继Claude发布Computer Use惊艳全场，就在刚刚，一个国产AI实现了像人一样使用手机！

　　而且还不像Claude需要打字提需求，现在手机的“手”是可以稍微去掉一些了，因为光靠嘴说就可以实现很多功能。

　　打开微信 → 搜索人 → 进入对话框 → 点击头像 → 点开朋友圈 → 找到一条内容 → 点赞 → 评论。

　　而中间几个关键且较为敏感的步骤，AI还会提醒是否还要“继续执行”，也是避免了一些乌龙的发生。

　　不卖关子，它正是智谱刚刚上新的功能——AutoGLM，主打一个让你的手机变成“自动驾驶”模式。

　　但说到最直观的感受，那就是火爆已久的生成式AI，已经不再停留在简单的生成阶段，而是真真儿地开始深入到硬件替人做执行和操作。

　　并且即便不是特别具体的要求，例如“最近三篇文章写了什么”这样比较泛的问题，AutoGLM也是可以hold住的。

　　打开美团APP → 搜索“瑞幸咖啡” → 选择最近的店铺 → 搜索“茉莉花香拿铁” → 点击“去结算”。

　　AutoGLM在了解意图之后，精准的在历史订单里的“近一个月”范围内找到了买过的眼镜，然后用户只需要操作一下支付即可。

　　而且除了刚才我们展示的功能之外，AutoGLM目前还支持大众点评、小红书、高德地图等APP哦~

　　不过有一说一，说到Auto这件事儿，智谱除了在手机上发力之外，早在电脑端的网页上就已经展现出来了。

　　确实，清言插件的确包含了这些现在AI插件似乎都应该具备的基本功能，但这仅仅是在清言的“通用模式”。

　　而这个“站内高级检索”若是放在知网这样的平台，那么对学生党和科研当来说，简直就是大写的方便：

　　点击这个模式之后，就会在网页各个细分条目后出现一个选择框，我们可以pick自己重点或更倾向的内容，然后再交给清言做处理：

　　从我们实测的所有案例中不难看出，智谱的AutoGLM，其实是把AI从“语言”阶段，拉高到了“执行”的层面。

　　AutoGLM不再仅仅是回答问题的AI，而是可以理解我们的指令，并模拟人类操作各种应用场景苹果电脑shadowsock无法翻墙。

　　正如我们展示的它能帮我们读网页、在电商平台购物、订酒店、点赞朋友圈、发微信等等，让AI变成助手这件事儿真正能付诸于行动。

　　与传统的只会简单API调用的AI不同，AutoGLM能理解屏幕上的信息，自动规划任务，并在执行过程中根据实际情况自我判断和调整。

　　用户只需通过简单的语言指令，就可以让它完成复杂的操作，这种能力背后的支撑来自于它强大的任务规划和执行机制。

　　智谱为此开发了一个名为WEBRL的在线强化学习系统，专门来解决训练任务不足、反馈信号稀少等问题。

　　毕竟在前两天Claude发布Computer Use的时候，很多人就表示AI竞赛已经来到了新赛季。

　　早在去年开始，大模型的圈子里就开始盛行大语言模型（LLM）的“进化体”——大型动作模型（LAM，Large Action Model）。

　　其核心也是希望能够摆脱目前大模型只能做生成任务的禁锢，能够借各种AI硬件作为载体，向执行层面去过渡。

　　无独有偶，在AI PC和AI手机圈子里，各大玩家也是把眼光都聚焦到了这种新范式，包括联想、荣耀等等。

　　不过仅仅是通过一个软件，更是只通过语音就能让AI在手机上实现像人一样全自动地操作，智谱可以说是在这个赛季玩家中的首个。

　　从早期的技术路线的发展来看，智谱面对OpenAI这个毋庸置疑的全球大模型头部选手，它的选择是做一个“追赶者”。

　　虽然从各种产品和模态上几乎可以不落的和OpenAI逐一连线，但其实智谱从起点来看，在最根儿上的技术本质却截然不同——

　　OpenAI的GPT系列则主要使用自回归模型，这种模型在生成文本时是单向的，即它只能基于之前的词来预测下一个词。

　　但这种单向性可能限制了模型在某些自然语言理解（NLU）任务中的表现，因为它无法充分捕捉上下文之间的依赖关系。

　　而智谱的GLM采用了自回归填空（autoregressive blank infilling）作为主要的预训练目标。这种方法允许模型在生成文本时同时考虑上下文信息，从而增强对语言结构的理解和生成能力。

　　例如众所周知的，OpenAI一直在坚持闭源的形式；而智谱则是闭源和开源两头抓，截至目前，其开源的模型如下表所示：

　　而不仅是这一次AutoGLM做到了抢先，智谱在八月也抢先OpenAI把类似4o的AI视频通话上线到了清言APP中；并且就在刚刚，其背后的GLM-4-Voice也正式开源。

　　由此，若是把上述的各个节点连起来，放到时间的X轴里，智谱的技术发展路线就一目了然了——正在一步一步迈近AGI：

　　（42 这个百分比灵感来自《银河系漫游指南》，the journey to AGI is now 42% completed，是小说里名叫“深思”（Deep Thought）的超级电脑，经过750万年的计算，给出的关于生命、宇宙以及任何事情的终极答案。）

　　大脑是一个非常复杂的系统，包括听觉、视觉、味觉、语言等多模态的感知与理解能力，有短期和长期记忆能力，深度思考和推理能力，以及情感和想象力。

　　正如下面这张图上显示的，有些能力今天的大模型已经解锁，比如文本，视觉，声音，比如一定的逻辑和使用工具的能力，有些模态的能力树还没有点亮，这些也是智谱未来会一直为之努力的方向。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。