亚马逊推出 Nova Act：能操控浏览器的 AI Agent，还要塞进 Alexa+

让 AI 自己打开浏览器帮你订外卖或者填报销，听上去很美，但现实中往往慢得像树懒，还经常点错按钮。

Amazon 正式推出了自己的通用浏览器 AI Agent，名叫 Nova Act，配套上线的还有 Nova Act SDK。开发者现在可以在 nova.amazon.com 上申请体验这个研究预览版。

从点沙拉做起，不搞虚的完全自主

Nova Act 是 Amazon 设在旧金山的 AGI 实验室拿出来的第一个公开成果。这个实验室由去年挖来的两位前 OpenAI 研究员带队，一位是 Adept 创始人 David Luan，另一位是机器人公司 Covariant 联合创始人 Pieter Abbeel。

有意思的是，作为一家 AGI 实验室，他们拿出来的第一个产品竟然是帮人订沙拉。David Luan 觉得这并不违和，在他看来，所谓 AGI 就是能帮人类搞定在电脑上能做的一切事情的 AI。

但他们这次走得比较务实。Nova Act 专门用来稳定处理那些耗时短、步骤简单的事情，比如去 Sweetgreen 点餐、在日历上选日期、在网页上填表单。更重要的是，SDK 允许开发者非常精准地设置人工何时接管，换句话说，Amazon 没打算现在就硬冲「全自动」，而是把「半自动但靠谱」摆在第一位。

在 Amazon 自己的测试里，Nova Act 在评估屏幕文字交互能力的 ScreenSpot Web Text 上拿到了 94% 的成绩，超过了 OpenAI CUA 的 88% 和 Anthropic Claude 3.7 Sonnet 的 90%。不过，Amazon 并没有公布它在业界更通用的 WebVoyager 基准上的测试表现。

为什么重要

OpenAI 拿出了 Operator，Anthropic 拿出了 Computer Use，浏览器 Agent 赛道早就挤满了各路神仙。但 Amazon 手里有一张别人做梦都想要的底牌：千家万户客厅里的 Echo 音箱。

Nova Act 的最终归宿很明确，它将成为多次延期的 Alexa+ 升级版背后的核心技术。过去 Alexa 只能帮你设个闹钟、放首周杰伦，如果 Nova Act 能把订餐厅、买日用品这类跨网页操作跑顺，它很可能是普通消费者人生中第一次真正用上所谓「AI Agent」。这种现成的终端触达能力，是纯模型公司比不了的。

我们认为，Amazon 这次选择把目标切碎、主打短流程任务并加入人工干预机制，走得非常清醒。现在无论是 Claude 还是 Operator，最大的毛病都是一旦链条变长就会犯一些莫名其妙的低级错误。与其吹噓完全放手，不如老老实实当个靠谱的填表打下手工具。

但这里也有隐患。Amazon 绕开了通用的综合基准，只挑了对自己有利的单项测试，说明 Nova Act 面对复杂的网页边角情况时，大概率还是会遇到对手们同样的翻车难题。Alexa+ 已经跳票太久，Nova Act 如果在实际产品里顶不住，不仅救不了这代智能助手，还会让普通用户对 Agent 的信任度大打折扣。