OpenAI 发布全新智能体，人机交互迎来革命性变化

2025 年 1 月，OpenAI 发布了 Operator，这篇是发布当天写的。

那天早晨，OpenAI 推出了可以根据人的需要、自己操作计算机完成购物等行为的操作员智能体。过去，如果我们想让不同应用程序或网站协同工作，往往需要依赖网站开发者预先定义好的 API 接口；而它通过模拟人类操作键盘和鼠标的方式直接完成任务，不再需要复杂的编程或预设接口。虽然之前也有可以根据屏幕内容给出操作建议的功能，但是对于键盘鼠标的主动操作和自我规划打破了次元壁，让原有的人类互联网基础设施可以直接通过自然语言完成操作，向“人机直连”又迈进了一步。

人机共生，一个全新的时代

目前的智能体还需要开发人员构建，并在使用时人为选择需要用到的智能体。下一步也许会有更多通过自然语言让普通人随用随建、并能分享给他人共用的智能体（比如以前帮家人订票、装 Office，以后可能都是分享个智能体就完成了），直至 AI 根据人的需求自己构建：用一个能够构建智能体的 AI，根据要完成的任务自动构建智能体。而我相信，AI 具备这个能力并不需要很久。在发布会的演示中，AI 对于人提出的要求有些并不知道如何操作，所以它先做的事情是通过搜索引擎获取操作方法，然后再到对应的网站进行操作。

想象一下，曾经一些可能难倒人类的“小事”，也都不再是问题。比如一个完全不知道路由器是什么的用户买了新设备，需要求助他人才能完成上网配置，以后这些都可以直接告诉 AI 来完成。其中硬件部分的操作方法，可以在计算机摄像头的支持下指导人来完成（当然类人机器人普及后，则可以直接接管所有任务了）；这个过程中如果 AI 遇到问题，甚至会自己切换到手机热点上网查询，而后再回到 Wi-Fi 环境下配置路由器。

不久的将来，查攻略、比价买机票、看购物心得再比价下单这些耗时和纠结的过程，都可以交给智能体来完成。再扩展一下，科学研究、论文写作、程序开发……甚至是教育教学，都将发生更快速和深刻的变化。

影响深远，重塑软硬件格局

操作员智能体的出现，不仅仅改变了我们与计算机互动的方式，还会对现有的硬件、应用程序设计及市场格局带来深远的影响。

广告与流量。在 AI 操作的环境下，智能体会直接执行任务，而无需人类主动观看或点击广告，广告将不再以传统方式呈现并被计数为流量。广告商需要重新思考投放策略，转而更加注重内容的真实性和实用性。

真实评价的价值提升。以后人类对于各类产品和服务的真实评价，会更具有价值。在 AI 的操作过程中，这些真实的反馈能够帮助 AI 更高效地完成后续任务，并优化操作流程。比如前面提到的 AI 自动规划旅行，就像现在某些让人反感的网红食品和打卡地点一样，商业软文会严重影响结果选择和用户最终的体验。

共生智能体的出现。同样，电子邮件的撰写、数据的统计、排版等等这些操作，都需要人用新的方式去和 AI 交互。这样面临的问题，就是人如何把自己的想法准确地告诉 AI，或者 AI 如何通过日常的交流，更加了解使用者真实的需求。所以，每个人都将需要一个共生的智能体，它掌握了与其共生的人的一切信息，能够完全了解共生者的隐性知识，这才能解决“把PPT做得更好看一点”到底是字大点还是加些图片的问题。

浏览器和终端市场的潜在变革。值得注意的是，OpenAI 在用自己内建的浏览器来完成这些操作，这种看似普通的行为背后，可能会带来一个新的浏览器市场格局。也许新的云端电脑不是微软的云 PC，而是 OpenAI 的云浏览器。一个普通人的下一台电脑不再具有强大的算力，而是拥有高速和无处不在的互联网访问能力。这就又带来了隐私等方面的新问题。在这件事上，我仍旧认为 Apple 这种可靠的本地算力能够保护个人的隐私，但这未必是市场的选择。

未雨绸缪，矛和盾同时出现

介绍视频里还强调了安全措施，设想了三种情况：恶意使用、AI 失误、互联网欺诈。杀毒软件是在计算机出现之后一段时间，才因为计算机病毒的产生而出现的应对措施；而面对如此强大的工具，它在诞生时就已经添加了防护措施。

未来，在不久的将来

手机是最近几十年出现的，智能手机发展了十多年，就在人类中划出了信息化的代际。生成式 AI 如果从 ChatGPT 3.5 发布算起，至今才两年，试想 8 年后……现在看看马斯克的脑机接口公司，不得不佩服一下这位“硅谷钢铁侠”的前瞻性。

首发于我的知识星球，2025 年 1 月。

读到这里有话想说？给我留言 →