1徐海洋-MobileAgent.pdf

1、通义多模态、多端GUI智能体Mobile-Agent演讲嘉宾：徐海洋目录CONTENT01大模型智能体背景02多模态、多端智能体Mobile-Agent03Foundation Agent for GUI04Mobile-Agent开源应用01大模型智能体背景大模型智能体系统在人工智能领域，AI智能体指可以观察周遭 环境 并作出 行动 以达致 目标 的 自主 实体大模型智能体优势近期两类AI Agent应用Action Agent(GUI Agent)Information Agent(Research Agent)作用硬“眼睛”&“手”环境感知和行动执行软“大脑”思考、规划和综合分析试用场景

2、自动化 操作主导型简单、重复性任务生活娱乐、自动化办公智能化知识密集型复杂创作任务、办公生产力场景示例Operator、Apple Intelligence、Mobile-Agent、豆包手机Deep Research(OpenAI、Gemini、Qwen)ChatGPT-Agent、Manus大模型智能体发展迅速大模型智能体发展迅速GUI智能体发展迅速围绕Mobile、PC、Web的GUI-Agent是未来的重要技术趋势之一，替代人类操作、提升生产效率。Claude(Computer)Apple IntelligenceOpenAI Operator豆包手机AutoGLM02多模态、多端智能

3、体Mobile-Agent多模态、多端Mobile-Agent多模态、多端Mobile-Agent手机平板车机PC&Web核心挑战多模态移动端智能体Mobile-Agent V1多模态移动端智能体Mobile-Agent V1多模态多智能体Mobile-Agent V2多模态多智能体Mobile-Agent V2Mobile-Agent-E：解决复杂任务、自主进化Mobile-Agent-E：解决复杂任务、自主进化Mobile-Agent-E：解决复杂任务、自主进化02Foundation Agent for GUIQwen2.5-VL:认识世界到理解世界Qwen2.5-VL:认识世界到理解世

4、界Mobile-Agent-v3&GUI-OwlGUI自动化开源新SOTAGUI-Owl数据合成链路-GroundingGUI-Owl数据合成链路-自主进化轨迹合成GUI-Owl Agentic RL能力提升Mobile-Agent-V3 Agent框架Mobile-Agent-V3 实验Mobile-Agent-V3 云沙盒DemoQwen3-VL：明察、深思、广行Mobile-Agent-v3.5&GUI-Owl-1.5GUI-Owl1.5 interaction flowGUI-Owl1.5数据合成链路-GroundingGUI-Owl1.5数据合成链路-自主进化轨迹合成GUI-Owl1.5 Agentic RL能力提升OSWorld-MCP：多模态工具调用Mobile-Agent系列开源应用大模型通用智能体-未来展望THANKS演讲嘉宾演讲嘉宾：徐海洋：徐海洋