傳 OpenAI 研發下一代產品：能直接接管裝置幹活的 AI 智慧體

如果把現在的 ChatGPT 比作一個博學但癱瘓的軍師，它能給你洋洋灑灑寫出幾千字的方案，但要真正把方案填進表格、發到系統裡，最後還得靠你自己的十根手指頭。

據 The Information 報道，OpenAI 正在憋一個大招：他們正在開發一種能夠直接接管使用者裝置的自主 AI 智慧體系統。換句話說，AI 不僅要動嘴，還準備直接上手替你操縱電腦和手機了。

從動嘴到動手，替你點螢幕

現在的生成式 AI 比如 ChatGPT 或者 Google 的 Gemini，本質上還是個內容生成器。它們能生成文本、程式碼、圖片，但要想讓它們在現實裝置裡幹活，通常需要開發者在外面搭很多膠水程式碼，把 AI 的文字轉換成可執行的程式。

傳統手機裡的語音助手就更別提了，底層的模型能力遠不能和大語言模型相提並論，能做的事非常有限。

而 OpenAI 正在研發的這種被稱為「動作智慧體」的產品，目標是獲得裝置的操作許可權。報道里舉了一個很日常的例子：使用者只要下一道指令，讓 AI 把一個平臺上的資料複製到另一個平臺上，它就能自己去辦。

只要許可權給夠，人類在螢幕前能做的動作，理論上它都能模擬。不管是滑動、點選、雙擊、打字，甚至連證明你不是機器人的驗證碼，它可能都能順手替你解開。

把網線和鍵盤交給雲端

聽起來這很像鋼鐵俠裡的智慧管家賈維斯，但這裡面最大的雷區在於安全和隱私。

現在的頂級大模型極其消耗資源，光靠手機或筆記本上的本地晶片很難跑得動這種複雜的動作智慧體。這意味著，裝置的運算元據必須即時上傳到雲端算力中心，再由雲端把動作指令下發回來。

讓一家商業公司的 AI 擁有你裝置的最高控制權，同時還連著外網，隨時讀取螢幕內容、翻看隱私資料，這在網路安全層面幾乎是把大門敞開給別人。

目前 OpenAI 並沒有就這個傳聞給出正面回應，產品到底什麼時候亮相、以什麼形態落地，都還是未知數。

為什麼重要

對普通使用者來說，如果這種智慧體真的做成了，很多枯燥的機械勞動就會徹底消失。比如每週報銷貼發票、在不同內網系統之間搬運資料，你只需要說一句話，甚至不用關心它開了什麼軟體，人機互動的圖形介面在這一步可能會直接退化成背景板。

但我們認為，短期內普通使用者最好不要盲目嚐鮮。把裝置控制權徹底交給一個還在雲端執行的黑盒模型，代價是巨大的隱私暴露風險，一旦遇到提示詞注入攻擊或者模型幻覺，AI 可能會誤刪檔案甚至亂轉賬。

對行業而言，這一步是必然的軍備競賽。純聊天介面的紅利正在見頂，誰能率先把大模型做成能幹髒活累活的作業系統級助手，誰就能卡住下一個時代的入口，這會直接逼著蘋果、微軟和 Google 加速跟進自己的系統級 Agent 佈局。