今年春节，你“AI”了吗？下达一条指令，让AI 帮忙群发拜年微信；想吃火锅，让AI在网上搜索需要准备的食材，再自主“丝滑”转向外卖平台下单，甚至可以跨平台比价……上述场景已经成为现实，也是我们当前在生活中能够体验到的“初阶”智能体（AI Agent）。

随着人工智能技术的飞速发展，人类与机器的互动方式正在发生转变，AI 从只有对话功能，进化为“有手、有脑、有眼睛”的“Agent”，成为能够代表用户或其他系统自主执行任务的系统或程序。

春节前，AI Agent行业又有新动作。1月23日，智谱发布了基于智谱多模态大模型 CogAgent 的GLM-PC，作为“电脑智能体”，其能像人类一样“观察”和“操作”计算机，协助用户高效完成各类电脑任务。紧接着，24日，OpenAI也发布了AI Agent应用Operator，Operator是一个面向浏览器的智能体，能够模拟人类操作计算机的能力，完成在线订餐、预订酒店、购买机票等日常繁琐、重复任务。

“AI Agent不是一个新概念，其提出可追溯到几十年前。”研究机构Gartner研究总监闫斌介绍。人们关于AI Agent的想象与讨论也体现在了影视作品中，包括《2001太空漫游》《终结者》《机械姬》等一些经典科幻电影。

Gartner在2024年的一份报告中，用五个维度对AI Agent进行了归纳，包括适应性，即AI Agent能够根据环境或目标的变化调整其行为和策略；主动性，即AI Agent可以预测未来情况，做出战略决策，并提前采取行动以实现目标；目标复杂度，即AI Agent能够管理和执行涉及多个、相互关联的目标的任务；环境复杂度，即AI Agent能够在具有高度不确定性和变化性的环境中导航和执行任务；自治程度，即AI Agent可以在最少甚至无人工干预的情况下独立运行。

“一个完备的Agent 需要有三方面能力，首先是感知能力，能接收文字、图像、视频、音频等多元信号；第二是决策能力，能够自主进行推理和任务规划；第三是执行能力。”闫斌总结说。

“大语言模型的发展，让人工智能对于用户意图的理解感知经历了一次‘大飞跃’。此外，大模型调用各类工具的能力有明显提升，拥有了不错的执行能力。这些都是 Agent投入使用的关键‘技术条件’。”闫斌解释了为什么近来各家公司关于Agent的动作开始加快。

OpenAI总裁格雷格·布罗克曼（Greg Brockman）认为2025年将是Agent之年。事实上，多位行业人士认为2025年智能体相关应用或将迎来一轮爆发。

“2025年，AI Agent有望成为新一年最重要的产品形态，引领AI从传统的‘工具’角色向更具互动性与协作性的‘伙伴’角色转变。”大模型企业Minimax副总裁刘华介绍，大模型准确率的提升，以及成本的大幅降低，加速推动了智能体应用落地。“长上下文（Long-context）是Agent的重要能力，它能增强AI的‘记忆’，这也是为什么我们在今年年初开源了MiniMax-01新一代模型。”

值得一提的是，此次智谱和OpenAI发布的智能体，都无需依赖API或特定网站就能完成所有自动化操作。以Operator 为例，其在 GPT-4o 的基础上专门对视觉UI界面的理解和交互进行了额外专项训练。智谱GLM-PC是通过对屏幕截图的分析，识别页面元素，然后使用鼠标和键盘进行模拟。

行业人士表示，上述创新功能的实现，对于Agent功能扩展具有重要意义。“这种交互方式，可以将Agent与API 的紧耦合关系解绑，以适配更多的应用场景。Agent 有望成为多应用的统一入口，成为新时期互联网的‘门户’。”

不过，闫斌也提示了现阶段Agent应用的一些风险。“与感知和执行相比，当前Agent在决策阶段的准确度可以说是‘短板’。全球来看皆是如此。一些小朋友都可以解决的推理问题，Agent还是会犯一些低级错误。在一些需要结合下文或者需要行业背景的问题中，Agent的规划能力也显得不足。”

隐私与数据安全是一道红线。当AI助手可以自动操作人类的电脑、手机，代替人类使用各种APP，相关风险也随之而来。行业人士表示，数据泄露和隐私泄露、网络安全和欺诈以及不可靠输出等问题均需纳入视野。

可以看到，围绕风险控制，相关企业已经采取了一些防范措施。如涉及金钱交易、个人信息填写等敏感环节时，Operator系统会暂停当前操作并向用户发送通知，等待进一步指示。智谱也表示，其Agent产品不会主动获取用户的个人隐私信息，涉及交易、支付等重要操作的步骤也会向用户进一步询问是否执行；每次重启AutoGLM功能，都会重新向用户申请无障碍权限等。

来源：新华财经