跳到主要內容

Siri 下一步不只回答問題:Apple 瞄準自主 Agent,但 AI 真正普及還卡在成本與人的信任

Siri 下一步不只回答問題:Apple 瞄準自主 Agent,但 AI 真正普及還卡在成本與人的信任

Siri 下一步不只回答問題:Apple 瞄準自主 Agent,但 AI 真正普及還卡在成本與人的信任 文章主圖
AI 助理的競爭正在從「回答得好不好」進入「能不能替你把事情做完」。Apple 據報正在規畫讓 Siri 進一步具備自主代理能力,未來不只理解一次指令,而能持續追蹤目標、判斷下一步並跨 App 執行任務;Y Combinator 執行長 Garry Tan 則已經過著這種生活,他讓 AI 讀取 Email、Dropbox、Apple Notes 甚至多年私人筆記,但一年 Token 費用高達 10 萬至 20 萬美元,也暴露個人 Agent 要普及前仍存在巨大的成本門檻;交友市場卻出現反方向訊號,Z 世代雖然更積極約會,卻沒有同樣積極地接受 AI 幫自己聊天。

Siri 正從語音助理走向 Agent,下一步是「你說目標,它自己安排過程」

新聞重點

根據 Bloomberg 記者 Mark Gurman 近期報導,Apple 正持續把 Siri 往更完整的自主代理方向發展,希望未來的 Siri 不只是完成一次性的手機操作,而能理解使用者較長期的目標,判斷接下來需要採取哪些步驟,再代表使用者持續執行。

目前 Apple 已經開始測試 Siri 跨 App 執行複雜工作的能力,包括一次處理多項要求、協調不同應用程式,以及把原本需要使用者逐步操作的流程串在一起。Bloomberg 近期對 iOS 27.3 的測試內容也顯示,Apple 正逐漸把 Siri 從傳統語音入口改造成更接近 AI Agent 的系統控制層。

更自主的版本則被認為可能進一步延伸到 2027 年。不過,目前真正能做到多大範圍、哪些任務可以長時間自主執行,以及正式推出時程,都還沒有 Apple 官方完整公布,因此現階段仍應視為產品發展方向,而不是已經確定的功能清單。

背景脈絡

傳統 Siri 的工作方式非常清楚:使用者說一句,Siri 做一件事。即使功能很多,本質上仍是一個以指令為中心的語音操作工具。

Agent 的邏輯則不同。使用者不必指定每一步,而是描述最終目標,系統自己判斷需要使用哪些資料、App 與工具,再依進度決定下一個行動。

例如「幫我準備下週東京出差」如果只是一個普通聊天機器人,可能會列出行李清單;真正的系統級 Agent 則可能先確認行事曆、整理航班、找出會議地址,再提醒交通與文件。兩者的差別不是回答更長,而是 AI 開始碰到真實的操作權限。

這也是 Apple 最值得注意的優勢。它不一定需要在聊天介面上擊敗每一個模型,只要 Siri 能更深入控制 iPhone、Mac、訊息、照片與第三方 App,就可能形成另一種 Agent 使用方式。

知識點補充

這類 AI 的核心概念叫做 Agentic AI,也就是代理型人工智慧。一般聊天模型通常在收到問題後產生答案,Agent 則會把目標拆成多個步驟,在執行過程中讀取新的結果,再決定下一步。

真正困難的不是「規畫」,而是狀態能不能延續。假設 AI 要幫你處理一件需要三天完成的事情,它就必須記得昨天做過什麼、目前缺少什麼資料,以及什麼情況需要再次詢問使用者。

因此自主程度提高後,權限、記憶與停止條件就會和模型能力一樣重要。AI 可以主動做多少事情,很大程度取決於使用者願意把多少系統控制權交給它。

生活化說法

現在的 Siri 比較像櫃台人員。你交代一件事,它處理完,再等你下一個要求。

Agent 型 Siri 比較像真正的行政助理。你只需要說:「下週我要去大阪開會,幫我把相關事情整理好。」它可能自己查看行程、找資料、整理提醒,遇到需要付款或確認的重要步驟,再回頭找你決定。

能力差別不只在聰明程度,而是它能不能把一件事情持續追到完成。

我們的觀察

Apple 如果真的往這個方向走,Siri 的產品定位會出現十五年來最大的改變。過去 Siri 的價值是讓使用者少點幾次螢幕,Agent Siri 的價值則可能變成少管理幾個工作流程。

但 Apple 面對的難題也比純 AI 公司更多。ChatGPT Agent 做錯一個研究步驟,使用者可以重新要求;Siri 如果有權寄訊息、修改行程甚至操作第三方 App,錯誤就可能直接改變手機裡的真實資料。

因此 Apple 一向強調的裝置權限與隱私,到了 Agent 時代反而可能變成競爭核心。真正好的自主助理不是完全不問使用者,而是知道哪些事情可以自己做,哪些事情一定要停下來取得同意。

