它不再是一个问答机器了。
几天前，微软 CEO 萨提亚·纳德拉在 X 平台发文，正式为 Microsoft 365 Copilot 揭晓了一项代号 Project Opal 的新能力。Copilot 正在发生一次根本性的角色转换，从用户问一句、AI 答一句的对话助手，演进为用户下达一个目标、AI 自主干数小时活的数字员工。
这不是概念演示。微软官方博客早在 2025 年 11 月就发布了 Project Opal 的技术细节，经过近 10 个月的 Frontier 早期预览迭代，纳德拉选择在这个时间点公开推介。信号明确：微软认为这个产品已经准备好进入大众视野。
从问问题到派任务
Copilot 问世以来，大多数人用它做什么？写邮件、总结文档、生成会议纪要。这些能力很有价值，但本质上仍然停留在信息处理层面：AI 理解你的问题，然后给出答案或生成内容。用户始终是驱动者，AI 是被动响应者。
Project Opal 打破了这条边界。
它的工作方式完全不同于传统的 Copilot 交互。用户在 Copilot 应用中打开 Frontier 模块，输入任务描述。比如分析过去一个月户外相机拍摄的影像资料，找出所有出现动物的画面，截取最佳片段制作精选视频，给每条记录标注相机来源、拍摄日期和物种，汇总到电子表格，最后生成一份 PPT 并分享到 Teams。点击 Start 后，Opal 不再回答，而是开始工作。
微软高级产品经理 Amber Waisanen 在官方博客中描述了 Opal 的技术架构。用户提交任务后，系统首先生成一份执行计划，然后启动一台专用的 Windows 365 Cloud PC。这台云桌面已加入 Entra ID 和 Intune 管理，具备企业级合规和安全策略。在云桌面内，Opal 借助高级推理模型将自然语言请求转化为动态执行方案，并通过计算机用（Computer-Use）能力操控 Microsoft Edge 浏览器，像人类用户一样点击、输入、导航，完成各项操作。
关键在于：Opal 不是通过 API 调用数据，而是在一个真正的桌面环境中操作应用和网站，就像雇了一个虚拟员工坐在远程电脑前帮你干活。
每周省 20 小时：来自真实工程实践
官方给出的重点场景之一是合规审计。在企业中，季度合规审计往往意味着大量重复劳动：登录多个系统、截取和整理截图、逐一核验文档。这些工作耗时、乏味，且极易出错。
微软宣称，自家工程团队通过将审计流程委派给 Project Opal，每周最高节省 20 小时。这个数字来自微软的内部吃自己的狗粮实践。它不是 PPT 上的预测模型，而是真实工程师的工时统计。
除了审计，Opal 的早期应用场景还包括安全群组成员资格审批、工时表和休假申请提交流程、新员工入职清单执行，比如添加通讯组、订购设备、通知后勤部门等。这些场景有一个共同特征：流程明确、规则可编程、但需要跨系统操作。这正是计算机用型 AI 智能体最能发挥价值的地方。
安全可控与可打断
AI 智能体最难跨越的门槛从来不是技术能力，而是信任。
如果 AI 要在没有人类监督的情况下运行数小时，甚至操作企业内部系统，企业凭什么信任它？微软给出的答案是三层机制。
第一层是隔离执行环境。每一个 Opal 任务都在独立的 Windows 365 Cloud PC 中运行，这台云桌面是 Entra-joined 和 Intune-enrolled 的，符合企业 IT 治理规范。任务结束后，环境可以回收，不留痕迹。
第二层是监督模型。在推理模型之外，Opal 配备了一个独立的监督模型，持续监控推理模型的行动、执行护栏检查，并在需要人类介入时发起请求。这相当于给 AI 配了一个 AI 监察员。
第三层是管理员控制。Opal 默认关闭，管理员必须通过 Microsoft 365 Admin Center 手动开启。管理员可以设置允许访问的域名白名单，Opal 默认无法访问任何网站，只有列入白名单的域才可触及。用户在工作过程中可以随时暂停任务、接管云桌面控制权。当你接管时，系统不再保存截图。
