現在 AI 模型愈來愈多，企業是不是每換一款模型，就要重新開發整套系統？
如果 AI 已經可以協助寫文章、製作簡報與分析試算表，為什麼我們還要不斷在不同 App 之間複製貼上？
而當 ChatGPT 的開發商 OpenAI，可能直接向競爭對手 Google 購買 AI 晶片，又代表了什麼？
2026 年 10 月 29 日，今天的三則重要消息，剛好呈現 AI 產業正在發生的變化。
競爭不再只看哪個模型最強，而是誰能用更穩定的方式完成工作，並控制軟體與算力成本。
一、Microsoft 開放 Copilot Harness：企業為什麼不想再為每款 AI 重寫工作流程？
10 月 28 日，Microsoft 宣布在 Microsoft Foundry Agent Service 推出 Copilot Harness 公開預覽。
這項發布不是另一款聊天機器人，也不是一個新的大型語言模型。
它要處理的是 AI Agent 在實際工作中遇到的基礎問題。
假設一家企業已經建立一個 Agent，每天需要：
讀取內部文件。
查詢指定資料來源。
分析資料。
執行程式。
產生報告。
最後把需要人工確認的部分交給主管。
這些工作不只是把問題交給 AI 模型回答。
還需要有人負責工具呼叫、執行環境、資料上下文、權限和整個任務的進度。
Microsoft 這次想提供的，就是這套整合執行機制。
Copilot Harness 究竟是什麼？
可以把 AI 模型想成負責思考的部分。
但要真正完成工作，還需要一整套機制，決定它可以使用哪些工具、能讀取哪些資料，以及執行到哪一步必須停下來。
這套機制就叫做 Harness。
Microsoft 表示，新的 Copilot Harness 源自 GitHub 團隊建立的多模型執行架構，目前已用於多個 Microsoft 與 GitHub 產品。
官方說明，相關架構可支援超過 20 款前沿模型，以及使用者自備模型金鑰的方式。
不過，這是整體架構支援的能力；在 Foundry 公開預覽中，實際可選模型與工具仍受支援清單、區域和預覽限制影響。
重點不是每個 Agent 一次使用 20 款模型，而是讓開發者不必把完整工作流程綁死在單一模型上。
這次開放哪些功能？
Microsoft 將公開預覽的能力分成四個主要部分。
第一，可重複使用的 Skills。
開發者可以把固定的工作程序、程式與相關資源包裝成 Skill。
例如，把「讀取報表、核對來源、產生摘要、標出缺漏」做成一套可重複使用的研究程序。
第二，連接外部工具。
Agent 可以使用支援的 Foundry 工具及 Model Context Protocol（MCP）工具，並設定必要的身分驗證與核准機制。
第三，執行與工作分派。
主 Agent 可以在受控環境裡處理文件與程式，並將有限範圍的工作交給子 Agent，再統整結果。
第四，工作流程版本管理。
開發者可以將 Agent 定義和相關資源與原本的軟體專案一起管理，方便測試、追蹤與修改。
這些能力的共同目標，是讓企業把重點放在工作規則與結果品質，而不是每次重新建造 Agent 的基礎設施。
AI 執行到一半中斷，現在就能自動接著做嗎？
Microsoft 這次還宣布，Foundry Hosted Agents 的長時間工作復原能力已正式提供。
這項能力可以在任務中斷後重新啟動工作。
但有一個容易被忽略的限制：
平台能重新啟動工作，不代表應用程式會自動知道哪些步驟已經完成。
Microsoft 官方說明，開發者仍須自行保存進度與中間結果。
假設 Agent 原本要建立一份報告，工作中途突然中斷。
重新啟動時，如果沒有檢查報告是否已建立，就可能產生兩份相同文件。
同樣地，如果任務涉及更新資料庫、發送通知或建立訂單，也必須避免重複執行。
因此，所謂「長時間任務復原」，不是讓 AI 永遠不會出錯，而是為建立可恢復的工作流程提供基礎。
