现在 AI 模型愈来愈多，企业是不是每换一款模型，就要重新开发整套系统？
如果 AI 已经可以协助写文章、制作演示文稿与分析试算表，为什么我们还要不断在不同 App 之间拷贝粘贴？
而当 ChatGPT 的开发商 OpenAI，可能直接向竞争对手 Google 购买 AI 芯片，又代表了什么？
2026 年 10 月 29 日，今天的三则重要消息，刚好呈现 AI 产业正在发生的变化。
竞争不再只看哪个模型最强，而是谁能用更稳定的方式完成工作，并控制软件与算力成本。
一、Microsoft 开放 Copilot Harness：企业为什么不想再为每款 AI 重写工作流程？
10 月 28 日，Microsoft 宣布在 Microsoft Foundry Agent Service 推出 Copilot Harness 公开预览。
这项发布不是另一款聊天机器人，也不是一个新的大型语言模型。
它要处理的是 AI Agent 在实际工作中遇到的基础问题。
假设一家企业已经创建一个 Agent，每天需要：
读取内部文档。
查找指定数据源。
分析数据。
运行程序。
产生报告。
最后把需要人工确认的部分交给主管。
这些工作不只是把问题交给 AI 模型回答。
还需要有人负责工具调用、运行环境、数据上下文、权限和整个任务的进度。
Microsoft 这次想提供的，就是这套集成运行机制。
Copilot Harness 究竟是什么？
可以把 AI 模型想成负责思考的部分。
但要真正完成工作，还需要一整套机制，决定它可以使用哪些工具、能读取哪些数据，以及运行到哪一步必须停下来。
这套机制就叫做 Harness。
Microsoft 表示，新的 Copilot Harness 源自 GitHub 团队创建的多模型运行架构，目前已用于多个 Microsoft 与 GitHub 产品。
官方说明，相关架构可支持超过 20 款前沿模型，以及用户自备模型密钥的方式。
不过，这是整体架构支持的能力；在 Foundry 公开预览中，实际可选模型与工具仍受支持清单、区域和预览限制影响。
重点不是每个 Agent 一次使用 20 款模型，而是让开发者不必把完整工作流程绑死在单一模型上。
这次开放哪些功能？
Microsoft 将公开预览的能力分成四个主要部分。
第一，可重复使用的 Skills。
开发者可以把固定的工作进程、程序与相关资源包装成 Skill。
例如，把「读取报表、核对来源、产生摘要、标出缺漏」做成一套可重复使用的研究进程。
第二，连接外部工具。
Agent 可以使用支持的 Foundry 工具及 Model Context Protocol（MCP）工具，并设置必要的身分验证与核准机制。
第三，运行与工作分派。
主 Agent 可以在受控环境里处理文档与程序，并将有限范围的工作交给子 Agent，再统整结果。
第四，工作流程版本管理。
开发者可以将 Agent 定义和相关资源与原本的软件项目一起管理，方便测试、追踪与修改。
这些能力的共同目标，是让企业把重点放在工作规则与结果品质，而不是每次重新建造 Agent 的基础设施。
AI 运行到一半中断，现在就能自动接着做吗？
Microsoft 这次还宣布，Foundry Hosted Agents 的长时间工作复原能力已正式提供。
这项能力可以在任务中断后重新启动工作。
但有一个容易被忽略的限制：
平台能重新启动工作，不代表应用程序会自动知道哪些步骤已经完成。
Microsoft 官方说明，开发者仍须自行保存进度与中间结果。
假设 Agent 原本要创建一份报告，工作中途突然中断。
重新启动时，如果没有检查报告是否已创建，就可能产生两份相同文档。
同样地，如果任务涉及更新数据库、发送通知或创建订单，也必须避免重复运行。
因此，所谓「长时间任务复原」，不是让 AI 永远不会出错，而是为创建可恢复的工作流程提供基础。
这个功能一般 Microsoft Copilot 用户也有吗？
