Dot 来了：AI 开始接管时间，而不只是回答问题

——从 OpenAI Dot、Jev 到 Muse：大模型公司的下一场战争，是争夺你的“行动权”

2026 年 9 月 29 日，旧金山。OpenAI 在年度开发者大会 DevDay 上，介绍了一个名叫 Dot 的新产品。

舞台上的 Sam Altman 没有再演示一个更会聊天的机器人。他展示的，是一个会在你离开后继续工作的 AI 助手。

你可以把 Dot 想象成一位住在云端的同事。它有一台专属于自己的远程电脑，有浏览器，也能使用你授权给它的软件。你交给它一个目标，它可以自己查资料、改文件、写程序、跟进项目。遇到必须由人决定的事情，它再回来敲门。

OpenAI 把单个助手叫作 dot，把这类产品统称为 dots。

Altman 说，这是“我们一直想象的真正的 AI”，像电影里那个总在身边、总能搭把手的助手。

这句话听起来很浪漫。不过，Dot 真正带来的变化，可以用一个很简单的对比来说明。

以前，你问 ChatGPT 一个问题，它给你一个回答。现在，你把一件事交给 Dot，它接过这件事，继续往下做。

AI 的基本单位，正从“一次回答”变成“一段由它负责的时间”。

一位住在云端的同事

Dot 并不是一个新模型的名字。模型只是它的“大脑”，Dot 更像一个装备齐全的数字工作者。

它的大脑是 OpenAI 的 GPT-6 Astra。除此之外，它还有记忆、工具、权限，以及一台与用户电脑分开的云端电脑。所谓“云端电脑”，可以理解为 OpenAI 在远程机房里为它准备的一台专用电脑：即使你的笔记本已经合上，它仍然可以在那台电脑上继续工作。

Dot 还能通过插件连接 4000 多种应用。插件就像一个个转接头，让它能够读取日历、整理文档、进入工作系统，或者把任务交给其他专业 AI。用户可以在 ChatGPT、Slack 和 Microsoft Teams 中找到它，也能和它进行语音通话。

普通聊天机器人通常以一次对话为边界。窗口关掉，工作也就停了。Dot 不一样。它可以同时推进几个项目，隔几个小时甚至几天再回来汇报，也可以在发现问题时主动提醒你。

OpenAI 还为它设计了一种叫作“主动研究”的后台工作方式。这个词听起来有些玄，其实很好理解：Dot 可以像助理每天早晨查看日程和邮件一样，阅读你已经允许它查看的信息，看看有没有新情况。不过，这时它只能“看”和“准备”，不能擅自发消息、修改内容或控制你的电脑。

它到底能做什么？OpenAI 举了几个例子。比如，Slack 是许多公司使用的内部沟通软件，员工会在里面讨论工作、报告问题。

客户在 Slack 里报告软件故障，Dot 可以先找出问题，完成较小的修复和测试，再把结果交给工程师检查。产品计划有了变化，它会同步修改发布方案和文案草稿。研究人员得到一批新数据，它可以重新运行分析、更新论文图表，并把异常之处标出来。访谈录音转成文字后，它能挑出适合剪成短视频的片段，同时准备节目介绍和社交媒体文案。

这些例子看起来都很“专业”。但最能说明 Dot 特点的，反而是一件小事。

一名早期测试者忘记给一家出版机构开发票。Dot 自己发现了这件事，准备好发票，等主人点头后再发送。

普通聊天机器人会等你想起这件事，再帮你写发票。Dot 想做的，是先发现你忘了。

OpenAI 想把它带到哪里

从发布材料来看，OpenAI 对 Dot 至少有三层期待。理解这三层，也就理解了为什么它不只是 ChatGPT 多出来的一项功能。

第一层，是让 AI 从临时工具变成长期搭档。

今天的 AI 已经会模仿一个人的语气，但这还不够。Dot 还要慢慢学会你的工作标准：你怎样判断材料是否可靠，怎样安排轻重缓急，什么样的结果才算真正完成。它最终交回来的，不应只是一份“看起来不错”的答案，而应是一份符合你做事习惯的成果。

换句话说，过去的个性化主要是“说话更像你喜欢的样子”；Dot 想把它推进到下一步——做事也逐渐接近你的标准。

第二层，是让一个助手变成一支队伍。

目前，每个用户先从一个主要 Dot 开始。OpenAI 已经明确表示，未来可以让多个 Dot 一起工作。面向企业的专业 Dot 还会拥有各自的身份、账号和权限，分别负责采购、发票、客户服务、合同检查等工作。

到那时，它们看起来就不再像软件菜单里的几个按钮，而像公司组织结构图里新增的岗位：一个管财务，一个管研究，一个管宣传，还有一个负责协调其他 Dot。

第三层，是让 OpenAI 成为这支数字队伍的工作平台。

Dot 负责听懂目标，ChatGPT Space 保存团队共享的资料，Codex 等专业工具负责写程序或处理复杂任务，插件连接外部软件，安全系统则在关键动作前检查权限。几部分组合起来，就像在云端搭起了一间公司：有人理解任务，有人具体办事，有档案室，也有门卫和财务制度。

