jī)廠商達(dá)成更系統(tǒng)級的合作后，這個(gè)Agent的想象空間將徹底打開，成為我們真正期待的數(shù)字助理。