随着 ChatGPT 掀起的 AI 浪潮进入第三年，人工智能体（AI Agent）作为大语言模型（LLM）落地应用的关键载体，正受到学术界和产业界的持续关注。
2022 年 11 月，OpenAI 发布 ChatGPT 3.5，带领人类走向 AGI （Artificial General Intelligence 通用人工智能）人机交互新世纪。AGI 让自然人机交互成为现实，“语言”这一简单、自然的交互方式也影响到了 GUI（图形用户界面）。
Agent操作系统的机会来了！
生成式AI极大加速了AI应用的开发流程，从过去需要数月的周期缩短到仅需数天。这种变化推动了快速原型设计和实验的新模式，帮助开发者在短时间内尝试多种方案并专注于有效的解决方案，同时倡导“快速行动并负责任”的开发理念。
OpenAI 连续 12 天 “Shipmas”发布活动终于要发布让大家期待已久的视频生成模型 Sora，这再一次激起人们对图片生成、视频生成的关注。而AI Creativity 一直是我们非常关注的 GenAI 落地方向，图像生成和视频生成模型快速迭代，离商业可用越来越近。
2025年被认为将是智能体（Agent）落地元年，客户更看重智能体的效果，生态各方为此已在摩拳擦掌。 智能体采购，正在成为市场热点。
最近从由大型语言模型（LLM）驱动的聊天机器人向如今该领域所定义的 Agent 系统或 Agentic AI 的转变，可以用一句老话来概括：“少说话，多做事。”
11月26日，在GenAI Assembling与硅星人一起在硅谷Menlo Park举办的「AI机器人与可穿戴设备未来」的线下活动上，硅星人创始人兼CEO骆轶航与Meta AI/AR眼镜团队产品负责人贾可南进行了一场对话。
当前构建数字世界有三条路线：OpenAI的Sora追求视觉真实，谷歌的Genie 2注重实时交互，World Labs专注空间准确。这三条路线各有优势，也各有无法在短期内解决的问题。
Show Lab 和微软推出 ShowUI，这是一个刚刚开源的 UI Agent 模型，在中文 APP 定位和导航能力上表现出色。通过创新的视觉 token 选择和独特的训练数据构建方法，该模型在有限的训练数据下实现了非常棒的性能。
