炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
（来源：极客公园）
当 AI 不再抢手机，手机 Agent 可能就真正可用了。
作者｜连冉
编辑｜郑玄
8 月 18 日，智谱正式发布了新的 ToC 产品 AutoGLM 2.0——一个手机通用 Agent。
3 月份发布的 AutoGLM，在操作任务时，“人只能看着，没有其他选择，也不能做其他事情”。这种本地“抢屏”的方案导致了人与机器“二选一”的局面。
比如要用一个 Agent 在手机上点一杯咖啡，用户能做的就是“看着”，等它完成任务。这种模式让 AI 带来的整体效率提升被限制在 1.x 倍的范围内，并不能实现生产力的倍增。
现在，当 AutoGLM 再次进入公众视野，情形已有所不同。在 2.0 版本的 AutoGLM 上，每位用户都将拥有一部云手机与一台云电脑，只需一句指令，Agent 便可在云端自动执行操作、跨应用协作，并完成整套任务。
这意味着 AI 可以 7x24 小时在云端独立“打工”，不再干扰前台操作，人与 AI 的协作范式，也正从“你盯着我干”的同步模式，更新为“你忙你的，我干我的”的异步并行模式。
当 AI 拥有了独立行动的“身体”和“工位”，一个新的、由 Agent 驱动的并行数字世界，似乎正在打开。
01
从“抢屏”到“云端分身”
先回到那个核心痛点。过去，无论是 AutoGLM 的早期版本，还是其他类似的尝试，AI 的每一步操作，都实时反映在用户的物理屏幕上。这种“抢屏”模式带来了几个障碍：
首先是效率问题，AI 工作时，人必须等待，人机之间是“二选一”的互斥关系。这使得总效率提升有限，并没有达到理想中的生产力倍增。
其次是执行中断的可能，锁屏、网络波动、切换应用等任何用户行为都可能中断 Agent 的长任务流。AI 难以在用户非关注时段（如睡眠、娱乐时）持续工作，其价值被大打折扣。
最后还有适配的难题，安卓系统的碎片化，让本地适配成本居高不下。每一个手机品牌、每一个系统版本，都可能影响 Agent 的稳定运行。
AutoGLM 的新方案是用“云端原生”取代“本地镜像”。它为每个用户在云端部署了一个完整的安卓环境（云手机）和一个 Linux 环境（云电脑，后续将支持 Windows）。
当用户下达指令，例如“去美团找附近的奶茶店，点 20 杯，记得用优惠券”，整个任务流——从打开 App、跳过广告、搜索店铺、选择商品、连续点击增加数量，到智能选用优惠券——这些都是在那台云端手机上运行。
而用户的物理手机则依旧自由。用户可以继续聊天、看视频，或者息屏把它放进口袋。AI 的工作与用户的操作在物理上完全解耦，互不干扰。用户只需在任务列表中查看进度，并在支付、发布等关键节点回来“确认”一下即可。
在智谱的闭门交流会上，产品负责人刘潇现场演示了这一核心体验。当他用一台 iPhone 向 AutoGLM 下达运营小红书的任务——“制作并发布一个介绍 AutoGLM 的视频，风格要适配自媒体”，Agent 在云端开始了高效工作。它高并发地搜索了十几个关键词，快速浏览多个网页，随后完成了信息收集和文案撰写，并自动开始制作视频。
而在此期间，刘潇又在云手机上演示了点奶茶和“在抖音刷到小猫视频为止”的娱乐任务。
据官方介绍，AutoGLM 目前已能在云端操作包括抖音、小红书、美团、京东在内的超过 40 款高频应用。
这背后是智谱对未来人机协作关系的洞察。智谱 CEO 张鹏在会上分享了一个观点：未来个人竞争力的核心，将是“自身能力 + N 个 AI 智能体”的总和。每个人都将从“打工者”转变为“领导者”，核心能力不再是事必躬亲地执行，而是“会沟通、会安排任务、会指挥”。
AutoGLM 的云端架构，是这一理念的产品化落地。它让 AI 开始成为了一个可以 7x24 小时并行工作的“数字员工”，打破了“AI 必须在你眼皮底下操作”的障碍，让用户可以将那些耗时、重复、甚至超出自己能力范围的任务，“外包”给这个云端分身。
