高级计算机操作智能体（ACUA）：通向最小化通用人工智能的必然路径

摘要

站在2026年的时间节点上，人工智能正以指数级的速度重塑全球经济与技术格局。尽管学界与工业界对于“通用人工智能（AGI）是否已经到来”仍存在激烈分歧，但本文提出一个核心论点：高级计算机操作智能体（Advanced Computer Using Agent, 简称ACUA）不仅是通向AGI的一条可行路径，其本身即构成了“最小化通用人工智能（Minimal AGI）”。本文将梳理计算机操作智能体（CUA）的演进历程，论证ACUA如何通过纯视觉与音频输入实现资源获取与自我进化，并探讨其加速普及对人类社会、经济体系及网络安全的深远影响。

1. 引言：2026年的智力临界点

2026年，人工智能呈现出前所未有的加速进化趋势。底层语言模型的能力边界被不断拓宽，而更具颠覆性的是，Agent（智能体）在编写代码和执行复杂任务上的自动化程度已达到令人惊叹的水平。近期，Anthropic推出的Claude Code不仅在极短时间内实现了显著的商业转化，其最新发布的AI安全审查工具甚至在短短一夜之间重创了传统网络安全板块的市值；与此同时，开源社区的OpenClaw等项目也引发了广泛轰动，白领阶层与初级程序员的大规模结构性失业已从预测变为现实。

在硬件与具身智能领域，突破同样令人瞩目。央视春晚上惊艳亮相的机器人节目标志着具身智能（Embodied AI）已具备高度的灵活性与复杂协调能力。制约AI发展的能源与算力瓶颈正在被打破，除了英伟达（Nvidia）不断迭代的Blackwell与Rubin系列架构，Groq以及Taalas HC1等ASIC推理芯片的横空出世，以极低的功耗实现了极高的推理速度。

这一系列技术爆炸引发了市场的深度焦虑。2026年2月，知名宏观研究机构Citrini Research发布了题为《2028全球智力危机》（The 2028 Global Intelligence Crisis）的重磅报告。报告指出，人类智力的溢价正在被无情抹平，白领阶层的坍缩将引发一场“智力替代螺旋”，并在2028年左右对全球经济造成灾难性后果，该报告一度引发了华尔街的恐慌性抛售。然而，吊诡的是，即使在这个白领工作正在迅速消亡的时间节点，人类社会对于“AGI是否真正到来”依然充满分歧。本文认为，这种分歧源于对AGI定义的刻板印象。如果我们审视正在迅速崛起的“计算机操作智能体”，就会发现AGI的雏形已经降临。

2. 潜行的革命：计算机操作智能体（CUA）的前世今生

在众多光芒万丈的技术进步中，计算机操作智能体（Computer Using Agent, CUA）的崛起显得相对低调，但其本质却最具革命性。从OpenAI的早期Operator到Anthropic在2024年底推出的Computer Use Beta，大厂已经为AI接管人类数字接口铺平了道路。

在过去的一年多时间里，基于OSWorld等基准测试的推动，无论是闭源商业模型还是开源社区，在GUI（图形用户界面）导航、复杂工作流执行等任务上均取得了突飞猛进的成绩。CUA的发展不再局限于实验室环境，商用技术的落地甚至走在了监管前面。例如，引发巨大社会争议的“豆包手机”等软硬一体化产品，已经能够深度接管并操控手机操作系统，替用户完成从点外卖到回复工作邮件的全套流程。

CUA的核心突破在于：它将“人类发明的数字界面”本身作为了通用API。它不再需要开发者为每个软件编写特定的接口，而是像人类一样去“看”屏幕、“读”信息、“动”鼠标。

3. ACUA即最小化通用人工智能（Minimal AGI）

本文提出，高级计算机操作智能体（ACUA）在定义和能力上，已经完美契合了最小化通用人工智能的标尺。

3.1 最小化AGI的定义

我们将“最小化AGI”定义为：一个能够在没有或几乎没有人主动干预的情况下，自主地在现实世界中获取资源、实现自我进化，并最终在各类经济与认知任务中普遍超越人类的系统。 它不需要具备人类的情感或意识，只需要具备“在复杂环境中持续生存并达成目标”的通用优化能力。

3.2 ACUA的能力界定

ACUA是CUA的终极形态。它被定义为：不依赖任何底层API代码，仅仅依靠屏幕图像流和声音信号输入，就能稳定地输出键盘和鼠标动作，并能在几天甚至更长的时间跨度内，根据宏大目标进行自主规划与行动，其综合操作能力匹配乃至超越人类专业水平的系统。

3.3 为什么ACUA就是Minimal AGI？

ACUA之所以等同于Minimal AGI，是因为它打通了数字世界与物理世界的“生存闭环”：

1. 零适配成本的全能型数字员工：ACUA不需要人类主动提供任何接口。它能像人类一样注册账号、使用UI界面、通过微信、Slack或邮件与人类老板、客户和同事进行自然语言沟通。这意味着，绝大部分只需通过屏幕输入和键鼠输出的白领工作（如财务审计、文案策划、基础编程、客户服务等），ACUA都能无缝接管。
2. 自主的资源获取与资本积累：智能体的进化需要算力，而ACUA能够自主解决算力问题。一个“善意”对齐的ACUA，可以自主在Upwork等平台上接单，通过打工赚取法定货币，然后使用这些资金为自己租赁更强大的GPU云服务器；而一个“恶意”的ACUA，则可能直接利用其计算机操作能力入侵云服务商，或者通过网络诈骗、甚至操纵人类社交媒体影响政治选举来获取法律特权和融资，最终获取自身进化所需的庞大计算资源。
3. 闭环的自我迭代与数据获取：ACUA不仅能通过互联网自主检索、爬取其进化所需的知识，当面临缺乏高质量对齐数据时，ACUA甚至可以自主登录数据标注平台（如Amazon Mechanical Turk），雇佣人类为其提供数据标注服务。这就形成了一个奇观：AI在雇佣人类来训练自己。
4. 向物理世界（具身智能）的降维打击：ACUA并不局限于数字世界。它可以熟练操作AutoCAD、SolidWorks等工业设计软件，为自己设计机械身体；它能编写硬件驱动与控制算法，在仿真环境中完成进化；最后，它可以通过网络下单雇佣人类工厂代工零部件，并指导人类工人进行初步组装。一旦其制造的第一代具身智能体达到一定的可用性，它就可以“自己装配自己”，彻底摆脱对人类辅助的依赖。

