文｜邓咏仪

剪辑｜苏建勋

11月29日，智谱AI的Open Day上，憎恶达到顶峰的一刻，无疑是智谱CEO张鹏举起手机，对AI说：帮我在智谱洞开日的群聊里发个两万的红包，数目为一百个，名字为\"AI给你发的第一个红包\"。

此后，AI飞快调用，况且打斥地开红包功能，收效发布。

“AGI不仅仅一个ChatBot（聊天机器东说念主），一个话语模子，也不仅仅模子参数目。”智谱AI CEO张鹏暗示。

△开端：智谱AI

这也能讲授，为什么插足到2024年，Agent（智能体）的风越吹越烈——全球范围内，包括Google等巨头，到国内的、阿里、字节等等，纷纷推出自家的Agent居品。

业内深广认为，2025年将是 Agent 爆发之年。Gartner近期将 agentic AI 列为 2025 年十大工夫趋势之一，并展望 2028 年至少有15%的平淡责任决策将由 agentic AI 自主完成，而这一数字，在2024年是0。

Agent（智能体），不错判辨为是一个AI代理，匡助东说念主类完成一些过程性的软件操作。

张鹏用一句话抽象了AI Agent的实质：“我们也抑遏想考大模子的“序列展望”意味着什么，以及以何种姿色高效运用。要是展望的姿色不限于话语文本，而是推广至图像视频，以致是操作序列呢？\"

完成操作序列，或者说任务，等于AutoGLM的实质。

AutoGLM的形态是一个在App、Web、PC端上的助手。智谱在今天的发布会上，认真发布了对应这三个端的居品：

AutoGLM ，不错自主实行越过 50 步的长智商操作，也不错跨 app 实行任务

AutoGLM，开启「全自动」上网新体验，救援等数十个网站的无东说念主驾驶

GLM-PC ，像东说念主一样操作野神思，认真启动内测，况且基于视觉多模态模子探索通用Agent

一个月前，智谱就还是放出了AutoGLM的内测，这一个月中还是有越过100万的用户看望。Demo还是大概在微信、淘宝、好意思团、小红书等App上操作，大概完成包括发红包、用支付宝代点咖啡等等操作。

今天的发布会上，AutoGLM才气更强了——救援的App加多了抖音、微博、京东、拼多多等App，而且更遑急的是，不错完成跨App、跨端操作。

△查餐厅+预订场景 开端：智谱AI

举个例子，在现场demo里，智谱清言插件自动完成了“搜索芒果tv，翻开冷巷东说念主家，播放最新一集，发弹幕结局打卡”。全程莫得东说念主的干扰。

在另一个采购暖锅食材的例子中，AutoGLM自主实行了54步操作，况且中间并未被打断。在多步、轮回任务中，AutoGLM 的速率施展也越过东说念主手动操作。

△开端：智谱AI

张鹏也用手机调用了微博，师法东说念主类操作，翻开明星的微博主页，在某一条微博上留住了一条翰墨辩驳——AI同样顺利完成。

而在PC上，则不错完成更多平淡责任的任务，包括帮用户预定和参与会议，发送会议转头；救援文档下载、文档发送、判辨和转头文档等等。

△开端：智谱AutoGLM

另外，也救援跨运用的信息搜索和转头——比如在指定平台（如微信公众号、知乎、小红书等）搜索指定关节词，完成阅读、转头。

看似通俗，然则Agent大概完成这些操作，波及到的操作和权限齐相等复杂。比如，微信里面就有严格的反爬虫机制，机器东说念主一朝被识别出来，极容易封禁。小红书的帖子以致复制内容齐很穷困——昔时的深广操作是，用户先截图，然后再用其他软件把翰墨索取出来。

Agent并不是一个新的工夫词汇，而是早在数十年前就出现。

但愿让机器匡助东说念主类完成软件责任，此前也有iPaaS、RPA（机器经过自动化Robotic process automation，简称RPA）、以致更传统的BPM（经过管束）等赛说念，齐在探索完成过程性、叠加性的责任当中。

不外，过往的工夫齐会际遇影响准确率、可行性的多个因素，包括AI图像元素持取不准、识别各个软件的Api洞开进程不高档问题。但大模子出现后，这些问题大概贬责——大模子大概明晰判辨软件界面指向的是什么事物，也不会因为图像元素的眇小改革，而出现识别诞妄的问题。

