“你好，贾维斯。”“随时为您效劳，先生。”

　　漫威电影《复仇者联盟》中，钢铁侠与AI智能管家贾维斯的亲密互动，呈现了一个高级智能体的理想形态。随着技术的飞速发展，AI智能体正逐步走进现实。

　　当前，AI大模型在复杂任务推理、视觉处理、计算机控制等方面展现出了卓越的能力，加之更加流畅的人机交互体验，为高级智能体的发展奠定了坚实基础。智谱AutoGLM等AI助理工具的出现，更是将这一趋势推向高潮。

　　这类AI助理工具通过接收文字或语音指令，即可模拟人类操作手机，解决日常琐事。目前，它们已支持微信、淘宝、美团、大众点评、小红书、高德地图、12306、携程等App的常规跨页面操作，在订票、点外卖等日常场景中，充分解放了用户的双手。这一创新在资本市场掀起了硬件智能化的风潮。

　　科技巨头如微软、谷歌等，也在积极投身AI助理的研发。微软近期开源了AI工具OmniParser，助力用户创建个性化智能体；并在Dynamics 365中集成了10个自主AI Agent，支持OpenAI最新模型o1，具备自主学习能力，可自动执行跨平台复杂业务。此外，微软还推出了Windows Agent Arena基准框架，同样属于AI助理开发范畴。

　　谷歌则计划在12月预览其大型动作模型“Project Jarvis”，旨在帮助用户执行诸如收集研究、购买产品或预订航班等任务。Anthropic公司也为大模型Claude迭代了Computer Use新功能，使AI能够像人一样操控电脑，包括移动光标、点击按钮和输入文本。

　　苹果则将Siri与ChatGPT集成，实现了更智能的人机交互。同时，苹果还发布了Ferret-UI的两个实现版本，这是苹果今年5月发布的一项新技术，可让AI理解手机屏幕。

　　华为同样不甘落后，公布了一项可让AI像人类一样操作手机的新研究成果。该团队提出了一个名为Lightweight Multi-modal App Control（轻量级多模态应用控制，简称LiMAC）的手机控制架构。

　　OpenAI也开源了多功能协同AI Agent——Swarm，可创建多个智能体协同工作，以更高效地完成任务。其GPT o1模型在推理能力上得到显著增强，使其在复杂问题的解决和用户交互的自然性方面均表现出色，更加适用于AI Agent场景。

　　OpenAI CEO阿尔特曼在一次访谈中分享了对AI助理的看法，他认为AI助理能够像一个聪明的同事一样，与用户一起合作完成项目，并根据回答问题所需的计算量定价。

　　AI助理的应用场景广泛，涵盖B端和C端，可扮演智囊、管家、代理人等多重角色。作为个人助理，它可进行日程管理、信息查询、任务自动化；在制造业、物流、医疗、教育等领域，通过自主学习和优化，AI助理可实现智能监控、数据分析、流程优化、决策支持、互动交流等高级功能。

　　随着应用场景的不断落地，AI助理正孕育着巨大的商业空间。对于AI助理服务的提供方、搭载AI助理的硬件生产商以及连接AI助理的应用方而言，新的盈利模式有望从中诞生。产业端方面，苹果、荣耀、三星等终端厂商已开始发力基于AI助理技术的边端AI功能。

　　在硬件厂商纷纷拥抱AI的时代，AI助理或将成为终端智能化的突破口。中信证券表示，AutoGLM等终端AI助理技术将带来更短路径的交互形式，为消费者带来极大便利，有望成为AI终端的亮点功能并吸引消费者升级换代。

　　华泰证券也认为，AI助理是通往AGI的核心基础，其落地将带来多个层次的产业机遇。Agent+终端有望推动人机交互变革，对终端应用的商业模式产生深远影响。

　　然而，尽管AI助理在交互性、自主操作等方面表现出色，但与人们期待的“贾维斯”相比，仍有一定差距。目前，AI助理在处理复杂任务时仍需用户提供精细化的指令，且能打开的App有限。此外，AI助理在应对突发情况、比价等方面也存在不足。

　　除了技术问题外，AI助理的落地还面临一系列非技术因素，如数据隐私与安全问题、自主决策的伦理困境、责任归属问题以及算法偏见与歧视等。为了实现更深度的操作，AI助理需要获取用户手机的无障碍权限，并与企业其他系统集成。这如何避免隐私泄露？如果AI做出了错误判断，责任应由谁承担？

　　如何在便利与安全之间找到平衡，将是未来AI助理发展必须面对的挑战。我们与高级智能体之间仍有很远的距离，但技术的每一次进步都在拉近这一距离。让我们共同期待未来的智能生活。