甬兴证券：计算机行业点评：AI Agent—人机交互新范式

事件概述据智谱微信公众号，公司发布在自主智能体领域最新人机交互范式—基于CogAgent以及AutoGLM-Web架构，可让AI接受指令并自主操控手机的AIAgent，目标为实现模仿人类的Plan-Do-Check-Act循环，形成自我反馈和自我提升，为迈向AGI愿景夯实基础。核心观点AIAgent底层原理：使用VLM与GUI交互，效果与效率双升据《LightweightNeuralAppControl》（HuaweiNoah’sArkLab等，2024.10）及《CogAgent:AVisualLanguageModelforGUIAgents》（WenyiHong等，2023.12），当前来看，智谱，华为等行业领先厂商多应用VLM（视觉语言模型）执行人机交互程序。大语言模型虽擅长处理文字生成等任务，但在理解与交互GUIs（图形交互界面）方面存在短板，同时大语言模型运算时间及调用成本都相对较高，基于GPT-4o的AIAgent单任务运行时间需约1-2分钟，单任务平均运行成本高达1美元。相比之下，VLM模型直接感知视觉信号，阅读及编程能力得到显著强化。参数量方面，CogAgent的VL...