传 OpenAI 研发下一代产品：能直接接管设备干活的 AI 智能体

如果把现在的 ChatGPT 比作一个博学但瘫痪的军师，它能给你洋洋洒洒写出几千字的方案，但要真正把方案填进表格、发到系统里，最后还得靠你自己的十根手指头。

据 The Information 报道，OpenAI 正在憋一个大招：他们正在开发一种能够直接接管用户设备的自主 AI 智能体系统。换句话说，AI 不仅要动嘴，还准备直接上手替你操纵电脑和手机了。

从动嘴到动手，替你点屏幕

现在的生成式 AI 比如 ChatGPT 或者 Google 的 Gemini，本质上还是个内容生成器。它们能生成文本、代码、图片，但要想让它们在现实设备里干活，通常需要开发者在外面搭很多胶水代码，把 AI 的文字转换成可执行的程序。

传统手机里的语音助手就更别提了，底层的模型能力远不能和大语言模型相提并论，能做的事非常有限。

而 OpenAI 正在研发的这种被称为「动作智能体」的产品，目标是获得设备的操作权限。报道里举了一个很日常的例子：用户只要下一道指令，让 AI 把一个平台上的数据复制到另一个平台上，它就能自己去办。

只要权限给够，人类在屏幕前能做的动作，理论上它都能模拟。不管是滑动、点击、双击、打字，甚至连证明你不是机器人的验证码，它可能都能顺手替你解开。

把网线和键盘交给云端

听起来这很像钢铁侠里的智能管家贾维斯，但这里面最大的雷区在于安全和隐私。

现在的顶级大模型极其消耗资源，光靠手机或笔记本上的本地芯片很难跑得动这种复杂的动作智能体。这意味着，设备的操作数据必须实时上传到云端算力中心，再由云端把动作指令下发回来。

让一家商业公司的 AI 拥有你设备的最高控制权，同时还连着外网，随时读取屏幕内容、翻看隐私数据，这在网络安全层面几乎是把大门敞开给别人。

目前 OpenAI 并没有就这个传闻给出正面回应，产品到底什么时候亮相、以什么形态落地，都还是未知数。

为什么重要

对普通用户来说，如果这种智能体真的做成了，很多枯燥的机械劳动就会彻底消失。比如每周报销贴发票、在不同内网系统之间搬运数据，你只需要说一句话，甚至不用关心它开了什么软件，人机交互的图形界面在这一步可能会直接退化成背景板。

但我们认为，短期内普通用户最好不要盲目尝鲜。把设备控制权彻底交给一个还在云端运行的黑盒模型，代价是巨大的隐私暴露风险，一旦遇到提示词注入攻击或者模型幻觉，AI 可能会误删文件甚至乱转账。

对行业而言，这一步是必然的军备竞赛。纯聊天界面的红利正在见顶，谁能率先把大模型做成能干脏活累活的操作系统级助手，谁就能卡住下一个时代的入口，这会直接逼着苹果、微软和 Google 加速跟进自己的系统级 Agent 布局。