微軟Copilot正日益智能化，這家由薩蒂亞·納德拉領導的公司剛剛宣布，其AI助手現(xiàn)已具備“視覺”功能，能夠與用戶一起瀏覽互聯(lián)網(wǎng)。

雖然該功能在今年10月就已首次宣布，但公司目前正面向部分Pro訂閱用戶進行預覽。據(jù)微軟介紹，這些用戶將能夠在其Edge瀏覽器上打開的網(wǎng)頁上觸發(fā)Copilot Vision，并就屏幕上可見的內容與其進行交互。

該功能仍處于開發(fā)的早期階段，且相當受限，但一旦完全成熟，對微軟的企業(yè)客戶而言將可能是一個顛覆性的改變——它將在客戶與微軟生態(tài)系統(tǒng)中的產品(如OneDrive、Excel、SharePoint等)互動時，幫助他們進行分析和決策。

從長遠來看，觀察Copilot Vision如何與更加開放且功能強大的代理式產品(如Anthropic和Emergence AI的產品)相抗衡也將頗有趣味。這些產品允許開發(fā)者整合代理，以跨不同供應商的應用程序進行查看、推理和采取行動。

Copilot Vision能帶來什么?

當用戶打開一個網(wǎng)站時，他們可能有一個明確的目標，也可能沒有，但是，當他們有目標時，比如為學術論文進行研究，執(zhí)行所需任務的過程就包括瀏覽網(wǎng)站、閱讀所有內容，然后做出決定(比如是否將網(wǎng)站內容作為論文的參考)，同樣的道理也適用于其他日常網(wǎng)絡任務，如購物。

通過全新的Copilot Vision體驗，微軟旨在簡化整個流程。本質上，用戶現(xiàn)在擁有了一個助手，它位于瀏覽器的底部，可以隨時被調用以閱讀網(wǎng)站內容，包括所有文本和圖像，并幫助用戶進行決策。

它能夠立即掃描、分析并提供所有所需信息，同時考慮到用戶的既定目標——就像另一雙眼睛一樣。

這一功能具有深遠的好處——它可以極大地加速你的工作流程——同時考慮到代理正在閱讀和評估你瀏覽的所有內容，它也具有重大影響，然而，微軟已保證，一旦Vision會話關閉，用戶共享的所有上下文和信息都將被刪除。它還指出，網(wǎng)站數(shù)據(jù)不會被捕獲/存儲用于訓練底層模型。

“簡而言之，我們優(yōu)先考慮版權、創(chuàng)作者以及我們用戶的隱私和安全——并將它們置于首位?！盋opilot團隊在宣布該功能預覽的博客文章中寫道。

基于反饋進行擴展

目前，美國已報名參加早期訪問Copilot Labs計劃的部分Copilot Pro訂閱用戶將能夠在其Edge瀏覽器中使用視覺功能。該功能為可選加入，這意味著用戶不必擔心AI一直在讀取他們的屏幕。

此外，在這一階段，該功能將僅適用于部分網(wǎng)站。微軟表示，它將根據(jù)早期用戶的反饋逐步改進該功能，并擴大對更多Pro用戶和其他網(wǎng)站的支持。

從長遠來看，該公司甚至可能將這些功能擴展到其生態(tài)系統(tǒng)中的其他產品，如OneDrive和Excel，從而讓企業(yè)用戶能夠更輕松地工作和做出決策，然而，目前尚無官方確認。更不用說，鑒于此處所表明的謹慎態(tài)度，這可能需要一些時間才能實現(xiàn)。

微軟推出Copilot Vision預覽之際，正是競爭對手在代理式AI領域不斷提高標準之時。Salesforce已在其Customer 360產品中推出了AgentForce，以實現(xiàn)跨銷售、營銷和服務等領域的工作流程自動化。

與此同時，Anthropic推出了“Computer Use”，允許開發(fā)者整合Claude以與計算機桌面環(huán)境進行交互，執(zhí)行以前僅由人類工作者處理的任務，如打開應用程序、與界面互動和填寫表單。