世界太吵,来原声听播客

a16z

OpenAI的电脑操作AI已比普通人快,正逼近超越专家水平

OpenAI的产品负责人说,其电脑操作agent已比普通人用电脑快,正逼近专家水平;比起造新软件替换老系统,他们更想让agent直接接管企业现有的遗留软件。

Computer Use企业自动化遗留系统Agent产品设计护城河OpenAI

原视频在 YouTube 上放不出来,用音频听:

两位OpenAI产品负责人详细讲了computer use怎么落地到企业,案例具体,信息密度高。

核心论点 · 点时间戳可跳到原声

9:19

操作电脑的AI已经比普通人快

Ari说,OpenAI的computer use已经做到比普通人操作电脑更快,而且正逼近「超人类」——比在场任何一个资深电脑用户还快。他认为这会是一次质变:一旦agent在任何操作上都比你自己动手快,默认选择就该是交给agent,人类只有在少数想亲自动手的场景才会例外。这不是远景,而是他们判断即将发生的产品拐点。

— Ari Weinstein
10:23

企业要的不是信任模型,是能调的旋钮

James说,企业对agent的信任感不是靠模型多聪明建立的,而是靠能不能把人类参与度做成可调的旋钮:哪些应用、哪些网站可以完全自主操作,哪些操作(比如下载上传、访问新网站)必须人工审批。OpenAI为此做了Guardian系统——一个专门审查agent每一步操作是否安全、是否符合用户原始意图的「智能模型」,让企业能在自主和可控之间自己划线。

— James Sun
12:29

开放网络上,agent和广告模式天然冲突

在企业内部软件里推广agent很顺利,但在开放互联网上会撞上商业模式冲突:很多网站靠广告赚钱,如果用户的agent代替人浏览网页,广告曝光基本不计入真实收入,这对发布者和广告主是直接的利益损失。OpenAI的应对是推WebMCP这样的标准,让网站同时支持人和agent协作使用——agent做掉重复劳动,人保留下单、挑选这类自己想做的环节,而不是整个网站被agent架空。

— Ari Weinstein
15:47

不需要开发者适配,是它最特别的地方

Ari强调computer use和OpenAI做过的其它产品完全不同:过去任何能力都需要开发者主动接入——写connector、搭MCP server——而computer use不需要,它像人一样直接点击、输入、浏览,所以能用在任何已有软件上,包括那些用了一二十年、从没为AI做过任何适配的遗留系统。这种「零集成成本」正是它能快速渗透进企业老旧ERP、CRM的原因。

— Ari Weinstein
20:58

企业自动化先吃掉系统记录类苦活

James把企业里能自动化的工作分两类。第一类是枯燥但高价值的「系统记录」类工作:采购(把上千行的物料需求表格手动录入采购软件、再逐个联系供应商)、财务对账(不同账本之间没有API,全靠人工核对)、销售(从通话记录里扒数据填CRM)。这些流程大多没有API,只能靠人工在软件里点来点去,正是computer use最先能替代的部分。第二类是电路设计、硬件工程这类更有创造性的工作,目前企业还没普遍意识到agent也能做。

— James Sun
26:07

老软件不会消失,UI也不会消失

对于「新公司会不会靠agent干掉老软件」这个问题,两人观点互补。Ari认为遗留软件写了一二十年,不会一夜消失,computer use反而会倒逼所有软件做得对agent更友好;James则更在意UI本身的价值——他给妻子做了一个五子棋战术训练器,因为「懂她喜欢怎么学」这件事只有人能做到,他认为以后任何软件都能为一百人甚至一个人定制,这才是UI不会消失、只会变得更个人化的原因。

35:28

创业者的护城河是速度和痛苦

James说即使实验室人手紧张、能做的事多到做不完,创业公司依然有大量空间,尤其在AI渗透很慢的垂直行业——他举例一家公司用computer use拍餐厅后厨库存照片、预测明天客流、自动去采购软件下单、再调整排班表,把一整条原本靠人工拼起来的链路打通。他的判断是:多数中小企业连AI工具能做什么都不知道,真正的护城河不是模型能力,而是谁能先把这些复杂、分散的软件拼成一个能用的产品。

— James Sun
40:45

下一步是agent主动找上门

Ari说现在的computer use产品大多是「你交代任务、它去后台做」,下一步会往两个方向走:一是真正的超人速度和人机实时协作,二是更重要的「主动性」——像Dot那样agent自己发现问题来找你,而不是等你想起来要用它。他认为这会让产品更容易被普通人接受,因为人不用费心学习怎么用agent,是agent自己来适应人的生活节奏。

— Ari Weinstein

原话 · 已逐字校验

So, we've gotten computer use now to a place where it's faster than the average human at using a computer. And I think we're getting really close to a place where it is superhuman, meaning it is faster than an expert computer user like probably one of us at this table.

我们已经把computer use做到比普通人操作电脑更快了。我觉得我们正非常接近超人类的水平——意味着它比专家级电脑用户还快,大概就像我们这桌的某个人。

Ari Weinstein9:19

We have this really awesome system called Guardian, right? Or I think auto-approve in the app that is a really smart model looking at every single action that the computer use agent is taking to decide if it's safe, if it's aligned to their original intent.

我们有一个很棒的系统叫Guardian,或者说应用里的自动批准功能——一个很聪明的模型,会审查computer use agent的每一个动作,判断它是否安全、是否符合用户最初的意图。

James Sun10:23

You think about advertisers, publishers whose business model is entirely on advertisement. If the agent's using the website for them, then where's that revenue coming from?

想想那些完全靠广告赚钱的广告主和发布者——如果是agent替用户在用网站,那笔收入从哪儿来?

Ari Weinstein12:29

You know, it works with every application. It's unlike any other thing that we've built where, you know, the developer has to do some work to adopt it. Someone has to build a connector or MCP server. You know, computer use works with everything.

它能用在任何应用上。这和我们做过的其它东西都不一样——那些都需要开发者做点工作才能接入,得有人搭connector或MCP server。而computer use对什么都管用。

Ari Weinstein15:47

Why not? Like, why should we settle for shitty software?

为什么不呢?我们凭什么将就用烂软件?

James Sun31:23

And speed, really, I think at the end of the day, speed and pain is kind of the moat that exists today.

说到底,我觉得速度——速度和痛点——才是今天真正存在的护城河。

James Sun35:28

I'm really excited about a world where the agent can sort of adapt to you instead of you adapting to it.

我很期待这样一个世界:是agent来适应你,而不是你去适应它。

Ari Weinstein40:45

术语

Computer Use (CUA)电脑操作智能体
让AI像人一样直接点击、输入、浏览来操作电脑软件完成任务
WebMCP网页版MCP协议
让人类和AI agent能共同使用同一个网站的新标准
GuardianGuardian安全审查系统
OpenAI内部模型,实时审查agent每一步操作是否安全、是否符合用户意图
DotsDot云端助手
OpenAI的产品,给用户一台云端电脑,能主动发现并处理任务
AtlasAtlas浏览器
OpenAI此前推出的AI浏览器产品,目前已停止使用

收听指南

谁该听

关注AI agent产品设计、企业自动化、RPA或遗留系统改造的创业者和投资人。

可跳过

开场2分钟的寒暄和来宾介绍信息量低,可直接跳过。