OpenAI 如何在一周内推出计算机使用功能，以及对 AI 代理争论的深度解析

OpenAI 在 DevDay 上正式推出计算机使用代理功能，这一能力允许 AI 模型像人类用户一样操作计算机界面，包括浏览网页、填写表单、操控桌面应用等。据 CUA 团队负责人介绍，从立项到功能上线仅用了约一周时间，这一速度在大型 AI 公司中颇为罕见，折射出 OpenAI 在代理赛道上的高度紧迫感。

计算机使用代理的核心技术挑战在于如何让模型准确理解屏幕截图中的 UI 元素，并生成可靠的操作指令序列。与基于 API 的自动化方案不同，CUA 直接作用于视觉界面，理论上可以操控任何软件，无需目标应用提供专用接口。这种通用性被认为是其相较于传统 RPA 工具的核心优势。

节目中，主持人对 Dwarkesh Patel 此前提出的质疑进行了系统性回应。Dwarkesh 曾认为计算机使用路线存在可靠性瓶颈，难以在生产环境中规模化落地。OpenAI 团队则从错误恢复机制、任务分解策略以及人机协作模式等角度，阐述了他们对这一路线长期可行性的信心。

在 API 平台层面，OpenAI 同步升级了开发者工具链，为计算机使用代理提供了更完善的调试接口与日志能力。平台负责人强调，CUA 的推出不仅是一个独立功能，更是 OpenAI 构建代理生态系统的重要基础设施布局，未来将与 Responses API 及 Agents SDK 深度整合。

此次 DevDay 的发布节奏也引发了业界对 AI 代理竞争格局的广泛讨论。Anthropic 的 Claude 此前已推出计算机使用功能，OpenAI 的快速跟进意味着两家头部公司在代理能力上的正面竞争正在加速。对于开发者而言，如何在不同平台的代理能力之间做出选择，将成为未来产品决策的重要议题。

从更宏观的视角来看，计算机使用代理的普及将深刻改变企业自动化的实现方式。传统软件集成依赖大量定制开发，而基于视觉理解的 AI 代理有望大幅降低这一门槛。然而，安全性、可审计性与操作边界的界定，仍是该技术在企业级场景中规模化应用前必须解决的关键问题。

要点

• OpenAI CUA 团队从立项到功能上线仅历时约一周，展现出极强的产品交付速度与代理赛道竞争意识
• 计算机使用代理通过视觉界面操控实现通用自动化，无需目标软件提供专用 API，理论适用范围远超传统 RPA
• OpenAI 系统性回应了 Dwarkesh Patel 的质疑，从错误恢复与人机协作角度论证了该路线的长期可行性
• CUA 将与 Responses API 及 Agents SDK 深度整合，成为 OpenAI 代理生态基础设施的核心组成部分
• 安全性、可审计性与操作边界界定，是计算机使用代理在企业级场景规模化落地前的主要障碍