Doubao wird nun damit beginnen, deinen Computer zu bedienen.

Bis August 2026 steht Doubao fest an erster Stelle der Rangliste monatlich aktiver Nutzer von AI-nativen Anwendungen. Vor kurzem hat Doubao eine unabhängige Provisionserhebung für Hotelbestellungen eingeführt, mit einem Gesamtsatz von etwa 12 %, und damit die Ära der „Mieteinnahmen“ durch die KI-Suche eingeläutet, was zahlreiche Debatten ausgelöst hat.

Vor kurzem hat Doubao neue Maßnahmen ergriffen: Sein Arbeitsaufgabenmodell wurde aktualisiert, der brandneue virtuelle Desktop von Doubao ist bereits in der Windows-Version verfügbar.

Anfangs konnten große Modelle nur Gespräche führen, später entwickelten sie die Fähigkeit, zu schreiben und zu sehen. Doubao hat schrittweise Fähigkeiten wie Bildverständnis, Dokumentenverarbeitung und Informationsabruf entwickelt. Jetzt beginnt Doubao, „Hand anzulegen“: Es hilft Ihnen, die Dinge direkt am Computer zu erledigen, und entwickelt sich von einem dialoggestützten Assistenten zu einem Agenten für Aufgabenausführung.

Bildquelle: Internet

Die Betriebsfunktionen des virtuellen Desktops von Doubao

Bisher blieben traditionelle KI-Assistenten in der Regel dabei, Ihnen beim Schreiben von Berichten oder Generieren von Bildern zu helfen, ohne wirklich in das Betriebssystem des Benutzers einzudringen, um Aufgaben auszuführen. Jetzt ermöglicht die Betriebsfunktion des virtuellen Desktops von Doubao, dass die KI „Arme und Beine bekommt“. Wählen Sie im Doubao-Desktop-Client den Modus „Arbeitsaufgaben“ und „Lokaler Computer“ aus, wählen Sie in der Funktionsleiste „Computer bedienen“ aus und schließen Sie die Autorisierung ab. Danach kann Doubao im virtuellen Desktop wie ein Mensch den Computerbildschirm betrachten, die Maus bewegen, auf Schaltflächen klicken und die Tastatur bedienen, um komplexe Aufgaben auf dem Computer weiterzuführen.

Zu beachten ist, dass für die Verwendung dieser Funktion die neueste Windows-Version „Doubao Desktop“ von der offiziellen Doubao-Website heruntergeladen werden muss. Schließen Sie im Arbeitsaufgabenmodus die Autorisierung und Initialisierung gemäß den Systemhinweisen ab. Sie können auch die Funktion „Computer bedienen“ nutzen, um Aufgaben zu initiieren und die Aktualisierung unter Anleitung von Doubao abzuschließen.

Aus Sicht der Öffentlichkeit baut der virtuelle Desktop von Doubao im Wesentlichen einen digitalen Körper auf, der drei Kernprobleme löst:

Das erste Problem ist das Sehen, also die visuelle Wahrnehmung: Die KI muss den Inhalt des Computerbildschirms in Echtzeit sehen und gleichzeitig die Bedeutung von Symbolen, Schaltflächen, Eingabefeldern usw. verstehen können. Der virtuelle Desktop von Doubao basiert auf allgemeineren GUI-Fähigkeiten (Grafische Benutzeroberfläche), sodass das Modell die Oberfläche auch ohne MCP, API, Plug-Ins und CLI verstehen und die Vorgänge abschließen kann;

Das zweite Problem ist die Planung: Auf der Grundlage des Verständnisses des Bildschirminhalts wird wie ein Mensch eine Reihenfolge der Vorgänge festgelegt;

Das dritte Problem ist die Ausführung: also die präzise Umsetzung. Gemäß der Planung müssen Bewegungen der Maus, Klicks auf Koordinaten und Tastatureingaben präzise gesteuert werden.

Natürlich können Benutzer den Betriebsprozess von Doubao in Echtzeit einsehen und bei Bedarf jederzeit anhalten oder die Aufgaben übernehmen. Insgesamt dringt die virtuelle Desktop-Funktion von Doubao nicht in das echte System des Benutzers ein, verleiht der KI aber gleichzeitig vollständige Betriebsberechtigungen und findet so einen pragmatischen Gleichgewichtspunkt zwischen Sicherheit und Funktionalität.

Bildquelle: Shangyou News

Warum der lokale Windows-Computer?

Derzeit lässt sich der Wettbewerb um die Anzahl der Parameter großer Modelle allmählich abklingen. Die Frage „Wer die Fähigkeiten in die Praxis umsetzen kann“ wird zu dem Wendepunkt, der die Unterschiede wirklich vergrößert. Dass Doubao die virtuelle Desktop-Funktion zuerst in der Windows-Version implementiert und die Worte „lokaler Computer“ hervorhebt, ist nicht ohne strategische Überlegungen.