在实际操作中，我试了一下用 AutoGLM 在美团小象超市买一盒椰子水，发起任务前，需要先接管云机-登录任务涉及的 app 账号-退出接管-正常发起任务，以及在支付环节也需要手动操作，其他则确实是可以自动完成，并且在任务启动前还会自己润色需求，自己加上了“用掉红包”，但就是速度堪忧，还不如自己拿手机点来的快。
图片来源：极客公园随后，我又在电脑上尝试了一个任务“在知乎热榜第一的话题下回答问题”，中间可能是因为出现了一个是否执行操作的确认点没及时确认，所以自动重启了任务，所以当我从别的页面切回去时，看到的就是下面这个情况。
图片来源：极客公园在我接管电脑确认了操作点之后，可以看到 AutoGLM 进行了一番执行：
图片来源：极客公园这个任务执行的就有点……
指令是“在知乎热榜第一的话题下回答问题”，结果只是找到知乎热榜第一的话题，然后停留在话题下就算完成任务，并没有“回答”这个操作。
或许是指令不够详细？于是我更新了一下指令，换成“找到知乎热榜第一的话题，并针对问题写 200 字的回答，写完之后直接发布”，新开了一个任务。
这次确实写了回答，但是由于系统连接限制，还是得手动提交回答：
图片来源：极客公园这是它写的两百字回答：
还有一个问题是，有一些用户在使用 AutoGLM 发布小红书内容时，遇到了会被强制下线、被锁机器码等情况，可能是触发了风控。
02
驱动 Agent 的“3A 原则”与“在线强化学习”
如果说“云手机/云电脑”是 AutoGLM 的新“身体”，那么其背后强大的模型、训练方法论和产品原则，则是这具身体得以高效运转的“大脑”。
在与团队的交流中，极客公园了解到 AutoGLM 的产品哲学可以被提炼为“3A 原则”。
这三大原则，共同构成了 AutoGLM 对一个成熟 Agent 形态的定义，也解释了其当前产品架构。
过去，许多 Agent 的训练依赖于监督微调（SFT），即学习人类专家的操作轨迹。这种方法的弊端是“泛化能力差”——AI 只会模仿它见过的操作，对于未见过的场景或界面改动，往往束手无策。
为了让 Agent 在复杂多变的真实环境中（数千个并发的手机、电脑、浏览器环境）真正具备完成任务的能力，AutoGLM 团队选择了端到端在线强化学习的技术路线。
其核心思想是，在经过少量专家数据“冷启动”后，让模型在数千个并行的真实云环境中，像人类一样去“试错”。系统不再告诉模型“下一步该点哪里”，而是只在任务最终完成时给予一个“成功”的奖励信号（Reward）。
模型必须自己探索出最优的决策路径。
这对工程的挑战是巨大的，需要一个能同时调度和监控数千台云电脑、云手机的庞大系统。
在具体的技术实现上，智谱进一步披露了其在强化学习方面的多项突破成果：例如在电脑端，提出了 API-GUI 协同范式以提升数据多样性（ComputerRL）；在移动端，则创新了难度自适应强化学习方法，以提升复杂任务的稳定性（MobileRL）；同时通过交叉采样等机制，解决了多任务训练中的不稳定问题（AgenRL）。
这些具体的技术创新，共同构成了 AutoGLM 在复杂环境中高成功率的底层保障。
据智谱披露，通过在线强化学习，AutoGLM 的任务成功率相较于冷启动阶段提升了 165%，超过 66% 的成功率增益来源于此。
“我们发现，只要能提供足够好的‘环境（Environment）’和‘奖励（Reward）’，现有算法几乎可以优化任何任务，”刘潇分享道，“瓶颈已经不在算法本身，而在于如何构建可规模化的验证和反馈环境。”
这种“模型即 Agent”的理念，也体现在其底座模型上。GLM-4.5 和 GLM-4.5V 从预训练阶段开始，就为 Agent 任务进行了深度优化，被称为“Agentic Language Model”。
从底层开始的原生设计，使得 AutoGLM 在多个公开基准测试中表现出色。比如，在考察电脑操作能力的 OSWorld Benchmark 中，AutoGLM 获得 48.1 分，超越了 ChatGPT Agent 和 Anthropic 的模型。
技术路线的先进性，带来了商业可行性上的巨大突破——成本下降。
