De acordo com pt.wedoany.com-Em 9 de julho, a StepFun lançará um novo terminal de agente inteligente de última geração, oferecendo novas soluções de terminal para a era dos Agentes. As direções de produtos relacionadas incluem marcas de terminais de IA, sistemas de agentes inteligentes e smartphones com agente de IA, com o foco do negócio se estendendo da capacidade de saída de grandes modelos para terminais de hardware e entradas de agentes inteligentes no dispositivo.
O núcleo técnico do novo terminal de agente inteligente não se limita a conectar grandes modelos a smartphones ou dispositivos de hardware, mas sim a integrar o modelo, a interação do sistema operacional, a percepção no dispositivo, a execução de tarefas e a coordenação de capacidades na nuvem em uma única cadeia. Os assistentes de smartphone tradicionais permanecem principalmente na ativação por voz, chamadas de aplicativos e consultas de informações. Já o terminal de agente inteligente precisa entender a intenção do usuário, reconhecer o contexto da tela e do ambiente, decompor tarefas em várias etapas e realizar operações contínuas entre aplicativos de comunicação, agenda, pesquisa, fotografia, documentos, pagamentos, viagens e trabalho. Para alcançar tais capacidades, o lado do terminal precisa ter entrada multimodal, inferência de modelo no dispositivo, gerenciamento de permissões, chamadas de interface de aplicativos e memória de estado de tarefas; o lado da nuvem precisa fornecer maior capacidade de modelo, raciocínio complexo, processamento de contexto longo e sincronização entre dispositivos. A StepFun, ao entrar no terminal de agente inteligente, concentrará seus esforços técnicos na arquitetura de coordenação nuvem-dispositivo, sistema de agente inteligente, modelo de operação GUI, interação multimodal e adaptação ao hardware do smartphone.
Se o smartphone com agente de IA entrar em fase de implementação, o lado do hardware precisará resolver não apenas chips e telas. O conjunto de microfones, câmeras, sensores, poder computacional no dispositivo, permissões do sistema, controle de consumo de energia, isolamento de privacidade e armazenamento local afetarão se o agente inteligente pode operar de forma estável.
A StepFun já havia definido "IA + Terminal" como uma direção importante, com capacidades de produto cobrindo cenários como smartphones, automóveis e interação multimodal. O terminal de agente inteligente difere de uma simples API de modelo; ele exige que o modelo realmente entre em dispositivos de alto uso do usuário e execute tarefas realizáveis em aplicações reais. O smartphone é a entrada mais típica, pois possui simultaneamente identidade, pagamento, comunicação, câmera, localização, ecossistema de aplicativos e dados pessoais; uma vez que o sistema de agente inteligente é incorporado ao smartphone, o modelo não se limita mais a responder perguntas, mas pode realizar operações entre aplicativos, organizar informações, gerar conteúdo, executar fluxos e coordenar dispositivos com base nas instruções do usuário.
Esta solução de terminal também envolve a colaboração entre fabricantes de dispositivos completos e empresas de grandes modelos. Para que o smartphone com agente de IA seja implementado em escala, é necessária a adaptação conjunta de empresas de modelos, fabricantes ODM, equipes de software de sistema, ecossistema de aplicativos e plataformas de chips; se o grande modelo for apenas pré-instalado como um aplicativo no smartphone, não será possível criar uma verdadeira experiência de terminal de agente inteligente. Um verdadeiro sistema de agente inteligente precisa estabelecer um canal estável entre permissões de baixo nível, interfaces de aplicativos, inferência no dispositivo e modelos na nuvem, e otimizar a capacidade de execução de tarefas em várias etapas por meio de treinamento contínuo.
Os próximos pontos de atenção para o novo terminal de agente inteligente da StepFun se concentrarão em vários aspectos técnicos: como o sistema de agente inteligente chama aplicativos do smartphone, quantas tarefas locais o modelo no dispositivo pode assumir, como a entrada multimodal é convertida em operações executáveis, como o grande modelo na nuvem e o sistema local dividem o trabalho, como os dados de privacidade são isolados e se o smartphone com agente de IA possui capacidade de execução contínua de tarefas independente dos assistentes de voz tradicionais.