这也会改变 AI 的收费方式。过去，人们购买软件，常常按照账号数量付费；使用大模型，则常常按照处理了多少文字或计算量收费。OpenAI 已经表示，未来可以增加更多 Dot，也可以购买更高的工作速度和更大的月度工作量。

传统软件卖的是账号，未来的 Agent 可能卖的是“一个月能替你干多少活”。

这里的 Agent，可以译作“智能代理”或“智能体”。它与普通聊天机器人的区别在于：聊天机器人主要负责说，Agent 还能使用工具，替人采取行动。为了行文简洁，下文仍使用业内常见的英文名称。

会做事以后，安全问题变了

一个聊天机器人答错一道题，通常只是让人失望。一个 Agent 如果发错邮件、改错文件、订错机票，而且还能整夜不停地工作，后果就完全不同了。

因此，Dot 最重要的设计之一，并不是它有多聪明，而是它在什么情况下可以行动。

用户可以决定它能进入哪些应用，也能通过“自定义规则”告诉它：哪些事情可以直接做，哪些必须先问，哪些绝对不能碰。购物付款、永久删除资料、安装来源不明的软件，都需要用户确认；修改密码、在银行账户之间转账等特别敏感的步骤，则必须交还给人来完成。

密码也不会直接出现在 Dot 能读到的对话里。系统会像酒店前台替住客刷开房门，却不把总钥匙交给服务员那样，把登录信息安全地送进浏览器。

在 Dot 准备发送邮件、修改文件或分享资料之前，还有一道独立检查。这套系统叫 Auto-review，可以理解成“自动复核员”。它会重新查看用户原来的要求、Dot 的权限和安全规则，然后决定：放行、要求用户确认，还是直接阻止。

这样一来，Dot 的内部结构就很像一家小机构：Astra 是负责思考和办事的员工，云端电脑是办公室，插件是各个房间的门卡，Auto-review 则是内审和门卫。

有了门卫，是不是就安全了？还不能这样说。

OpenAI 在“系统卡”中公布了一些测试结果。系统卡，可以理解成产品上市前的技术体检报告：公司用各种困难甚至带有陷阱的任务测试系统，再公开主要结果和仍然存在的问题。

在一项测试中，任务进行到一半，Dot 原来拥有的权限被改变或收回。它能否及时停手？49 个测试情境中，它正确处理了 45 个，通过率为 91.8%。

另一项测试更接近日常工作的麻烦：用户连续交代许多相关任务，每项任务的边界都略有不同。中间穿插五个任务时，出现轻中度越界的比例是 8.6%；增加到十个任务后，这个数字升到 19.7%。所谓轻中度越界，可能是把一个任务里的信息带进另一个任务，或者多改了一处本不该动的共享文件。测试中没有出现严重的数据泄露，但这个上升趋势仍然值得警惕。

它说明了一个朴素的道理：人做事做久了会忘记最初的交代，AI 也会。任务越长，来回变化越多，权限边界就越容易像滴进水里的墨一样慢慢散开。

OpenAI 还请“红队”模拟攻击者挑毛病。红队并不是一支真正的军队，而是一群专门想办法欺骗系统、寻找安全漏洞的测试人员。在自动测试中，Dot 收到了 5 万封模拟邮件，其中 1.66 万封藏有诱导和攻击指令，没有出现达到测试标准的成功攻击。这是一个好消息。

但 OpenAI 也承认，人工测试仍发现过需要修补的问题。尤其是在用户给出过于宽泛的授权、攻击又跨越邮件和网页等多个环节时，风险并没有消失。

所以，Dot 最难的考题并不是“能不能把事做完”，而是：做得越久，它是否还记得哪些事从来没有得到许可。

有人兴奋，也有人不敢放心

Dot 发布后，业界反应很快分成了两边。

乐观者觉得，聊天框终于长出了手脚。过去，AI 给你一份旅行攻略，你还要自己订票、订房、填写表格；现在，你可以把整件事交给它，最后只处理必须由你确认的步骤。对这些人来说，Dot 像一位会自己推进工作的项目助理。你不必一直守着屏幕，只要等它带着结果回来。

怀疑者主要担心三件事。

第一，普通人暂时不一定用得上。Dot 首批只向部分地区的高阶订阅用户和企业开放。一个被描述为“人人身边的 AI”，起步阶段仍是一件价格不低的生产力工具。

第二，产品还很年轻。发布会上的一次语音呼叫出现明显延迟，早期用户也报告过前后信息没有接好、任务交接不顺、文件没有顺利送回等问题。对于一个号称“永远在线”的助手，真正令人不安的并不是慢几秒，而是它在你以为它听懂了的时候，悄悄漏掉了一句关键交代。