Schauen Sie sich um: Windows ist nach wie vor das dominante Betriebssystem für Büroszenarien weltweit. Für Berufstätige laufen die meisten zentralen Arbeitsabläufe in Windows-Umgebungen ab. Im Vergleich zu mobilen Endgeräten oder Webversionen bietet der PC eine reichhaltigere Softwareökosysteme und eignet sich besser für komplexe Betriebsszenarien, was die Grundlage für die Wertschöpfung durch die Ausführung von KI-Agenten bildet.

Darüber hinaus bedeutet „lokaler Computer“ oft Datensicherheit und kontrollierbare Privatsphäre. Die Vorgänge des virtuellen Desktops werden in der lokalen Umgebung abgeschlossen. Die Bildschirminformationen und das Betriebsverhalten des Benutzers müssen nicht auf einen entfernten Server hochgeladen werden, um verarbeitet zu werden. Die bisherige Vertrauensgrundlage kann weiter genutzt werden, und im Vergleich zur cloudbasierten Fernsteuerung hat der lokalisierte virtuelle Desktop einen Vorteil bei der Sicherheitsgefühl.

Wenn wir die Perspektive makroskopischer betrachten, repräsentiert dies auch einen Teiltrend in der KI-Branche: Die Fähigkeiten großer Modelle sind nicht nur in der Cloud angesiedelt, sondern müssen auch auf Endgeräte heruntergelassen werden. Mit der Verbesserung der Fähigkeiten von seitigen Modellen und der Reife lokaler Inferenzframeworks werden in Zukunft immer mehr KI-Funktionen auf den eigenen Geräten der Benutzer ausgeführt. Die Betriebsfunktion des virtuellen Desktops von Doubao ist genau das Experiment zu diesem Trend.

Bildquelle: Fengmang News

Welche neuen Erfahrungen gibt es für Benutzer?

Bei allen Produkten dient der technische Fortschritt letztendlich dem Menschen, daher ist die Benutzererfahrung besonders wichtig. Die virtuelle Desktop-Funktion von Doubao definiert die Beziehung zwischen Benutzer und KI neu, indem sie von „Vorschlägen machen“ zu „für Sie erledigen“ wechselt.

Früher spielten Benutzer normalerweise die Rolle des Kommandanten in der Zusammenarbeit mit KI: Wir teilen der KI unsere Anforderungen mit, z. B. einen Aktivitätsplan erstellen oder einen Bericht verfassen, die KI zeigt das von uns Gewünschte an, aber die Umsetzung muss der Benutzer selbst erledigen.

Wenn der Benutzer sagt „Erstelle mir eine Angebotsliste“, generiert die KI ein Dokument, aber das Öffnen von Excel, das Filtern von Daten sowie das anschließende Einfügen von Diagrammen und Anpassen von Formaten müssen immer noch vom Benutzer selbst erledigt werden. In diesem Szenario ist die KI ein Berater, kann aber den letzten Kilometer für den Benutzer nie abschließen.

Mit dem Erscheinen des virtuellen Desktops von Doubao können Benutzer im Doubao-Desktop-Client den Modus „Arbeitsaufgaben“ auswählen, eine komplexe Aufgabe vorschlagen, z. B. „Sortiere und verpacke die Dokumente auf dem Desktop nach Kategorien für mich“, und dann die KI autorisieren, in den virtuellen Desktop einzutreten.

Danach müssen Benutzer nicht mehr selbst Hand anlegen: Doubao wird die Dokumente nacheinander durchsehen, Schlüsselinformationen extrahieren und verstehen, sie kategorisieren und verpacken. Der gesamte Prozess kann den Benutzer vollständig entlasten, ohne dass er schrittweise Anweisungen geben muss. Sie müssen nur die Zielanforderungen am Anfang festlegen und das Ergebnis am Ende prüfen.

Für Benutzer ist dies ein Sprung in der Erfahrung: Die KI ist jetzt kein Werkzeug mehr, sondern wird zu Ihrem Vertreter. Das ist ein Übergang von passiv zu aktiv. Ganz zu schweigen von anderen Aspekten: Für langweilige, sich wiederholende und prozessorientierte Aufgaben im täglichen Arbeitsleben ist dies definitiv eine Effizienzrevolution.

Bildquelle: Internet

Welche Veränderungen wird es im Zeitalter der Doubao-KI-Agenten geben?

Wir ziehen die Perspektive wieder weiter: Die aktuelle Produktaktualisierung von Doubao ist ein Markierungspunkt für das Zeitalter der KI-Agenten und wird wahrscheinlich drei Veränderungen herbeiführen.