这套先封死再解禁的设计思路，和此前 Anthropic 的 Claude Computer-Use 形成了微妙对比。Anthropic 更多强调模型的自主能力和边界自觉，微软则优先从企业治理角度构建安全边界。两种路线背后的哲学差异值得玩味。一个赌模型的判断力，一个赌规则的约束力。
竞争格局：微软打出企业级牌
Project Opal 并非横空出世。2025 年以来，AI 智能体从对话走向操作的竞赛已全面开打。
2024 年 10 月，Anthropic 率先推出 Claude Computer-Use，让模型操控桌面界面，在 OSWorld 基准上达到 14.9% 的准确率。2025 年 10 月，Google 发布 Gemini 2.5 Computer Use 预览版。OpenAI 也推出了自己的 CUA（Computer-Using Agent）模型。到 2026 年中，三家巨头在计算机用智能体上都已布下棋子。
但 Project Opal 的差异化在于它不完全依赖 API 层面的计算机用能力。它运行在 Azure 生态内的 Windows 365 云桌面中，天然继承了 Microsoft 365 的权限体系、合规框架和管理工具。对于一个大型企业来说，部署 Opal 的安全成本远低于部署一个从零搭建的智能体框架。因为 IT 团队不需要重新学习安全策略配置，所有控制都在他们已经熟悉的 Microsoft Admin Center 中完成。
2026 年 5 月 13 日，微软将计算机用智能体在 Copilot Studio 中推向通用可用性，成为首个在商业合同中覆盖计算机用的超大规模云厂商。到了 6 月 2 日的 Build 2026 大会，微软更是将智能体策略推向新高度。纳德拉在主题演讲中提出了 Autopilot 概念。这是一种始终在线、拥有独立身份、无需用户逐次提示即可自主行动的新型智能体。Project Opal 正是这一战略的落地产品之一。微软还推出了 Scout，该产品基于开源框架 OpenClaw，是首款 Autopilot 智能体。
微软的野心昭然若揭：它不仅要让 AI 帮你干活，还要让所有 AI 干活都在它的生态里、按它的规则来。
局限与风险
尽管 Opal 在设计上充分考虑了企业安全，但它并非没有阴影。
首先是性能与成本。每启动一个 Opal 任务，都需要分配一台完整的 Windows 365 Cloud PC，并运行一个高级推理模型。计算开销远高于传统的对话式 AI 交互。企业需要为此买单：Windows 365 授权、Copilot 授权、推理模型调用费用，层层叠加。中小企业能否承受这样的成本结构，仍是未知数。
其次是可靠性。机器人在浏览器中点击、输入、导航的执行方式，本质上是模仿人类操作，而非系统集成。这意味着页面布局变化、加载延迟、弹窗干扰等环境噪音都可能打乱执行流程。Opal 配备了暂停等待人工介入的机制，但如果中断频率过高，省时间就会变成耗时间。
最根本的风险在于信任门槛。让一个 AI 智能体在企业核心系统中自主运行数小时，操作权限覆盖 HR 系统、财务数据、安全审批。这对任何 CISO 来说都是一个冒冷汗的决策。Opal 的设计已经走在了业界前列，但要让企业真正大规模接受无人值守的 AI 操作，还需要足够多的成功案例和时间积累。
一切才刚刚开始
耐人寻味的是 Amber Waisanen 在 Opal 发布博客末尾写下的一句话：It's early and will change substantially. That's by design.
从 2025 年 11 月的前沿预览，到 2026 年 9 月纳德拉亲自站台，再到 Build 2026 上 Autopilot 战略的全面铺开，Project Opal 的推进节奏反映了微软对 AI 智能体的判断：这条路必须走，但必须走稳。
当 AI 从回答问题进化到完成任务，从秒级响应进化到数小时持续运行，从被动工具进化到主动员工，真正改变的不只是软件的功能列表，而是人和机器的协作关系。你不再告诉 AI 怎么做，你只需要告诉它要什么。
而这，可能才是 Copilot 这个名字从一开始就想讲的故事。
快报