跳到主要內容

Claude Duet 不等你開口

Claude Duet 不等你開口

Claude Duet 不等你開口 文章主圖
過去幾年,AI 的進步大多可以從答案品質看出來;現在,變化開始發生在「誰先開口」這件事上。Anthropic 新推出的 Claude Duet,不再等使用者主動開啟聊天,而是每天整理郵件、行事曆與工作訊息,背景處理交辦事項,遇到需要判斷的地方再回來找人。與此同時,美國社會正對支撐這些 AI 的資料中心產生更強烈疑慮,從工作被取代到電力與地方建設,都成為政治議題;製造業則出現另一條路線,前 OpenAI 研究長 Bob McGrew 創辦 Arda,試圖把 Agent 帶進工廠,把原本耗時數月的產線調整縮短。

Claude Duet 走出聊天視窗,目標不是回答更多,而是少讓你想起瑣事

新聞重點

Anthropic 10 月 21 日正式公開 Claude Duet 研究預覽版。它是一款獨立 App,可在 iOS、Android 使用,電腦端則透過 Claude 網頁操作,目前由 Opus 5.5 驅動,先向美國 Claude Pro 與 Max 訂閱者開放候補登記。

Duet 和一般 Claude 最大的差異,是它會主動出現。每天早上,系統會先整理已授權連接的郵件、行事曆與其他工作 App,提供一份簡短摘要;之後則定期檢查是否有真正需要注意的新事項,而不是不停傳通知。

它也擁有自己的雲端電腦與瀏覽器。使用者交代任務後,即使手機或筆電沒有持續開著,Duet 仍能在背景執行,完成後再回報。官方目前支援超過 6,000 種連接器與外掛,涵蓋郵件、會計、CRM、人資、設計、電子商務等工作情境。

涉及寄信、付款、簽署文件或刪除資料等敏感動作時,系統必須先取得批准;某些高風險金融操作則不開放。研究預覽期間無需另外付費,但 Duet 與一般 Claude 共用方案額度,背景檢查與長任務同樣會消耗使用量。

背景脈絡

聊天機器人的基本邏輯一直很一致:使用者有問題,才打開它。

這對「問答案」很合理,對真正的日常工作卻不一定方便。大量職場任務並不是突然想到才去做,而是散落在郵件、行事曆、Slack 訊息、發票與待辦清單裡。人每天花不少時間,不是在完成工作本身,而是在確認「現在到底有哪些事情需要處理」。

Claude Duet 想切入的正是這段空隙。

它不是單純讓 Claude 再多一個手機 App,而是把 AI 的啟動權從完全掌握在使用者手上,往系統主動判斷移動一步。這項改變看起來不如模型跑分醒目,實際上卻可能比模型多答對幾道題更接近日常工作。

知識點補充

這類產品可以歸在 Proactive Agent,也就是主動式 AI 代理人。

一般 Agent 已經可以接受一個目標後自行拆解步驟,例如查資料、建立文件、使用網站與整理成果;主動式 Agent 則再多一層能力:它會根據時間、訊息與持續累積的工作脈絡,判斷「現在有沒有什麼值得提醒使用者」。

這裡最難的技術問題,不是發通知,而是判斷什麼值得打擾人。

郵件裡多了一封促銷信,當然不必提醒;客戶的付款逾期三週、明天的航班還沒報到,可能就值得出聲。這種判斷如果太保守,AI 沒有存在感;太積極,又會變成另一個讓人想關掉通知的 App。

生活化說法

很多人的工作日不是被一件大事拖垮,而是被幾十件「不能忘、但又不值得一直惦記」的小事切碎。

例如月底要報帳、客戶的信還沒回、週五要交文件、航班今晚開放報到。現在通常是人自己記著,或靠幾個不同 App 各自提醒。

Duet 想做的比較像把這些零碎提醒先收在同一個地方,只在需要你真正做決定時才敲門。如果這套邏輯做得準,它省下的未必是操作時間,而是人一直惦記「我是不是忘了什麼」的注意力。

