AI发了人类历史上第一个红包。

文｜邓咏仪

编辑｜苏建勋

十一月二十九日，Open智谱AI 在Day上，气氛达到顶峰的那一刻，无疑是智谱CEO张鹏举起手机，对AI说：帮助我在智谱开放日的群聊中发送20,000个红包，名字叫“AI给你发的第一个红包”。

随后，AI迅速调用微信，并打开红包开发功能，成功发布。

智谱AIAI不仅仅是一个ChatBot(聊天机器人)，一个语言模型，更是一个模型参数。 CEO张鹏说。

△来源：智谱AI

它还可以解释为什么要进入2024年，Agent(智能体)风吹得越来越猛——包括谷歌在内的全球巨头纷纷推出自己的Agent产品，在百度、阿里、字节等国内。

业界普遍认为，2025年将是 Agent 爆发的时候。Gartner将在不久的将来 agentic AI 列入 2025 年度十大技术趋势之一，并预测 2028 每年至少有15%的日常工作决定将由 agentic AI 独立完成，而这个数字，在2024年是0。

Agent(智能体)，可以理解为AI代理，帮助人类完成某些过程性软件操作。

用一句话，张鹏总结了AI。 Agent的本质:“我们不断思考大模型的“序列预测”意味着什么，如何高效应用。如果预测方法不限于语言文本，而是扩展到图像视频甚至操作序列呢？”

AutoGLM的本质是完成操作序列，或任务。

AutoGLM的形式是App。、Web、电脑端的助手。在今天的发布会上，智谱正式发布了与这三个端相对应的产品：

AutoGLM ，可自行超越执行 50 步长步骤操作，也可跨越步骤 app 出任务

AutoGLM，打开「全自动」网络新感受，支持等数十个网站的无人驾驶。

GLM-PC ，像人一样操作计算机，正式启动内部测试，基于视觉多模式模型探索通用Agent

一个月前，智谱发布了AutoGLM的内部测试，本月有超过100万用户访问。Demo可以在微信、淘宝、美团、小红书等App上操作，可以完成包括发红包、用支付宝点咖啡等操作。

在今天的新闻发布会上，AutoGLM的能力非常强——支持的App增强了抖音、微博、JD.COM、拼多多等App，更重要的是，跨App可以完成。、跨端操作。

△查餐厅 预订情景 来源：智谱AI

举例来说，在现场demo中，智谱清言插件自动执行了“搜索芒果tv，打开巷子里的其他人，播放最新一集，打卡弹幕结局”。整个过程没有人干涉。

AutoGLM在另一个购买火锅食材的例子中独立执行了54步操作，并且中间没有中断。当多步、循环任务时，AutoGLM 速度表现也超过了人工操作。

△来源：智谱AI

张鹏还用手机调用微博，模仿人类操作，打开明星微博首页，在微博上留下一条评论——AI也顺利完成。

但是在PC上，可以完成更多的日常任务，包括帮助用户预订和参加会议，发送会议总结；支持文档下载、文档发送、理解和总结等。

△来源：智谱AutoGLM

此外，还支持跨应用信息的搜索和总结——比如在规定的平台上搜索指定的关键词(如微信微信官方账号、知乎、小红书等。)，完成阅读和总结。

看似简单，但Agent可以完成这些操作，涉及的操作和权限非常复杂。比如微信里面有严格的反爬虫机制，一旦机器人被识别出来，就很容易被封杀。小红书的帖子甚至很难复制内容——之前的一般操作是客户先截图，然后用其他软件提取文字。

Agent不是一个新的技术词汇，而是早在几十年前就出现了。

在iPaaS之前，我希望机器能帮助人类完成软件工作。、RPA(Robotic自动化机器流程 process automation，简称RPA)、或BPM(流程优化)等更传统的跑道，都在探索过程性、重复性的工作。

但过去的技术会面临很多影响准确性和可行性的因素，包括AI图像元素抓取不准确、每个软件Api开放度不高等问题。但是，大模型出现后，这些问题可以解决——大模型可以清楚地理解软件界面指向的是什么，识别错误的问题不会因为图像元素的轻微变化而发生。

