11月29日，智譜在Agent開放日活動(dòng)上，發(fā)布了Agent“全家桶”產(chǎn)品：包括升級(jí)版Auto GLM、AutoGLM-Web和GLM-PC，分別適用于手機(jī)、瀏覽器和PC。

2024年，AI Agent成為焦點(diǎn)，它可以模擬人的感知、決策、判斷過程，自主幫助人類完成工作。成為大模型應(yīng)用落地，最受關(guān)注的應(yīng)用形式之一。

在發(fā)布會(huì)的現(xiàn)場(chǎng)，智譜AI CEO張鵬也接受了包括騰訊科技在內(nèi)的少數(shù)媒體采訪，他表示，雖然Auto GLM已經(jīng)能幫你在手機(jī)上跨APP實(shí)現(xiàn)50步以上的自主操作，但是，距離賈維斯照進(jìn)現(xiàn)實(shí)，還有很多現(xiàn)實(shí)的難題需要跨越。

在PC場(chǎng)景同樣如此，“由于 PC 的復(fù)雜程度，以及大家在 PC 完成的幾乎都是復(fù)雜任務(wù)，今天大模型的能力距離真正代替大家辦公還有一定距離。GLM-PC在當(dāng)前版本下，用戶仍需要輸入非常精準(zhǔn)的指令。”

但是，從目前的技術(shù)路線來看，類似的Agent產(chǎn)品，并不需要依賴調(diào)取各種API，而是能夠通過圖形化界面的識(shí)別，模擬人用電腦的過程——用眼看圖形及文字，用腦規(guī)劃，再用手執(zhí)行單擊雙擊、輸入等操作。GLM-PC 用電腦的方式幾乎完全和人一樣。也正因如此，理論上只要是為人類設(shè)計(jì)的應(yīng)用，在GLM-PC學(xué)習(xí)之后它都能夠執(zhí)行。這也為未來打開想象，是否Agent擁有了系統(tǒng)級(jí)、跨平臺(tái)的能力，未來具備更高的能力上限，甚至成為新的操作系統(tǒng)？

以下為訪談內(nèi)容（有精編刪減）：

提問：大模型行業(yè)上半年大家其實(shí)還在尋找“超級(jí)應(yīng)用”，下半年突然看到了智能體的爆發(fā)，行業(yè)內(nèi)公司的戰(zhàn)略重心發(fā)生了什么改變嗎？

張鵬：過去，技術(shù)可能被視為單一方向的，例如文本技術(shù)的提升就能帶來巨大的價(jià)值。然而，我們現(xiàn)在認(rèn)識(shí)到，要將技術(shù)轉(zhuǎn)變?yōu)樯a(chǎn)力工具或雙向交互的機(jī)器人，它不能有明顯的短板。因?yàn)槿祟愄幚韱栴}和任務(wù)是多模態(tài)的，非常復(fù)雜，所以對(duì)技術(shù)能力的需求是全面的。只有當(dāng)模型的各項(xiàng)能力都達(dá)到一定水平并相互疊加時(shí)，它才可能成為一個(gè)有效的工具。

提問：發(fā)布會(huì)上提到的“端云”統(tǒng)一，具體如何解釋？

張鵬：我們所說的統(tǒng)一，是指架構(gòu)和體系的統(tǒng)一，例如我們的GLM模型，有小版本可以在端側(cè)運(yùn)行，也有云端版本，它們的架構(gòu)相同，能力傾向相似，上層應(yīng)用和功能也相對(duì)一致，可以進(jìn)行優(yōu)化等操作。這樣，我們就能更容易地形成一個(gè)云、邊、端協(xié)同的、無縫銜接的技術(shù)體系。大家也知道，如果整個(gè)模型來自不同的工具廠商，需要適應(yīng)不同的技術(shù)架構(gòu)和技術(shù)特點(diǎn)，那么整合的成本就會(huì)更高。所以，我們所說的統(tǒng)一并不是指模型本身的差異。

提問：去年手機(jī)、PC廠商都在提端側(cè)AI，今年更多會(huì)提及Agent，為什么會(huì)有這種變化，端側(cè)AI相較于去年有了哪些進(jìn)化？

張鵬：模型的能力在達(dá)到一定程度后，會(huì)轉(zhuǎn)化為實(shí)際的生產(chǎn)力。在早期，如果能力尚未成熟，提出Agent概念可能實(shí)際效果達(dá)不到。為什么大家特別關(guān)注端側(cè)？因?yàn)槎藗?cè)的效果更直觀，大家都能明顯感受到。大多數(shù)交互本質(zhì)上是改善人機(jī)交互，所以在端側(cè)更容易找到顯著提升用戶體驗(yàn)的部分。

Agent同樣可以應(yīng)用于TOB服務(wù)端，例如作為教育API等。我們也推出了這樣的功能，但這些更多是面向開發(fā)者和企業(yè)級(jí)系統(tǒng)，因此普通用戶可能不會(huì)有太多直接感受。當(dāng)然，隨著技術(shù)的進(jìn)步和關(guān)注度的提高，專業(yè)的硬件廠商也開始適配和靠攏這些技術(shù)。這兩個(gè)因素結(jié)合起來，使得端側(cè)的應(yīng)用能力更加明顯，用戶體驗(yàn)也更加顯著。這些因素的綜合作用，使得端側(cè)的應(yīng)用能力得到了顯著提升。