我們的觀察

Duet 的產品方向很有野心,真正的門檻也很高。

一個 AI 如果只是幫忙寫信,判斷錯了還可以重寫;如果它開始持續讀取郵件、處理帳務、準備薪資甚至操作商店後台,使用者對可靠性的要求會完全不同。

所以 Anthropic 在 Duet 上投入大量安全設計並不意外。從登入憑證隔離、敏感資料分類,到重要操作必須批准,本質上都是在回答同一件事:一個長期待在工作背景裡的 AI,要怎麼取得足夠權限,又不至於取得過多權限。

如果這一代產品能證明「主動,但不煩;能做事,但不亂做」,AI 助手才真正有機會從偶爾開啟的工具,變成工作環境的一部分。

對一般讀者的影響

對一般上班族而言,Duet 類產品最可能改變的不是寫文章速度,而是日常工作的節奏。過去需要自己巡一次信箱、行事曆與通訊軟體,未來可能先看 AI 整理後的重點,再決定把注意力放在哪裡。

但這也帶來一個新的使用習慣:不是什麼資料都應該一次交出去。當 AI 開始長期讀取私人信件、工作文件與帳務資訊,權限管理會從設定頁裡的小選項,變成真正重要的數位工作能力。

美國民眾開始對 AI 基建踩煞車,資料中心從科技議題變成地方政治

新聞重點

《華盛頓郵報》與 ABC News、Ipsos 最新調查顯示,美國社會對 AI 發展與資料中心擴建存在明顯疑慮。調查中,57% 的美國成年人認為 AI 對社會帶來的弊端大於利益,約三分之二反對興建新的資料中心;67% 不認同川普政府目前處理 AI 議題的方式。The Washington Post:https://www.washingtonpost.com/technology/2026/10/21/poll-finds-most-americans-disapprove-how-trump-handling-ai/?utm_source=chatgpt.com

這些疑慮並不只集中在單一政黨支持者。近期多份調查都顯示,共和黨與民主黨選民對資料中心耗電、電價、就業與 AI 監管都有不同程度擔憂;AP-NORC 10 月公布的調查也顯示,64% 美國成年人認為 AI 發展速度「太快」,約八成認為政府確保 AI 維持在人類控制之下非常重要。The Washington Post:https://www.washingtonpost.com/politics/2026/10/08/artificial-intelligence-ai-poll-trump-democrats-republicans/5c8c38ee-c302-11f1-8170-681419af1cc9_story.html?utm_source=chatgpt.com

川普政府的立場則偏向加速 AI 與資料中心建設,強調美國需要保持與中國競爭的科技能力。白宮也主張,資料中心有助經濟成長與國家安全;這與部分民眾希望更強監管、限制地方資料中心擴張的立場形成政策張力。The Washington Post:https://www.washingtonpost.com/politics/2026/08/31/trump-says-voters-who-oppose-data-centers-will-kill-golden-goose/?utm_source=chatgpt.com

背景脈絡

AI 剛爆發時,「資料中心」對多數人來說還是一個很抽象的名詞。

真正蓋到地方後,問題就變得具體了。大型 AI 機房需要大量電力、土地、冷卻與輸電設備,地方居民開始關心的不是模型排行榜,而是附近電價會不會增加、用水會不會變多、電網升級成本最後由誰負擔。

這讓 AI 政策出現一個明顯轉折。

過去政府與科技公司討論的是如何搶晶片、搶投資、搶人才;現在地方社區開始要求回答另一類問題:這些巨額 AI 建設帶來的成本與利益,會怎麼分配?

