科技圈内正流行起了使唤 AI 买咖啡。

今年 9 月初，支付宝在Inclusion·外滩大会宣布AI生活管家“支小宝”上线时，就用“支小宝”点了一杯星巴克咖啡；10 月 28 日，2024 CNCC 大会上，智谱科技也用其最新的智能体应用 AutoGLM 演示点了一杯咖啡。

不只软件厂商，越来越多的手机厂商演示 AI 功能时，也开始喜欢从点一杯咖啡切入。

10月上旬，vivo 推出的手机智能体——PhoneGPT，也可以听取用户指令执行买咖啡的操作；10 月下旬，荣耀 CEO 赵明在发布会现场也在使用智能助手 YOYO 一句话点咖啡。

从最开始仅支持对话输出内容的生成式 AI（Generative AI），到能帮人执行具体事务的代理式 AI（AI Agent），各家企业的产品演示方式具体落地到了“点一杯咖啡”这样的小事上。

AI 的想象当然并不止于此，除了点咖啡，大厂们无疑期望着让 AI 能跑腿干更多的活，一句话就能自动帮你点外卖、订酒店、买东西。只是相较于 Agent 这样广义而模糊的词汇而言，“办事型AI ”显然有着更低的理解和认同门槛。

随着办事型 AI 越来越琳琅满目之余，业内也在开始思考：软硬件都有各自不可替代的优势，各方如何打通生态的壁垒，真正为用户提供有用且便捷的服务。

过去一两年，主要占据行业视野的是生成式 AI ，但现在单纯的生成式 AI 已无法充分满足C端用户对AI落地的需求。

此前《新立场》的文章中就提到，生成式 AI 和代理式 AI 是人工智能领域中两个不同的方向，前者主要通过学习数据，生成输出新内容（文本、图像、音频等），最常见的应用就是聊天机器人；后者不仅能聊天，还更侧重于模拟智能行为，与环境进行交互，并根据收集的数据作出决策并执行任务。

代理式 AI 可以视为生成式 AI 的递进。显而易见，由于 OpenAI 的 ChatGPT 爆火，为AI点明了一个发展方向，所以过去一两年国内对于 AI To C 的探索，大多是围绕生成式 AI 来的。而在技术逐渐落地并面向广大 C 端用户时，光是会听会说的生成式 AI 已然不够，AI 需要帮人干更多的事情。

于是，各大厂商开始逐步关注代理式 AI 。

这不仅是因为行业感知到了用户需求的进化。生成式 AI 的壁垒在于模型的效果和数据的质量，而代理式 AI 的壁垒则在于生态的丰富性和联通性。经历了刚开始的百模大战，到现在的相对冷静期，厂商们逐渐清楚，在具体的AI应用落地侧，单纯的卷生成式 AI已经不够了，AI怎么真正服务生活变得更加重要，上一个移动互联网时代在各行各业积累的生态，对于 AI 来说，是一片几乎未曾开发的沃土。

近期，似乎越来越多的厂商也意识到了，发展代理式 AI 从一件具体小事切入的重要性。

就以 9 月支小宝的那场发布会为例，发布会结束后，让 AI 买咖啡在科技圈媒体圈都成为热议话题。此后的荣耀发布会，甚至出现了荣耀CEO赵明用 AI下单 2000 杯咖啡的演示。

毕竟买咖啡这样的行为，可以同时满足用户和厂商现阶段的核心需求：在用户看来，一句话一杯咖啡的成本就可以体现 AI 的办事效率是否有所进步；而在厂商看来，用 AI 买咖啡的行为，囊括了代理式 AI 所有的关键流程。

借由让 AI 买咖啡，一句话让AI办事有了更形象且落地的案例，也有了未来更多的想象。

当我们想要找一个词汇形容这类代理式 AI 时，也会自然而然发现，“办事 AI ”比 agent 本身更具体，也更有本土特色。

目前办事AI可以根据厂商性质分为三大类，平台、硬件、大模型类。以用户买咖啡这一场景为例，对比三个类型的办事 AI 具体异同点如下图。

互联网平台类如支付宝推出的“支小宝”，当用户下达指令，支小宝会调取出相应的服务，如买咖啡、订机票、打车等，在App内能完成从点单到支付的全流程。从目前测试结果来看，调取的服务和支持的城市仍在逐步开放中。

支小宝的优势是生态的丰富性。今年 4 月，支付宝开始灰度测试一款全新的智能助理，首页下拉就能体验，这就是现在的支小宝前身。直到 9 月，“支小宝”作为一款生活服务类的独立 App 正式推出，基于支付宝丰富的服务生态，用户只需要简单说句话，便可唤起海量的极致服务。

可以说，作为一款国民级应用，支付宝 400 多万的小程序，以及超 8000 项的数字生活服务，无疑是支小宝可以持续深耕的沃土。而支小宝未来的优势，则在于其可以横跨不同的硬件平台，让尽可能多的人用上AI服务。

硬件类如荣耀YOYO，当用户使用手机助手语音下达指令后，AI助手会模拟用户屏幕交互行为，自动点击屏幕来调取应用，找到应用中的商户并自动下单，最后需要用户确认支付。

不同于支小宝这样的独立 app，荣耀YOYO等此类手机的AI助手 ，可以从手机系统层面去调用手机内的其他 app 或服务，可以视为此前手机语音助手的升级版。当然，这类硬件厂商 AI 产品的优势就是占据用户入口，以及硬件对于 app 的调用权限。

