1月24日，OpenAI釋出了首個AI Agent產品Operator，憑藉能夠為你訂機票、點外賣的功能，再次引發國內外媒體的關注。
沒過多久，知名的AI搜尋軟體Perplexity也推出一款Agent產品，能在安卓手機上自動呼叫其他APP，做類似的事情。
1月23日，王煜全在直播中和大家分享了AI產業最新趨勢，提到2025年Agent會最熱門的賽道，直播結束Agent之爭的序幕已經拉開。
今天我們為你詳細梳理一下Agent是什麼？為什麼OpenAI的Agent是個產業訊號？
如果你想了解王煜全關於Agent趨勢的詳細分析，歡迎點選文首入口，加入前哨科技特訓營獲取。
1.Agent究竟是什麼？
在探討OpenAI的最新產品之前，我們有必要了解一下Agent是什麼，以及這個技術概念的發展歷程：
Agent今天成為AI領域的熱詞，但這個技術概念其實已經存在並演化70年以上。
早期理論階段（1950-1990年代）人工智慧概念誕生之初智慧代理（Intelligent Agent）的概念就已經出現了，1959年由Selfridge在論文中正式提出。
最初的Agent指能夠感知環境並作出反應的計算機系統，這個階段Agent主要停留在理論研究層面。
本週王煜全直播PPT報告，加入特訓營立刻獲取
軟體代理時代（1990-2010年代）隨著網際網路的發展，出現了第一代軟體Agent，比如自動化爬蟲、郵件過濾器等，能夠按照規則自動完成任務的系統成為當時的Agent產品。
這一時期的Agent在今天看來就是固定規則執行的軟體，並沒有真正的智慧。
智慧助手時代（2010-2022年）Siri、Alexa等智慧助手的出現，讓Agent又迎來一輪小的炒作，藉助早期的語音識別技術，IT產品具備一些簡單的自然語言互動能力，有了看起來更加智慧化的Agent能力。
但這個階段的Agent仍然侷限於簡單的指令執行和資訊檢索。
AI大模型驅動的Agent革命（2022年至今）2022年底，AI大模型的突破，為Agent帶來了強大的理解能力和推理能力。
這次Agent開始能夠處理複雜任務，理解上下文，並做出相對智慧的決策，透過一些框架設計也有了類似反思的能力。
Agent從單純的程式逐步演變為具有一定自主性的智慧體。隨著OpenAI等公司的新產品釋出，我們正在進入Agent的實用化階段。
2.OpenAI的Operator
OpenAI的Operator，被官方定義為“能夠為你執行網路任務的AI智慧體”，是一款具備高度自主性的智慧系統。
用人話說，Operator可以自動執行使用者的任務，例如訂購食品雜貨、預訂航班、填寫表格。使用者只需向 Operator 發出指令，它就能理解使用者的意圖並執行相應操作。
Sam Altman參與演示Operator訂餐
Operator 的核心技術是 CUA (Computer-Using Agent) 模型 。CUA 結合了 OpenAI 的多模態 GPT-4o 大型語言模型和強化學習技術，使其能夠像人類一樣“看到”和“操作”計算機螢幕 。
為了提高安全性，Operator 將透過內建瀏覽器訪問網站，並使用虛擬滑鼠和鍵盤執行操作 ，定期擷取螢幕截圖，以檢查任務執行情況 。
目前，Operator在美國面向ChatGPT Pro使用者開放，該功能OpenAI也正在與DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack和Uber等公司合作，確保Operator能夠真正幫助使用者完成任務。
3.Operator會引領Agent變革嗎？
很多媒體和使用者看到Operator就認為OpenAI又要掀起新變革，但在我們看來這只是產業爆發的重要訊號，而且OpenAI能否引領Agent變革也是個未知數。
首先，Computer-Use的Agent正規化並非OpenAI首創。Anthropic在2024年10月就推出了自家的Computer Use正規化。
Anthropic的Claude 3.5 Sonnet模型，在經過相應的軟體設定後，已經能夠按照使用者的指令移動滑鼠、點選相關位置，模仿人類與計算機互動的方式。
其次，Operator的真實效能離可用還有很遠的距離。從OpenAI官方公佈的測試資料看，最高的準確率也只有87%，技術上確實有巨大進步，但遠未達到自動為你完成任務的程度，肯定經常會出錯，讓使用者介入管理，甚至重新來過。
OpenAI官方也提到Operator的應用有很多困難，面對日曆這樣花花綠綠複雜介面出錯率很高，一些網站阻止了 OpenAI 的網路爬蟲，導致 Operator 無法訪問這些網站 。
最後，Operator真正的價值是讓更多開發者有機會加入到Agent創業中。
在Operator和Claude的“計算機使用”功能釋出之前，Agent的概念已經在ToB領域引發廣泛關注。
Langchain、Dify等Agent開發框架已經應用到了企業開發中，微軟、谷歌、亞馬遜這三個雲巨頭也早已提供Agent開發的服務。
但是這些技術都太過專業，加上Agent會頻繁呼叫AI大模型，使用成本並不低，只能服務少數開發者使用，這也是Agent雖然聲量很大，但大家平時都不這麼見得到的原因。
OpenAI下場推出Agent產品，更像蘋果為手機新功能釋出示範的APP，微軟推出的官方電腦，為下游整合、開發商們展現新功能的潛力，帶動更多人投入開發，推出更具創新價值的產品。
雖然很多人將Agent視為新技術突破的關鍵點，但我們必須要注意到Agent的本質並非單純的技術，而是多種技術組合而成的產品。
打造真正具有變革性的產品，不是技術一個指標說了算的，更要洞察使用者需求，還要能快速迭代產品，佔據市場先發位置。
對於身處大模型競賽裡的OpenAI，這一切都太過分散資源，很難成為重點投入的方向。
那麼我們該如何分析Agent的未來趨勢，從哪裡觀察未來風口呢？
王煜全在本週直播中已經回答了這個問題，歡迎長按二維碼觀看本週直播回放，洞察Agent的未來。