GUI智能体基础设施白皮书：跨OS交互新纪元

今日分享的主题：人工智能专题——跨 OS-GUI 智能体基础设施白皮书

文档页数：58页

该白皮书系庭宇科技携手甲子光年联合推出，核心探讨跨 OS-GUI 智能体基础设施，强调 GUI Agent 正在掀起人机交互的第三次变革，促使交互方式从“人操作机器”演进至“机器理解并执行意图”，从而打破应用间的数据壁垒，确立 Agentic OS 为新的交互入口。该技术基于多模态大模型，通过模拟人类的视觉与操作行为，摆脱了对 API 和 RPA 的依赖，能够在不同平台间自主完成作业。与 API Agent 及传统 RPA 相比，它展现出更强的通用性和更低的应用适配成本。在技术架构上，涵盖了感知、决策、执行、反馈优化及沙盒隔离等模块，主流的技术路线主要分为基于端到端视觉大模型、代码生成以及多智能体协作三种路径。此技术可部署于手机、PC、智能穿戴设备等终端，广泛应用于行程安排、发票报销等场景，未来将迈向 Agentic OS 时代，但目前仍需克服技术及成本方面的难题。庭宇科技推出的 Lybic 产品基于边缘智算架构，具备低延迟和高安全性特点，有力支持 GUI Agent 的规模化部署。

免责声明：我们尊重版权，本公众号“人工智能学派“均属于通过公开、付费、合法渠道获得，不用于商业用途，报告版权归原撰写/发布机所有。公众号及社群所发布的资料，仅供社群内部成员市场研究以及讨论和交流，若有异议，如涉侵权，请及时联系我们，我们依相关法律对内容进行删除或作相应处理！