提問：Scaling Law是否已經(jīng)“撞墻”或放緩？

張鵬：Scaling只是一個(gè)現(xiàn)象，本質(zhì)是計(jì)算量。你有多少的計(jì)算量，你就能獲得多少的智能水平。這是我覺得目前比較接近真相的一個(gè)可能性，但我不保證它一定對(duì)，因?yàn)檫@件事情還在不斷探索中，不斷更新大家的認(rèn)知。

我們所謂的“撞墻”，更多是在預(yù)訓(xùn)練階段，所謂的人類語言的高質(zhì)量數(shù)據(jù)不夠用了。但是，其實(shí)還有多模態(tài)，還有可能在后訓(xùn)練。不斷加大你的計(jì)算量，還是能夠提升效果，這種曲線看起來其實(shí)是和預(yù)訓(xùn)練的Scaling Law是差不多的。所以我們不能簡(jiǎn)單粗暴地下結(jié)論說，Scaling law已經(jīng)撞墻了。

提問：智譜發(fā)布了Agent產(chǎn)品之后，如何考慮生態(tài)位的問題？APP是存在墻的，底層的權(quán)限也不好打通，如何解決應(yīng)用墻的問題？

張鵬：這其實(shí)一半是商業(yè)問題，一半是技術(shù)問題。

從技術(shù)角度來說，我們這次發(fā)布會(huì)展示的愿景是讓“Auto GLM”成為一個(gè)幫助用戶更好地連接硬件、應(yīng)用和服務(wù)的中樞。它應(yīng)該是一種工具，能夠通過自然語言的方式，讓用戶更容易地根據(jù)自己的意愿組裝各種服務(wù)。雖然這個(gè)目標(biāo)聽起來很美好，但從技術(shù)上來說，實(shí)現(xiàn)起來還是相當(dāng)困難的。

原本在自己的應(yīng)用生態(tài)中，你可以獲取底層的很多東西，包括完整的設(shè)計(jì)圖紙，這使得設(shè)計(jì)和開發(fā)變得相對(duì)容易。但這也意味著你在一個(gè)封閉的生態(tài)中工作，無法與他人很好地合作，而且你的模型可能不夠智能，無法很好地與其他系統(tǒng)連接。

因此，從技術(shù)角度來看，讓模型更好地連接是一個(gè)重要的挑戰(zhàn)，也是我們接下來工作的重點(diǎn)之一。此外，要實(shí)現(xiàn)高水平的智能體能力，并不是一件簡(jiǎn)單的事情。作為一家大模型公司，我們對(duì)此非常自信。就像OpenAI的o1模型preview版本已經(jīng)發(fā)布一段時(shí)間了，但它的完整版本還沒有發(fā)布，可能完整版本非常強(qiáng)大，達(dá)到了一個(gè)難以想象的水平。這本質(zhì)上需要原始創(chuàng)新，需要在算法和模型能力上持續(xù)迭代。從我的視角來看，這是我們最重要的任務(wù)。

從商業(yè)角度來看，我們公司是技術(shù)驅(qū)動(dòng)型的，技術(shù)特性決定了商業(yè)化路徑和策略。我們希望定位自己，為這個(gè)新生產(chǎn)和新范式中的賦能者。我們希望通過這種賦能方式，幫助解決一些原本條塊化或垂直化行業(yè)劃分后形成的資源壁壘問題，打開新的視角和機(jī)會(huì)，包括今天在現(xiàn)場(chǎng)看到的許多合作伙伴，他們參與并和我們合作，這表明從商業(yè)角度來看，大家采取的是一種互利的態(tài)度和方式。

提問：剛才演示的各種連續(xù)操作的功能，包括 Auto GLM發(fā)紅包，涉及到主動(dòng)輸入和生成，能調(diào)用各種APP，是否涉及到用戶的個(gè)人隱私合規(guī)問題？

張鵬：首先，關(guān)于發(fā)紅包這類活動(dòng)，確實(shí)涉及到用戶隱私和安全問題，因此我們非常謹(jǐn)慎。我們可能會(huì)開發(fā)一套統(tǒng)一的框架來解決數(shù)據(jù)隱私和安全問題，例如通過在本地處理一些不涉及敏感信息的任務(wù)，而將更復(fù)雜的任務(wù)交給云端解決。從技術(shù)演進(jìn)的角度來看，我們先識(shí)別出可能性，然后逐步解決伴隨而來的問題。

Auto GLM目前還處于內(nèi)測(cè)階段，主要是為了展示大模型的發(fā)展方向和潛在能力，而不是作為一個(gè)正式產(chǎn)品。然而，我們也注意到國(guó)際上的公司如OpenAI、Google等已經(jīng)推出了類似的技術(shù)，它們通過讀取用戶電腦屏幕并在電腦上執(zhí)行操作來完成任務(wù)。OpenAI和Google也有計(jì)劃推出更多此類智能體。