AutoGLM工夫负责东说念主刘潇对《智能披露》暗示，AutoGLM是代理用户进行操作，依托“用户承诺可交互界面”，实质是模拟东说念主类操作来调用——和原来的api调用、机器调用有根底区别。

毫无疑问，包括具身智能、Agent是2024年热点了一整年的话题。大模子工夫正在从单纯的模子层走出，走到改变机器和东说念主的互动方式——基于判辨需求、预计与决策、实行行径和自我反想，让机器更好地判辨东说念主，从而更好地完成任务。

这也和近期的Scaling Law大盘问酿成照射。

Scaling Law是鼓吹大模子迭代的遑急定律。在ChatGPT出来后的两年，大模子厂商深广以预查验模式为主——给模子喂更多高质料数据，让模子在达到一定例模后披露智能。

但在本年9月OpenAI发布新模子o1之后，这意味着Scaling Law的一种转向——从查验规模、参数更大的模子，转到了以后查验为主，让模子领有更多想考时期而不是更多参数，从而让模子不错想考愈加复杂、用功的问题。

△ 开端：智谱AI

张鹏认为，如今的今天发布的AutoGLM，仅仅GLM模子大眷属才气的一种“收束”，以及迈向AI智能操作系统的初始和尝试。

Scaling不仅仅“目下来看，我比拟赞同的一个不雅点是，野心量可能是关节，即有用的信息。”

“现阶段，AutoGLM 颠倒于在东说念主与运用之间添加一个实行的调度层，很猛进程上改变东说念主机的交互姿色。更遑急的是，我们看到了 LLM-OS 的可能，基于大模子智能才气（从 L1 到 L4 乃至更高），异日有契机已毕原生的东说念主机交互。将东说念主机交互范式带向新的阶段。”

以下为智谱CEO张鹏、智谱AutoGLM工夫负责东说念主刘潇的会后采访，经《智能披露》整理：

智能披露：比如说像各个大厂，比如说好意思团、抖音微信齐会作念我方的agent。然后比如说我们发布了这个AutoGLM之后，若何谈判生态位的问题。软件，包括一些端侧，其实中间的运用墙亦然很厚的，包括一些底层的权限，也不是那么好买通，等于质谱若何贬责这个问题的。

张鹏：这个一半是贸易的问题，一半是阿谁工夫侧的问题。

刘潇：AutoGLM但愿能成为一个匡助东说念主们更好地畅通硬件、运用及作事的核心。它应该是一种器具，通过当然话语的方式，使用户大概更便捷地组合各式功能，而且是按照我方个东说念主的意愿去作念这个事情。

工夫上是挺穷困，原来要是他们在原来的生态里，不错拿到数据、我方完竣遐想，但这亦然在一个顽固平台进行斥地，你莫得想法去和其他东说念主很好的配合，况且你的模子等于我们的模子也不够灵巧，不大概去更好的去畅通。

我们接下来但愿大概让模子去畅通各个大厂运用的生态，这是我们接下来很遑急的斥地重心。

张鹏：从贸易的角度来说，公共是一个互利的方式，我们会有这么的底层生态，给公共提供基础平台。当今的这些新的厂家齐不错在这个平台各取所需。比如，他们我方建的Agent体系，不错畅通到更多其他平台。

Q：我想探讨一个工夫性细节问题。智能体要完成复杂的业务经过，需要治愈多数数据和运用挨次。但许多网站和APP领有我方的API，且这些API并不澈底解救，穷乏表率化。这可能导致企业很难用上Agent。你们会若何贬责？

刘潇：AutoGLM，我们实质上是用户图形化交互界面为主，和API调用有根底诀别。他执行上是模拟东说念主类在操作，而不是用传统的API。

昔时用API的时候，比如昨天我们买通了运用，但过一周上了新版块，就很容易失效了。

然则通过用户重新化交互界面，其实就苦衷了这个问题。因为唯有这个界面它依然是东说念主类不错判辨的，是用户果然能用的软件界面，就不错适用。

Q：为什么旧年公共齐莫得若何提Agent的见解，本年头始提？你合计旺盛了什么要素？

张鹏：率先，对于旧年盘问较少的问题，照实是因为我认为公共不错参考我们之前的一些决策贵府。包括我们提到的APP才气，它执行上是模子才气的一种体现。要是进程不够，那么它可能无法达到预期的后果。是以当时提倡的问题是，由于你的才气不及，后果并不睬想。

