没错, Grok具备能够在实时状态下执行针对电脑屏幕以及键鼠的操作的能力。它是一款由马斯克旗下的xAI公司即将予以推出的智能体, 其身为在此前已经公布的项目此项目又被称作“数字擎天柱”的“尝鲜版本”。实时操作的核心Grok不是常规的聊天机器人, 它的设计目的是使AI直接操控电脑去完成任务, 它依赖于特斯拉和xAI共同开发的项目, 这个系统把Grok大模型用作高层推理引擎, 还配备一个专门的AI智能体来实时处理屏幕画面以及键鼠操作。简要来讲, 它不但能够“看”明白你的屏幕, 而且还能够“动手”替你进行点击以及进行打字。技术原理视频流处理实现实时操作的关键之处, 在于其处理电脑屏幕的方式, 和主流AI智能体不一样。现有的方案, 一般把屏幕看作一张张单独的截图, 这就需要经历“截屏→分析→操作→再截屏”这样的循环, 进而造成延迟以及卡顿。而Grok借鉴了特斯拉在自动驾驶领域的经验:这样的设计, 对人类操作电脑之际所呈现的“直觉本能”以及“思考决策”的分工予以了模仿, 立意达成更为流畅且低延迟的自动化体验。应用与前景Grok所针对的是企业自动化以及个人效率的提高, 其核心应用场景涵盖了处理繁杂海量的重复性办公任务, 像是自动填充表格、进行数据录入之类的, 目标旨在凭借能够理解上下文的AI去替换部分传统自动化工具 , 在商业落地层面, xAI已经实施了“贴身服务”策略, 顺利争取到了支付公司等关键企业客户。日后, 它还有可能跟特斯拉的人形机器人达成“软硬协同”, 其中机器人承担实体劳动, “数字擎天柱”负责文书以及电脑办公。当然, 其实际成效与稳定性有待正式推出后加以验证不过这毫无疑问是AI从“对话”迈向“操作”的关键一步。