但劣势在于持续优化迭代的门槛高，厂商可能要为此投入高性能芯片，研发配套的操作系统等，同时还要考虑用户更换新手机的情况。因此手机厂商需要不断地在产品、成本与性能之间寻求平衡，进一步探索AI Agent的应用潜力。

比如十月在荣耀 Magic7发布会之前，荣耀就已提前发布AI操作系统 MagicOS 9.0，并在发布会上跟升级成智能体的 YOYO 一起亮相。

更不用说苹果为了给 AI 铺路，除了发布适配 AI 的新手机、新系统，近期还推出了搭载全新 M4 芯片的 Mac 系列产品，被外界视为进一步向 AI PC 迈进。

由于付出的成本更大，现在硬件类的办事 AI，每一步走得更加谨慎。

而对于既不占据用户入口，又没有生活服务生态的大模型厂商来说，做办事 AI 仍具有一定的优势，就是既可以像硬件厂商一般模拟用户对屏幕的交互行为，但又不受硬件厂商的品牌限制，探索成为一个上下游都开放的平台。

如智谱科技的 AutoGLM ，用户下达指令后，应用也会模拟用户屏幕交互行为来调取其他应用，中间需要用户干预进行关键操作，最后需要用户确认支付。从定位来看，大模型类厂商的办事 AI 介于硬件类和平台类之间。

如果要对各类办事 AI 的未来做一个预测，可以从一些已经相对成熟的产品来对比。

比如智能家居或车机的语音控制系统，类似生活场景的智能 AI 产品逻辑已经很接近我们现在所说的办事 AI，但仍有局限性。其本质上还是在“家”或“车”这个封闭环境中执行任务的，提供服务相对有限，对AI下指令也相对更简单。

但是让AI“买咖啡”这类事情，显然发生在更开放的生活场景中，AI要面对的是更复杂而多元的真实世界。AI 的一端是用户个性化的生活，另一端是千行百业的商家或服务。

此时硬件厂和平台厂做办事 AI ，都会依托自身掌握的其中一端主动权来发散。手机、智能穿戴设备、全屋智能家电、智能汽车等硬件，都是用户触达 AI更直接的入口，这是硬件厂的源头优势。

而像支小宝这样的AI软件产品，背靠的支付宝不仅仅是支付平台，更是国内最大的数字生活服务平台，能用AI来调动更广大的商家机构，为用户提供更便捷丝滑的办事服务。这些复杂的地面基建工作正是平台在服务生态上的优势，毕竟在过去的移动支付时代，支付宝就是这么做的：下场铺二维码、建小程序，目前支付宝已拥有400万个小程序、连接超8000万商家。

到了 AI 时代，支小宝正用AI 的逻辑重构平台生态。此前支付宝推出智能体开发平台“百宝箱”，正是让商家机构可以 0 代码快速创建专属智能体，并一键发布到支付宝小程序、支付宝App、支小宝App。

目前我们打开支小宝就可以看到，许多第三方服务商家已经有了自己的智能体，比如与黄山景区推出的“黄小松”智能体、与杭州文旅推出的“杭小忆”智能体等。可以预见未来，其他行业也会经历从移动互联网服务到智能体服务的升级蜕变，而这个过程或许比小程序时代来得更快更猛。

然而，正如移动互联网的繁荣需要手机厂商与互联网平台的开放协作，进入AI时代，让AI真正长出手和脚，融入生活，帮你办事，也需要多方合力推动。

毕竟，无论是硬件商还是软件商，各自AI产品执行任务的能力都还需要加强，目前它们都还难以达到一次性拆解复杂指令并完整执行任务的效果。

比如当硬件在调用软件时，在多个关键步骤仍然需要用户介入，智谱的AutoGLM 就跳不过广告弹窗 ； 而支小宝这样的软件调用支付宝内的服务时，跟商家的协同也还需进一步建设。比如当用户需要订餐但选择困难，商家是否能根据用户的喜好作出智能推荐。

因此，尽管不同类型厂商的办事 AI 业务有所重合，但还远远不到争夺AI入口的阶段，在开放场景下的办事 AI ，无论是软件和硬件厂都需要对方的能力，来完成办事流程的闭环。

硬件厂商需要互联网平台的生态资源，才能真正深入数千万商家机构，深入生活的肌理，扩大服务的供给。互联网平台的AI产品，也需要与硬件结合，比如车机、手表、眼镜等，才能焕新服务的形式。

此前 ，字节跳动的豆包就推出了 AI 智能体耳机Ola Friend ，戴上耳机就能查信息、问攻略、学英语等；Rokid也传出要跟支小宝合作，佩戴AR眼镜就能让AI帮忙点咖啡、打车，实现各种一句话办事。可以看出，现在各类厂商都在积极探索软硬件结合，为办事AI的落地寻找最优的路径。

如果我们参考移动互联网此前十多年的发展，也会发现在各大平台互联互通程度不断的提升下，今天的生活办事更加便利。而AI要真的为人办事，绕不开的也是互联互通，这很大程度上决定着下一个阶段AI ToC的落地速度。

这条路很长，但我们至少知道方向在哪里。硬件厂商的原生智能体与互联网平台的智能体之间如何组合协同，应该遵循什么样的标准，如何进一步塑造上下游生态模式，都是业内需要思考的问题。

*题图及文中配图来源于网络。