当你在通勤途中用手机下达指令，让 AI 帮忙订购 20 杯奶茶并使用优惠券时，无需紧盯屏幕等待完成，而是可以继续刷着短视频 —— 这看似寻常的场景切换，背后藏着人机协作范式的根本性转变。8 月 18 日智谱发布的 AutoGLM 2.0，通过 “云端分身” 架构让手机 Agent 首次实现了真正意义上的独立运行，这场被称为 “Manus 时刻” 的进化，或许正在打开由 AI 驱动的并行数字世界大门。
从 “抢屏困境” 到 “异步并行”：人机协作的范式跃迁
早期的手机 Agent 始终面临着一个无解的矛盾：当 AI 在屏幕上执行操作时，用户必须保持等待，这种 “抢屏” 模式使得人机关系沦为 “二选一” 的互斥状态。就像要用 Agent 点咖啡时，用户能做的只有 “看着”，整体效率提升被死死限制在 1.x 倍的范围内，完全无法实现生产力的质变。
更棘手的是执行中断的风险 —— 锁屏、网络波动、切换应用等任何用户行为，都可能让 AI 的长任务流功亏一篑。安卓系统的碎片化更是雪上加霜，不同品牌、不同版本的手机适配成本居高不下，让 Agent 的稳定运行成为奢望。这些痛点共同构成了手机 Agent 商业化的巨大障碍，使其始终停留在实验室阶段。
AutoGLM 2.0 给出的破局之道堪称颠覆性：为每位用户配备云端 “数字工位”—— 包含完整安卓环境的云手机和 Linux 环境的云电脑（后续将支持 Windows）。当用户下达 “在美团找附近奶茶店，点 20 杯并使用优惠券” 的指令时，从打开 App、跳过广告、搜索店铺到智能选用优惠券的全流程，都在云端独立完成。用户的物理手机则彻底解放，既能继续聊天看视频，也能息屏放进口袋，只需在支付等关键节点回来 “确认” 即可。
这种架构创新带来了三个维度的突破：在时间维度上，AI 实现 7x24 小时不间断工作，用户睡眠或娱乐时仍能持续产出价值；在空间维度上，人机操作物理解耦，彻底告别 “你盯着我干” 的同步模式；在效率维度上，将过去的串行工作转变为并行处理，使生产力倍增成为可能。智谱 CEO 张鹏的判断一语中的：“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’。”
3A 原则与强化学习：Agent 自主运行的技术基石
如果说 “云手机 / 云电脑” 是 AutoGLM 2.0 的新 “身体”，那么其背后的 “3A 原则” 则构成了这具身体的行为准则。Around-the-clock（全时）要求 AI 必须 24 小时待命执行任务，无论用户处于何种状态；Autonomy without interference（自运转、零干扰）确保 Agent 在云端独立运行，不占用本地资源；Affinity（全域连接）则打破设备壁垒，实现多终端与服务的无缝协同。这三大原则共同定义了一个成熟 Agent 的基本形态。
支撑这种自主运行能力的，是智谱独创的端到端在线强化学习技术路线。与传统依赖监督微调（SFT）的模式不同，AutoGLM 在经过少量专家数据 “冷启动” 后，会在数千个并行的真实云环境中自主 “试错”。系统不会指示模型 “下一步该点哪里”，只在任务完成时给予 “成功” 的奖励信号，迫使模型自主探索最优决策路径。
这种训练方式带来了显著突破：任务成功率较冷启动阶段提升 165%，其中 66% 的增益直接来源于强化学习。在具体实现上，电脑端的 API-GUI 协同范式提升了数据多样性（ComputerRL），移动端的难度自适应强化学习增强了复杂任务稳定性（MobileRL），交叉采样机制则解决了多任务训练的不稳定问题（AgenRL）。正如产品负责人刘潇所言：“只要能提供足够好的‘环境’和‘奖励’，现有算法几乎可以优化任何任务，瓶颈在于构建可规模化的验证和反馈环境。”
技术创新直接转化为商业可行性的飞跃。传统基于第三方大模型 API 构建的 Agent，单次复杂任务成本高达 3-5 美元，而 AutoGLM 凭借自研模型和一体化架构，将包含模型调用与虚拟机资源的单次任务成本压缩至约 0.2 美元（1.5 元人民币），仅为谷歌单次搜索成本的 10 倍。这种数量级的成本下降，使其得以向所有 C 端用户开放，无需邀请码限制。
从工具到生态：Agent 连接物理与数字世界
AutoGLM 2.0 的野心远不止于效率工具。通过开放 API 和开发者计划，智谱正在构建一个连接多设备、多服务的 Agent 生态，让 “万物皆可 Agent” 成为可能。即将上线的 “定时任务” 功能，将使 AI 从 “被动响应” 迈向 “半主动规划”——“每天早上 9 点自动总结老板未读邮件”“工作日上午 10 点多平台比价下单咖啡” 等场景，正在将 AI 变成用户的 “半个秘书”。
在硬件赋能方面，AutoGLM 为智能眼镜、Pin 类设备等解决了算力、续航和交互的 “不可能三角”。这些端侧硬件只需负责感知和指令发起，复杂操作全部交由云端 Agent 完成。交流会上展示的创意案例生动诠释了这种潜力：体重秤检测到用户体重超标时，自动触发云端 Agent 下单代餐；气体传感器发现鞋柜异味超标时，立即下单除臭脚垫。这种 “物理传感器→云端 Agent→现实服务” 的完整链路，让 AI 真正实现了对物理世界的干预。
这种生态构建正在创造新的流量形态。传统互联网的流量天花板是用户的 “注意力上限”，而 Agent 则以并行且需求驱动的方式打破了这一限制。当用户注意力单线程运行时，可以派出无数个并行 Agent 研究旅行攻略、对比全网物价、筛选工作资料。这些带着明确 “成交意图” 的流量，其商业价值远高于传统浏览流量。同时，Agent 单任务平均超过 256k tokens 的消耗，也对上游推理基础设施提出了 32 倍于传统对话场景的需求，催生新的产业机会。
通向 AGI 的 “下限”：人机协作的未来图景
在分享会结尾，刘潇提出了一个颇具启发性的 “AGI 下限” 定义：当 Agent 能自主稳定运行 24 小时，作为同事或秘书协同完成工作生活任务，使综合效率提升超 2 倍时，AGI 的曙光便已显现。从这个标准看，AutoGLM 2.0 虽仍处早期 —— 存在指令理解初级、偶发 Bug 等问题，但已迈出关键一步。
实际测试中，其表现呈现明显的两面性：在美团小象超市购买椰子水时，能自动润色需求并加上 “用掉红包” 的指令，但速度不及手动操作；在知乎热榜回答任务中，初始版本仅停留在找到话题页面，优化指令后虽能生成 200 字回答，却因系统限制需手动提交。部分用户发布小红书内容时还会触发风控导致强制下线，这些都表明 Agent 的 “独立行走” 仍需打磨。
但不可否认的是，AutoGLM 2.0 通过 “云端分身” 架构，首次实现了手机 Agent 的异步并行运行，这种从 “同步操作” 到 “异步委托” 的转变，可能是人机协作革命的起点。当用户从 “亲自执行” 转向 “指挥调度”，当无数个数字分身在云端并行处理任务，个人处理事务的方式将发生根本性改变。
或许正如智谱所设想的，一个 “只需动动嘴，数字分身为你打理一切” 的未来已不再遥远。在那个世界里，手机不再是简单的通讯工具，而是通向并行数字世界的入口，而 AutoGLM 2.0 的发布，正是推开这扇大门的第一只手。