在今年的中國計算機大會（CNCC）上，參會者們不僅享受了一場科技盛宴，還意外地體驗了一把由AI帶來的便捷服務。大會舉辦地——橫店圓明新園，以其宏大的規模和精美的建筑，給所有參會者留下了深刻印象。然而，園區之大，也讓不少人感到腿酸腳痛。
面對這一挑戰，有人突發奇想：能否讓AI在橫店幫我們點一杯咖啡？這個想法很快得到了實現。在CNCC現場，智譜公司發布了其最新研發的自主智能體AutoGLM，這一功能強大的手機操作助手和瀏覽器助手，讓參會者們體驗了一把“動口不動手”的便利。
通過簡單的語音指令，AutoGLM就能打開美團，并根據指令點購咖啡，整個過程中，除了付款環節，完全不需要人的參與。這一功能不僅讓參會者們驚嘆不已，更讓他們在現場成功喝上了由AI點購的咖啡。
智譜公司此次發布的GLM-4-Voice情感語音模型，更是讓人眼前一亮。這一模型不僅擁有極高的響應速度和打斷速度，還能準確感知和共鳴用戶的情緒，其語音表達更是自然流暢，充滿了“活人感”。在實測中，GLM-4-Voice不僅在英語陪練和日語練習上表現出色，還能輕松駕馭北京腔、臺灣腔、東北腔和粵語等多種方言。
在CNCC的會場外，參會者們還帶著AutoGLM游覽了橫店知名景點“秦王宮”，并讓它以李白的身份即興作詩一首。小智不負眾望，創作了一首充滿豪情壯志的詩句，贏得了大家的陣陣掌聲。
除了情感語音助手外，智譜公司還在CNCC上展示了其在AGI（通用人工智能）技術路徑上的新思考。香港大學馬毅教授在大會主題圓桌論壇中提到，人類智能有兩個“原生大模型”：DNA和語言，它們都具備自我學習的能力。而當前的大模型雖然知識豐富，但在智能方面仍有不足。因此，要實現AGI，還需要在多模態、推理與自我學習等方面進行深入研究。
智譜公司的AutoGLM，正是其在工具能力上的新研究，也是其AGI實現路徑之一。通過端到端的語音模型，GLM-4-Voice避免了傳統級聯方案中的信息損失和誤差積累，實現了更高的建模上限。在預訓練方面，智譜將Speech2Speech任務解耦合為Speech2Text和Text2Speech兩個任務，并設計了兩種預訓練目標來適配這兩種任務形式。
智譜公司還對AGI進行了深入的思考和探索。他們認為，盡管多模態是實現AGI的必經之路，但在多模態模型的研究中，仍需保持科學的懷疑和驗證精神。目前，多模態研究仍存在諸多挑戰，如不同模態之間的Gap、如何將不同模態結合起來等。
智譜公司的AGI路徑是先聚焦文本大模型的能力提升，然后再逐步擴展到圖像、視覺、語音等其他模態。他們不僅注重單一模態的單點能力提升，還注重雙模態、多模態的結合。目前，智譜的AGI研究已經超越了追趕OpenAI的階段，形成了一套自己的技術指南和路線圖。
在CNCC現場，智譜公司還透露了其即將推出的生成視頻模型CogVideoX的升級版本CogVideoX-Plus。這一新版本將支持60幀幀率、4K畫質、10秒時長、任意比例圖生視頻，并大幅提升運動穩定性。這一消息無疑為參會者們帶來了更多的期待和驚喜。
盡管距離AGI的實現還有很長的路要走，但智譜公司已經在這條路上邁出了堅實的步伐。他們的研究和探索不僅為AGI的發展提供了新的思路和方向，也為人工智能的未來發展注入了更多的活力和可能。
