AutoGLM 能操控手机，AI 未来已经来了？
最近，AutoGLM 刷屏了各大社交平台，我随即去看了一下它的介绍视频。这不正是我一直梦寐以求的 AI 智能助手吗？
只需一句简单的指令，就能控制手机或电脑上的软件，执行各类操作。这不就是电影《钢铁侠》里的“贾维斯”吗？难道我们真的要迎来一个 AI 超越未来的时代了？
AutoGLM：让 AI 变成你的私人助理
从官方介绍来看，AutoGLM 已经能够帮助用户完成诸多日常任务，比如：
- 电商购物：比如在双十一期间，我想购买一部小米 14 旗舰手机，只需对 AutoGLM 说一句话，它便会自动打开淘宝，查找最新价格，并展示给我。
- 语音导航：无需手动输入地址，只需告诉 AutoGLM 目的地，它便会自动打开地图并开始导航。
- 自动生成文本：写好评、回复消息、甚至是撰写社交媒体帖子，AutoGLM 都能轻松搞定。
目前，AutoGLM 已适配微信、淘宝、美团、小红书、大众点评、12306、携程和高德地图等 8 款常用应用，基本覆盖了日常生活所需的核心软件。此外，它还能执行更多高阶操作，比如朋友圈点赞、抢车票、订门票等。
Claude 的 Computer Use vs. AutoGLM：AI 交互方式的不同
在 AI 代理（Agent）领域，AutoGLM 不是唯一的探索者。例如，Claude 近期推出的“Computer Use”功能，展现了一种不同的 AI 交互方式。
Claude 的 Computer Use
Claude 的 Computer Use 让 AI 能够像人类一样操作电脑，它可以：
- 查看屏幕内容：分析当前界面，并理解用户需求。
- 鼠标与键盘操作：自动点击、输入文字、填表，甚至是进行网页操作。
- 复杂任务执行：Claude 能够基于 API 与设备交互，实现任务自动化。
这意味着，Claude 主要专注于 PC 端的自动化操作，例如办公自动化、编程辅助等任务。
AutoGLM 的核心优势
相比之下，AutoGLM 的重点在于移动端交互，核心优势包括：
- 无需复杂 API 调用：用户只需语音或文字指令，即可让 AI 代为操作手机。
- 深度集成主流 APP：已经支持多个高频应用，涵盖外卖、购物、出行等场景。
- 更贴近日常生活：手机作为最常用的设备，AutoGLM 让 AI 交互变得更自然。
换句话说，Claude 的 Computer Use 是“让 AI 操控你的电脑”，而 AutoGLM 则是“让 AI 操控你的手机”，两者在应用场景上形成互补。
AI 大模型的未来：从理解世界到操作世界
自 2022 年 ChatGPT 横空出世以来，大模型的发展已经进入白热化阶段。然而，从实际体验来看，各大模型的能力差距正在缩小，仅仅提升参数规模已无法带来革命性突破。
因此，AI 的下半场竞争，很可能聚焦在 AI Agent 能力上。
为什么 AI Agent 能力至关重要？
- 智能手机的智能升级：当前的 AI 主要回答问题，而 AI Agent 则让手机主动完成任务。
- 环境交互成为关键：AI 需要具备功能调用、工具使用和任务规划能力，以精准理解需求并执行操作。
- 多模态理解与执行：不仅能读懂文字，还能结合语音、图像等信息，实现更复杂的交互。
例如，阿里近期发布的 Qwen2-VL 多模态模型，展示了 AI 结合视觉信息、执行实际任务的能力。
Qwen2-VL 赋能 AI Agent
在 Qwen2-VL 的演示中，用户上传了一张航班信息图片，并询问目的地的天气。AI 先解析图像文字，再自动调用天气 API，返回对应信息。
更复杂的任务场景下，AI 还能执行网页搜索、筛选信息、自动填写表单等操作。例如，在 San Diego 查找餐厅时，AI 能够：
- 打开 Google 搜索，输入关键词。
- 筛选符合条件的餐厅，分析位置、评分等因素。
- 推荐最佳选项，甚至直接帮用户导航过去。
这种能力，正是 AI Agent 未来的发展方向——从被动应答升级为主动执行。
结语
AI 发展至今，已经从“智能助手”向“智能代理”演进。AutoGLM 的出现，标志着 AI 迈入一个全新阶段：不仅能回答问题，还能帮你操作设备、执行任务。
未来，我们可以期待 AI 在手机端拥有更强的自主决策能力，让设备真正成为个人智能助理。而这一切，或许只是 AI 变革的开始。
你期待 AI 还能做些什么？欢迎留言讨论！
发布评论