明略Mano - CUA 2.0革新：端侧Agent开启强监管行业新机遇

在当下人工智能的发展浪潮中，大模型的发展路径似乎呈现出一种趋同态势：不断追求更大的参数规模，以提升推理能力，同时云端服务也日益丰富多样。这一趋势在众多领域推动着AI技术的广泛应用，但也逐渐暴露出一些现实问题。

特别是在金融、政务、医疗等对数据安全要求极高的行业，AI落地面临着一个关键挑战——数据能否在本地环境中得到有效处理。这些行业的数据往往涉及客户隐私、病历信息、政务机密等敏感内容，受到严格的监管，数据离开本地环境存在巨大风险。

近日，徽声在线关注到明略科技发布了一款面向AIPC的端侧GUI模型Mano - CUA - 4B - 2.0，并同步上线了Thinking模式。与当前主流的云端Agent不同，该模型能够直接在用户本地设备上运行，通过视觉理解屏幕内容并完成相应操作，无需将数据上传至外部服务器，有效解决了数据安全这一关键问题。

这一创新背后，反映出Agent商业化正呈现出新的分化趋势。随着越来越多企业尝试让AI直接参与业务流程，模型能力已不再是决定AI能否落地的唯一因素。数据安全、部署成本以及系统兼容性等因素，正逐渐成为影响AI真正落地的重要考量。

云端Agent盛行，端侧缘何受青睐

近年来，Agent已然成为AI产业中最热门的发展方向之一。众多科技巨头纷纷布局，从OpenAI推出的Operator，到Anthropic不断强化Computer Use能力，再到Microsoft将Copilot深度嵌入Windows系统，行业正努力推动AI从单纯的“回答问题”向“完成任务”转变，以实现更广泛的应用场景。

然而，当Agent真正进入企业生产环境后，一个长期被忽视的问题逐渐凸显。对于互联网企业而言，将数据发送至云端模型进行处理通常并非难题，它们拥有相对完善的数据传输和处理机制。但对于银行、医院和政务机构等强监管行业来说，情况则截然不同。客户信息、病历数据、政务档案等敏感信息受到严格监管，许多场景明确要求数据不得离开本地网络环境，这给传统云端Agent的应用带来了巨大阻碍。

这意味着，并非这些行业不需要Agent技术，而是难以采用传统的云端Agent模式。市场研究机构IDC预计，到2028年，全球超过70%的企业将采用混合部署或本地部署AI架构，以满足日益严格的数据治理和合规要求。这一趋势也促使越来越多的厂商重新审视端侧AI的发展潜力。

从这个角度来看，端侧Agent并非云端Agent的替代品，而是作为一种补充路线，为企业提供了更多选择。它能够满足特定行业对数据安全和本地化处理的需求，与云端Agent形成互补，共同推动AI技术在不同场景下的应用。

强监管行业需求：超越智能模型本身

金融、医疗和政务行业具有一些共同特点：数字化程度较高，但系统复杂且数据敏感。以银行为例，每天都有大量的跨系统录入、核验和报表生成工作，这些工作繁琐且容易出错，天然适合自动化处理。然而，由于数据安全限制，难以直接接入云端大模型。

医院也面临着类似问题，病历录入、医保核对等重复流程耗费大量人力和时间。政务系统则经常面临内外网隔离和历史系统众多的挑战，不同系统之间的数据交互和业务流程整合困难重重。这些工作虽然适合自动化，但由于数据安全和系统兼容性问题，传统云端Agent难以发挥作用。

相比之下，端侧Agent具有独特优势。它可以在本地设备上完成感知、推理和执行的全过程，无需将数据上传至云端，从而满足数据安全要求。同时，它能够适应断网、内网隔离等特殊环境，确保在各种情况下都能正常运行。此外，很多传统行业使用的业务系统并没有开放API，这也限制了云端Agent的应用。