對一般讀者的影響

未來使用手機的方式可能從「找 App」逐漸變成「說需求」。使用者不一定需要知道某個功能藏在哪個選單,而是讓 AI 自己找到相對應的系統能力。

這會讓智慧型手機更方便,但同時也代表使用者需要重新理解權限。當 Siri 不只看資料,還可以幫忙執行工作時,哪些 App 能被調用、哪些內容能讀取,以及什麼操作必須二次確認,都會成為日常設定的一部分。

Garry Tan 一年花 20 萬美元跑 Agent,個人 AI 的夢想先撞上「算力帳單」

新聞重點

Y Combinator 執行長 Garry Tan 最近在 Walter Isaacson 主持的 Podcast《The Builders》中透露,自己每年用在 AI Token 上的費用約為 10 萬至 20 萬美元。這並不是一般聊天使用,而是大量讓 Agent 進行研究、程式開發與持續性的個人工作。

Tan 的 AI 已經接觸非常深入的私人資料,包括 Email、Dropbox、Apple Notes,以及長達二十年的心理治療筆記。他希望 Agent 不只是等自己下指令,而是能掌握足夠背景,在需要時提前提出建議。

他同時把自己整理的 23 個 Claude Code Skills「gstack」公開,希望讓更多人理解多 Agent 工作方式。YC 內部甚至打造名為 Stray Light 的 Agent,掌握歷來投資創辦人、來信與申請資料,作為一套「公司大腦」。

不過,Tan 自己也承認,目前這種高度使用方式是一種很昂貴的特權。他相信個人 AI 最終會普及,但前提是成本必須大幅下降。

背景脈絡

聊天 AI 的成本通常很容易控制,因為人一天能主動問的問題有限。

Agent 完全不同。它可能在使用者沒有盯著螢幕的時候持續搜尋、閱讀、呼叫工具、寫程式、檢查錯誤,再重新執行。每一個看起來簡單的成果,背後可能需要大量模型回合。

因此「24 小時個人 AI」真正昂貴的地方,不一定是單次模型價格,而是它永遠有事情可以做。

Tan 的使用方式可以視為 Agent 未來可能發展到的極端版本:AI 讀過一個人大量過去資料,知道工作、私人生活與長期背景,才能從「回答工具」變成真正具有連續性的助理。

知識點補充

計算 Agent 成本時,只看 Token 單價並不完整。更有意義的概念是 Cost per Task,也就是每完成一項任務的成本。

假設 Agent 為了完成一份研究報告花了 50 萬 Token,如果最後替人省下八小時工作,成本可能仍然合理;但如果它跑了數十輪推理,最後成果仍需要重新製作,再便宜的 Token 也可能是浪費。

另一個問題則是 Context,也就是背景資訊。個人 Agent 如果要真正理解使用者,往往必須閱讀大量過去資料。資料愈多,推理的資源需求可能愈高,也會同步提高隱私風險。

因此個人 Agent 普及,需要同時解決成本與資料控制,而不是只把模型價格壓低。

生活化說法

現在訂閱 ChatGPT,比較像請一位顧問按次幫忙。需要時找他,不需要時沒有太多工作。

Tan 的方式更接近雇用一位全天候私人助理,而且這位助理會一直讀資料、整理事情、提前準備下一步。

真正的問題自然不只月薪,而是他每一天持續工作的「工時」有多長。

AI Agent 沒有睡覺需求,也正因如此,它的帳單反而可能沒有自然上限。

我們的觀察

Tan 的案例很值得觀察,因為它讓「每個人未來都有個人 Agent」這句話多了一張價格標籤。

今天最強的 Agent 使用體驗,其實還非常依賴算力資源。即使模型單價持續下降,只要 Agent 自主工作的時間與任務量同步增加,總成本未必會跟著下降。

另一個更重要的問題是控制權。Tan 並不認為最理想的未來是由大型科技公司免費提供一個讀取所有私人資料的 AI。他更偏向使用者真正掌握自己的 Agent、資料與程式邏輯。這也會成為未來個人 AI 的一條重要分歧:大家到底想要免費但由平台控制的 AI,還是願意付費換取一個真正屬於自己的數位助理?

對一般讀者的影響

一般人短期內不需要一年花數十萬美元養 Agent,但已經可以從這個案例看到未來產品可能怎麼收費。

AI 服務不一定永遠只是每月固定訂閱,也可能逐漸按背景任務、工具使用量或運算時間分級。越希望 AI 主動幫你做事,就可能需要付出更多算力成本,也需要提供更多個人資料。

所以個人 Agent 真正的普及,可能不是模型再聰明一點就會發生,而是「夠便宜、夠安全、資料又真的屬於使用者」三件事情同時成立。

Z 世代更願意約會了,卻不太想讓 AI 替自己談戀愛

新聞重點

Bloomberg Intelligence 近期調查 1,000 名美國交友 App 使用者,結果顯示 16 至 28 歲的 Z 世代中,有 34% 表示目前單身且正在積極約會,較前一年的 23% 明顯增加。調查於 8 月 26 日至 9 月 21 日進行,受訪者男女各半。

隨著年齡增長,Z 世代對交友 App 訂閱付費的接受度也提高,但依然比千禧世代更在意價格。這對 Tinder、Hinge 等平台是正面訊號,因為年輕使用者重新增加約會需求,代表市場仍有成長空間。