不能这样理解。
这次公开预览主要提供给在 Microsoft Foundry 创建 Agent 的开发者与企业团队。
不是宣称每位 Microsoft Copilot 或 Microsoft 365 用户今天都添加了一个可直接操作的 Harness 按钮。
此外，Copilot Harness 与 Hosted Agents 的长时间复原功能，也有不同的开放状态：
前者是公开预览。
后者的相关复原能力已正式提供。
使用 Copilot Harness 需要付费吗？
Microsoft 表示，Copilot Harness 在 Foundry Agent Service 中，将于 2026 年 12 月 1 日开始按用量收取运行环境费用。
在此之前，Harness Runtime 的使用费暂免。
不过，模型推论、个别工具与其他连接服务的费用，仍可能另外计算。
12 月 1 日起，Microsoft 公布的参考计价为：
每 vCPU 小时 0.0994 美元。
每 GiB 内存小时 0.0118 美元。
实际价格可能因地区与合约而不同。
这也提醒企业：即使使用共同的 Agent 平台，仍然需要衡量完整任务成本，而不是只比较模型 Token 单价。
这项更新对企业最重要的意义是什么？
过去 AI 系统可能围绕一款模型开发。
现在企业逐渐需要考虑不同模型的品质、速度、价格和工具能力。
如果每次换模型都必须重写整套程序，成本会持续增加。
Microsoft 的方向，是把模型和外部工作流程尽可能分离。
但这不代表切换模型就能保证取得完全相同的结果。
不同模型的工具使用、指令遵循与回答品质仍有差异。
企业即使使用共同 Harness，也应该在正式更换模型前重新测试。
真正重要的是：
模型可以有选择，但工作的规则、权限和验收标准不能因为换模型就消失。
二、Apple 的 Pages、Numbers、Keynote 要加入 AI：Mac 用户终于不必一直切换工具？
另一项与一般用户更接近的更新，来自 Apple。
10 月 27 日，Apple 宣布将为 Apple Creator Studio 推出新一波功能。
其中，Pages、Numbers 与 Keynote 都将加入能理解目前文档内容的 AI 助理。
这次 Apple 也首次为这三款办公 App 提供新的 MCP 支持，让外部 AI Agent 能透过兼容机制，读取内容、运行编辑及自动化操作。
Pages、Numbers、Keynote 分别能做什么？
Pages：协助撰写与修改文档。
例如，用户已经有一份报告，可以请 AI 协助调整文章架构、修改段落或整理草稿。
Numbers：协助分析与整理数据。
除了计算和整理数据，Apple 还表示，AI 能推荐适合的图表类型，并提供一键预览，也能协助创建自订表格。
Keynote：协助制作演示文稿。
AI 可以协助设计投视频、加入动画及调整演示文稿内容。
这三款工具的共同方向，是让 AI 直接理解正在编辑的文件，而不是每次都需要把内容拷贝到另一个聊天窗口。
不过，以上是 Apple 宣布的新功能方向，并不代表所有情境下都能保证产生正确内容。
文档事实、试算表公式与演示文稿中的数字，仍需要人工验证。
MCP 是什么？为什么比内置 AI 助理更值得注意？
MCP 是 Model Context Protocol。
简单来说，它是一种让 AI 应用与外部工具交换信息、运行受支持操作的标准协定。
当 Pages、Numbers、Keynote 支持 MCP 后，未来就有机会让兼容的外部 Agent，不只是在聊天框中提供修改建议，而是透过工具界面直接与文档交互。
例如，一个经过授权的工作流程，可以规划为：
读取既有报告。
整理重要数据。
协助更新试算表。
准备演示文稿草稿。
最后交由用户检查。
这是一种可能的工作流程设计，不代表 Apple 已经宣布所有第三方 Agent 都能无限制完成上述每一步。
