亞馬遜推出 Nova Act：能操控瀏覽器的 AI Agent，還要塞進 Alexa+

讓 AI 自己開啟瀏覽器幫你訂外賣或者填報銷，聽上去很美，但現實中往往慢得像樹懶，還經常點錯按鈕。

Amazon 正式推出了自己的通用瀏覽器 AI Agent，名叫 Nova Act，配套上線的還有 Nova Act SDK。開發者現在可以在 nova.amazon.com 上申請體驗這個研究預覽版。

從點沙拉做起，不搞虛的完全自主

Nova Act 是 Amazon 設在舊金山的 AGI 實驗室拿出來的第一個公開成果。這個實驗室由去年挖來的兩位前 OpenAI 研究員帶隊，一位是 Adept 創始人 David Luan，另一位是機器人公司 Covariant 聯合創始人 Pieter Abbeel。

有意思的是，作為一家 AGI 實驗室，他們拿出來的第一個產品竟然是幫人訂沙拉。David Luan 覺得這並不違和，在他看來，所謂 AGI 就是能幫人類搞定在電腦上能做的一切事情的 AI。

但他們這次走得比較務實。Nova Act 專門用來穩定處理那些耗時短、步驟簡單的事情，比如去 Sweetgreen 點餐、在日曆上選日期、在網頁上填表單。更重要的是，SDK 允許開發者非常精準地設定人工何時接管，換句話說，Amazon 沒打算現在就硬衝「全自動」，而是把「半自動但靠譜」擺在第一位。

在 Amazon 自己的測試裡，Nova Act 在評估螢幕文字互動能力的 ScreenSpot Web Text 上拿到了 94% 的成績，超過了 OpenAI CUA 的 88% 和 Anthropic Claude 3.7 Sonnet 的 90%。不過，Amazon 並沒有公佈它在業界更通用的 WebVoyager 基準上的測試表現。

為什麼重要

OpenAI 拿出了 Operator，Anthropic 拿出了 Computer Use，瀏覽器 Agent 賽道早就擠滿了各路神仙。但 Amazon 手裡有一張別人做夢都想要的底牌：千家萬戶客廳裡的 Echo 音箱。

Nova Act 的最終歸宿很明確，它將成為多次延期的 Alexa+ 升級版背後的核心技術。過去 Alexa 只能幫你設個鬧鐘、放首周杰倫，如果 Nova Act 能把訂餐廳、買日用品這類跨網頁操作跑順，它很可能是普通消費者人生中第一次真正用上所謂「AI Agent」。這種現成的終端觸達能力，是純模型公司比不了的。

我們認為，Amazon 這次選擇把目標切碎、主打短流程任務並加入人工干預機制，走得非常清醒。現在無論是 Claude 還是 Operator，最大的毛病都是一旦鏈條變長就會犯一些莫名其妙的低階錯誤。與其吹噓完全放手，不如老老實實當個靠譜的填表打下手工具。

但這裡也有隱患。Amazon 繞開了通用的綜合基準，只挑了對自己有利的單項測試，說明 Nova Act 面對複雜的網頁邊角情況時，大機率還是會遇到對手們同樣的翻車難題。Alexa+ 已經跳票太久，Nova Act 如果在實際產品裡頂不住，不僅救不了這代智慧助手，還會讓普通使用者對 Agent 的信任度大打折扣。