科技猎智谱推出AutoGLM 2.0：手机 Agent 的「Manus 时刻」？
8月18日，智谱正式发布了新的ToC产品 AutoGLM 2.0——一个手机通用 Agent。
3月份发布的 AutoGLM，在操作任务时，「人只能看着，没有其他选择，也不能做其他事情」 。这种本地「抢屏」的方案导致了人与机器「二选一」的局面 。
比如要用一个 Agent 在手机上点一杯咖啡，用户能做的就是「看着」，等它完成任务。这种模式让 AI 带来的整体效率提升被限制在 1.x 倍的范围内，并不能实现生产力的倍增。
现在，当 AutoGLM 再次进入公众视野，情形已有所不同。在2.0版本的 AutoGLM上，每位用户都将拥有一部云手机与一台云电脑，只需一句指令，Agent 便可在云端自动执行操作、跨应用协作，并完成整套任务。
这意味着 AI 可以 7x24 小时在云端独立「打工」，不再干扰前台操作，人与 AI 的协作范式，也正从「你盯着我干」的同步模式，更新为「你忙你的，我干我的」的异步并行模式。
当 AI 拥有了独立行动的「身体」和「工位」，一个新的、由 Agent 驱动的并行数字世界，似乎正在打开。
一、从「抢屏」到「云端分身」
先回到那个核心痛点。过去，无论是 AutoGLM 的早期版本，还是其他类似的尝试，AI 的每一步操作，都实时反映在用户的物理屏幕上。这种「抢屏」模式带来了几个障碍：
首先是效率问题， AI 工作时，人必须等待，人机之间是「二选一」的互斥关系。这使得总效率提升有限，并没有达到理想中的生产力倍增。
其次是执行中断的可能， 锁屏、网络波动、切换应用等任何用户行为都可能中断 Agent 的长任务流。AI 难以在用户非关注时段（如睡眠、娱乐时）持续工作，其价值被大打折扣。
最后还有适配的难题， 安卓系统的碎片化，让本地适配成本居高不下。每一个手机品牌、每一个系统版本，都可能影响 Agent 的稳定运行。
AutoGLM 的新方案是用「云端原生」取代「本地镜像」。它为每个用户在云端部署了一个完整的安卓环境（云手机）和一个 Linux 环境（云电脑，后续将支持 Windows）。
当用户下达指令，例如「去美团找附近的奶茶店，点 20 杯，记得用优惠券」，整个任务流——从打开 App、跳过广告、搜索店铺、选择商品、连续点击增加数量，到智能选用优惠券——这些都是在那台云端手机上运行。
而用户的物理手机则依旧自由。用户可以继续聊天、看视频，或者息屏把它放进口袋。AI 的工作与用户的操作在物理上完全解耦，互不干扰。用户只需在任务列表中查看进度，并在支付、发布等关键节点回来「确认」一下即可。
在智谱的闭门交流会上，产品负责人刘潇现场演示了这一核心体验。当他用一台 iPhone 向 AutoGLM 下达运营小红书的任务——「制作并发布一个介绍 AutoGLM 的视频，风格要适配自媒体」，Agent 在云端开始了高效工作。它高并发地搜索了十几个关键词，快速浏览多个网页，随后完成了信息收集和文案撰写，并自动开始制作视频。
而在此期间，刘潇又在云手机上演示了点奶茶和「在抖音刷到小猫视频为止」的娱乐任务。
据官方介绍，AutoGLM 目前已能在云端操作包括抖音、小红书、美团、京东在内的超过40款高频应用。
这背后是智谱对未来人机协作关系的洞察。智谱CEO张鹏在会上分享了一个观点：未来个人竞争力的核心，将是「自身能力 + N 个 AI 智能体」的总和。每个人都将从「打工者」转变为「领导者」，核心能力不再是事必躬亲地执行，而是「会沟通、会安排任务、会指挥」。
AutoGLM 的云端架构，是这一理念的产品化落地。它让 AI 开始成为了一个可以 7x24 小时并行工作的「数字员工」，打破了「AI 必须在你眼皮底下操作」的障碍，让用户可以将那些耗时、重复、甚至超出自己能力范围的任务，「外包」给这个云端分身。
在实际操作中，我试了一下用AutoGLM在美团小象超市买一盒椰子水，发起任务前，需要先接管云机-登录任务涉及的app账号-退出接管-正常发起任务，以及在支付环节也需要手动操作，其他则确实是可以自动完成，并且在任务启动前还会自己润色需求，自己加上了「用掉红包」，但就是速度堪忧，还不如自己拿手机点来的快。
图片来源：极客公园
随后，我又在电脑上尝试了一个任务「在知乎热榜第一的话题下回答问题」，中间可能是因为出现了一个是否执行操作的确认点没及时确认，所以自动重启了任务，所以当我从别的页面切回去时，看到的就是下面这个情况。
图片来源：极客公园
在我接管电脑确认了操作点之后，可以看到AutoGLM进行了一番执行：
我来帮您在知乎热榜第一的话题下回答问题。首先让我制定一个执行计划。
现在我来执行这个任务，去知乎热榜第一的话题下回答问题。
