计算机行业“AI操作系统”时代已至.docx

内容目录

内容目录

AI+OS，操作系统级Agent开启人机交互革命 4

建立交互数据集，深耕Post-Training，获得“从Chat走向Act”通用Agent能力 6

CogAgent：CogVLM结合高分辨率交叉模块，实现高效GUI推理 6

AutoWebGLM：基于大语言模型的Web导航Agent 8

AutoGLM：图形用户界面的自主基础Agent，可用于网页浏览与安卓手机操作 11

GLM多端Agent家族，打造手机、PC、汽车等终端交互入口 13

GLM-Phone：可实现跨APP操作、支持超长任务流程、支持更多主流APP 13

GLM-PC：办公领域将迎来生产力跃升 15

CogAgent实现ComputerUse 15

AutoGLM-Web进一步扩展AI搜索能力边界 18

GLM-CarMore：Agent为AI终极形态，加速万物智能、万物互联 19

投资建议 20

风险提示 20

图表目录

图表目录

图1.Agent类型分为通用型与垂域型两个层面 4

图2.智谱清言Agent发展历程 5

图3.智谱清言GLMAgent系列产品 6

图4.CogAgent模型架构 7

图5.CogAgent在多个测试集上显著领先通用模型，部分领域领先专业微调模型 8

图6.AutoWebGLM的系统架构 9

图7.训练步骤包括课程学习、强化学习、拒绝采样微调 9

图8.训练数据集构建包括简单和复杂任务两部分 10

图9.AutoWebGLM在Mind2Web、MiniWoB++和WebArena上测试性能具有明显优势 11

图10.通过AutoGLM在美团App上“点一杯半糖瑞幸热椰奶拿铁” 12

图11.在VAB-WebArena-Lite上各模型与人类表现的差距 12

图12.在AndroidLab（VAB-Mobile）上测试各模型的成功率 13

图13.GLM-Phone前版本操作示例 13

图14.GLM-Phone跨APP操作实例 14

图15.GLM-Phone多步骤任务流程实现 15

图16.GLM-Phone循环任务执行 15

图17.GLM-PC实现ComputerUse 16

图18.GLM-PC理解指令、规划任务、逐步完成 16

图19.GLM-PC隐形屏幕功能 17

图20.像人一样使用电脑，具备更高能力上限 17

图21.通过WebAgent实现给智谱清言微博点赞、评论流程自动化 18

图22.AutoGLM-Web的操作面板 18

图23.AutoGLM-Web的基础AI生成功能 18

图24.智谱与小鹏合作的“AI小P” 19

图25.大模型为智能设备带来新的机会 20

AI+OS，操作系统级Agent开启人机交互革命

AI赋能OS，操作系统级Agent由于其C端入口特性，有望成为首个“爆款”AI应用。AIAgent（人工智能代理）一般认为是能够感知环境，基于目标进行决策，并利用工具自主执行动作的智能化应用，其包括规划、记忆、工具、行动四大核心能力。我们认为Agent可以进一步划分为通用与垂域两个层级：

通用层级：壁垒在于底层大模型能力，终局大概率为少数有实力的大型厂商。其分类包括操作系统级与平台级Agent：操作系统级Agent可跨应用、跨界面甚至跨设备操作，是对不同细分功能协调的“总指挥”；平台级Agent是底层通用模块的组合，用户可根据自己所需功能调用或搭建。

垂域层级：壁垒在于高质量数据、工作流know-how与行业工具生态。包括众多细分行业的应用智能化与流程自动化，包括办公、金融、医疗、法律、教育、创意设计等。不过其中一些非交互性、高度流程化的应用功能，也存在被通用层级Agent“吃掉”的风险。

当前市场中长期缺乏“爆款”AI应用，我们认为主要系C端大众对AI的感知度仍然较低，尽管有大量可下载、可付费的AI应用存在，但从广大用户体验来讲，各类AI软件对其生活重塑的边际变化不大。而近期，包括手机端苹果、荣耀、Vivo等，以及PC端联想等厂商上新操作系统级Agent作为新的人机交互形态，以端侧入口形式首次深入群众，令其“被迫”体验接受新的操作范式，有望打造首个“爆款”AI应用，由此将带动AI端侧硬件需求涌现，以及刺激软件内部AI功能快速迭代。

图1.Agent类型分为通用型与垂域型两个层面

数据来源：《中国Age