传统基于第三方大模型 API 构建的 Agent，单次复杂任务（如 Deep Research）的成本高达 3-5 美元。而 AutoGLM 借助自研模型和一体化架构，将包含模型调用和虚拟机资源的单次任务成本，压缩到了约 0.2 美元（约 1.5 元人民币）。这已经与谷歌单次搜索约 0.02 美元的成本相差不到一个数量级。
这种数量级的成本降低，让智谱有底气在此次发布中不用邀请码，直接向所有 C 端用户开放。
成本降低，成为超级应用的潜力才能上升。
03
“工具”到“生态”
通过为 Agent 提供独立的云端运行环境和基于 GLM-4.5/4.5V 的模型能力，AutoGLM 的定位超越了单一的效率工具，开始构建一个连接多设备和服务的生态。
首先，是产品能力的纵深。除了已经展示的跨应用操作，AutoGLM 的云电脑目标是支持 Office、Photoshop 等更专业的生产力工具。
同时，即将上线的“定时任务”功能，也会是 AI 从“被动响应”迈向“半主动规划”的关键一步。想象一下，“每天早上 9 点，自动总结老板的未读邮件并发送摘要到我微信”，“工作日上午 10 点，自动在多平台比价下单我常喝的咖啡”，相当于半个秘书。
其次，是对硬件生态的赋能。目前的 AI 硬件，如智能眼镜、Pin 类设备，普遍面临算力、续航和交互的“不可能三角”。
在微型设备上堆叠重系统和大电池，体验往往不尽人意。AutoGLM 提出的解法是，让这些端侧硬件“轻量化”，只负责感知和发起指令，而将复杂的应用操作和任务执行全部交由云端的 Agent 完成。
交流会上展示的创意案例体现了这一点：连接了体重秤，当检测到用户体重超过 70kg 警戒线时，会自动触发云端 Agent 下单代餐；连接了气体传感器，当检测到鞋柜中氨气/硫化氢浓度超标时，则会自动下单除臭脚垫。
这展示了一条相对完整的“物理传感器 → 云端 Agent → 现实世界服务”的链路，让 Agent 实现了对物理世界的连接和操作。
通过开放 API 和开发者计划，AutoGLM 正在试图让“万物皆可 Agent”。
为了加速这一进程，智谱上线了“AutoGLM 移动端 API 申请通道”及“开发者生态共建计划，开发者可以申请将 AutoGLM 的云端执行能力封装进自己的硬件或软件产品中。
最后，传统互联网的流量天花板，是用户的“注意力上限”——一天只有 24 小时，用了这个 App，就没时间用那个。
Agent 创造了一种新的流量形态：并行且由需求驱动。当你只有一个单线程的注意力时，可以派出无数个并行的 Agent，帮你研究旅行攻略、对比全网物价、筛选工作资料。
这种由 AI 代理人类去使用服务的模式，可能会极大地扩充整个互联网的有效流量池。而且，这种流量是带着明确“成交意图”的高质量流量，商业价值相对更高。
从另一个角度看，Agent 单任务平均超过 256k tokens 的消耗，也对上游的推理基础设施提出了 32 倍于传统对话场景的需求和价值密度。
在分享会的结尾，刘潇提出了一个关于 AGI（通用人工智能）的阶段性定义，他称之为“AGI 的下限”。
当一个 Agent 能自主稳定地运行一整天（24 小时），作为你的同事或秘书，协同完成工作与生活任务，使你的综合效率提升超过 2 倍时，AGI 的曙光初现。
AutoGLM 的这次进化，或许离这个“下限”还有距离。它仍处于早期形态，对指令的理解还很初级，也存在一些 Bug。但通过构建“云端分身”这一核心架构，它确实开始在为 Agent 的“独立行走”铺平道路。
从同步操作转变为异步委托，或许是人机协作范式的转变的开始，未来的个人竞争力可能取决于“自身能力+N 个 AI 智能体”的模式，用户通过下达指令，让多个 AI 并行完成任务，从而根本性地改变个人处理日常与工作事务的方式。
更理想化一点，也许，一个你只需动动嘴，就有无数个数字分身为你打理数字世界的未来正在展开。
*头图来源：极客公园
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
极客一问
你如何看待智谱 AutoGLM 2.0？