看过智谱现场演示，我觉得AI要开始卷“动手能力”了_看过智谱现场演示,我觉得ai要开始卷“动手能力”了-优快云博客

本文链接：https://blog.youkuaiyun.com/2401_85375298/article/details/146886719

作为全球首个集深度研究与实际操作能力于一体的Agent，AutoGLM沉思能够像人一样深度研究和反思、像人一样感知世界、像人一样使用工具。AI不仅要卷思考能力，还要卷动手能力！

2025年最热门的科技话题，大概率是AI Agent。

仅仅是几个KOL的评测文章，Manus就被捧上了神坛，邀请码被炒到上万元，淋漓尽致的诠释了用户对AI Agent的热忱。

产业界也出现了“2025年是AI Agent元年”的说法，认为AI将从被动响应走向主动规划和执行，乃至跨场景的复杂任务。

但对大多数人来说，在听到“AI Agent”的名词后，脑海中浮现出来问题的依然是：到底什么是AI Agent？

3月31日的智谱OpenDay上，智谱发布了最新的Agent产品——AutoGLM沉思。作为全球首个集深度研究与实际操作能力于一体的Agent，AutoGLM沉思能够像人一样深度研究和反思、像人一样感知世界、像人一样使用工具。

而且发布即上线，不需要邀请码即可使用，为无数用户打开了体验AI Agent“神奇能力”的大门。

01*.*

现场接单写稿，

AI Agent的“魔力”变现了

按照惯例，先来看下智谱官方给AutoGLM沉思的定义：“AutoGLM沉思是一个能探究开放式问题，并根据结果执行操作的自主智能体（AI Agent）。它能够模拟人类的思维过程，完成从数据检索、分析到生成报告。”

如果还是似懂非懂，别急，智谱还在发布会上进行了现场演示。

指令很简单：“帮我在网上赚点钱”。没有指定去什么平台，也没有说是什么方式，完全是一个开放问题。

然后，奇迹发生了。

AutoGLM沉思在网上搜索了相关信息，譬如问卷调研、有奖征稿以及一些赚佣金的网站，接下来思考自己擅长的能力，最终找到了《读者》的征稿需求，自动撰写了一篇题为《城市角落的温暖》的稿件，并将稿件以邮件的形式发送给了征稿指定的邮箱。

每一步都是AI通过连续、多步推理实现模型自主规划，并通过反思实现动态调整，不需要提前设计工作流。

坐在台下的我们心情比较复杂：惊讶的是，AutoGLM沉思居然可以流畅执行这种复杂的任务，而且是现场演示，压根没有作假的可能；兴奋的是，既然AI已经学会自己接单赚钱了，让我们看到了打造被动收入的机会；忐忑的是，AI的能力已经这么强了，猛然间有种深深的职业危机。

Manus走红的时候，外界的情绪也曾被点燃，更多的是因为网站上的demo视频，后续有不少真实评测出来，效果比预期中差了很多。智谱的现场演示，直接给出了更有说服力的“实战”案例。

没等到发布会结束，我们就赶紧下载了智谱清言PC客户端，打开“AutoGLM沉思”输入了需求：

，时长01:24

帮我做一份苏州两日游攻略，要求：1、适合父母和孩子游玩，行程不能太累；2、推荐当地的美食和景点，最好去小红书上看下评论。

收到指令后，AutoGLM沉思先进行了深度思考，理解了问题里的需求，然后打开小红书输入关键词，逐一阅读了几篇热门内容，最后根据小红书上的信息，输出了一份3000多字的两日游攻略。

内容包含酒店推荐、景点介绍、推荐餐厅、交通信息等等，每个推荐的景点都提供了门票价格、开放时间、游玩时长、周边特色美食和游览建议，甚至还给出了亲子游的注意事项，比如行程安排要适中、哪些要准备的装备、景点要提前预约等，可以说既贴心又实用。

过程中无需操作，可以直接智谱清言的浏览器窗口最小化，就像是一个“活生生的助理”，也让我们对AI Agent有了更深刻的理解，用一句话来形容：AI有了动手执行的能力，可以一边想、一边干。

其中“动手执行”能力是AutoGLM沉思和Deep Research等产品最大的区别，能够像人类一样思考解答步骤，像人类一样打开并浏览网页，完成从数据检索、分析到生成报告，例如查看小红书、公众号、京东、知网、巨潮资讯等不对外开放API的优质信源。

需要说明的是，本次上线的是AutoGLM沉思的preview版本，场景集中在research相关，智谱将在两周内增加更多的Agent执行能力，包括推出“虚拟机”版本，进一步增强AI Agent的实际落地能力。

02*.*

发布即上线，

一场技术硬实力的较量

印象深刻的，还有智谱的“现货交付”。不像Manus需要邀请码才能体验，也不像Open AI的Deep Research需要付费，AutoGLM沉思发布即上线，人人都可以免费使用，并且不限制使用次数。

原因并不难解释。

首先是技术的自主性，直接关系到产品的研发模式和成本控制。

让市场“狂热”的Manus，被曝出整合了Deep Research、Artifacts和Operator的能力。争议点不在于是否有“套壳”的嫌疑，而是整合不同产品能力带来的成本提升，“单任务成本约2美元”。

AutoGLM沉思的不同在于：基座模型GLM-4-Air-0414、推理模型GLM-Z1-Air、沉思模型GLM-Z1-Rumination、智能体框架，每一个环节都是智谱自主研发的，可以根据需求对模型进行强化训练，成本上也更加可控。

比如推理模型GLM-Z1-Air，是智谱基于扩展强化学习技术训练的新一代推理模型，面对复杂、开放问题，能够进行推理和反思，为Agent提供了强大的推理、规划与反思能力。性能比肩DeepSeek-R1，在速度提升最高8倍的同时，价格仅需DeepSeek-R1的1/30。