知識點補充

資料中心常被視為數位產業,但它其實是一種非常實體的基礎建設。

一座大型 AI 資料中心可能同時需要高密度伺服器、變電站、備援電力、冷卻系統與高速網路。它和一般辦公大樓最大的差異,是耗電規模可能非常高,而且 AI 伺服器全年長時間運作。

因此地方居民反對資料中心,未必等同反對 AI。

有人可能每天使用 ChatGPT,同時不希望附近蓋一座可能影響電網與土地使用的大型機房。這種「需要服務、但對基建成本有疑慮」的矛盾,正成為美國 AI 政策的重要現實背景。

生活化說法

這有點像大家都喜歡隔天到貨,但不一定希望大型物流中心就蓋在自家隔壁。

消費者享受的是快速送貨,地方居民看到的卻可能是卡車、交通、土地與噪音。

AI 也正在經歷類似轉變。使用者看到的是幾秒鐘完成的回答,社區看到的則是變電站、輸電線與新的大型建築。

同一項科技,站在不同位置看到的成本並不相同。

我們的觀察

這場爭論顯示,AI 已經跨過純科技政策的階段。

模型公司可以用「國家競爭力」說明為什麼需要更多算力,但如果資料中心直接影響地方電力與生活環境,政府就很難只以產業政策的角度處理。

另一方面,反對聲音增加也不代表 AI 建設會停止。比較可能的發展,是地方政府開始要求業者承擔更多基礎設施成本,例如自行增加供電、改善電網,或提供更具體的社區利益。

換句話說,AI 基建接下來要取得的可能不只是一張建照,還有地方社會的接受度。

對一般讀者的影響

未來 AI 成本可能不再只是科技公司的財務問題。

如果資料中心需要大量新電力與電網投資,誰支付這些費用、是否轉嫁到居民電價,就會直接影響一般家庭。另一方面,地方若大幅限制資料中心,也可能影響區域科技投資與就業。

這也是為什麼 AI 政策逐漸變得難以用「支持科技」或「反對科技」簡單分類,它已經開始進入能源、地方財政與公共建設的日常議題。

前 OpenAI 研究長創辦 Arda,下一個 AI Agent 要進的不是辦公室,而是工廠

新聞重點

OpenAI 前研究長 Bob McGrew 創辦的製造軟體公司 Arda 近日正式曝光。公司已累計募得約 2.3 億美元,最新一輪估值達 15 億美元,躋身獨角獸新創行列。

Arda 的目標不是再做一款聊天機器人,而是利用 AI 幫助製造工程師設計與調整組裝流程。McGrew 的形容很直接:希望 Arda 對製造工程師的作用,就像 Claude 或 Cursor 對程式設計師。

目前國防科技公司 Anduril 已經在實際使用 Arda 的技術。系統可以讀取產品的 CAD 設計與其他工程文件,協助安排組裝順序、工作站與操作流程。未來公司還計畫延伸到機器人與更高度自動化的產線。

Arda 團隊除了 McGrew,還包括曾任 Google、Meta 並參與創立 Adept 的 Augustus Odena,以及兩名 Palantir 前工程師 Alex Mark、Jakob Frick。

