“AI 操作系統(tǒng)”時代已至2024

計算機計算機/行業(yè)專題報告/2024.12.01“AI操作系統(tǒng)”時代已至投資評級投資評級:看好(維持)Agent由于其C端入口特性，有望成為首個“爆款”AI應(yīng)用。當前市場中長期缺乏“爆款”AI應(yīng)用，我們認為主要系C端大眾對AI的感知度仍然較低，盡管有大量可下載、可付費的AI應(yīng)用存在，但從廣大用戶體驗來講，各類AI軟件對其生活重塑的邊際變化不大。而近期，包括手機端蘋果、榮耀、Vivo等，以及PC端聯(lián)想等廠商上新操作系統(tǒng)級Agent作為新的人機交互形態(tài)，以端側(cè)入口形式首次深入群眾，令其“被迫”體驗接受新的操作范式，有望打造首個“爆款”AI分析師楊燁分析師李宇軒1.《智駕月報：10月車市環(huán)比向好，文遠知行上市》2024-11-182.《計算機行業(yè)2025年投資策略：多維共振，精彩紛呈》2024-11-173.《外政預(yù)緊，內(nèi)需預(yù)旺，國產(chǎn)科技迎騰飛機遇》2024-11-10Agent能力。智譜的Agent能力主要來源于其底層大模型的訓(xùn)練與迭代：CogAgent是18B參數(shù)的視覺語言模型（VLM專門用于GUI理解和導(dǎo)航，基于視覺語言模型CogVLM并結(jié)合高分辨率交叉模塊，實現(xiàn)了高效GUI推理；AutoWebGLM分析師楊燁分析師李宇軒1.《智駕月報：10月車市環(huán)比向好，文遠知行上市》2024-11-182.《計算機行業(yè)2025年投資策略：多維共振，精彩紛呈》2024-11-173.《外政預(yù)緊，內(nèi)需預(yù)旺，國產(chǎn)科技迎騰飛機遇》2024-11-10GLM-Phone：可實現(xiàn)跨APP操作、支持超長任務(wù)流程、支持更多主流APP，針對手機端應(yīng)用提供了新的解決方案，顯著擴展了其在手機端的應(yīng)用場景和操作能力2）GLM-PC：辦公領(lǐng)域?qū)⒂瓉砩a(chǎn)力躍升，GLM-PC可實現(xiàn)會議替身、文檔處理、網(wǎng)頁搜索與總結(jié)、遠程和定時操作等3）GLM-Car&More：Agent為AI終極形態(tài)，加速萬物智能、萬物互聯(lián)，未來Agent有望滲透至各類智能設(shè)備，落地AI原生設(shè)備，實現(xiàn)設(shè)備主動服務(wù)用戶。投資建議：見正文。風(fēng)險提示：技術(shù)迭代不及預(yù)期；商業(yè)化落地不及預(yù)期；政策支持不及預(yù)期；全球宏觀經(jīng)濟風(fēng)險。謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準2 4 6 6 82.3AutoGLM：圖形用戶界面的自主基礎(chǔ)Agent，可用于網(wǎng)頁瀏覽與安卓手機操作 4 5 6 7 8 9 9 謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準3 謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準41AI+OS，操作系統(tǒng)級Agent開啟人機交互革命并利用工具自主執(zhí)行動作的智能化應(yīng)用，其包括規(guī)劃、記憶、工具、行動四大核眾多細分行業(yè)的應(yīng)用智能化與流程自動化，包括辦公、金融、醫(yī)療、法律、教育、創(chuàng)意設(shè)計等。不過其中一些非交互性、高度流程化的應(yīng)用功能，也存當前市場中長期缺乏“爆款”AI應(yīng)用，我們認為主要系C端大眾對AI的感知度謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準5十個網(wǎng)站的無人駕駛；GLM-PC啟動內(nèi)的技術(shù)探索，涵蓋會議代理、文檔處理、網(wǎng)頁搜索與總結(jié)、遠程及定時操作、隱作電腦，目前仍處于測試階段，而當前智譜已實現(xiàn)了Agent技術(shù)似，存在環(huán)境的反饋監(jiān)督，以及隨著推理訓(xùn)練時間的增加，模型能力也顯著用、短距離的任務(wù)復(fù)雜度，但當計算量突破一定程度模型突然