长话短说：
智谱发布了 AutoGLM 2.0，给 AI 配了部手机，物理破壁互联网
让我们从一个简单的任务开始：查看我的自动续费项目
AutoGLM 打开了云端的支付宝，依次点击「我的」-「设置」-「支付设置」，再点「免密支付/自动扣款」，几秒钟后，它列出了所有的自动续费项目
中国特色的 APP 生态
兼容 APP 这件事，在中国有特殊意义，我们跨越了 PC 时代，跑步进入移动互联网，习惯了在 APP 里完成一切
上线一个网站，需要进行很多备案
同时，网站需要备案，接入支付需要资质，小程序/公众号/平台网店反而更方便——于是所有服务都向超级平台聚集
最终形成了中国特色的互联网生态：全特么是大而全的超级 APP
我们的生活被深度绑定在这些 APP 里。电子发票在购物平台，审批流程在飞书，流水在微信/支付宝/银行 APP，公积金社保各有各的入口。这些 APP 的网页版要么功能残缺，要么根本不存在
12306 电子发票
以出差报销为例，需要从航司 APP 下载行程单、发票，在 12306 查询火车票，切换到飞书提交审批，最后可能还要到财务系统查看进度，每个环节都需要人工操作
理论上，我们可以等待所有 APP 开放 API，实现互联互通。
但...我们都知道：这不现实
AutoGLM 选择了另一条路：既然 APP 不愿意为 AI 开门，那就让 AI 学会敲门
AI 解法：云手机
AutoGLM 的方案很巧妙：给 AI 配一部它自己的手机，让它操作
戴着智能眼镜，说一句「帮我点杯拿铁」，AI 就会在云端打开外卖 APP，定位到你的位置，下单，支付
打印机墨水快用完了？它能自动在京东下单新墨盒
车载系统里说一句话，就能预订今晚的酒店，查询沿途餐厅评价并下单，生成会议 PPT 并同步到邮箱。你无需分心操作手机，AutoGLM 在云端自动执行。智谱将这种能力封装成 API，任何设备都能接入
从 AI 眼镜到传统家电，它们首次具备了完整的「手机操作能力」
AutoGLM 让 AI 成为所有设备的「手」
云手机：巧妙的设计
AutoGLM 弄了一个云手机，以解决关键问题：
- 不占屏幕：你可以一边让 AI 干活，一边继续刷抖音
- 全天候运行：即使你睡着了，它也能继续执行任务
- 跨设备接入：通过 API，任何设备都能调用这个能力
具体上，还有很多小巧思，比如需要扫码时，他会调用你的摄像头
扫描登陆公众号后台
执行任务时，在云端独立运行
吩咐他就好
然后...这里有个细节：云手机会模拟真实的系统状态，包括电池电量和充电状态。有些 APP 会检测运行环境，这种「拟真」让一切更顺畅。
你可以看到电量的降低
这里补充说一下，AutoGLM 的背后，是智谱「从 Agent 到 AGI 的 3A 原则」：
- Around-the-clock（全时）： 24 小时运行，即使用户离线，Agent 依然在执行任务
- Autonomy without interference（自主零干扰）： 独立运行，不占用用户屏幕与算力，平行世界的搭子
- Affinity（全域连接）： 跳出浏览器对话框，跨越手机、电脑、手表、眼镜、家电等设备，操作物理世界
在 Device Use 基准测试（涵盖手机、电脑和网页操作）中，AutoGLM 整体表现优于 ChatGPT Agent、UI-TARS-1.5 和 Claude 4 Sonnet
现在能做什么
目前 AutoGLM 支持 40 多个高频应用，最擅长的是那些路径明确的任务
它能帮你完成日常琐事：比如“帮我在美团点杯瑞幸咖啡”、“查查明天北京到上海最早的航班”、“在贝壳找北京朝阳区 2500-3500 的合租房”，这些任务有明确的操作路径，AI 执行起来得心应手
但涉及复杂判断就会卡壳。比如「导出近三个月京东购物发票」这种需要精确筛选的任务，它还做不到。测试中还会遇到卡在登录页、理解错指令、重复执行同一操作的情况
这是早期产品的正常状态，很有突破，但不稳定
最后
被迫的，我们在手机上处理越来越多的任务：报销、填表、查账...
上图都是体验最好的了，但还是很复杂
老年人会更难过，银行要求用 APP，医院要求线上挂号，政务要求扫码办理，然后各种 app 交互设计的良莠不齐（甚至说绝大多数一塌糊涂），让人抓狂
在这里，AutoGLM 把「人必须适应 APP」变成了「AI 帮人操作 APP」，让我不用戳来戳去找功能，真的很对
「万物互联」还遥遥无期时，让 AI 学会敲门，比等 APP 主动开门更现实
再最后，对于开发者来说，AutoGLM 移动端 API 申请渠道现已正式开放，支持在云端设备上完成复杂操作，允许多步任务与定制化智能工作流的构建
