中金 | AI十年展望（十九）：渐行渐近的AI Agent：能力升级，场景创新

文章预览

文/ 于钟海，魏鹳霏，游航，王倩蕾，王之昊 中金研究 近期UI交互等多模态大模型持续迭代，有望加速AI Agent落地节奏。 在本篇报告中，我们从能力升级和场景创新两个维度探索AI Agent落地方式和形态，我们认为AI Agent是连接大模型和现实世界的“最后一公里”。 点击小程序查看报告原文 Abstract 摘要 能力升级：UI识别和操作模型推动垂直场景生产力提效。Ferret-UI： 苹果首个手机端UI多模态大模型，得益于使用了大量UI数据集训练和引入了“任意分辨率”技术，擅长理解屏幕微小元素，在大多数移动端基础UI任务中超越GPT-4V。 Adept： 推出Fuyu系列多模态模型，Fuyu-8B架构简洁，低延时、灵活性高，Fuyu-Heavy具备出色的UI理解和数学推理能力，专为Digital Agent设计。 OpenAI GPT-4o： 原生多模态赋能，多模态交互和情绪理解能力出色，可有效提高人机交互体验。 ………………………………