能夠?qū)崿F(xiàn)跨應(yīng)用長距離的復(fù)雜任務(wù)，同時還能在從未訓(xùn)練過的環(huán)境執(zhí)行命令，泛化能力顯數(shù)據(jù)來源：智譜清言官方發(fā)布會，財通證券研將會成為全新生產(chǎn)力工具，汽車+AI將會讓車成為人們的智能第三生活空間，大Agent技術(shù)不僅在操作系統(tǒng)和應(yīng)用層面引領(lǐng)用戶體驗的革新，更將這一變革延伸謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準6數(shù)據(jù)來源：智譜清言官方發(fā)布會，財通證券研2建立交互數(shù)據(jù)集，深耕Post-Training，獲得“從Chat走向Act”通用Agent能力受1120×1120的高分辨率圖像輸入，使其能夠識別微小的頁面元素和文本。CogAgent是基于預(yù)訓(xùn)練的VLM（理高分辨率輸入。添加該模塊主要是因為高分辨率圖像會導(dǎo)致極大的計算時長和內(nèi)存開銷：視覺語言模型通常將文本和圖像特征序列連接起來作為輸入提供給解圖像能夠有效地描繪大多數(shù)物體和布局，然而在清晰呈現(xiàn)文字方面有分辨率模塊強調(diào)與文本相關(guān)的特征，對于理解圖形用戶界面至關(guān)重要。因此，該謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準7分辨率圖像中各種大小、方向和字體的文本能力，數(shù)據(jù)包括來自語言預(yù)訓(xùn)練數(shù)據(jù)員以問答的形式標注了屏幕元素、潛在任務(wù)和操作方法。同時還利用Mind2Web謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準8CogAgent作為一個通用的視覺語言模型，在眾多視覺問答基準與富含文本的視覺問答基準測試當中都表現(xiàn)優(yōu)異，尤其相比通用模型有明顯得分優(yōu)勢，與微調(diào)專業(yè)模型相比也屬于領(lǐng)先梯隊。此外，CogAgent在PC和然后由自動化瀏覽程序執(zhí)行這些決策。該模型有幾大創(chuàng)新點解決了傳統(tǒng)LLM的謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準9頁上操作的通用性：鑒于人工成本高昂以及當前大模型在自動數(shù)據(jù)生成的不足，作者在網(wǎng)頁識別、簡單任務(wù)操作、復(fù)雜任務(wù)操作構(gòu)建方面都采用了人機混合的方法，人工篩選網(wǎng)站并構(gòu)建網(wǎng)頁操作類型分割，大模型輔助生成任務(wù)和操作意圖。輸出與正確答案相結(jié)合，構(gòu)建具有正負對的對比數(shù)據(jù)，讓模型通過認識自己的錯誤進行強化學(xué)習(xí)；拒絕采樣微調(diào)采用監(jiān)督學(xué)習(xí)模型來生成推理路徑，獎勵模型會收集準確并拒絕錯誤的路徑，隨后將其用作擴充的微調(diào)數(shù)據(jù)集。謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準10鍵。數(shù)據(jù)集構(gòu)建分為兩個主要階段，第一階段是網(wǎng)頁識別任務(wù)和簡單任務(wù)操作構(gòu)任務(wù)操作數(shù)據(jù)集的主要目標是訓(xùn)練模型執(zhí)行單步網(wǎng)絡(luò)操作。這包括在網(wǎng)頁上執(zhí)行基本功能，如點擊鏈接、填寫表單或?qū)Ш降教囟ú糠?。l通過復(fù)雜網(wǎng)絡(luò)任務(wù)開發(fā)數(shù)據(jù)集，使模型能夠在網(wǎng)絡(luò)瀏覽場理。數(shù)據(jù)集中的每個樣本都包含復(fù)雜網(wǎng)絡(luò)瀏覽任務(wù)、完成該任務(wù)的操作序列以及每一步的意圖。通過瀏覽器插件，利用人工標注來捕獲網(wǎng)頁任務(wù)執(zhí)行情（中文-英文）基準AutoWebBench，并評估了謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準11據(jù)集當中缺乏決策數(shù)據(jù)，互聯(lián)網(wǎng)包含大量的靜態(tài)人類知識，無法充分捕捉人類決現(xiàn)實世界環(huán)境的直接交互，要么通過從合成軌跡中學(xué)習(xí)。