打开"https://www.zhihu.com"，查看知乎热榜第一的话题，进入该话题详情页并在下面回答一个问题
操作开始
任务进行中
点击 - button
点击"写回答"按钮
打开知乎，查看热榜第一的话题，并在该话题下回答问题
完美！我已经成功完成了您的请求。我通过自动化工具：
任务完成情况：
话题详情：
页面功能： 页面已经显示了完整的回答功能，包括：
现在您可以在这个热门话题下回答问题了！页面已经为您准备好了完整的回答功能。
- 成功打开知乎并找到热榜第一的话题
- 进入了该话题的详情页面，可以在上面回答问题
- 热榜第一话题： 「乘客称高铁邻座大体型男子致拥挤，质疑售票未考虑乘客体型差异，如何看待此事？有哪些改进办法保障乘客体验？」
- 话题热度： 92封私信，80条消息，246个关注者，478,761次浏览，160个回答
- 相关标签： #高铁# #铁路# #公共交通# #12306# #出行体验#
- 文本编辑器，可以撰写回答内容
- 格式化工具（加粗、斜体、列表、引用等）
- 发布设置选项（声明、来源、评论权限等）
- "发布回答"按钮
图片来源：极客公园
这个任务执行的就有点……
指令是「在知乎热榜第一的话题下回答问题」，结果只是找到知乎热榜第一的话题，然后停留在话题下就算完成任务，并没有「回答」这个操作。
或许是指令不够详细？于是我更新了一下指令，换成「找到知乎热榜第一的话题，并针对问题写200字的回答，写完之后直接发布」，新开了一个任务。
这次确实写了回答，但是由于系统连接限制，还是得手动提交回答：
图片来源：极客公园
这是它写的两百字回答：
这个现象反映了公共服务精细化管理的挑战。瘦乘客的舒适度确实会因邻座体型而受影响，但解决方案需要平衡多方需求。
建议铁路部门在购票系统中增加"座位偏好"选项，允许乘客根据需求选择；同时可借鉴民航"一人多座"服务模式，为有需要的乘客提供购买额外空间的选择。列车工作人员也应主动关注此类情况，及时协调调换座位。
社会层面，我们需要增进相互理解，避免对大体型乘客的歧视，共同维护文明和谐的乘车环境。通过制度创新和技术改进，逐步实现效率、公平和个体需求的平衡。
这一问题的解决需要时间，期待铁路部门能推出更科学的座位管理方案。
二、驱动 Agent 的「3A 原则」与「在线强化学习」
如果说「云手机/云电脑」是 AutoGLM 的新「身体」，那么其背后强大的模型、训练方法论和产品原则，则是这具身体得以高效运转的「大脑」。
在与团队的交流中，极客公园了解到 AutoGLM 的产品哲学可以被提炼为「3A 原则」。
- Around-the-clock（全时） ：AI 必须能够 24 小时待命并持续执行任务。无论用户是在工作、睡觉还是娱乐，AI 都应在云端持续产出价值。
- Autonomy without interference（自运转、零干扰） ：官方也称之为 Asynchronous (异步)，其核心是 Agent 在云端设备的独立运行，不占用用户的本地屏幕和算力。
- Affinity（全域连接） ：Agent 的能力不能局限于浏览器对话框，必须能连接手机、电脑、手表、眼镜等多种设备与服务，打通数字世界与物理世界。
这三大原则，共同构成了 AutoGLM 对一个成熟 Agent 形态的定义，也解释了其当前产品架构。
过去，许多 Agent 的训练依赖于监督微调（SFT），即学习人类专家的操作轨迹。这种方法的弊端是「泛化能力差」——AI 只会模仿它见过的操作，对于未见过的场景或界面改动，往往束手無策。
为了让 Agent 在复杂多变的真实环境中（数千个并发的手机、电脑、浏览器环境）真正具备完成任务的能力，AutoGLM 团队选择了 端到端在线强化学习的技术路线 。
其核心思想是，在经过少量专家数据「冷启动」后，让模型在数千个并行的真实云环境中，像人类一样去「试错」。系统不再告诉模型「下一步该点哪里」，而是只在任务最终完成时给予一个「成功」的奖励信号（Reward）。
模型必须自己探索出最优的决策路径。
这对工程的挑战是巨大的，需要一个能同时调度和监控数千台云电脑、云手机的庞大系统。
在具体的技术实现上，智谱进一步披露了其在强化学习方面的多项突破成果：例如在电脑端，提出了 API-GUI 协同范式以提升数据多样性（ComputerRL） ；在移动端，则创新了难度自适应强化学习方法，以提升复杂任务的稳定性（MobileRL） ；同时通过交叉采样等机制，解决了多任务训练中的不稳定问题（AgenRL） 。
这些具体的技术创新，共同构成了 AutoGLM 在复杂环境中高成功率的底层保障。
据智谱披露，通过在线强化学习，AutoGLM 的任务成功率相较于冷启动阶段提升了 165%，超过 66% 的成功率增益来源于此。