近年来，包括Anthropic Computer Use、OpenAI Operator在内的新一代Agent产品开始采用GUI操作路线，即通过“看屏幕、点鼠标”的方式完成任务，而不是依赖系统接口。这一创新为Agent在传统行业的应用提供了新的思路，从产业演进的角度看，正逐渐成为Agent落地的重要方向之一。

明略科技的创新突破：解决端侧Agent难题

在此次升级中，明略科技的重点并非单纯提升模型参数，而是致力于解决端侧Agent长期存在的两个关键问题。第一个问题是兼容性。Mano - CUA采用纯视觉GUI操控方式，能够直接理解桌面软件和网页界面。对于金融、医疗和政务场景中大量封闭、老旧的业务系统而言，这一特性具有重要意义。

企业无需对原有系统进行大规模改造，也不必等待接口开放，即可实现端侧Agent与现有业务系统的无缝对接。这不仅降低了企业的部署成本和时间成本，还提高了系统的稳定性和可靠性。

第二个问题是稳定性。过去，端侧Agent面临的最大挑战并非能否进行操作，而是能否持续完成复杂任务。由于本地算力有限，很多端侧模型在处理长流程任务时容易出现步骤遗漏或执行偏差等问题，导致任务无法顺利完成。

此次上线的Thinking模式，通过在执行前增加任务规划和推理环节，让模型先进行充分思考，再制定详细的行动计划，从而有效提高了任务完成的准确性和稳定性。根据明略公布的测试结果，在100项真实macOS GUI任务测试中，Mano - CUA - 4B - 2.0的任务完成率相比上一版本提升约9%，在中高复杂度任务中的提升达到10%至13%。

这一提升对于Agent的实际应用具有重要意义，它意味着端侧Agent更接近真实生产环境所需要的可靠性，能够更好地满足企业的业务需求。

端侧算力优势：经济性背后的商业逻辑

除了技术创新，明略科技此次提出的另一个观点也值得深入探讨。在过去一年中，行业在讨论Agent时往往更关注模型能力，而企业在实际部署时，成本问题却不容忽视。云端Agent的推理能力越强，消耗的Token越多，相应成本也会持续增长。对于需要高频运行的复杂流程而言，这种边际成本并不低，可能会给企业带来较大的经济压力。

相比之下，端侧部署的逻辑具有独特优势。硬件采购完成后，模型推理所带来的额外成本相对固定。也就是说，无论AI“思考”的时间长短、任务复杂程度如何，都不会像云端调用一样持续增加费用。这种经济性使得端侧Agent在企业自动化应用中具有更大的吸引力。

不少业内人士开始将端侧Agent视为企业自动化的新基础设施，而不仅仅是一种模型部署方式。对于金融、医疗和政务等高频业务场景来说，合规要求和成本控制往往同等重要。端侧路线恰好能够同时满足这两个方面的需求，为企业提供了一种既安全又经济的解决方案。

从模型到市场：Agent的转型之路

从更宏观的产业背景来看，Agent正在经历从“演示价值”向“生产价值”的转变。过去，行业主要关注模型能否完成任务，以展示其技术实力和潜力。而现在，企业更加注重任务能否稳定执行、是否符合监管要求以及投入产出比是否合理。

在这一转型过程中，云端Agent仍将是主流方向，其强大的计算能力和广泛的应用场景使其在许多领域具有不可替代的优势。然而，端侧Agent也在逐渐打开一部分此前难以触达的市场，为特定行业和企业提供了更合适的选择。

明略科技此次升级Mano - CUA 2.0，正是对这一趋势的积极回应。当行业仍在热衷于比较谁拥有更强的大模型时，越来越多的企业开始思考一个更为关键的问题：如果数据不能出域，AI还能否真正参与生产流程？

对于金融、政务和医疗等强监管行业而言，这个问题或许比模型排行榜上的排名更为重要。因为决定AI能否创造价值的，最终不是参数规模的大小，而是它是否能够在真实业务环境中被顺利部署、有效使用，并持续为企业带来效率提升和成本降低。