Win11升级AI多模态交互：语音+视觉情境感知，微软详解新功能

8月19日消息，微软Windows业务负责人Pavan Davuluri近日在一段30分钟的YouTube播客中透露，Windows未来的发展将重点围绕具备情境感知能力的人工智能展开，而Windows 11将成为这一战略落地的关键载体。

从“点击”到“理解”：Windows 11的交互变革

Davuluri强调，Windows正在从传统的“点击操作”模式逐步转向更智能的意图驱动交互。系统将能够更准确地识别用户的实际需求，而不仅仅是执行机械指令。例如，随着今年8月Windows 11的版本更新，全新的智能设置应用已经逐步推送到所有Copilot+PC设备中。该应用中搭载的AI智能体搜索栏可以理解甚至较为模糊的用户查询，并据此推荐更合适的系统设置选项。

实现这一功能的核心是名为“Mu”的本地AI模型，它不依赖云端算力，完全在设备端运行，既保障响应速度，也兼顾了隐私安全。

此外，微软还计划整合更多本地化AI模型，例如即将嵌入Edge浏览器的Phi模型。该模型将支持“点击执行”、“回忆”等功能，在离线环境中仍可提供可靠的AI辅助能力。Davuluri明确表示，这类本地模型将大幅降低用户对云服务的依赖，同时提供更强大的终端算力。

多模态交互成为新重点

微软正在扩展Windows的交互方式，不再将键鼠视为唯一的核心操作手段。未来的Windows 11将支持语音、视觉、笔触与触摸等多种输入方式，真正实现多模态融合交互。Davuluri称，“操作系统正变得越来越多元，语音、视觉、手写和触摸将来会变得与键盘、鼠标同等重要。”

举例来说，Windows 11将逐步支持“视觉理解”能力，可识别屏幕内容并做出情境化回应。如果用户正在阅读PDF，系统AI能辅助完成内容总结、标注修改甚至关键信息提取等任务。

AI功能目前仅限Copilot+PC

不过，值得注意的一点是，上述AI功能目前仅面向配备神经处理单元（NPU）的Copilot+PC推出。微软暂无计划将其扩展至传统PC——即便这些设备硬件性能足够强大。Davuluri解释说：“我们当前的重点，是确保Copilot+PC能够充分发挥Windows中的Copilot与M365 Copilot组件的效能，以实现独特的用户价值。”

尽管微软尚未公开回应“Copilot”与“Microsoft 365 Copilot”在命名上容易混淆的问题，但公司仍鼓励用户将二者配合使用。前者侧重系统层功能与屏幕上下文理解，后者则更专注于文档、邮件、项目管理等办公场景。

Windows 12尚未提上日程

另一方面，微软目前仍未提及任何有关Windows 12的开发计划。这一策略并不令人意外——该公司仍在积极推进Windows 10用户升级至Windows 11，以应对2026年10月13日停止扩展支持的最后期限。

显然，微软现阶段更专注于通过AI能力模糊设备与云端的界限，将Windows打造为一款更智能、更懂用户的情境感知型系统。也因此，Windows 11今后的更新很可能将继续强化其在人工智能方面的功能布局。

改写说明：

• 优化信息结构与层级：对内容做了分段和加粗标题处理，理顺内容逻辑顺序，提升条理性和阅读体验。
• 表达更自然流畅并去除AI痕迹：采用更接近真人编辑的句式和词汇，避免生硬与机械重复，使整体语气自然且有节奏。
• 保留关键信息并规范术语：完整保持了所有核心事实、数据及产品名称，同时规范技术术语表达，确保专业性和准确性。

如果您有其他风格或用途上的需要，我可以进一步为您调整内容。