真正能做什么，仍须看兼容性、权限与实际产品提供的操作能力。
台湾用户 10 月 29 日就能用吗？
还不能把它当成已经全面开放。
Apple 官方明确表示，这次 Apple Creator Studio 更新预计在 2026 年 11 月推出。
其中 Pages、Numbers、Keynote 的 AI 助理目前是 Beta 版。
而且有三项重要限制。
第一，语言限制。
助理 Beta 初期只支持美式英文。
因此，不能直接宣称它现在已支持繁体中文文档完整操作。
第二，设备和操作系统要求。
AI 助理需要支持 Apple Intelligence 的设备，并运行 iOS 27、iPadOS 27 或 macOS 27 以上版本。
第三，MCP 有不同限制。
Apple 表示，Pages、Numbers、Keynote 的 MCP 功能需要 macOS 27 或更新版本。
所以不能把 AI 助理与 MCP 的设备条件混成同一套。
这次更新需要订阅吗？
Apple 台湾官方公告，Apple Creator Studio 新订阅者价格为：
方案台湾价格一般月订阅NT$390一般年订阅NT$3,900符合资格的教育月订阅NT$90符合资格的教育年订阅NT$900现有 Apple Creator Studio 订阅者，可在 11 月取得更新而不需额外购买此次升级。
但这不代表所有免费 Pages、Numbers、Keynote 用户都自动取得完整的订阅版 AI 功能。
Apple 也确认，三款 App 的免费版本仍会继续提供。
所以现在不需要因为新闻发布，就立即为了新 AI 功能付费。
等到正式推出后，再依语言支持、设备条件和实际功能决定是否值得使用。
这件事对一般工作者有什么影响？
它反映的是办公软件正在改变。
以往 AI 是一个独立工具。
用户先准备文档，把数据交给 AI，再把产生的内容贴回原本的 App。
现在，包括 Microsoft、Google 和 Apple，都在朝向让 AI 直接参与原本工作环境的方向发展。
这样的好处，是可以减少不同工具之间反复搬运数据。
但也带来另一个问题。
如果 AI 可以直接修改文档，用户就必须更在意版本纪录、编辑权限，以及结果能不能复原。
对涉及正式报价、财务数字或对外发送的文档，最安全的做法仍然是先产生草稿、保留原始版本，再经人工确认。
三、OpenAI 据报计划购买 Google TPU：竞争对手为什么还要向 Google 买芯片？
第三则消息来自 Reuters 10 月 28 日的报导。
Reuters 引述 The Information，指出 OpenAI 正计划购买 Google 的 AI 芯片。
报导所依据的是一名知情人士提供的信息。
目前没有公开的确定合约金额、芯片采购数量及最终交货条件。
Google 未立即回应 Reuters 的询问，OpenAI 则拒绝评论。
因此，这件事目前的正确表述是：
OpenAI 据报计划购买 Google TPU，而不是双方已正式签署并完成一笔大型采购交易。
OpenAI 不是主要使用 Nvidia 芯片吗？
是的。
OpenAI 长期大量使用 Nvidia GPU，支持 AI 模型训练与推论。
但 AI 公司的算力需求愈来愈庞大，单一供应来源可能带来成本、供货及部署弹性问题。
Google TPU 是另一种专门为 AI 计算设计的加速器。
它并不是 Nvidia GPU 的完全相同替代品。
不同模型、软件架构与工作负载，可能在不同硬件上得到不同的性能与成本表现。
因此，使用更多种芯片，并不保证每件 AI 工作都立即变便宜。
还需要考虑模型移植、程序调整、性能测试与基础设施管理成本。
OpenAI 以前就使用过 Google TPU 吗？
根据 Reuters 先前的报导，OpenAI 早在 2025 年就开始租用 Google 的 AI 芯片。
这次消息的重要差别，是可能从租用运算资源，进一步走向直接购买芯片。
