就在OpenAI连续12天发布活动的第一天引爆全网关注之时，微软这边也悄悄放出了一款重磅产品：Copilot Vision。这款AI助手直接内置于Edge浏览器中，号称能实现实时“协作上网”——简言之，你在网页上阅读、操作，它就在一旁随时提供协助，比任何传统助手都更加贴心。

不过，微软官方并未详细披露Vision的具体工作方式，倒是CEO Mustafa Suleyman（而非之前提到的Satya Nadella）在接受采访时透露了一些细节。Copilot Vision主要由三个核心组件构成：

• 底层的大语言模型（LLM），自带丰富的网络知识储备。
• 第二，能即时读取你当前网页上的所有文本内容，甚至无需手动滚动——它会自动扫描整页信息。
• 第三，也是关键所在——它能识别网页上的所有图片，实现真正的多模态理解。换句话说，你看到的，它也能看到。

Suleyman还顺带展望了十年后的人类智能生活。他指出，当今的图形界面本身就是为不懂编程的用户设计的；而十年之后，这些界面将被AI彻底取代。因为AI助手或AI伴侣将有能力理解你的一切——情绪状态、日程安排、兴趣爱好、个人知识图谱，甚至你的人际关系网络。它们还能根据你每天所见所闻、所思所想进行推理。Suleyman的判断是：AI将“不仅仅是一个交互接口，而是一个全新的连接面，会有根本性的不同。”他甚至将其比作一个新的数字物种（new digital species），就像家庭成员或你的第二大脑。

隐私安全

谈到这种“读心”级别的能力，隐私自然是一个绕不开的话题。微软显然也深知这一点，在构建Copilot Vision时，将用户的安全、控制和隐私列为优先项。首先，Vision是选择加入的——用户可以自主决定何时启用它，相当于为上网装了一双“备用眼睛”。

更有意思的是，一旦你与Vision的会话结束，所有关于你说了什么、共享了什么上下文的数据都会被直接删除。每次使用，数据都按照微软的隐私声明进行处理和保护，仅保留Copilot的响应记录，用于改进安全系统。

目前，Vision只能与一批精选的网站进行交互，名单会随着谨慎评估逐步扩大。微软还明确承诺：Vision不会捕获、存储或使用来自出版商的任何数据来训练模型。这确实给内容提供方吃了一颗定心丸。