這個功能一般 Microsoft Copilot 使用者也有嗎？
不能這樣理解。
這次公開預覽主要提供給在 Microsoft Foundry 建立 Agent 的開發者與企業團隊。
不是宣稱每位 Microsoft Copilot 或 Microsoft 365 使用者今天都新增了一個可直接操作的 Harness 按鈕。
此外，Copilot Harness 與 Hosted Agents 的長時間復原功能，也有不同的開放狀態：
前者是公開預覽。
後者的相關復原能力已正式提供。
使用 Copilot Harness 需要付費嗎？
Microsoft 表示，Copilot Harness 在 Foundry Agent Service 中，將於 2026 年 12 月 1 日開始按用量收取執行環境費用。
在此之前，Harness Runtime 的使用費暫免。
不過，模型推論、個別工具與其他連接服務的費用，仍可能另外計算。
12 月 1 日起，Microsoft 公布的參考計價為：
每 vCPU 小時 0.0994 美元。
每 GiB 記憶體小時 0.0118 美元。
實際價格可能因地區與合約而不同。
這也提醒企業：即使使用共同的 Agent 平台，仍然需要衡量完整任務成本，而不是只比較模型 Token 單價。
這項更新對企業最重要的意義是什麼？
過去 AI 系統可能圍繞一款模型開發。
現在企業逐漸需要考慮不同模型的品質、速度、價格和工具能力。
如果每次換模型都必須重寫整套程式，成本會持續增加。
Microsoft 的方向，是把模型和外部工作流程盡可能分離。
但這不代表切換模型就能保證取得完全相同的結果。
不同模型的工具使用、指令遵循與回答品質仍有差異。
企業即使使用共同 Harness，也應該在正式更換模型前重新測試。
真正重要的是：
模型可以有選擇，但工作的規則、權限和驗收標準不能因為換模型就消失。
二、Apple 的 Pages、Numbers、Keynote 要加入 AI：Mac 使用者終於不必一直切換工具？
另一項與一般使用者更接近的更新，來自 Apple。
10 月 27 日，Apple 宣布將為 Apple Creator Studio 推出新一波功能。
其中，Pages、Numbers 與 Keynote 都將加入能理解目前文件內容的 AI 助理。
這次 Apple 也首次為這三款辦公 App 提供新的 MCP 支援，讓外部 AI Agent 能透過相容機制，讀取內容、執行編輯及自動化操作。
Pages、Numbers、Keynote 分別能做什麼？
Pages：協助撰寫與修改文件。
例如，使用者已經有一份報告，可以請 AI 協助調整文章架構、修改段落或整理草稿。
Numbers：協助分析與整理資料。
除了計算和整理資料，Apple 還表示，AI 能推薦適合的圖表類型，並提供一鍵預覽，也能協助建立自訂表格。
Keynote：協助製作簡報。
AI 可以協助設計投影片、加入動畫及調整簡報內容。
這三款工具的共同方向，是讓 AI 直接理解正在編輯的檔案，而不是每次都需要把內容複製到另一個聊天視窗。
不過，以上是 Apple 宣布的新功能方向，並不代表所有情境下都能保證產生正確內容。
文件事實、試算表公式與簡報中的數字，仍需要人工驗證。
MCP 是什麼？為什麼比內建 AI 助理更值得注意？
MCP 是 Model Context Protocol。
簡單來說，它是一種讓 AI 應用與外部工具交換資訊、執行受支援操作的標準協定。
當 Pages、Numbers、Keynote 支援 MCP 後，未來就有機會讓相容的外部 Agent，不只是在聊天框中提供修改建議，而是透過工具介面直接與文件互動。
例如，一個經過授權的工作流程，可以規劃為：
讀取既有報告。
整理重要數據。
協助更新試算表。
準備簡報草稿。
最後交由使用者檢查。