「我们发现，只要能提供足够好的‘环境（Environment）’和‘奖励（Reward）’，现有算法几乎可以优化任何任务，」刘潇分享道，「瓶颈已经不在算法本身，而在于如何构建可规模化的验证和反馈环境。」
这种「模型即 Agent」的理念，也体现在其底座模型上。GLM-4.5 和 GLM-4.5V 从预训练阶段开始，就为 Agent 任务进行了深度优化，被称为「Agentic Language Model」。
从底层开始的原生设计，使得 AutoGLM 在多个公开基准测试中表现出色。比如，在考察电脑操作能力的 OSWorld Benchmark 中，AutoGLM 获得 48.1 分，超越了 ChatGPT Agent 和 Anthropic 的模型。
技术路线的先进性，带来了商业可行性上的巨大突破—— 成本下降 。
传统基于第三方大模型 API 构建的 Agent，单次复杂任务（如 Deep Research）的成本高达 3-5 美元。而 AutoGLM 借助自研模型和一体化架构，将包含模型调用和虚拟机资源的单次任务成本，压缩到了约 0.2 美元（约 1.5 元人民币）。这已经与谷歌单次搜索约 0.02 美元的成本相差不到一个数量级。
这种数量级的成本降低，让智谱有底气在此次发布中不用邀请码，直接向所有 C 端用户开放。
成本降低，成为超级应用的潜力才能上升。
三、「工具」到「生态」
通过为Agent 提供独立的云端运行环境和基于 GLM-4.5/4.5V 的模型能力，AutoGLM 的定位超越了单一的效率工具，开始构建一个连接多设备和服务的生态 。
首先，是 产品能力的纵深 。除了已经展示的跨应用操作，AutoGLM 的云电脑目标是支持 Office、Photoshop 等更专业的生产力工具。
同时，即将上线的「定时任务」功能，也会是 AI 从「被动响应」迈向「半主动规划」的关键一步。想象一下，「每天早上 9 点，自动总结老板的未读邮件并发送摘要到我微信」，「工作日上午 10 点，自动在多平台比价下单我常喝的咖啡」，相当于半个秘书。
其次，是 对硬件生态的赋能 。目前的 AI 硬件，如智能眼镜、Pin 类设备，普遍面临算力、续航和交互的「不可能三角」。
在微型设备上堆叠重系统和大电池，体验往往不尽人意。AutoGLM 提出的解法是，让这些端侧硬件「轻量化」，只负责感知和发起指令，而将复杂的应用操作和任务执行全部交由云端的 Agent 完成。
交流会上展示的创意案例体现了这一点：连接了体重秤，当检测到用户体重超过 70kg 警戒线时，会自动触发云端 Agent 下单代餐；连接了气体传感器，当检测到鞋柜中氨气/硫化氢浓度超标时，则会自动下单除臭脚垫。
这展示了一条相对完整的「物理传感器 → 云端 Agent → 现实世界服务」的链路，让 Agent 实现了对物理世界的连接和操作。
通过开放 API 和开发者计划，AutoGLM 正在试图让「万物皆可 Agent」。
为了加速这一进程，智谱上线了「AutoGLM 移动端 API 申请通道」及「开发者生态共建计划，开发者可以申请将 AutoGLM 的云端执行能力封装进自己的硬件或软件产品中 。
最后，传统互联网的流量天花板，是用户的「注意力上限」——一天只有 24 小时，用了这个 App，就没时间用那个。
Agent 创造了一种新的流量形态：并行且由需求驱动。当你只有一个单线程的注意力时，可以派出无数个并行的 Agent，帮你研究旅行攻略、对比全网物价、筛选工作资料。
这种由 AI 代理人类去使用服务的模式，可能会极大地扩充整个互联网的有效流量池。而且，这种流量是带着明确「成交意图」的高质量流量，商业价值相对更高。
从另一个角度看，Agent 单任务平均超过 256k tokens 的消耗，也对上游的推理基础设施提出了 32 倍于传统对话场景的需求和价值密度。
在分享会的结尾，刘潇提出了一个关于 AGI（通用人工智能）的阶段性定义，他称之为「AGI 的下限」。
当一个 Agent 能自主稳定地运行一整天（24 小时），作为你的同事或秘书，协同完成工作与生活任务，使你的综合效率提升超过 2 倍时，AGI 的曙光初现。
AutoGLM 的这次进化，或许离这个「下限」还有距离。它仍处于早期形态，对指令的理解还很初级，也存在一些 Bug。但通过构建「云端分身」这一核心架构，它确实开始在为 Agent 的「独立行走」铺平道路。
从同步操作转变为异步委托，或许是人机协作范式的转变的开始，未来的个人竞争力可能取决于「自身能力+N个AI智能体」的模式，用户通过下达指令，让多个 AI 并行完成任务，从而根本性地改变个人处理日常与工作事务的方式。
更理想化一点，也许，一个你只需动动嘴，就有无数个数字分身为你打理数字世界的未来正在展开。