AutoGLM项目负责人刘潇告诉《智能出现》，AutoGLM是代理客户操作的，基于“用户同意可交互界面”，其本质是模拟人类操作来调用-与原api调用、机器调用有根本区别。

毫无疑问，2024年热门话题包括身体智能和Agent。大型技术正在走出简单的模型层，改变机器与人之间的互动模式——基于理解、规划和决策、行动和自我反思，让机器更好地了解人，从而更好地实现目标。

它还与最近的Scaling相同。 大讨论形成了Law的映衬。

Scaling Law是促进大型模型迭代的重要规律。在ChatGPT出来后的两年里，大型模型制造商通常主要使用预训练模式——为模型提供更多高质量的数据，使模型达到一定规模后智能化。

但是，在今年9月OpenAI发布新模型o1之后，这意味着Scaling。 Law的一个转变是——从训练规模和参数较多的模型转变为训练后的主要模型，这样模型可以有更多的思考时间而不是参数，这样模型就可以思考更复杂、更困难的问题。

△ 来源：智谱AI

张鹏认为，今天发布的AutoGLM只是GLM模型大家族能力的“结束”，也是AI智能操作系统的开始和尝试。

Scaling不仅仅是“目前，我同意的一个观点是，计算量可能是关键，也就是有用的信息。”

“现阶段，AutoGLM 相当于在人与应用之间增加了一个调度层，大大改变了人机的互动形式。更重要的是，我们看到了。 LLM-OS 基于大模型智能能力的可能性(从 L1 到 L4 甚至更高)，将来有机会实现原生人机交互。把人机交互的范式带到新的阶段。

下面是智谱CEO张鹏、智谱AutoGLM项目负责人刘潇的会后采访，经《智能涌现》整理：

智能涌现：比如像每一个大厂商，比如美团、Tikto微信，都要做自己的agent。比如我们发布这个AutoGLM之后，如何考虑生态位置。软件，包括一些端侧，其实中间的应用墙也很厚，包括一些底层的权限，不是那么容易打通的，就是如何解决这个问题。

张鹏：这一半是商业问题，一半是技术方面的问题。

刘潇：AutoGLM希望成为帮助我们更好地连接硬件、应用和服务的中心。它应该是一个工具，用户可以通过自然语言更容易地组合各种功能，并根据自己的个人想法做到这一点。

技术上相当困难。本来，如果他们能在原来的生态中获得数据，完成自己的设计，但这也是在一个封闭的平台上设计的。你不能很好地与他人合作，你的模型对我们的模型来说不够聪明，所以你不能更好地连接它们。

下一步，我们希望模型能够将每一个大厂使用的生态联系起来，这是我们下一步开发的重点。

张鹏：从商业的角度来看，每个人都是一种互利的方式，我们会有这样的底层生态，为每个人提供一个基本的平台。现在这些新制造商可以在这个平台上做你想做的事情。例如，他们自己建立的Agent系统可以连接到更多的其他平台。

Q：我想讨论一个基本的技术问题。为了完成复杂的业务流程，智能体需要激发大量的数据和应用。但是很多网站和APP都有自己的API，而且这些API不完全统一，缺乏标准化。这可能会让公司很难使用Agent。你会怎么做？

刘潇：AutoGLM，本质上，我们专注于客户的图形交互界面，这与API调用有着根本的区别。事实上，他模拟人类在使用它，而不是使用传统的API。

以前使用API的时候，比如昨天我们打通了应用程序，但是过了一个星期的新版本，就很容易失效。

然而，通过用户再次交互界面，这实际上避免了这个问题。因为只要这个界面还是人类可以理解的，它就可以适用于用户真正可以使用的软件界面。

Q：为什么去年大家都没怎么提Agent的概念，今年开始提？您认为满足了哪些要素？

张鹏：首先，关于去年讨论较少的问题，确实是因为我认为你可以参考我们之前的一些解决方案。包括我们提到的APP能力，其实是模型能力的体现。如果水平不够，可能达不到预期的效果。所以当时提到的问题是，因为你的能力不够，效果并不理想。