這是一種可能的工作流程設計，不代表 Apple 已經宣布所有第三方 Agent 都能無限制完成上述每一步。
真正能做什麼，仍須看相容性、權限與實際產品提供的操作能力。
台灣使用者 10 月 29 日就能用嗎？
還不能把它當成已經全面開放。
Apple 官方明確表示，這次 Apple Creator Studio 更新預計在 2026 年 11 月推出。
其中 Pages、Numbers、Keynote 的 AI 助理目前是 Beta 版。
而且有三項重要限制。
第一，語言限制。
助理 Beta 初期只支援美式英文。
因此，不能直接宣稱它現在已支援繁體中文文件完整操作。
第二，裝置和作業系統要求。
AI 助理需要支援 Apple Intelligence 的裝置，並執行 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 助理與 MCP 的裝置條件混成同一套。
這次更新需要訂閱嗎？
Apple 台灣官方公告，Apple Creator Studio 新訂閱者價格為：
方案台灣價格一般月訂閱NT$390一般年訂閱NT$3,900符合資格的教育月訂閱NT$90符合資格的教育年訂閱NT$900現有 Apple Creator Studio 訂閱者，可在 11 月取得更新而不需額外購買此次升級。
但這不代表所有免費 Pages、Numbers、Keynote 使用者都自動取得完整的訂閱版 AI 功能。
Apple 也確認，三款 App 的免費版本仍會繼續提供。
所以現在不需要因為新聞發布，就立即為了新 AI 功能付費。
等到正式推出後，再依語言支援、裝置條件和實際功能決定是否值得使用。
這件事對一般工作者有什麼影響？
它反映的是辦公軟體正在改變。
以往 AI 是一個獨立工具。
使用者先準備文件，把資料交給 AI，再把產生的內容貼回原本的 App。
現在，包括 Microsoft、Google 和 Apple，都在朝向讓 AI 直接參與原本工作環境的方向發展。
這樣的好處，是可以減少不同工具之間反覆搬運資料。
但也帶來另一個問題。
如果 AI 可以直接修改文件，使用者就必須更在意版本紀錄、編輯權限，以及結果能不能復原。
對涉及正式報價、財務數字或對外發送的文件，最安全的做法仍然是先產生草稿、保留原始版本，再經人工確認。
三、OpenAI 據報計畫購買 Google TPU：競爭對手為什麼還要向 Google 買晶片？
第三則消息來自 Reuters 10 月 28 日的報導。
Reuters 引述 The Information，指出 OpenAI 正計畫購買 Google 的 AI 晶片。
報導所依據的是一名知情人士提供的資訊。
目前沒有公開的確定合約金額、晶片採購數量及最終交貨條件。
Google 未立即回應 Reuters 的詢問，OpenAI 則拒絕評論。
因此，這件事目前的正確表述是：
OpenAI 據報計畫購買 Google TPU，而不是雙方已正式簽署並完成一筆大型採購交易。
OpenAI 不是主要使用 Nvidia 晶片嗎？
是的。
OpenAI 長期大量使用 Nvidia GPU，支援 AI 模型訓練與推論。
但 AI 公司的算力需求愈來愈龐大，單一供應來源可能帶來成本、供貨及部署彈性問題。
Google TPU 是另一種專門為 AI 計算設計的加速器。
它並不是 Nvidia GPU 的完全相同替代品。
不同模型、軟體架構與工作負載，可能在不同硬體上得到不同的效能與成本表現。
因此，使用更多種晶片，並不保證每件 AI 工作都立即變便宜。
還需要考慮模型移植、程式調整、效能測試與基礎設施管理成本。
OpenAI 以前就使用過 Google TPU 嗎？
根據 Reuters 先前的報導，OpenAI 早在 2025 年就開始租用 Google 的 AI 晶片。
這次消息的重要差別，是可能從租用運算資源，進一步走向直接購買晶片。
不過，報導還沒有揭露採購規模。
