🎯 情报来源：AI News | VentureBeat
浙江大学与OPPO AI中心联合发布的30页学术综述显示，能够自主操控计算机的”OS Agent”技术正在引发科技巨头军备竞赛。这份被计算语言学顶级会议ACL收录的研究指出，自2023年以来该领域已涌现60余个基础模型和50个专用框架，OpenAI、Anthropic、苹果和谷歌等企业均已推出相关产品。
当前最先进的系统可通过屏幕截图理解界面元素，完成点击按钮、填写表格等精确操作，在部分基准测试中成功率超50%。典型应用场景包括跨应用的复杂工作流处理，如餐厅预订-日历添加-交通提醒等系列操作，执行速度较人工提升90%以上。
💡 核心要点
- 技术爆发：2023年后相关论文数量激增，产业界已投入数十亿美元研发资金
- 商业落地：头部企业产品已实现50%+任务成功率，但复杂场景表现仍不稳定
- 安全危机：研究揭示”网页间接提示注入”等新型攻击手段，现有防御体系存在重大缺口
- 性能瓶颈：多步骤推理任务成功率不足30%，界面突变适应能力薄弱
- 进化方向：个性化学习被视为突破重点，需解决多模态记忆系统技术难题
📌 情报分析
技术价值：高
核心突破在于将LLM与计算机视觉结合，实现数字界面语义理解。但基准测试显示，复杂任务平均完成率仅28.7%，距实用仍有差距。
商业价值：极高
麦肯锡预测到2026年，RPA+AI代理市场规模将达850亿美元。现有系统已能处理40%的重复性数字工作，企业采用意愿强烈。
趋势预测：高
Gartner将OS Agent列为2025年十大战略科技趋势。安全合规问题可能延缓金融、医疗等敏感领域应用，但消费级市场将快速渗透。