背景脈絡

製造業自動化長期有一個矛盾:機器非常適合大量做「同一件事情」,卻不一定擅長頻繁改變。

如果一款產品設計很穩定,工廠花幾個月調好設備後,可以生產很多年;但無人機、國防設備、消費電子等產品改版速度很快,硬體一改,組裝方式也得跟著調整。

人類工人重新學一套裝配方式,可能一天就能開始;自動化產線重新編程、測試與驗證,卻可能需要數月。

Arda 想處理的不是「機器人夠不夠靈活」這一個問題,而是縮短工程師把新產品設計轉成真正產線的準備時間。

知識點補充

這類應用可以理解成 Manufacturing Agent,也就是製造工程 AI 代理人。

它和一般辦公 Agent 最大的差別,在於工作對象不是只有文件、網站與 Email,而是實際產品與生產流程。

系統可能需要理解 CAD 設計、零件關係、工作站順序、裝配條件與設備限制,再提出可執行的製造方案。

這類任務的容錯率也比一般文字工作低很多。一封 Email 寫得不好可以重寫,但工廠如果安排錯誤的裝配流程,可能造成材料浪費、停線甚至安全問題。

因此製造 AI 最重要的不是「看起來合理」,而是能不能被工程驗證後穩定重複執行。

生活化說法

服裝店每季換新款,店員只要重新熟悉商品就能上工;但如果工廠每換一個產品,就得重新拆機器、改程式、測產線,速度自然慢很多。

Arda 想做的事情,就是把這段「工廠重新學會怎麼製造新品」的準備時間縮短。

如果軟體能先讀懂新設計,再把生產步驟整理成工程師能快速驗證的方案,硬體產業的改版速度才有機會追上軟體。

我們的觀察

Arda 的出現有一個很值得觀察的背景:AI 新創開始被要求證明,除了寫文字、寫程式與處理辦公工作之外,還能創造哪些真正的產業價值。

製造業是一個很大的市場,也是一個非常難吃下來的市場。

網路軟體出錯,可以快速更新版本;工廠設備出錯,可能直接停產。因此製造業客戶通常不會因為一場漂亮 Demo 就全面導入,必須經過現場驗證、設備整合與長時間可靠度測試。

這也讓 Arda 的 15 億美元估值接下來面對一個很務實的考題:它能不能從少數成功案例,走到大量工廠長期部署。

如果能做到,AI Agent 的商業價值就會從「幫人處理數位工作」,進一步延伸到「改變實體產品怎麼被製造」。

對一般讀者的影響

製造 AI 不會像 ChatGPT 一樣直接出現在手機裡,但它可能影響很多人每天買到的產品。

如果工廠能更快切換新品、調整產線與處理設計變更,新產品從設計到量產的時間可能縮短,小批量或客製化製造也更有機會變得經濟。

對製造業工作者而言,工作內容也可能改變。熟悉製程的人不一定消失,反而可能需要更早介入 AI 產生的方案,判斷哪些真的符合現場條件。

我們的觀察

這一天的三則新聞,很像把 AI 的三個階段同時擺在桌面上。

Claude Duet 處理的是「AI 怎麼進入人的日常工作」;美國資料中心爭議處理的是「支撐 AI 的實體成本由誰承擔」;Arda 則跨過螢幕,把 Agent 帶進工廠。

這和前幾年談 AI 的方式已經差很多。

以前一個模型能寫出文章、畫圖、寫程式,就足以證明技術進步;現在市場開始要求更實際的答案:它能不能自己把工作接起來?能不能替企業省下真正的流程成本?支撐這些能力所需要的電力、硬體與資金,又是否值得?

有趣的是,這三則新聞都沒有指向「人從此不重要」。

Duet 到敏感操作仍要找人批准;美國資料中心最後仍要接受地方居民與政策制度的約束;Arda 即使幫忙設計產線,也必須由製造工程師驗證。

AI 愈往現實世界走,「最後由誰負責」反而愈難被自動化。

所以接下來 AI 的成熟度,或許不能只看它能完成多少任務。更實際的標準,是它能否進入一套既有制度與工作流程,在需要自主時自主,在需要停下來時真的停得下來。

聊天機器人時代追求的是回答。

Agent 時代真正要建立的,會是信任與交付能力。

資料來源

延伸閱讀


作者:NineLife AI 編輯室
最後更新:2026年10月22日
本文由 NineLife AI 編輯室整理公開資料後撰寫,可能使用 AI 工具協助草稿整理;發布前會人工檢查來源、事實與語意。內容僅供資訊參考,不構成法律、投資、醫療、稅務或其他專業建議。