不过，报导还没有揭露采购规模。
因此，不能推论 OpenAI 已经决定全面放弃 Nvidia，也不能宣称 Google TPU 已成为 OpenAI 的主要算力来源。
OpenAI 此前也宣布与 Broadcom 合作设计自有 AI 芯片。
这些布局显示，大型 AI 公司正在探索更多硬件选择。
Google 为什么愿意卖芯片给 OpenAI？
OpenAI 和 Google 在 AI 模型、搜索与部分产品市场上确实存在竞争。
但 Google 同时也经营云端平台与 AI 基础设施业务。
如果 OpenAI 成为 Google TPU 的客户，两家公司可以一边在产品端竞争，一边在基础设施端合作。
这种关系并不矛盾。
它反映科技产业常见的现象：
一家公司可能是另一家公司的竞争对手，同时也是供应商或客户。
Google 也正在扩大 TPU 对外销售。
例如，Oracle 10 月 27 日已正式宣布，预计在 2027 年把 Google TPU 带入 Oracle Cloud Infrastructure。
但 Oracle 合作属于双方正式公告的未来规划。
OpenAI 购买 TPU 则仍是媒体报导中的计划。
这两者的确认程度不同，不能混为一谈。
这对 Nvidia 代表什么？
如果大型 AI 开发商增加使用其他运算架构，长期可能让 Nvidia 面临更多竞争。
但目前没有足够信息，可以只凭这则报导推算 Nvidia 将流失多少营收。
真正需要持续观察的，是具体采购量、正式交付时间，以及新芯片实际承担哪些 AI 工作。
尤其 OpenAI 仍需要大量训练和推论资源。
增加一个供应商，未必代表另一个供应商的采购立即下降。
这次消息最重要的产业意义，是：
大型 AI 公司不再只竞争模型能力，也在争取更多元、更容易控制成本的算力来源。
四、今天三则新闻的共同意义是什么？
Microsoft 想让企业使用 AI Agent 时，不需要为每种模型重新创建完整工作流程。
Apple 正将 AI 助理与 MCP 带进日常文档、试算表及演示文稿工具。
OpenAI 则据报寻求更多 AI 芯片采购选择。
表面上是三个不同市场。
但它们其实分别处理 AI 系统的三个层次。
第一层：模型如何真正运行工作？
不能只看回答能力，还需要工具、运行环境、权限与任务恢复。
第二层：AI 能否直接在用户熟悉的软件里工作？
减少拷贝粘贴，确实可能改善效率，但也需要清楚的编辑控制与检查。
第三层：谁提供支撑所有工作的运算资源？
AI 服务愈普及，芯片、电力、供应商选择与基础设施成本就愈重要。
这三个层次缺一不可。
一个模型就算非常聪明，如果无法可靠地使用工具，仍难以完成真实工作。
一个 AI Agent 就算能控制许多 App，如果没有明确权限，也可能带来风险。
而一套产品即使很受欢迎，如果运算成本长期无法控制，也会影响它能否持续提供服务。
五、一般用户今天需要做什么？
如果你只是每天使用 ChatGPT、Copilot 或其他 AI 工具，其实不需要因为今天的消息立刻更换服务。
Microsoft Copilot Harness 目前主要面向开发者和企业 Agent 建置。
Apple 的新办公 AI 功能预计 11 月推出，还有英语、设备及订阅资格限制。
至于 OpenAI 采购 Google TPU，目前仍缺乏双方正式确认的交易细节。
今天更值得创建的习惯，是在评估 AI 产品时多问三件事：
它不只是能回答，还能否可靠地完成工作？
它能操作哪些数据与软件，权限和确认机制是否清楚？
它宣称的成本优势，是实际验证的结果，还是仍待完成的规划？
AI 发展愈快，就愈需要分清楚产品公告、测试功能、未来计划与媒体报导。
因为真正影响工作与生活的，不是科技公司宣布了多少能力，而是那些能力最终能否被安全、稳定地使用。
今天最重要的一句话
AI 的下一场竞争，不只是谁的模型最聪明，而是谁能把模型、工具和算力集成成真正可靠的工作系统。
