来源：市场资讯
（来源：刘聪NLP）
昨天WAIC探展，真是累麻了，第一次直播，没想到这么累，
我还穿了这个外骨骼，在逛展的时候，依然感觉腿要废了，真佩服那些可以一直播十几个小时的人了。
逛展的时候，我在一楼大模型展区发现了一个有点格格不入的展商，
别的地方摆的都是模型、产品相关的内容，他这里还停了一辆汽车，
抬头一看，原来是阶跃，倒也不奇怪，毕竟吉利、千里科技和阶跃一直在推AI+车，联合研发的Eva搭载在极氪8X上。
走到里面，看到一堆人在排队体验一个前端效果，
我一开始还以为是什么新东西，仔细一看，是用摄像头识别手势，再生成隐身衣、漫画画框之类的实时特效。
不过，这个确实挺适合展会，效果直观，也好玩。
但类似能力在Gemini 2.5 Pro出来的时候就已经有了。不过这Step 3.7 Flash搞出来了，我之前做过测试，可以看这篇，我就不多说了。
真正让我眼前一亮的，是他们的阶跃AI。
做了一个手机和电脑之间的跨端联动，但跟我之前体验过的其他Agent产品都不一样。
先看视频。
如果只是用手机远程控制电脑，那没什么稀奇的，很多很早就能做到。
但阶跃AI的这个功能里，有意思的地方，是把电脑端的执行过程实时推到了手机上。
人一定是更习惯看界面，尤其是办公，在远程操控的时候，实时看见它做到了哪一步，心里会踏实很多。
不过，这个功能现在还没有全量上线，手机半屏实时画面还是WAIC尝鲜版本，我也问了现场工作人员，预计很快开放。
这里用到的核心能力就是Computer Use，也可以理解为GUI Agent。
这个技术我之前介绍过，自己也部署和测试过，只不过当时控制的是手机，原理差不多。
Computer Use，一般会不断跑一个循环，系统先截取当前屏幕，让多模态模型看懂页面上的文字、按钮、菜单和输入框这些内容，再根据用户的目标判断下一步要点击哪里、输入什么。
执行完一次鼠标或键盘操作后，系统会重新截屏，检查页面有没有按照预期变化。如果成功了，就继续下一步。如果点错了，或者弹出了新的窗口，模型就要重新规划。
这条路线有个好处，很多没有开放API的软件也能操作。
当然，难点也很明显，界面稍微发生变化，模型就可能点错。任务步骤越多，前面的一个错误也越容易一直传下去。
所以，Computer Use不光考验多模态识别，还有括任务规划、操作精度、执行速度和出错后的自我修正等一系列能力。
然后阶跃AI，还把它们之前声音克隆的能力加上去了，
我之前有些过一个case，当时用阶跃Step3.7做了诗词网站，然后为了用我自己的声音，用了他们的声音克隆。
他们集成到APP里的更秀，是让你录一段声音，然后生成一个歌曲，歌曲的声音是你的
我当时听完之后，十分震惊，
因为必须带耳机，没法给大家录，很可惜，不过功能七月底之前就会上线，
到时候大家还是可以试一下，一秒变歌手，以后Rapper不是梦，哈哈哈～
最后，跟Amoo（阶跃AI的形象）合拍了一波，有一个粘土风格的合照，算是增加了你和你的AI伙伴之间的互动。
这样也更有趣，生活、工作已经很苦闷了，需要一些乐趣～
我还探了很多机器人的展，跟机器人，打了一波拳（虽然我显得有点呆），
还有很多有意思的内容，
大家敬请期待，会陆陆续续更新出来。
热门跟贴