然而,AI 功能並沒有獲得同樣程度的歡迎。略高於一半的 Z 世代使用者可以接受 AI 協助撰寫回覆、延續聊天,千禧世代的接受比例則約為 70%。不少使用者甚至認為建立交友個人檔案並不困難,讓平台投入 AI 選照片、寫自介等功能的實際需求受到質疑。

這並不代表年輕人完全排斥 AI。Hinge 的研究也顯示,部分 Z 世代會把 AI 當成修改訊息或提供第二意見的工具,但更傾向讓 AI「協助自己說話」,而不是完全代替自己說話。

背景脈絡

交友 App 過去十多年一直在解決效率問題:如何更快找到符合條件的人、如何提高配對成功率,以及如何讓使用者不要因為一直滑不到適合對象而離開。

AI 很自然成為下一個工具。它可以幫忙挑照片、寫自我介紹,甚至根據對方訊息建議該怎麼回。

但戀愛和一般生產力工具有一個很大的不同。寫 Email 的目的通常是把事情完成,交友對話本身卻就是「認識這個人」的一部分。

如果 AI 把聊天全部優化到最漂亮,對方最後喜歡的究竟是本人,還是系統替他打造出來的版本?這就是 AI 在交友場景比其他工具更容易遇到的信任問題。

知識點補充

這裡可以用 Authenticity,真實性來理解。

AI 在很多工作上追求的是最佳結果,例如一封信寫得更清楚、一份報告錯字更少。但人際關係裡的最佳答案不一定是最完美的答案。

一句有點笨拙、但真的由本人想到的回覆,有時反而比 AI 精心設計的幽默句子更能傳達個性。

因此交友平台的 AI 很可能需要採用「Copilot」而不是「Autopilot」模式。前者提供建議,人自己做最後選擇;後者則直接替人回訊息、維持關係。兩者雖然只差一步,但使用者心理接受度可能完全不同。

生活化說法

請朋友幫你看看要傳出的訊息,很多人都做過。

朋友可能說:「這句太生硬,換個方式比較好。」

但如果第一次約會前,你發現對方之前所有訊息其實都是另一個人代打,感受就不同了。

AI 放進戀愛裡也是一樣。它可以在旁邊提醒,但如果連「我是怎樣的人」都由它代替表達,便利就可能反而破壞信任。

我們的觀察

Z 世代對 AI 功能相對保守,是一個很有意思的市場訊號,因為這群人通常也被視為最熟悉數位工具的一代。

這表示使用者不是單純按照年齡決定「喜不喜歡 AI」,而是會根據場景重新畫界線。寫作業、整理資料時可以接受高度自動化,但談戀愛時反而希望保留更多人的痕跡。

對交友平台來說,這是一個重要產品提醒。現在科技公司容易產生一種思維:只要 AI 能做,就應該把 AI 加進去。但如果使用者本來沒有覺得寫一段自介很痛苦,替他自動完成反而沒有創造多少價值。

最好的 AI 功能不一定是做得最多,而是出現在使用者真的需要幫助的地方。

對一般讀者的影響

AI 很適合拿來檢查訊息語氣、想聊天題目,甚至提醒一句話會不會讓人誤解,但真正建立關係時,保留自己的表達仍然有價值。

未來人們可能會逐漸形成新的交友默契:可以用 AI 提供建議,但不希望整段關係都由 AI 代理。當 Agent 愈來愈會說話,「這句話真的是你想說的嗎?」反而可能成為新的信任問題。

我們的觀察

今天三則新聞剛好呈現 Agent 發展的一條很有意思的界線:能力一直往前走,人卻不一定希望所有事情都跟著自動化。

Apple 想把 Siri 往更自主的方向推,因為手機裡存在大量適合交給 AI 處理的瑣事。找照片、排流程、整理資訊與跨 App 操作,本來就不是多數人特別想親自完成的工作。如果 Agent 能安全接手,使用者自然樂於少操作幾步。

Garry Tan 則已經把這種想像推到極端。他願意讓 AI 讀取大量私人資料,再付出一年十幾萬美元的運算成本,換取一個真正理解自己、甚至能提前工作的 Agent。這證明「高度個人化的 AI」確實可以產生巨大價值,也同時證明今天這種體驗離一般人的價格仍然很遠。

交友 App 的結果則像一道煞車。當任務從「替我處理事情」變成「替我表達自己」,人就開始猶豫了。Z 世代並不是不用 AI,而是不希望工具把真正的人際互動一起取代。

這也讓 Agent 時代的產品邏輯逐漸清楚。

真正適合高度自動化的,通常是那些人只在意結果的事情;越涉及身份、情感與關係,使用者就越在意過程是不是自己的。

因此未來最成功的個人 Agent,未必是那個什麼事情都替人做掉的 AI。

它更可能知道什麼時候應該主動往前一步,也知道什麼時候應該把位置留給使用者。

AI 的自主能力愈強,「知道什麼事情不該代替人」反而愈可能成為真正高階的能力。

資料來源

延伸閱讀


作者:NineLife AI 編輯室
最後更新:2026年11月9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,...