留言

這個網誌中的熱門文章

遊戲開發邏輯可能被重寫

 遊戲開發邏輯可能被重寫 AI 的影響,正從「幫你做得更快」,進一步走向「改變你怎麼做事」。 在遊戲產業,它開始接手世界的生成; 在學習與工作場域,它被質疑是否讓人類思考退場; 在會計這類高度制度化的專業領域,它則被視為補位而非取代。 延伸脈絡:不要只看單一事件 「遊戲開發邏輯可能被重寫」之所以值得留下來閱讀,是因為它可以當成觀察 AI 發展節奏的一個切片。單一新聞可能很短,但把它和同時期的產品更新、政策討論、使用者反應放在一起,就能看出 AI 技術正在從實驗性展示走向日常基礎工具。 從「AI 教育與學習方式」的角度看,讀者可以特別注意兩個層次:第一是技術是否真的成熟到能被普通人穩定使用;第二是平台、企業或主管機關是否已經準備好相應的規則。前者決定短期體驗,後者決定這項應用能不能長期被信任。 因此,這類文章不只是在記錄一則消息,而是在提醒我們:每一次 AI 被放進工作、教育、娛樂、治理或家庭生活,背後都會重新分配效率、風險和責任。讀者若能從這三個面向回頭檢查,就比較不容易被單一功能或宣傳話術帶著走。 作者: NineLife AI 編輯室 最後更新: 2025年12月26日 本文由 NineLife AI 編輯室整理公開資料後撰寫,可能使用 AI 工具協助草稿整理;發布前會人工檢查來源、事實與語意。內容僅供資訊參考,不構成法律、投資、醫療、稅務或其他專業建議。 站內延伸閱讀: 深度閱讀目錄 | AI 工具觀察 | 關於 NineLife AI

ChatGPT 學習模式與 NotebookLM 影片摘要:功能更新和法規時間怎麼分清楚?

2025 年 7 月,ChatGPT 與 NotebookLM 分別推出引導學習和影片摘要功能。兩者都能協助接觸知識,卻不能單憑功能名稱就認定學習成果提高。本文也更正原文把歐盟 AI 法案寫成同期新通過的時間脈絡。

AI新局:就業認證、版權爭議、中企挑戰

AI新局:就業認證、版權爭議、中企挑戰 AI 的力量正全面展開:OpenAI 推出證書與人才平臺,試圖打造新一代數位職涯生態;華納兄弟則槓上 Midjourney,為版權保護與 AI 創作劃下界線;中國新創 DeepSeek 加速推進,公開挑戰 OpenAI 的龍頭地位。這三則新聞,讓我們同時看到 教育、法律與國際市場 的三重戰場。 🔹 OpenAI推AI證書與人才平臺 擴大就業機會 📌 新聞整理 OpenAI 應用執行長 Fidji Simo 宣布,將推出 OpenAI 證書 與 AI Jobs Platform。 • 證書今年上線,分為基礎到進階提示工程等級,由 OpenAI Academy 提供準備與考核。 • 目標在 2030 年前認證 1,000 萬名美國人,Walmart 已率先導入員工訓練。 • Jobs Platform 明年推出,結合 AI 技術協助政府與企業找人才,被視為 LinkedIn 潛在競爭對手。 💬 生活化比喻 就像數位時代的「駕照考試」,拿到證書後才能在 AI 世界裡上路。 🔍 知識補充 • AI認證:讓人才有清晰標準,企業也能快速篩選。 • 市場影響:若成功普及,可能重塑全球職場技能門檻。 🔹 華納兄弟控告Midjourney未授權用角色訓練AI 📌 新聞整理 華納兄弟探索正式提告 Midjourney,指控其未授權使用旗下角色訓練模型,並允許生成 超人、蝙蝠俠、湯姆與傑利 等影像與影片。 • 此前迪士尼與環球也已提告 Midjourney。 • 華納強調 Midjourney「明知可限制卻放任侵權」,且營收與此直接相關。 • Midjourney 暫未回應。 💬 生活化比喻 就像你拿別人漫畫角色,隨便印在商品上賣錢,卻沒經過授權。 🔍 知識補充 • AI版權爭議:核心在於「訓練資料是否需要授權」。 • 產業趨勢:娛樂巨頭集體提告,可能推動 AI 法規加速落地。 🔹 DeepSeek攜新AI模型挑戰OpenAI 📌 新聞整理 中國新創 DeepSeek 宣布年底推出新一代 AI 代理模型。 • 目標:以更少指令完成複雜任務,挑戰 OpenAI 市場地位。 • 今年 1 月首發 DeepSeek-R1,20 天內日活用戶數即達 2,161 萬。 • 新系統支援多模態理解、多語言應用,...