32B的基座模型GLM-4-Air-0414，在预训练阶段加入了更多的代码类、推理类数据，并在对齐阶段针对智能体能力进行了优化，模型在工具调用、联网搜索、代码等智能体任务上的能力得到大大加强。

在GLM-Z1-Air基础上通过强化学习训练的沉思模型GLM-Z1-Rumination，提升了模型结合工具使用完成长程推理的能力，打破了传统AI单纯依赖内部知识推理的局限，创新性地结合实时联网搜索、动态工具调用、深度分析和自我验证，能够在复杂任务中不断优化推理、反复验证与修正假设。

可以说，智谱技术自主的实力，撑起了AutoGLM沉思免费开放的底气。

其次是创新的连续性，创新不能被计划，也不会无缘无故爆发。

以往复盘Agent的进化历程时，外界习惯性以海外产品为标杆。

2023年7月问世的Code Interpreter，被视为工具使用的第一步；2024年6月底的Claude Artifacts，实现了从生成代码到图表的进化；2024年10月22日的Computer Use，代表了AI能像人类一样“看见”屏幕并操作计算机……

其实还有另外一个视角，即智谱的Agent布局。

第一阶段是工具使用和代码编写，标志性动作是智谱清言的Function Call能力；第二阶段是工具流编排，可以追溯到智谱清言在2024年初上线的GLMs；第三个阶段是设备操控和自主智能体，即2024年11月的智谱Agent OpenDay上推出的AutoGLM。

刚刚发布的AutoGLM沉思，正是基于智谱自研的推理模型GLM-Z1-Air训练的，融入了AutoGLM的动手操作能力，让AI Agent再次向前迈了一步：不仅能够思考，还能主动行动，实现“边想边干”的目标。

正是“一步一个脚印”的连续创新，才有了比较成熟的AutoGLM沉思，给深度思考赋予了动手操作的能力，复杂问题也能轻松回答，进而带来了更好、更快、更便宜的AI Agent体验。

技术世界的真相往往藏在热闹喧嚣之下，AI Agent不存在捷径，终归还是一场技术硬实力的较量。

03*.*

AI Agent元年，

从口号渐渐成为现实

点燃AI Agent革命，可能只需要一个爆款产品；AI Agent在产业端星火燎原，则离不开协同进化的生态体系。

在智谱清言PC客户端上，“AutoGLM沉思”已经展示了不少使用用例，包括学术、新闻、金融资讯、旅游、穿搭、提醒等等，用一句话来概括：“你只需要把任务交给AI，它就能自己完成工作，AI真的能帮人类做事了。”

从只能输出答案的Chatbot，到自主决策、使用工具的Agent，对用户价值的提升是指数级的，“动手能力”将成为AI分水岭。

特别是测试了AutoGLM沉思在更多场景下的表现后，我们更加确信：所谓的“AI Agent元年”绝非是一句口号，正渐渐成现实。

之所以给出这样的判断，不单单是AutoGLM沉思的出色表现，还在于一个和开源有关的计划：基座模型GLM-4-Air-0414、推理模型GLM-Z1-Air、沉思模型GLM-Z1-Rumination等，都将在4月14日正式开源，并且相关模型会在两周内陆续上线Maas平台（bigmodel.cn）。

DeepSeek的开源，加速了深度推理的产业落地，智谱自研Agent模型矩阵的开源开放，势必会催生AI Agent的应用浪潮。

一方面，开源打通了千行万业通向AI Agent的路。

以往开发者构建一款智能体，需要从不同来源拼凑各种底层API，不仅耗时耗力，任何一个环节出错都可能让应用崩盘。智谱的全栈开源，直接简化了AI Agent的逻辑、编排和交互，想要打造AI Agent的开发者，可以直接调用智谱的基座模型、推理模型和沉思模型，使用现成的智能体框架低成本打造Agent应用。

另一方面，AI Agent的商业化可行性已经被验证。

影响新技术产业进程的因素，可以归结为能力、成本和可控性。就实际体验效果来看，智谱的Agent能力无需赘述；相较于国外动辄十几元的单次任务成本，智谱给出了超高性价比的选项，甚至可以跑在消费级显卡上；至于可控性，智谱的全栈自研、全面开源以及国产算力可用，几乎满足了“自主可控”的所用硬性要求。

可以佐证的是，智谱已经进阶为Agentic平台和生态级玩家，一边持续探索“自主智能体”的下一个阶段，一边帮助生态伙伴打造基于行业、地域和场景的智能体应用，目前已经开始携手金融、教育、医疗、政务、企服等领域的合作伙伴，共同推进Agentic LLM的落地应用，并相继与北京、杭州、上海、成都、珠海等城市达成合作，与当地龙头企业携手推动当地大模型应用生态的建设。

做一个预判的话：2025年或将是千行万业的Agentic LLM时刻，机器人、汽车、PC、智能眼镜、银行、政务等都将积极拥抱AI Agent。

比如方兴未艾的人形机器人赛道，比拼的将不单单是跳舞、后空翻等运动控制能力，能否在AI Agent的赋能下，帮助用户解决实际问题，产生实实在在的生产力，将是人形机器人行业的下一个胜负手。

04*.*

写在最后

2025年以前，AI行业卷的是思考能力，赛点是谁能打造出更强大的模型、更复杂的聊天机器人；2025年以后，AI行业开始卷“动手能力”，赛点转移到了推理、多模态、记忆、工具等全栈技术。

智谱AutoGLM沉思的“出场”，不单单刷新了AI Agent体验的上限，还通过开源抹平了千行万业走向AI Agent的技术鸿沟，改写了AI产业的技术路径，让我们看到了AGI跃迁而生的第一道曙光。