OpenAI新计划：让ChatGPT成为电脑操作入口

OpenAI正加速推进其“AI代理操控电脑”的长期战略，并已开始向客户大规模推出Computer Use工具。该公司高管和员工透露，这项技术已到达一个关键转折点，ChatGPT将不再只是一个聊天机器人，而是逐步成为用户操作电脑、浏览网页、完成复杂任务的核心入口。 据Business Insider报道，OpenAI自2015年成立以来，一直希望构建能够像人类一样灵活使用电脑和浏览器的AI代理。但长期以来，最大的挑战在于如何收集和创建用于训练这些代理的数据。如今，OpenAI表示已对这项技术有了足够信心，并开始将其推向市场。今年，该公司已推出多款相关产品：一个能让ChatGPT接管浏览器的Chrome扩展程序、为ChatGPT创建的云端和应用内浏览器，以及在其编程工具Codex中集成的Computer Use功能。OpenAI总裁格雷格·布罗克曼在X平台上表示，今年4月的一次更新让该技术“不再只面向程序员，而是面向所有从事电脑工作的人”。 核心变化：训练方法与技术升级 OpenAI在训练其最新模型时，为Computer Use功能专门加入了多个阶段的数据和流程。哥伦比亚大学AI研究员周宇指出，在模型基础训练阶段，OpenAI很可能加入了逐帧截图数据，以“前置加载”对电脑操作有用的信息。随后，开发者会提供展示“理想输入产生特定输出”的数据，例如如何填写税务表格或进行3D建模，这些数据部分来自人类训练师的演示。此外，OpenAI还通过强化学习让模型在虚拟任务中试错，并奖励成功行为，从而不断提升其操作能力。 在实际运行层面，OpenAI也升级了模型与电脑的交互方式。此前，ChatGPT需要截取用户屏幕、分析像素、注入命令，然后重复这一过程。现在，当工具打开一个网站时，它能快速读取页面的底层结构——包括内存结构、无障碍信息和链接关系，大幅提升了响应速度和操作精准度。当然，工具仍会截取屏幕，用户在设置时会被要求允许ChatGPT录制屏幕。 竞争格局与市场影响 OpenAI的竞争对手Anthropic在2024年率先推出了类似功能，其Claude Cowork工具截至今年5月已被至少60万个组织试用。如今，OpenAI宣称其技术能力已迎头赶上，并正将自动化任务功能全面植入其旗舰产品ChatGPT中，押注用户会将越来越多的工作交给AI完成。 OpenAI Computer Use团队经理阿里·温斯坦表示：“一旦ChatGPT能比你我都更快地使用电脑和软件，它将改变你默认与电脑互动的方式。”对于跨境电商卖家和出海从业者而言，这意味着未来诸如批量上架商品、管理多平台店铺、处理客户邮件、整理竞品数据等重复性电脑操作，都有可能通过自然语言指令交给AI代理完成，从而大幅降低人力成本和时间损耗。不过，目前该技术仍处于早期应用阶段，数据训练的昂贵成本、操作准确率以及用户对屏幕录制的隐私顾虑，仍是其大规模普及前需要跨越的门槛。