这个模型更多的是一个人机交互的场景，每个人都能感觉到。以前大家都是针对系统、开发等企业级应用的，所以之前大家都感觉不太好。

另一方面，随着技术的进步和关注度的提高，越来越多的软硬件制造商参与了适应。因此，这两个条件的满足让每个人都感觉更加明显。

Q：Scaling Law有没有放缓？您的态度是什么？如何找到智谱的解决办法？

张鹏：我们今天正在探索这条路径。例如，当语言遇到可能无法超越人类认知极限的情况时，我们能否突破这条线？这可能需要大量的数据和大规模的处理。

另外，在多模态方面，我们今天讨论的Agent可以尝试Scaling。实际上，还有许多值得探索的领域。

Scaling Law放缓只是一种现象，是我们最终看到的结果。这个系统的本质是什么？我们一直在讨论这个问题，寻找它的本质。

现在看来，我比较赞同的一点是：计算量可能是关键，也就是有用的信息。

预训练放缓了，但是后训练的曲线现在也有Scaling的效果，但是不会像预训练阶段那样简单的只看到信息量和参数的增加。

Q：刚看到agent的很多有趣的应用，但是和你刚才提到的生产力场景还是有一些差距的。如果你将来想用agent覆盖更多，比如50%、我们设备使用场景的80%，或者让他做更多的预训练以外的事情。那么下一步我们要做些什么呢？

刘潇：事实上，正如我们今天在新闻发布会上介绍的技术报告一样，现在预训练的Scaling Law，的确，在行业现阶段，由于数据问题，遇到了一些瓶颈。

但像o1这样的Scaling，实际上像AutoGLM本身代表了Agent这样的Scaling，开辟了一条新技术，并继续向上突变。

我们几乎找到了OpenAI。 o1 Agent显示在blog中。 Scaling Law的效果是一样的。因此，下一步实际上就是如何在这种模式的基础上更好地迭代。

预先训练还有空间，但是需要新的算法，框架，数据转换。

Q：大家年初的时候，大家To B To C有许多路线。To C有GLM OS、还有生产力的应用。现在To B还在做，C端收缩成Agent。以前的OS放弃了吗？

张鹏：我不认为这是放弃。探索的过程其实是一个不断尝试和犯错的过程，对吧？事实上，可以理解为，这是我们最初对Agent的理解，现在我们可以更具体地将Agent能力结束到现在。

我们认为这些能力的作用是巨大的，所以我们把它们形象化，并不意味着那些探索毫无意义。

事实上，我们以后可以看到很多东西。今天是操作手机和电脑，明天可能是操作你的数据库和企业数据生成分析报告等等。

每个人现在只是每天对这种事情的接受程度的认识比较容易，并不意味着就像To一样。 或者公司内部没有应用。

Q：从长远来看，Agent会主要通过当前的操作系统和硬件来呈现，或者新的硬件方式会出现。你是怎么想到这个问题的？在这件事上，一个简单的定位是什么？

张鹏：我认为我们的定位是一个开放的平台，来做这件事。

前面提到的硬件问题，首先，这是一个符合世界演变和发展规律的前进方向。

我们试着改造现有的物品。不管你的权限有多大，我们先来看看是不是他最简单最直接的方式。对于新的方向，比如有人尝试，比如一些AI硬件，比如AI。 Pin，AI Rabbit，这可能是下一代智能产品的体现。

在这一波AI的帮助下，我们也希望能产生更多的想象力，更快地孵化新的应用程序，我们也会帮助大家。

Q：整个大型行业。在我们看来，未来可能遇到的最大困难是什么？

刘潇：Scaling Law仍然非常有效和重要。我们不能随便放弃他。很多时候，当你觉得自己在某个问题上做不到的时候，就不是Scaling了 Law有什么问题，但是你认为这个问题很窄。

那么怎样才能真正从算法上进行创新和优化，这是根本。

人们总是高估技术的短期影响，低估技术的长期影响，特别焦虑，但如果你转过头，等待几个月，你会发现差别很大。

欢迎交流

欢迎交流

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com