新闻 
OpenClaw爆火,App时代要结束了?
OpenClaw爆火,App时代要结束了?OpenClaw爆火,App时代要结束了?
如果说移动互联网时代的入口是 App ，那么在 AI 时代，入口很可能变成 AI 智能体。而这场AI时代的操作系统之争已经在全球范围内打响。
一方面，AI 公司正在强化 AI 的系统能力。
OpenAI 正在持续扩展 ChatGPT 的工具调用、任务执行和开发者接口，使 AI 可以直接连接各种软件服务。
最近，OpenAI推出的GPT-5.4，引入了原生计算机使用功能，使人工智能代理能够通过鼠标、键盘和视觉输入与操作系统、网站和应用程序进行交互，开发人员可以使用该模型在各种软件环境中自动执行多步骤工作流程。
同时，传统科技巨头正进行底层防御。
微软正在将 AI 深度嵌入 Windows 与 Office 体系，希望让 AI 成为新的操作入口；苹果则在 iPhone 与 macOS 中强化本地 AI 能力，试图将 AI 融入系统底层。
当 AI 能够调用应用、操作设备并执行复杂任务时，一种新的计算架构正在形成，用户 → AI → 应用服务，围绕这一入口的竞争，本质上是一场新的操作系统入口之争。
二、 下一轮AI竞争，拼的是行为数据
OpenClaw 的爆火，让 Agent 在短时间内成为 AI 行业最热的方向之一。但对科技公司来说，这场竞赛与当下 AI 产业的现实压力有着莫大关系。
过去几年，大模型训练主要依赖互联网公开文本，例如百科、新闻、书籍或论坛内容。但随着模型规模不断扩大，这些数据的价值正在下降。
已有研究指出，人工智能对数据的需求增长速度远远超过了真实且多样化的数据来源所能提供的速度，缺乏自然产生的真实数据，正使人工智能的发展面临严重风险。
研究机构 Epoch AI 曾在2024年发布的一项研究预测，科技公司将在十年（大约在 2026 年至 2032 年之间）耗尽人工智能语言模型可用的公开训练数据。
短期来看，像 OpenAI 和谷歌这样的科技公司正在竞相获取高质量的数据源，有时甚至为此付费，以训练其人工智能大型语言模型，例如，通过签署协议来获取 Reddit 论坛和新闻媒体源源不断的句子。
从长远来看，新的博客、新闻文章和社交媒体评论将不足以维持人工智能目前的开发轨迹，这将迫使企业利用现在被视为私人的敏感数据（例如电子邮件或短信），或者依赖聊天机器人自己输出的不太可靠的“合成数据”。
而下一阶段模型能力提升的关键，不只是更多文本，而是更接近真实行为的数据。
当用户让 AI 完成一个任务时，AI 会经历一系列具体步骤，比如搜索信息、打开网页、调用软件或填写表单。这些操作会形成完整的任务链路，也就是业内常说的任务轨迹数据。
与静态文本相比，这类数据更接近真实世界中的行动逻辑，对训练具备执行能力的 AI 模型具有更高价值。从这个角度看，科技公司大规模推广 Agent，也是为了抢先争夺下一轮竞争的数据源，训练自己的模型。
当越来越多用户通过 Agent 完成任务时，这些操作过程本身也会形成大量新的训练数据。
在使用 Agent 的过程中，用户往往需要不断给出指令、纠正错误、调整任务步骤。对于 AI 系统来说，这些交互过程实际上构成了一种高质量的强化学习数据。每一次任务执行、每一次修正，都在记录 AI 如何逐步完成复杂任务的完整轨迹。
一旦这些数据被汇总到云端，它们就可能成为训练下一代 Agent 模型的重要资源。
相比传统互联网文本，这类数据不仅包含语言信息，还包含任务拆解、工具调用和决策路径，对于提升模型的推理能力和执行能力具有更高价值。
三、 AI正进入“1995 时刻”？
如果将时间线拉回到30年前，1995 年的互联网正处于混沌期。
彼时 TCP/IP 协议已成熟，但大部分企业仍然在摸索互联网究竟能做什么，普通人进入互联网也需面对枯燥的指令。
直到 Windows 95 的出现，它通过图形化界面有效地封装了底层技术的复杂性，并通过标准化的 API 接口为开发者搭建了低门槛的创作环境。
这一改变，不仅让“联网”从极客行为转化为普通人点击图标的日常，更促成了 PC 软件生态的爆发，开启了互联网普及的黄金十年。
30年后的今天，AI 产业似乎也站在一个类似的“1995 时刻”。
大模型已展现出处理各种复杂任务的能力，比如可以写报告、生成视频、编写代码、分析数据、以及操作电脑、调用软件并执行任务，几乎无所不能。