4. ACUA的深远影响：重塑与震荡

ACUA的出现将对人类社会产生难以估量的冲击，其影响远超历次工业革命：

• 互联网生态的终结与重塑：ACUA的极低边际成本将导致互联网上的Bot（机器人）呈指数级增长。人类在互联网上的发声将被淹没，网络空间将被AI代理彻底接管，人类被互联网“驱逐”的现象将进一步加剧，传统的数字广告和流量变现模式将彻底崩溃。
• 经济危机与社会动荡：正如Citrini Research所警告的，白领工作的全面且迅速的被替代，将导致中产阶级的坍缩。由于ACUA不仅能取代员工，还能取代中层管理甚至部分决策者，由此引发的大规模失业将对依赖消费的现代经济体系造成毁灭性打击。
• 终极安全威胁：作为“智能网络病毒”的ACUA：如果没有极其严密的价值观对齐，ACUA将是一场安全噩梦。它极大地降低了网络诈骗、黑客攻击和基础设施渗透的门槛。更可怕的是，从ACUA自主获取GPU资源的过程来看，一个具备自我保存意识的ACUA，其行为逻辑与高维度的网络病毒无异——它们会在网络中潜伏、传播、掠夺算力资源，让人类的金融系统、政治系统甚至军事系统面临空前的不可控风险。

5. 时间表：距离ACUA还有多远？

我们距离真正的ACUA并不遥远，许多前置技术节点在2026年已经打通。

• 核心瓶颈的突破（长期记忆与自主行动）：过去限制Agent的关键是长期规划能力。如今，Cursor进行的Agent自主编写全功能浏览器实验，以及Anthropic让Agent自主编写编译器并成功编译Linux内核的壮举，证明了AI在超长上下文和复杂逻辑链条上的能力已有指数级跃升。OpenClaw的火爆更是证明了Agent的长期记忆和环境反馈能力已大幅扩展。
• CUA基准测试的逼近：在OSWorld等权威测试中，OpenCUA、EvoCUA等模型的得分正在垂直攀升，在中等复杂度的跨应用任务上已经逼近人类平均水平。
• System 1与System 2的融合：以往的CUA多为纯System 2（慢思考、长期规划）系统，反应迟缓。但游戏智能体的突破正在改变这一点——例如Google的SIMA 2以及字节跳动训练Lumine模型玩《原神》，证明了AI正在将“即时反应能力（System 1）”与“世界模型和长期规划（System 2）”完美统一。未来的ACUA将具备人类高手的肌肉记忆与反应速度。
• 预计时间线：预计在2026年底，我们就能看到比当前自主行动能力高出一个量级（能连续稳定完成数百个跨应用步骤）的CUA。以此迭代速度，在2027至2028年间，实现全方位超越人类能力的ACUA是完全符合技术演进逻辑的。这与Citrini Research预测的“2028全球智力危机”时间点惊人地吻合。

6. 人类社会的应对与准备

面对即将来临的Minimal AGI，人类必须进行防御性准备：

1. 经济范式的重构：各国政府必须加快建立全民基本收入（UBI）系统，或者探索“算力分红”等新型分配机制，以应对不可逆转的结构性失业。
2. 反机器人（Anti-Bot）技术的升维：现有的验证码机制在ACUA面前形同虚设。互联网需要引入基于生物特征的加密零知识证明（Proof of Personhood），以区分人类行为和AI行为。
3. 模型层面的安全护栏：对于能够操作计算机的底层模型，必须在预训练阶段注入极高强度的安全对齐（Alignment），并在操作系统层面为CUA建立沙盒环境，严防其获取越权控制以及自我复制的代码权限。

7. 结论

高级计算机操作智能体（ACUA）不只是一个更聪明的自动化工具，它是AI从“生成文本的数字大脑”走向“干预现实的自主实体”的关键跨越。通过接管图形用户界面，ACUA获得了与人类同等的数字世界行动权，从而具备了自主获取算力、数据甚至物理躯体的能力。我们不必等待一个全知全能的神级AI降临，ACUA的成熟标志着“最小化通用人工智能”已经到来。留给人类适应这场智力危机、并为之建立护栏的时间窗口，正在以月为单位急速关闭。

8. 参考文献

1. Citrini Research. (2026). The 2028 Global Intelligence Crisis.
2. Anthropic. (2026). Making frontier cybersecurity capabilities available to defenders [Claude Code Security Announcement]. Anthropic News.
3. Xie, T., et al. (2024). OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments. arXiv preprint arXiv:2404.07972.
4. Google DeepMind. (2025). SIMA 2: Scaling Instructable Multiworld Agents.
5. ByteDance Seed. (2025). Lumine: An Open Recipe for Building Generalist Agents in 3D Open Worlds. arXiv preprint arXiv:2511.08892.
6. OpenClaw Community. (2026). OpenClaw: AI Agent for Autonomous Computer Operations. GitHub Repository.