模子这个事情更多是东说念主机交互的场景，公共感受能比拟明白的。昔时公共面向系统、斥地等等企业级运用，是以之前公共不是很不错感知。

另一方面，跟着工夫跳跃和饶恕度的普及，当今软件、硬件厂商也越来越多地参与适配。因此，这两个条目的旺盛，让我们在端侧有感受更明白了。

Q：Scaling Law有放缓吗？你的气魄是什么？智谱若何找贬责想法？

张鹏：我们今天展示的恰是这么旅途的探索。举例，当话语际遇可能无法逾越的东说念主类默契极限时，我们是否能梗阻这一界限？这可能需要多数的数据和大规模的处理。

此外，在多模态方面，今天我们盘问的Agent上，这齐是不错尝试Scaling的。执行上，还有许多领域值得我们去探索。

Scaling Law放缓仅仅一个气象，是我们最终不雅察到的终结。这个系统的实质是什么？我们一直在盘问这个问题，寻找其实质。

目下来看，我比拟赞同的一个不雅点是：野心量可能是关节，即有用的信息。

预查验是放缓了，然则后查验的弧线当今亦然有Scaling的后果，仅仅不会像预查验阶段，通俗凶残只看到数据量和参数目的高涨。

Q：刚刚看到等于agent的许多趣味的运用，然则离你刚刚提的分娩力场景，照旧有少许差距。要是以后要用agent去隐讳更多，比如说50%、80%的我们的竖立使用场景，或者说让他作念更多预查验以外的一些事情。那我们接下来会需要去作念哪些事情？

刘潇：其实就像今天在发布会上工夫论述里面，我们所先容的，当今预查验的Scaling Law，照实在业界现阶段由于数据问题，际遇了一定的瓶颈。

然则像o1，其实像AutoGLM自己代表了Agent的这种Scaling翻开了一条新的工夫，不息往上突变的这么一条说念路。

我们险些找到了跟OpenAI o1 blog里面施展出来的Agent Scaling Law一样的后果。是以说接下来其实等于我们若何更好的在这么的一个模子的基础上作念迭代。

预查验还有空间，但需要新的算法、框架、数据转换。

Q：你们年头的时候，你们To B To C齐有许多道路。To C有GLM OS、还有分娩力运用。当今To B还作念，C端镌汰成Agent。之前的OS是拔除了吗？

张鹏：我认为这并不是拔除。探索的过程执行上是一个抑遏尝试和试错的过程，对吧。其实不错判辨为，它是我们最初始对Agent的判辨，当今是更具象地收束成当今的Agent才气。

这些才气产生的后果我们认为是雄伟的，因此我们将其具象化，并不虞味着那些探索没特意旨。

其实紧接着我们不错看到许多的东西出来。今天是操作手机和电脑，未来可能是操作你的数据库和企业数据，来生因素析论述等等。

公共当今仅仅每天对这类事情的汲取进程的判辨更容易一些，并不代表就比如To B或者企业里面就莫得运用。

Q：远期来看，Agent会主要通过现存的操作系统和硬件来呈现，照旧会出现新的硬件的姿色。等于你们若何想考这个问题？在这个事情里面，质朴的一个定位是若何样的？

张鹏：我认为我们定位是是一种洞开的平台，来作念这个事情。

之前提到的硬件问题，率先，这是一个适合宇宙演进和发展章程的正确场地。

现存的东西，我们尝试去纠正它。我们先非论你权限多大，我先找一下是不是他最通俗、径直的这种方式。对新的场地，比如也有东说念主作念一些尝试，比如一些AI硬件，像AI Pin，AI Rabbit，这些可能是下一代的智能硬件的体现。

我们也但愿大概借助AI的这一波当中，大概产生更多假想，更快的去孵化新的运用，我们也会助力公共。

Q：所有这个词这个词大模子行业。我们合计目下异日可能际遇的最大的难点可能会是什么？

刘潇：Scaling Law照旧很有用、很遑急的，我们不成浮松拔除他。许多时候，当你认为在某个问题上作念不出来，并不是Scaling Law有什么问题，而是你把问题想窄了。

那如何果然从算法上进行转变和改进，这是关节所在。

东说念主们老是高估工夫的短期影响，低估工夫的遥远影响，特殊惊惶，然则转个头，稍许等几个月，会发现会有很大诀别。

宽待雷同

宽待雷同