微软全面改版 Copilot：加入实时语音与能看懂网页的 Vision

过去一年多，大家对微软 Copilot 的印象大概还是那个塞在 Office 边栏里改 PPT、或者在 Edge 里帮你总结长文的办公苦力。但现在，微软想让它从冷冰冰的生产力工具，变成一个能跟你聊天的常驻伙伴。

这也是 DeepMind 联合创始人 Mustafa Suleyman 掌舵 Microsoft AI 之后交出的第一份大答卷。微软把整个 Copilot 的界面彻底推倒重来，原先光秃秃的对话框被换成了卡片式的 Discover 首页，整体风格明显带有 Suleyman 此前创办的 Inflection AI 旗下助手 Pi 的影子——温和、有情绪价值，甚至会在你抱怨熊孩子踢你椅背时，给你支招怎么保持冷静。

能说会看，还能多琢磨几秒

这次更新最直接的变化是 Copilot Voice。它提供了四种声音选项，支持像真人交谈那样随时打断，用来在路上头脑风暴或者下班路上倒苦水，反应和语气都比以前自然得多。

在实验专区 Copilot Labs 里，微软还放出了两个更重磅的能力：Copilot Vision 和 Think Deeper。

所谓 Vision，说白了就是给 AI 连上了你的浏览器屏幕。它能实时看懂你正在浏览的网页，包括文字和图片。比如你在挑选新公寓的家具，它可以顺着你的视线分析房间配色、挑选地毯，甚至帮你出主意怎么摆放。

而 Think Deeper 则是为了对付复杂难题。它不会急着秒回，而是像 OpenAI 的 o1 一样多花一点时间拆解步骤，替你在诸如「该搬去哪座城市」或者「买哪款车更划算」这种两难选择里列出对比逻辑。

向媒体付费的早报，和极其克制的「眼睛」

除了聊天和思考，新版还推出了 Copilot Daily，每天早晨用你选定的声音播报定制的新闻和天气。值得注意的是，微软这次明确表示早报内容只采纳授权媒体，合作方包括路透社、金融时报、Axel Springer 和赫斯特杂志等，并开始向这些出版商付费。

这显然是在版权诉讼重压下做出的合规表态。毕竟微软自己还陷在《纽约时报》的版权官司里，在 AI 抓取内容饱受争议的当下，花钱买平安成了必然选择。

与此同时，让 AI 看着你上网的 Copilot Vision 也表现得格外小心翼翼。微软强调该功能完全需要用户主动开启，会话一结束数据就永久销毁，不存储也不拿去训练。在初期测试中，Vision 只对部分常用网站开放，遇到付费墙和敏感内容会自动回避。

目前，语音功能已在美、英、加、澳、新等英语区上线，Daily 在美英推出，而 Vision 和 Think Deeper 则先面向少数 Copilot Pro 用户开放测试。

为什么重要

对普通用户来说，这是 Copilot 第一次真正摆脱了「打工人助手」的刻板形象。它不再只是一台被动接单的代码或文本生成器，而是开始具备跨模态的主动交互能力。不过对国内用户而言，目前大部分新功能都锁在海外英语区，想用上完整的视觉和语音陪伴还得等上一阵子。

我们认为，微软这一步走得相当清醒。在此之前，微软的 AI 策略几乎全盘押注在 OpenAI 身上，产品体验也往往跟着 ChatGPT 的节奏跑。而这次大改版，明显吸收了前 Inflection 团队在人机交互上的细腻经验，把重点从冷冰冰的「跑分和参数」转移到了「陪伴和日常体验」。

这一调整不仅拉开了它和纯搜索工具的距离，也直接把战火引向了苹果即将落地的 Apple Intelligence 和 Google 的 Gemini Live。大家都在抢占用户每天打开电脑和手机后的第一交互入口。

但考验也摆在眼前。看懂网页的 Vision 固然美好，可一旦被安全界挑出隐私漏洞，或者在白名单之外的实用性大打折扣，用户很快就会把它当成另一个花哨的摆设。如何在安全合规与真正的无缝助理之间找准平衡，才是微软接下来最难答的题。