Zuerst die Veränderung der Arbeitsteilung zwischen Mensch und Maschine. In den letzten Jahrzehnten hat die Verbreitung von Computern die Arbeitsweise der Menschen neu gestaltet, aber es gab eine klare Abgrenzung der Arbeitsteilung zwischen Mensch und Maschine: Menschen sind hauptsächlich für Entscheidungen und Kreativität zuständig, Maschinen für Berechnungen und Ausführung. Jetzt verwischt das Auftauchen von KI-Agenten diese Abgrenzungslinie. Im Vergleich zur mechanischen Arbeitsweise von Computern kann die KI die Absichten des Menschen verstehen und Aufgaben selbst erledigen. Zu diesem Zeitpunkt muss neu definiert werden, was Menschen und was Maschinen tun. In zukünftigen Arbeitsszenarien wird die Rolle des Menschen höchstwahrscheinlich auf Zielsetzung, Qualitätskontrolle und Wertbeurteilung verlagert, während die KI die Ausführung übernimmt und die Arbeitsteilung nach oben verschiebt.

Zweitens die Veränderung der Softwareoberflächen. Erinnern Sie sich: Wenn Sie einen Computer bedienen, folgen Sie ungefähr Schritten wie Software öffnen -> Menü anklicken -> Text eingeben -> Datei speichern. Wenn die KI im Hintergrund alle Vorgänge automatisch erledigen kann, brauchen wir keine komplexen Menüs und verschiedene Tastenkombinationen mehr, sondern teilen der KI in Sprache mit „was ich will“. Die Oberfläche der Software wird sich von „für Menschen sichtbar“ zu „für KI sichtbar“ wandeln, und der Mensch muss nur das Endergebnis sehen.

Drittens die Veränderung der Definition von Arbeit. Neben menschlicher Arbeitskraft und Motorkraft ist die Ausführungsfähigkeit von KI-Agenten im virtuellen Desktop im Wesentlichen eine digitale Arbeitskraft. Sie braucht keine Pausen und kann so viel Leistung erbringen wie drei Arbeitskräfte. Für Unternehmen bedeutet dies, dass die Automatisierung einer großen Anzahl prozessorientierter Arbeiten möglich wird. Für Einzelpersonen wird die Obergrenze der individuellen Produktivität stark angehoben.

Tatsächlich erforschen neben Doubao auch Wenxinyanzhi von Baidu, Tongyi Qianwen von Alibaba und andere den Weg, auf dem KI von der Konversation zur Ausführung übergeht. Die erste Implementierung der virtuellen Desktop-Bedienung von Doubao verschafft ihm einen Vorsprung im chinesischen Markt.

Bildquelle: Screenshot der offiziellen Doubao-Website

Es ist erfreulich, dass KI-Agenten uns die Hände freisetzen, aber jede Technik hat zwei Seiten, und wir müssen die damit einhergehenden Probleme prüfen.

Beispielsweise das Problem der Stabilität. Die Erforschung von lokalen Computern durch Menschen ist noch nicht abgeschlossen. Kann Doubao die Komplexität der Desktop-Betriebsumgebung vollständig verstehen? Insbesondere die Oberflächenlayouts verschiedener Software, Popup-Logiken und Ausnahmebehandlungsmethoden sind sehr unterschiedlich. Die Bedienung der KI im virtuellen Desktop basiert höchstwahrscheinlich auf Training und Anpassung an gängige Szenarien, sodass bei seltenen Betriebsszenarien die Fehlerwahrscheinlichkeit immer noch nicht gering ist.

Darüber hinaus sind Büroprozesse oft mit komplexer Zusammenarbeit über Systeme, Plattformen und Konten hinweg verbunden, z. B. das Wechseln von Informationen zwischen mehreren Browser-Tabs. Damit Doubao wirklich zu einem zuverlässigen Agenten im Modus „Arbeitsaufgaben“ wird, muss es die Tiefe und Breite der Szenarien kontinuierlich erweitern. Von „nutzbar“ zu „gut nutzbar“ ist es noch ein langer Weg.

Es gibt auch die von der Öffentlichkeit allgemein beachteten Probleme von Sicherheit und Vertrauen. Obwohl der lokale Computer im Hinblick auf die Privatsphäre geschützt ist, kann das Vertrauen der Benutzer stark abnehmen, wenn der Autorisierungsmechanismus nicht ausreichend detailliert ist und das Verhalten der KI nicht genügend Transparenz aufweist. Benutzer brauchen ein hohes Maß an Komfort, während sie jederzeit die Kontrolle über die Betriebsvorgänge behalten.

Bildquelle: Screenshot der offiziellen Website

Schlusswort

Die Betriebsfunktion des virtuellen Desktops von Doubao vollzieht den Übergang von der Unterstützung zur Ausführung. Es ist, als hätte die KI Arme und Beine bekommen, und sie kann wie ein Mensch den Computerbildschirm betrachten, die Maus bewegen, auf Schaltflächen klicken und die Tastatur bedienen, um komplexe Aufgaben auf dem Computer weiterzuführen. Diese Funktion repräsentiert, dass die Fähigkeiten großer KI-Modelle nicht nur in der Cloud angesiedelt sind, sondern auch auf Endgeräte heruntergelassen werden. Der Grund für die Wahl des lokalen Computers liegt