因此，不能推論 OpenAI 已經決定全面放棄 Nvidia，也不能宣稱 Google TPU 已成為 OpenAI 的主要算力來源。
OpenAI 此前也宣布與 Broadcom 合作設計自有 AI 晶片。
這些布局顯示，大型 AI 公司正在探索更多硬體選擇。
Google 為什麼願意賣晶片給 OpenAI？
OpenAI 和 Google 在 AI 模型、搜尋與部分產品市場上確實存在競爭。
但 Google 同時也經營雲端平台與 AI 基礎設施業務。
如果 OpenAI 成為 Google TPU 的客戶，兩家公司可以一邊在產品端競爭，一邊在基礎設施端合作。
這種關係並不矛盾。
它反映科技產業常見的現象：
一家公司可能是另一家公司的競爭對手，同時也是供應商或客戶。
Google 也正在擴大 TPU 對外銷售。
例如，Oracle 10 月 27 日已正式宣布，預計在 2027 年把 Google TPU 帶入 Oracle Cloud Infrastructure。
但 Oracle 合作屬於雙方正式公告的未來規劃。
OpenAI 購買 TPU 則仍是媒體報導中的計畫。
這兩者的確認程度不同，不能混為一談。
這對 Nvidia 代表什麼？
如果大型 AI 開發商增加使用其他運算架構，長期可能讓 Nvidia 面臨更多競爭。
但目前沒有足夠資訊，可以只憑這則報導推算 Nvidia 將流失多少營收。
真正需要持續觀察的，是具體採購量、正式交付時間，以及新晶片實際承擔哪些 AI 工作。
尤其 OpenAI 仍需要大量訓練和推論資源。
增加一個供應商，未必代表另一個供應商的採購立即下降。
這次消息最重要的產業意義，是：
大型 AI 公司不再只競爭模型能力，也在爭取更多元、更容易控制成本的算力來源。
四、今天三則新聞的共同意義是什麼？
Microsoft 想讓企業使用 AI Agent 時，不需要為每種模型重新建立完整工作流程。
Apple 正將 AI 助理與 MCP 帶進日常文件、試算表及簡報工具。
OpenAI 則據報尋求更多 AI 晶片採購選擇。
表面上是三個不同市場。
但它們其實分別處理 AI 系統的三個層次。
第一層：模型如何真正執行工作？
不能只看回答能力，還需要工具、執行環境、權限與任務恢復。
第二層：AI 能否直接在使用者熟悉的軟體裡工作？
減少複製貼上，確實可能改善效率，但也需要清楚的編輯控制與檢查。
第三層：誰提供支撐所有工作的運算資源？
AI 服務愈普及，晶片、電力、供應商選擇與基礎設施成本就愈重要。
這三個層次缺一不可。
一個模型就算非常聰明，如果無法可靠地使用工具，仍難以完成真實工作。
一個 AI Agent 就算能控制許多 App，如果沒有明確權限，也可能帶來風險。
而一套產品即使很受歡迎，如果運算成本長期無法控制，也會影響它能否持續提供服務。
五、一般使用者今天需要做什麼？
如果你只是每天使用 ChatGPT、Copilot 或其他 AI 工具，其實不需要因為今天的消息立刻更換服務。
Microsoft Copilot Harness 目前主要面向開發者和企業 Agent 建置。
Apple 的新辦公 AI 功能預計 11 月推出，還有英語、裝置及訂閱資格限制。
至於 OpenAI 採購 Google TPU，目前仍缺乏雙方正式確認的交易細節。
今天更值得建立的習慣，是在評估 AI 產品時多問三件事：
它不只是能回答，還能否可靠地完成工作？
它能操作哪些資料與軟體，權限和確認機制是否清楚？
它宣稱的成本優勢，是實際驗證的結果，還是仍待完成的規劃？
AI 發展愈快，就愈需要分清楚產品公告、測試功能、未來計畫與媒體報導。
因為真正影響工作與生活的，不是科技公司宣布了多少能力，而是那些能力最終能否被安全、穩定地使用。
今天最重要的一句話
AI 的下一場競爭，不只是誰的模型最聰明，而是誰能把模型、工具和算力整合成真正可靠的工作系統。