戶交付的可部署的Agent系統(tǒng)。其中包括了兩個創(chuàng)新的設(shè)計：如點餐、打車、查詢信息并發(fā)布等常見場景下取得較高成功率，加速Agent進入謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準12圖10.通過AutoGLM在美團App上“點一杯半糖瑞幸熱椰奶拿鐵”謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準133GLM多端Agent家族，打造手機、PC、汽車等終端交互入口的解決方案，顯著擴展了其在手機端的應(yīng)用場景和操作能力，標志著智能手機人機交互進入了一個全新的高度。通過在淘寶進行產(chǎn)品復(fù)購的案例，表明前版本的謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準14之間篩選價格更實惠的肯德基套餐并下單購買，表明在已有功能的基礎(chǔ)上，升級在“打開美團選擇肯德基并下單全家桶—切換餓了么搜索商品—對比價格后訂單”等任務(wù)中，達成多個平臺間的的數(shù)據(jù)傳遞和智能化決策，而無需用戶手動干預(yù)，等平臺外，新增了抖音、微博、餓了么、京東、拼多多等更多主流平臺。這意味頻娛樂和外賣服務(wù)，提供了一站式的操作體驗。文本、圖片等）進行理解并提取關(guān)鍵信息，且能夠根據(jù)所得信息，通過邏輯規(guī)劃和動態(tài)交互完成任務(wù)規(guī)劃，并分步驟拆解及逐一完成，在此過程中實現(xiàn)了不同階段的數(shù)據(jù)傳遞，能夠在短時間內(nèi)快速完成復(fù)雜任務(wù)。謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準15群聊并識別群用戶板塊，逐個循環(huán)進行首條朋友圈動態(tài)點贊（指進入-點贊-退出-情景，滿足自動化處理高頻重復(fù)操作的需求，減少用戶的謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準16），時執(zhí)行任務(wù)）等。GLM-PC是能夠幫助用戶操作文字等，并自動操作電腦。例如在會議替身場景下，用戶發(fā)布指令“加入這個飛能夠大幅提升用戶辦公效率，有望成為未來桌面端的必備數(shù)據(jù)來源：智譜官方微信公眾號，財通證券研數(shù)據(jù)來源：智譜官方微信公眾號，財通證券研謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準17數(shù)據(jù)來源：智譜官方微信公眾號，財通證券研數(shù)據(jù)來源：智譜官方微信公眾號，財通證券研謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準18單的文字指令讓其搜索特定網(wǎng)頁、查找商品或總結(jié)文章內(nèi)容，對百度、微博、知乎、Github等數(shù)十個網(wǎng)站實現(xiàn)自動操作。這體現(xiàn)了WebAgent在提升用戶體驗、謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準19智能語音助手，可通過簡單的語音指令激活，對調(diào)節(jié)車內(nèi)環(huán)境、設(shè)置導(dǎo)航、播放音樂、查詢天氣等要求迅速響應(yīng)并精準執(zhí)行，全面提戶。通過全域數(shù)據(jù)的快速整合與深度洞察，Agent將具備快速處理復(fù)雜任務(wù)的能間的推移逐步學(xué)習(xí)用戶的需求與偏好，從而提供更加個性化的服務(wù)，真正做到與圖24.智譜與小鵬合作的“AI小P”謹請參閱尾頁重要聲明及財通證券股票和行業(yè)評級標準20數(shù)據(jù)來源：智譜清言官方發(fā)布會，財通證券研4投資建議Agent在PC端實現(xiàn)落地，辦公領(lǐng)域AI軟件有望加速推廣，辦公軟件廠路，以及其他智能終端包括掃地機、割草機等有望受益，建議關(guān)注聯(lián)想集團、傳音控