ChatGPT版的「贾维斯」真的要来了。
去年12月，OpenAI CEO Sam Altman公布了一份有趣的调查，网友们最期待OpenAI在2025年实现的技术突破中，AGI高居榜首，紧随其后的是智能体。
如今，这个期待似乎即将部分成真。
据外媒The Information援引知情人士消息，OpenAI正准备在本周推出一项名为Operator的新ChatGPT功能，能够自动通过网络浏览器完成预订餐厅或规划旅行等复杂任务。
Operator的功能设计颇具人性化，具体来说，它为用户提供了餐饮与活动、送货、购物和旅行等多种任务类别，每个类别都配有相应的建议提示。
当用户输入需求后，聊天界面会弹出一个小型浏览器窗口，实时展示Operator的操作过程。在执行任务时，它会根据需要询问细节信息，比如餐厅预订的具体时间和人数。
值得一提的是，用户不仅可以手动控制这个界面，还能保存任务并与他人分享。虽然目前Operator还不支持Gmail操作，但用户可以登录其他网站，且登录状态会在多次会话间保持。
不过，此前有消息称，Operator在执行任务时使用的截图内容可能被恶意利用，导致「提示注入攻击」，存在严重的安全隐患。
因此，即便本周官宣，也未必会立即上线，但愿这不会又是一个「期货」。针对相关置评请求，OpenAI尚未作出回应。
事实上，这类能够控制用户设备、协助完成复杂操作的AI功能正成为国内外AI企业竞相追逐的下一个风口。
去年10月，Anthropic就发布了一项名为「Computer Use」的计算机操作功能。
该功能允许开发者通过API指导Claude像人类一样操作计算机，包括查看屏幕、移动光标、点击按钮和输入文本。它标志着AI在模拟人类与计算机交互方面迈出了重要一步。
短短两个月后，Google也推出了名为Project Mariner的项目，由Google DeepMind开发，基于Gemini 2.0模型，它可以在Google Chrome浏览器上为用户执行任务。
将视野转入国内，智谱也发布了名为AutoGLM-Web的网页版自动驾驶功能。
通过智谱清言插件，用户可以让AI在百度、微博、知乎、Github等多个平台上自动检索、生成内容和互动，甚至支持跨网站操作，为用户带来「全自动」上网体验。
在OpenAI的五级AGI路线图中，智能体正是处于L3级别，其特点是不仅能思考，还能代表用户采取行动，执行复杂任务。
业内人士认为，智能体是通往通用人工智能（AGI）的必经之路，通过构建能够自主决策和执行任务的智能体，可以逐步实现更接近人类水平的通用智能。
而在这场通往AGI的竞赛中，中国科技公司也正在加速布局。
1月23日，APPSO获悉，字节豆包大模型团队已在内部组建AGI长期研究团队，代号「Seed Edge」，鼓励项目成员探索更长周期、不确定的和大胆的AGI研究课题。
有接近字节的知情人士透露，Seed Edge的目标是探索AGI的新方法，代号名中的Seed是豆包大模型团队名称，而Edge代表最前沿的AGI探索。
目前，Seed Edge初步确定了五大研究方向，包括：
探索推理能力的边界
探索感知能力的边界
探索软硬一体的下一代模型设计
探索下一代AI学习范式
探索下一个scaling方向
另外据晚点从字节内部获取的信息，字节创始人张一鸣非常重视和强调加强AI研究投入，不仅亲自研读论文、关注技术细节，还与顶尖AI研究者密切交流，并鼓励字节AI研究团队探索、研究基础课题。
在新加坡，他甚至组建了专门的研究团队，其中包括新加坡国立大学原教授、现任字节研究员的冯佳时，自2023年起担任其技术顾问。
在中国科技巨头中，字节应该是拥有大量资源且行动最为迅速的，大有All in AI之势。这场通往AGI的竞赛中，赢家或许还未可知，但改变已悄然开启。
