OpenAI上线首款AI智能体Operator；2027 年 AI 或将超越人类；字节启动 AGI 长期研究计划

0、Meta首席科学家LeCun：新一代AI架构3到5年内问世，机器人技术是核心

据华尔街见闻，Meta首席AI科学家Yann LeCun周四表示，在未来3到5年内，“全新的AI架构范式”将会出现，其能力将远远超越现有AI系统。他还预测，未来几年可能成为“机器人技术的十年”，届时AI和机器人技术的进步将结合在一起，解锁新一代智能应用程序。

媒体报道，在达沃斯论坛上的一场名为“技术辩论”的会议上，LeCun指出，目前的“AI形式”，即生成式AI和大型语言模型（LLMs），并没有那么强大。他认为，虽然这种模型是有用的，但在很多方面仍存在不足。

他表示，当下AI模式的“限制”阻碍了机器实现真正的智能行为，这主要归结为四个关键原因：缺乏对物理世界的理解、缺乏持久记忆、缺乏推理能力以及缺乏复杂规划能力。

1、OpenAI上线首款AI智能体Operator

据每日经济新闻，当地时间1月23日周四，OpenAI宣布上线名为Operator的首款AI智能体，它能通过网页执行各种任务。Operator可以像人类一样使用互联网执行各种任务，可以打开一个浏览器，点击页面的按钮并打字输入内容。人类用户上网会做的那些事，比如预订机票、酒店订房、规划购物订单并完成网购，都可以由Operator代劳。OpenAI介绍，支持Operator的是简称CUA的模型，是一种通过强化学习将OpenAI旗舰模型GPT-4o的视觉功能与高级推理相结合的模型。

2、字节启动 AGI 长期研究计划

1 月 23 日，爱范儿获悉，字节豆包大模型团队已在内部组建 AGI 长期研究团队，代号「Seed Edge」，鼓励项目成员探索更长周期、不确定的和大胆的 AGI 研究课题。

有接近字节的知情人士透露，Seed Edge 的目标是探索 AGI 的新方法，代号名中的 Seed 是豆包大模型团队名称，而 Edge 代表最前沿的 AGI 探索。

目前，Seed Edge 初步确定了五大研究方向，包括：

• 探索推理能力的边界

• 探索感知能力的边界

• 探索软硬一体的下一代模型设计

• 探索下一代 AI 学习范式

• 探索下一个 scaling 方向

另外据晚点从字节内部获取的信息，字节创始人张一鸣非常重视和强调加强 AI 研究投入，他会自己看论文，看技术关键细节，和一流 AI 研究者聊天、交流，并鼓励字节 AI 研究团队探索、研究基础课题。

在新加坡，字节有专门的研究团队协助张一鸣理解前沿技术、讨论研究规划，其中之一是新加坡国立大学原教授、字节研究员冯佳时。2023 年开始，他经常给张一鸣辅导。

3、智元机器人联合北大，推出通用机器人操作框架

1 月 23 日，智元机器人与北京大学联合实验室宣布，推出通用机器人操作框架「OmniManip」。

据了解，智元机器人与北京大学联合实验室为解决「视觉语⾔基础模型（VLMs）如何应⽤于机器⼈，以实现通⽤操作」这一具身智能领域的难题，携⼿提出了「OmniManip」架构。「OmniManip」基于以对象为中⼼的 3D 交互基元，将 VLM 的高层次推理能力转化为机器⼈的低层次高精度动作。

针对⼤模型幻觉问题和真实环境操作的不确定性，OmniManip 创新性地引⼊了 VLM 规划和机器⼈执⾏的双闭环系统设计，实现了操作性能的显著突破。实验结果表明，OmniManip 作为⼀种免训练的开放词汇操作⽅法，在各种机器⼈操作任务中具备强⼤的零样本泛化能⼒。

目前，项目主页与论文已上线，实验室表示代码与测试平台即将开源。

4、Anthropic CEO：2027 年 AI 或将超越人类

近日，Anthropic CEO Dario Amodei 接受华尔街日报的采访，Dario Amodei 坚定地认为，2027 年之前，AI 或将可以完全超越人类智能。

主持人在采访中提到「人工智能的发展是否已经遭遇了瓶颈」，Dario 认为并没有，同时还将 AI 发展比作河水，目前是遇到「巨石阻挡」的阶段，但总能找到新的路径去发展，因此 Dario 现在比以往对 AI 更有信心，并表示人类目前离突破性的 AI 能力相当接近。

对于 AGI 这个概念，Dario 表示更像是一个营销术语。但他预测，未来某个时间节点，大家将开发出一款几乎在各方面，都能超越大多数人类的 AI 系统。Dario 表示具体时间无法确定，但他预计将会在未来两三年内。

此外，Dario 还透露了不少关于 Claude 模型的内容。首先，联网功能是 Anthropic 目前重点开发的方向，很快就会推出这个功能；同时 Dario 也回应了 Claude 在图片生成领域为什么没有反响，他认为图像或视频生成就像人类拍照或拍视频一样，想要拍出高质量的内容并非容易的事。Dario 还透露 Claude 未来，将支持跨项目记忆。

5、智谱宣布电脑智能体 GLM-PC 开放体验

1 月 23 日，智谱宣布自主操作电脑的多模态 Agent — GLM-PC 开放体验。

据了解，GLM-PC 是基于智谱多模态大模型 CogAgent，全球首个面向公众、回车即用的电脑智能体（agent）。它能像人类一样「观察」和「操作」计算机，协助用户高效完成各类电脑任务。

本次 GLM-PC 升级推出「深度思考」模式，并增加了专用来做逻辑推理和代码生成的功能。新版 GLM-PC 将借鉴人类「左脑」与「右脑」分工，通过代码生成与图形界面理解，实现逻辑推理与感知认知的深度结合。

据悉，GLM-PC 的「左脑」部分负责代码生成与逻辑执行，具有规划、循环执行、长思考能力（动态反思、纠错与优化）等功能；而「右脑」部分负责图像与 GUI 认知，专注于深度感知与交互体验，支持 GUI 图像理解、用户行为认知、图像语义解析等功能。

「左右脑」还支持协作，使 GLM-PC 不仅能够处理复杂逻辑任务，还能在开放性问题上展现更高的适应能力、创造力和泛化能力。更能通过动态优化和情境感知，帮助用户探索更高效的解决方案，特别是在循环任务处理、多步推理执行以及长链条任务管理等方面。

目前，新版 GLM-PC 已上线其官网并支持下载体验，本次更新智谱还提供了对 Windows 系统的支持。此外，为促进预训练 GUI Agent 的研究，智谱于 2024 年 12 月开源了全面提升后的模型 CogAgent-9B-20241220。

6、OpenAI称即将发布GPTo3模型