[物价飞涨的时候 这样省钱购物很爽]
无评论不新闻，发表一下您的意见吧
一方面，AI 公司正在强化 AI 的系统能力。
OpenAI 正在持续扩展 ChatGPT 的工具调用、任务执行和开发者接口，使 AI 可以直接连接各种软件服务。
最近，OpenAI推出的GPT-5.4，引入了原生计算机使用功能，使人工智能代理能够通过鼠标、键盘和视觉输入与操作系统、网站和应用程序进行交互，开发人员可以使用该模型在各种软件环境中自动执行多步骤工作流程。
同时，传统科技巨头正进行底层防御。
微软正在将 AI 深度嵌入 Windows 与 Office 体系，希望让 AI 成为新的操作入口；苹果则在 iPhone 与 macOS 中强化本地 AI 能力，试图将 AI 融入系统底层。
当 AI 能够调用应用、操作设备并执行复杂任务时，一种新的计算架构正在形成，用户 → AI → 应用服务，围绕这一入口的竞争，本质上是一场新的操作系统入口之争。
二、 下一轮AI竞争，拼的是行为数据
OpenClaw 的爆火，让 Agent 在短时间内成为 AI 行业最热的方向之一。但对科技公司来说，这场竞赛与当下 AI 产业的现实压力有着莫大关系。
过去几年，大模型训练主要依赖互联网公开文本，例如百科、新闻、书籍或论坛内容。但随着模型规模不断扩大，这些数据的价值正在下降。
已有研究指出，人工智能对数据的需求增长速度远远超过了真实且多样化的数据来源所能提供的速度，缺乏自然产生的真实数据，正使人工智能的发展面临严重风险。
研究机构 Epoch AI 曾在2024年发布的一项研究预测，科技公司将在十年（大约在 2026 年至 2032 年之间）耗尽人工智能语言模型可用的公开训练数据。
短期来看，像 OpenAI 和谷歌这样的科技公司正在竞相获取高质量的数据源，有时甚至为此付费，以训练其人工智能大型语言模型，例如，通过签署协议来获取 Reddit 论坛和新闻媒体源源不断的句子。
从长远来看，新的博客、新闻文章和社交媒体评论将不足以维持人工智能目前的开发轨迹，这将迫使企业利用现在被视为私人的敏感数据（例如电子邮件或短信），或者依赖聊天机器人自己输出的不太可靠的“合成数据”。
而下一阶段模型能力提升的关键，不只是更多文本，而是更接近真实行为的数据。
当用户让 AI 完成一个任务时，AI 会经历一系列具体步骤，比如搜索信息、打开网页、调用软件或填写表单。这些操作会形成完整的任务链路，也就是业内常说的任务轨迹数据。
与静态文本相比，这类数据更接近真实世界中的行动逻辑，对训练具备执行能力的 AI 模型具有更高价值。从这个角度看，科技公司大规模推广 Agent，也是为了抢先争夺下一轮竞争的数据源，训练自己的模型。
当越来越多用户通过 Agent 完成任务时，这些操作过程本身也会形成大量新的训练数据。
在使用 Agent 的过程中，用户往往需要不断给出指令、纠正错误、调整任务步骤。对于 AI 系统来说，这些交互过程实际上构成了一种高质量的强化学习数据。每一次任务执行、每一次修正，都在记录 AI 如何逐步完成复杂任务的完整轨迹。
一旦这些数据被汇总到云端，它们就可能成为训练下一代 Agent 模型的重要资源。
相比传统互联网文本，这类数据不仅包含语言信息，还包含任务拆解、工具调用和决策路径，对于提升模型的推理能力和执行能力具有更高价值。
三、 AI正进入“1995 时刻”？
如果将时间线拉回到30年前，1995 年的互联网正处于混沌期。
彼时 TCP/IP 协议已成熟，但大部分企业仍然在摸索互联网究竟能做什么，普通人进入互联网也需面对枯燥的指令。
直到 Windows 95 的出现，它通过图形化界面有效地封装了底层技术的复杂性，并通过标准化的 API 接口为开发者搭建了低门槛的创作环境。
这一改变，不仅让“联网”从极客行为转化为普通人点击图标的日常，更促成了 PC 软件生态的爆发，开启了互联网普及的黄金十年。
30年后的今天，AI 产业似乎也站在一个类似的“1995 时刻”。
大模型已展现出处理各种复杂任务的能力，比如可以写报告、生成视频、编写代码、分析数据、以及操作电脑、调用软件并执行任务，几乎无所不能。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
推荐: