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：

1. 打开 Google 搜索，输入关键词。
2. 筛选符合条件的餐厅，分析位置、评分等因素。
3. 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！