据媒体报道，openai正准备推出一款代号为“operator”的全新ai助理产品，可以自动执行各种复杂操作，包括编写代码、预订旅行、自动电商购物等。根据内部员工爆料，openai领导层预计将在2025年1月发布该产品，首先作为研究预览版和开发工具推出，届时将为开发人员开放api接口。
报道称，openai一直在进行几个与智能体相关的研究项目。其中一位人士表示，最接近完成的将是一个在网络浏览器中执行任务的通用工具。
ai助理（ai agent）是一种能够感知环境、进行决策和执行动作的智能实体，具备通过独立思考、调用工具去逐步完成给定目标的能力，既能为c端提供个性化应用，也能为b端提供降本增效方案。对于普通用户而言，ai助理最核心的功能是ai自主操作手机，辅助完成复杂推理任务。
openai首席执行官阿尔特曼早已透露下场意愿。几周前，他在reddit的“问我任何问题”（ask me anything）论坛上表示，“我们将拥有越来越好的模型，但我认为下一个重大突破将是ai助手。”在上个月公司年度开发日之前的openai新闻发布会上，该公司首席产品官kevin weil称：“我认为2025年将是agent系统最终进入主流的一年。”
站在openai的角度，其在商业化进程中面临着越来越大的压力， chatgpt渐进式的改进可能无法吸引用户支付更高的价格。高管急切需要一款突破性产品，以证明对ai开发的巨额投资是值得的。
目前，openai已开源了多功能协同ai agent——swarm，可创建多个智能体协同工作，以更高效地完成任务。其gpt o1模型增强了推理能力，使其在复杂问题的解决和用户交互的自然性方面均有显著进步，亦使其更加适用于ai agent场景。
ai助理被视作通往agi的核心基础，在硬件厂商言必称ai的时代，ai助理或成为终端智能化的突破口。甬兴证券表示，ai agent或将掌握移动互联新入口，流量分发格局有望重塑ai agent智能体因具备较强交互性以及便利性，或可打通原先同个终端不同app之间的天然壁垒。
据不完全梳理，国内外头部厂商正争先推出ai助理产品——
微软近期低调开源了ai工具omniparser，其可帮助用户创建个性化智能体，以操作个人计算机；10月22日，微软宣布在dynamics 365中集成10个自主ai agent，支持openai最新模型o1，具备自主学习能力，可自动执行跨平台复杂业务；9月，微软推出了一款名为windows agent arena的基准框架，同样属于ai助理开发范畴。
据the information报道，谷歌计划在12月预览其大型动作模型“project jarvis”，该项目将帮助用户执行诸如“收集研究、购买产品或预订航班”等任务。
10月22日，anthropic为大模型claude迭代了新功能——computer use，让ai可以像人一样操控电脑。claude3.5 sonnet是首个支持计算机控制的模型，能够模拟人类操作计算机，包括移动光标、点击按钮和输入文本。
苹果选择将siri与chatgpt集成，实现更智能的人机交互，另有网友发现苹果已经默默发布了ferret-ui的两个实现版本（分别基于gemma 2b和llama 8b），这是苹果今年5月发布的一个可让ai理解手机屏幕的技术。
华为则公布了一项可让ai像人类一样操作手机的新研究成果，相关团队提出了一个手机控制架构：lightweight multi-modal app control（轻量级多模态应用控制，简称limac）。
中国独角兽企业智谱ai已上线ai助理工具autoglm，无需手动操作，用户对着手机说话（发出指令），便可让其自动打开手机上的各类app，进行网购、点外卖、订高铁票，甚至发微信、抢红包、评论朋友圈、整理笔记并生成攻略、总结论文。
中信证券表示，autoglm等终端ai助理技术将带来更短路径的交互形式，接受语音指令并自动完成复杂操作的能力将为消费者带来极大便利，其有望成为ai终端的亮点功能并吸引消费者升级换代。
华泰证券也表示，ai助理落地将带来多个层次的产业机遇，其中，agent 终端有望推动人机交互变革，除了在终端销售量价方面的变化外，可能对终端应用的商业模式产生更加深远的影响。