作者 | 宋子乔
“你好，贾维斯。”“随时为您效劳，先生。”
漫威电影《复仇者联盟》中，钢铁侠与AI智能管家贾维斯的亲密互动，呈现了一个高级智能体该有的模样。
当下，大模型对复杂任务的推理能力增强、视觉处理能力提高、计算机控制能力展现，加之更流畅的人机交互，为高级智能体的发展提供了更好的基础。
智谱AutoGLM为代表AI助理工具，只需接收文字/语音指令，就可以模拟人类操作手机、解决日常琐事，目前可支持微信、淘宝、美团、大众点评、小红书、高德地图、12306、携程等App的常规跨页面操作，在订票、点外卖等日常场景中充分解放用户双手，这在资本市场掀起一阵硬件智能化风潮。
微软、谷歌等科技巨头同样在畅想科幻电影照进现实的画面，致力于开发AI助理（AI Agent），让AI能自主操作手机、像人一样完成复杂的推理任务——
微软近期低调开源了AI工具OmniParser，其可帮助用户创建个性化智能体，以操作个人计算机；10月22日，微软宣布在Dynamics 365中集成10个自主AI Agent，支持OpenAI最新模型o1，具备自主学习能力，可自动执行跨平台复杂业务；9月，微软推出了一款名为Windows Agent Arena的基准框架，同样属于AI助理开发范畴。
据The Information报道，谷歌计划在12月预览其大型动作模型“Project Jarvis”，该项目将帮助用户执行诸如“收集研究、购买产品或预订航班”等任务。
10月22日，Anthropic为大模型Claude迭代了新功能——Computer Use，让AI可以像人一样操控电脑。Claude3.5 Sonnet是首个支持计算机控制的模型，能够模拟人类操作计算机，包括移动光标、点击按钮和输入文本。
苹果选择将Siri与ChatGPT集成，实现更智能的人机交互，另有网友发现苹果已经默默发布了Ferret-UI的两个实现版本（分别基于Gemma 2B和Llama 8B），这是苹果今年5月发布的一个可让AI理解手机屏幕的技术。
华为则公布了一项可让AI像人类一样操作手机的新研究成果，相关团队提出了一个手机控制架构：Lightweight Multi-modal App Control（轻量级多模态应用控制，简称LiMAC）。
OpenAI也开源了多功能协同AI Agent——Swarm，可创建多个智能体协同工作，以更高效地完成任务。其GPT o1模型增强了推理能力，使其在复杂问题的解决和用户交互的自然性方面均有显著进步，亦使其更加适用于AI Agent场景。
值得注意的是，近日，OpenAI CEO阿尔特曼在一次互动访谈中分享了自己对AI助理的看法。他认为，AI助理能够像一个聪明的同事一样，与用户一起合作完成项目。阿尔特曼同时提及AI助理的定价——该服务不是按接入AI助理的个数付费，而是根据回答问题所需的计算量定价。
AI助理的应用场景涵盖B端和C端，可扮演智囊、管家、代理人等多重角色。
作为个人助理，它可以进行日程管理、信息查询、任务自动化；在制造业、物流、医疗、教育等领域，通过自主学习和优化，AI助理可实现智能监控、数据分析、流程优化、决策支持、互动交流等高级功能。
对于使用者而言，企业可用它实现降本增效，个人可用它提高工作、生活效率。
随着应用场景落地，更大的商业空间正在酝酿中。对于AI助理服务的提供方、搭载AI助理的硬件生产商、连接AI助理的应用方，新的盈利模式有望从中孕育——
接入AI助理的手机会不会销量更好？手机厂商是选择自研AI助理还是接入第三方服务？与第三方开展合作的模式是什么？将如何分成？当你需要买东西，AI助理会打开哪个电商平台？引流依据是什么？
产业端，苹果、荣耀、三星等终端厂商近期开始发力、落地基于AI助理技术的边端AI功能。其中，近日上线的荣耀Magic7系列首发YOYO智能体，荣耀CEO赵明对YOYO助理说了一句话，便成功下单2000杯咖啡。据介绍，Magic 7系列搭载的AI助理，其智能水平达到L3等级，不仅可完成帮忙发文件、智能填表、购物比价等基础操作，并且可根据用户指令完成关闭自动续费、购买饮品、规划旅行路线及订票等多项跨应用操作。
在硬件厂商言必称AI的时代，AI助理或成为终端智能化的突破口。
中信证券表示，AutoGLM等终端AI助理技术将带来更短路径的交互形式，接受语音指令并自动完成复杂操作的能力将为消费者带来极大便利，其有望成为AI终端的亮点功能并吸引消费者升级换代。
华泰证券也表示，AI助理是通往AGI的核心基础，AI助理落地带来多个层次的产业机遇，其中，Agent+终端有望推动人机交互变革，除了在终端销售量价方面的变化外，可能对终端应用的商业模式产生更加深远的影响。
另外，AI助理与具身智能/人形机器人、区块链、5G等技术将碰撞出怎样的火花？将如何帮助构建智能体社会与群体智能？这些问题一同成为了描绘产业蓝图的画笔。
沉浸于未来构想之时，更冰冷的问题立于当下：AI助理到底有多少用处？
与Siri、小爱助理、天猫精灵、小度等“前辈”相比，AutoGLM等AI助理的确更加人性化、响应更精准、能处理更复杂的任务、学习能力更强。
其中，交互性、自主操作这两大亮点让AI助理出圈，比如AutoGLM只需用户一个吩咐就能网购、点外卖、订高铁票，甚至发微信、抢红包、评论朋友圈、整理笔记并生成攻略、总结论文。
但与人们期待的“贾维斯”相比，这些AI助理们的脑子还远远不够用。以智谱AI为例，尝鲜者反映的典型问题包括：
需要更加精细化的指令，不会比价，AutoGLM为你买的东西可能不是最优价格；无法很好地应对突发情况，如广告弹窗等；能打开的App有限，据了解，目前AutoGLM可适配微信、淘宝、美团、小红书、大众点评、12306、携程、高德地图共8款应用。
Claude的Computer Use存在类似的问题。一个有意思的案例是，某工程师使用该工具给整个团队点外卖，未指定具体要吃什么，接到任务的Claude仅用1分钟就下单了披萨，3个披萨共花掉95美元，一则网友吐槽被推上首条评论位：3个披萨95美元是犯罪。
这意味着，尽管AI助理可以为你省去操作步骤（打开App，点选页面），但它并不能完全自主地、“完美地”解决问题，用户依然需要做思考、参与决策。
技术上的问题需要时间解决，围绕AI助理落地，还有一系列非技术因素，比如数据隐私与安全问题、自主决策的伦理困境、责任归属问题、算法偏见与歧视等。
安全是一个重要议题。为了实现更深度的操作，AI助理需要获取用户手机的无障碍权限、与企业其他系统（如ERP、CRM）集成，实现信息共享和协作。
隐私泄露的情形如何避免？拥有高自由度的AI如果做出了错误判断，问题的责任方是谁？
如何在便利与安全之间找到平衡，将是未来AI助理发展必须面对的挑战。
推荐阅读
