AI助理（AI Agent）是一种能够感知环境、进行决策和执行动作的智能实体，具备通过独立思考、调用工具去逐步完成给定目标的能力，既能为C端提供个性化应用，也能为B端提供降本增效方案。对于普通用户而言，AI助理最核心的功能是AI自主操作手机，辅助完成复杂推理任务。①該產品據稱可自動執行各種複雜操作，包括編寫代碼、預訂旅行、自動電商購物等；②阿爾特曼認爲AI的下一個重大突破將是AI助手；③AI助理或將掌握移動互聯新入口。
據媒體報道，OpenAI正準備推出一款代號爲「Operator」的全新AI助理產品，可以自動執行各種複雜操作，包括編寫代碼、預訂旅行、自動電商購物等。根據內部員工爆料，OpenAI領導層預計將在2025年1月發佈該產品，首先作爲研究預覽版和開發工具推出，屆時將爲開發人員開放API接口。
報道稱，OpenAI一直在進行幾個與智能體相關的研究項目。其中一位人士表示，最接近完成的將是一個在網絡瀏覽器中執行任務的通用工具。
AI助理（AI Agent）是一種能夠感知環境、進行決策和執行動作的智能實體，具備通過獨立思考、調用工具去逐步完成給定目標的能力，既能爲C端提供個性化應用，也能爲B端提供降本增效方案。對於普通用戶而言，AI助理最核心的功能是AI自主操作手機，輔助完成複雜推理任務。
OpenAI首席執行官阿爾特曼早已透露下場意願。幾周前，他在Reddit的「問我任何問題」（Ask Me Anything）論壇上表示，“我們將擁有越來越好的模型，但我認爲下一個重大突破將是AI助手。”在上個月公司年度開發日之前的OpenAI新聞發佈會上，該公司首席產品官Kevin Weil稱：「我認爲2025年將是Agent系統最終進入主流的一年。」
站在OpenAI的角度，其在商業化進程中面臨着越來越大的壓力， ChatGPT漸進式的改進可能無法吸引用戶支付更高的價格。高管急切需要一款突破性產品，以證明對AI開發的巨額投資是值得的。
目前，OpenAI已開源了多功能協同AI Agent——Swarm，可創建多個智能體協同工作，以更高效地完成任務。其GPT o1模型增強了推理能力，使其在複雜問題的解決和用戶交互的自然性方面均有顯著進步，亦使其更加適用於AI Agent場景。
AI助理被視作通往AGI的核心基礎，在硬件廠商言必稱AI的時代，AI助理或成爲終端智能化的突破口。甬興證券表示，AI Agent或將掌握移動互聯新入口，流量分發格局有望重塑AI Agent智能體因具備較強交互性以及便利性，或可打通原先同個終端不同App之間的天然壁壘。
據《科創板日報》不完全梳理，國內外頭部廠商正爭先推出AI助理產品——
$微軟 (MSFT.US)$近期低調開源了AI工具OmniParser，其可幫助用戶創建個性化智能體，以操作個人計算機；10月22日，微軟宣佈在Dynamics 365中集成10個自主AI Agent，支持OpenAI最新模型o1，具備自主學習能力，可自動執行跨平台複雜業務；9月，微軟推出了一款名爲Windows Agent Arena的基準框架，同樣屬於AI助理開發範疇。
據The Information報道，谷歌計劃在12月預覽其大型動作模型「Project Jarvis」，該項目將幫助用戶執行諸如「收集研究、購買產品或預訂航班」等任務。
10月22日，Anthropic爲大模型Claude迭代了新功能——Computer Use，讓AI可以像人一樣操控電腦。Claude3.5 Sonnet是首個支持計算機控制的模型，能夠模擬人類操作計算機，包括移動光標、點擊按鈕和輸入文本。
蘋果選擇將Siri與ChatGPT集成，實現更智能的人機交互，另有網友發現蘋果已經默默發佈了Ferret-UI的兩個實現版本（分別基於Gemma 2B和Llama 8B），這是蘋果今年5月發佈的一個可讓AI理解手機屏幕的技術。
華爲則公佈了一項可讓AI像人類一樣操作手機的新研究成果，相關團隊提出了一個手機控制架構：Lightweight Multi-modal App Control（輕量級多模態應用控制，簡稱LiMAC）。
中國獨角獸企業智譜AI已上線AI助理工具AutoGLM，無需手動操作，用戶對着手機說話（發出指令），便可讓其自動打開手機上的各類App，進行網購、點外賣、訂高鐵票，甚至發微信、搶紅包、評論朋友圈、整理筆記並生成攻略、總結論文。
中信證券表示，AutoGLM等終端AI助理技術將帶來更短路徑的交互形式，接受語音指令並自動完成複雜操作的能力將爲消費者帶來極大便利，其有望成爲AI終端的亮點功能並吸引消費者升級換代。
編輯/Rocky
