Prima di procedere
La Cina continua a sorprendere nel campo dell'intelligenza artificiale (AI), superando le aspettative globali. Mentre il resto del mondo si concentra su assistenti AI frammentati e applicazioni isolate, ZTE e ByteDance hanno collaborato per creare uno smartphone rivoluzionario. Questo dispositivo integra un agente AI a livello di sistema operativo, capace di gestire autonomamente tutte le funzioni, emulando l'interazione umana.
Il prototipo, denominato ZTE Nubia M153, è alimentato da una versione modificata di Android che incorpora l'agente AI ByteDance Doubao. Doubao è un ecosistema di modelli AI ampiamente utilizzato in Cina per chatbot e applicazioni aziendali. A differenza dei tradizionali assistenti AI, questo agente ha il controllo completo dello smartphone: interagisce con l'interfaccia utente, scarica e avvia applicazioni, gestisce le loro funzionalità, compone testi, effettua chiamate e completa attività complesse che richiedono più passaggi.
L'utente potrebbe persino non essere a conoscenza delle applicazioni necessarie per risolvere un determinato compito. L'AI gestisce lo smartphone in modo simile a un essere umano, non come una semplice applicazione. Un esempio pratico è la ricerca di una persona disposta a fare la fila al posto dell'utente: l'agente AI ha individuato e installato l'applicazione di un servizio locale, ha impostato l'incarico, ha compilato i campi richiesti nel modulo e ha visualizzato l'ultima schermata per la conferma dell'ordine. L'utente non era a conoscenza dell'esistenza di tale applicazione né di come configurarla; l'agente AI ha gestito tutto autonomamente.
Il prototipo ZTE Nubia M153 è equipaggiato con un chip Qualcomm Snapdragon 8 Elite Gen 5 e 16 GB di RAM. L'analisi dell'interfaccia e le funzioni di controllo sono eseguite localmente tramite AI, mentre l'analisi semantica e le operazioni più complesse sono gestite tramite risorse cloud esterne. Questa suddivisione dei compiti permette all'AI di operare rapidamente e di proteggere i dati sensibili, come password e informazioni di pagamento.
Le applicazioni basate sul modello ByteDance Doubao sono utilizzate da oltre 175 milioni di persone in Cina. Questo modello si basa su un'architettura sparsa "mixture of experts" ed è multimodale, ovvero capace di lavorare con testo e immagini. In un esempio, l'AI ha riconosciuto tramite una foto una stazione di cambio batterie per auto elettriche NIO e ha spiegato il suo funzionamento.
Una dimostrazione ancora più impressionante è stata la prenotazione di una camera d'albergo: l'utente ha scattato una foto dell'ingresso dell'hotel e ha espresso l'intenzione di prenotare una camera. Doubao, tramite il cloud, ha interpretato la semantica: ha identificato l'hotel, ha compreso la necessità di una camera per la data corrente e ha verificato la politica dell'hotel riguardo agli animali domestici. La rete neurale Nebula-GUI, addestrata da ZTE con 7 miliardi di parametri, ha eseguito le operazioni necessarie: ha aperto l'applicazione di prenotazione, ha inserito le date, ha selezionato i prezzi migliori, ha verificato la politica sugli animali domestici e ha informato l'utente. L'architettura a due livelli garantisce un funzionamento continuo: Doubao pianifica, mentre Nebula-GUI esegue.
Un'ulteriore dimostrazione riguarda l'ordinazione di un robotaxi. Doubao ha ottenuto i dati di geolocalizzazione satellitare, ha cercato applicazioni locali per ordinare corse e ha identificato l'operatore che serve la specifica tratta. Nebula-GUI ha avviato l'applicazione Baidu Apollo, ha selezionato i punti di partenza e arrivo e ha confermato la corsa. Durante il tragitto, l'utente ha chiesto di cambiare il punto di arrivo: l'AI ha riconosciuto la corsa attiva in Apollo, ha aperto la schermata corretta, ha modificato la destinazione, confermandola sia sullo smartphone che nel robotaxi. Quando l'utente ha dimenticato il numero di telefono associato al suo account nell'applicazione, l'AI ha recuperato i dati e ha fornito le ultime quattro cifre, necessarie per accedere al veicolo.
L'ultimo esempio significativo è stato l'ordinazione di cibo, nello specifico due bevande, tramite il servizio Meituan, che offre consegne tramite drone. L'AI ha effettuato l'ordine presso il punto di consegna automatizzato più vicino e, quando il sistema Meituan ha effettuato una chiamata di conferma, Doubao ha risposto a nome dell'utente e ha interagito con il bot di Meituan. I due bot hanno completato la transazione senza alcun intervento umano. Contestualmente, l'utente, durante una passeggiata, ha utilizzato lo smartphone per valutare l'ambiente circostante, ponendo domande sui locali e sulle persone incontrate lungo il percorso.
In sintesi, il prototipo di smartphone è in grado di gestire autonomamente la propria interfaccia grafica, grazie a un potente modello multimodale con capacità di ragionamento logico. L'utente non deve più comprendere le specificità delle applicazioni; è sufficiente comunicare allo smartphone il risultato desiderato. Nessun altro produttore di smartphone ha ancora dimostrato capacità simili. Non è certo se un dispositivo del genere sarà commercializzato, ma il prototipo ha mostrato come gli smartphone con agenti AI potrebbero trasformare la vita quotidiana.
Taylor Ogan, capo dell'hedge fund Snow Bull Capital, ha visionato il dispositivo in azione ed è rimasto estremamente colpito, definendolo un potenziale nuovo "momento DeepSeek", suggerendo che questa novità potrebbe scuotere l'industria come ha fatto il modello AI cinese.
