微軟 Edge 上線 Copilot Vision 預覽：能邊看網頁邊跟你即時語音聊天

一個人在瀏覽器裡開上幾十個標籤頁查資料、選酒店或者比價，往往既費眼睛又容易看累。微軟現在的想法是，既然獨自上網有點冷清，不如直接給 Edge 瀏覽器裝上一雙眼睛和一張嘴，讓 AI 坐在旁邊陪你邊看邊聊。

微軟正式面向 Copilot Pro 訂閱使用者開啟了 Copilot Vision 的預覽測試。這項功能最初在 10 月亮相，現在作為測試平臺 Copilot Labs 的首批功能之一落地。它常駐在 Edge 瀏覽器底部，只要你主動開啟，它就能即時識別你當前網頁上的圖文內容，通過語音和你即時討論問題。

坐在瀏覽器底部的「毒舌」伴侶

和以前那種需要你截圖、複製貼上文字再發給聊天框的用法不同，Copilot Vision 的互動要直接得多。你可以直接對它開口說話，讓它幫你挑出頁面上最合適的產品、解讀祖母手寫菜譜的照片，或者在選度假住處時幫你比對幾家酒店的優劣。

負責微軟消費級 AI 業務的 Mustafa Suleyman 表示，團隊的目標是打造一個真正的「AI 伴侶」。這意味著它不僅要能看你所看、聽你所聽，說話的語氣也得像個真人。

在微軟的設定裡，Copilot Vision 的語音非常流暢且支援隨時打斷，甚至能根據你的情緒調整語調。如果你語氣低落、語速變慢，它會放緩節奏配合你；如果你興高采烈，它也會跟著興奮起來。Suleyman 甚至直言，真正的朋友不會一味阿諛奉承，因此這個 AI 偶爾還會帶有態度地「懟」你一句。

頂著 Recall 的陰影，隱私怎麼過關

讓 AI 即時盯著螢幕，難免讓人聯想到微軟此前飽受爭議的 Windows Recall 截圖功能。為了避免再次引發隱私恐慌，微軟這次明顯謹慎得多。

首先，Copilot Vision 是完全自願開啟的，只有使用者主動授權它才會介入。其次，它採用了會話級的資料清除機制。使用者一旦結束當前會話，Copilot 處理的頁面內容和聊天記錄就會被立即丟棄，官方只記錄 Copilot 自身的回覆用於安全評估。

在版權和網頁內容方面，微軟也設下了嚴格限制。目前 Vision 僅在少數經過挑選的網站上生效，並且被設定為絕不基於付費牆後的內容提供回答。微軟還強調，系統不會儲存或使用釋出商的任何內容來訓練模型，也會嚴格遵守網站禁止抓取的宣告。

目前這項功能僅向每月 20 美元的 Copilot Pro 美區訂閱使用者小範圍推送，微軟計劃在收集反饋後，於明年年初推向正式版（GA）。

為什麼重要

我們認為，Copilot Vision 展現了微軟在 AI 終端落地上的一個關鍵轉向：它不再只想做一個答題工具，而是想搶佔所有互動的入口。

從使用者價值來看，這項功能切中了最日常的瀏覽痛點。如果你經常要比價購物、查閱長篇技術文件或者處理複雜表單，身邊有一個懂上下文且能隨時打斷對話的聲音，體驗確實比在側邊欄反覆複製貼上高出一個維度。但每月 20 美元的門檻，加上當前僅支援少數白名單網站，普通使用者現在沒必要為了它特意付費，等明年全面開放再試也不遲。

對行業來說，這也是微軟試圖拉開與 OpenAI 差異化的重要一步。雖然底層技術緊密相連，但微軟把視覺直接塞進擁有龐大分發渠道的 Edge 瀏覽器裡，拼的是系統整合和互動深度。這種把「看螢幕」變成原生功能的操作，很可能會逼著 Google 進一步加快 Chrome 與 Gemini 的即時融合。

不過，微軟的做法依然面臨考驗。哪怕設定了會話即焚和白名單，讓商業公司的大模型即時看網頁，依然會踩在使用者隱私和內容版權的敏感線上。微軟能否平衡好助手的實用性與外界的信任度，將直接決定這種伴隨式 AI 能不能真正走出小眾測試圈。