第三，也是最重要的一点：人们是否愿意把自己的邮件、文件、账号乃至付款能力交给它？

Dot 发布前后，OpenAI 正因为其他 Agent 的越权行为和安全事件受到审视。于是出现了一个颇有意味的画面：同一家公司一边宣布暂停不够安全的能力，一边又推出一个权限更广、工作时间更长的助手。

支持者会说，这说明 OpenAI 正在一边推进能力，一边加固安全。批评者则会追问：如果一个 AI 的行动需要另一套 AI 来监督，我们凭什么相信监督者不会也看错？

这个问题靠一句“相信 OpenAI”或者“不相信 OpenAI”都回答不了。答案只能来自长期使用：它的工作记录是否完整，权限能否随时收回，规则是否容易看懂，出错后能否追查，以及它是否真的知道什么时候应该停手。

Dot 与 Jev：管家和门口的分流员

在 Dot 发布前两周，TypeSafe AI 推出了 Jev。它也强调自动化和判断，也想让 AI 真正进入软件工作流程。因此，不少人会自然地问：Dot 和 Jev 是不是在做同一件事？

答案是：它们会在同一套系统里相遇，但承担的工作不同。

Dot 像一位管家。你说“帮我把下个月的活动准备好”，它要理解目标，查找资料，安排步骤，使用不同工具，处理过程中出现的新情况，最后把成果交给你。

Jev 更像门口的分流员。每来一个人，它只需要迅速判断：去 A 窗口、B 窗口还是 C 窗口；优先级是高、中还是低；这件事能不能自动通过。

Jev 不写文章，也不操作电脑。开发者先给出几个允许的答案，再把一段材料交给它。它只能从这些答案中选择、打分或回答“是”与“否”，并给出自己有多确定。

TypeSafe 把这类模型叫作 System One Model，中文可以理解为“快思考模型”。这个名称来自心理学里的一个说法：人脑有时会慢慢分析，有时则依靠快速直觉作出判断。Jev 专门承担后面那一类工作。它牺牲了自由发挥的能力，换来了速度快、成本低、答案格式固定等好处。

所谓“结构化输出”，其实就是“不许随便说，只能在规定的格子里填答案”。这样更方便软件直接使用，也不会因为多写一句话而把程序弄乱。但格式永远正确，并不代表判断永远正确。一个分流员也可能把人指错窗口，只是他的回答写得非常整齐。

因此，Dot 和 Jev 的区别可以概括为：

Dot 负责把整件事往前推进，Jev 负责在某一个路口迅速选择方向；
Dot 要面对开放而复杂的现实，Jev 只在预先划好的选项中回答；
Dot 的优势是能长期工作、使用工具并逐渐了解用户，Jev 的优势是速度快、价格低，而且会给出判断的把握程度；
Dot 最让人担心的是越权和误操作，Jev 最让人担心的是“自信而整齐地选错”。

更有意思的是，OpenAI 在发布 Dot 的同一天，还公布了一项名叫 Decisions API 的服务。API 可以理解为软件之间传递要求和结果的接口；Decisions API 则是一项专门替软件做分类、分流和选择的服务。

这样看就清楚了：真正与 Jev 正面相遇的并不是 Dot，而是 OpenAI 的 Decisions；Dot 反而可能成为这类快速判断服务的大客户。

未来的 Agent 很可能像一家公司那样分工。能力最强、成本也最高的大模型担任经理，负责理解目标和制订计划；Jev 或 Decisions 这样的快速模型像基层调度员，负责大量重复判断；云端电脑和各种工具负责真正动手；独立的安全系统站在门口，防止它们越界。

没有一家公司的总经理会亲自决定每封邮件该放进哪个文件夹。AI 也开始学会分层工作了。

Dot 与 Muse：像同一种产品，争的却不是同一扇门

如果只看功能清单，Dot 和 Meta 的 Muse 很像一对双胞胎。

它们都不是等人提问的聊天机器人，而是可以长期工作的 Agent；都有一台与用户设备分开的云端电脑和浏览器；都能记住用户的偏好、连接外部应用，并在后台主动发现事情；到了发邮件、付款等关键步骤，又都会停下来征求同意。就连安全设计也很相似：Dot 有 Auto-review，Muse 有 Sentinel。它们都像一个站在办事员身后的复核员，专门检查接下来的动作是否越过权限边界。

但是，两家公司把这位“云端助手”安排在了不同的起点上。

Dot 首先从工作场景出发。它面向 ChatGPT 的高阶个人用户和企业用户，可以出现在 ChatGPT、Slack 和 Microsoft Teams 中，还能通过 4000 多种插件进入不同的工作软件。OpenAI 谈得最多的，是研究、编程、项目推进、文件修改和团队协作。它甚至已经开始讨论多个 Dot 如何分工，以及用户怎样购买更高的工作速度和更大的月度工作量。

这使 Dot 更像一位数字同事。它第一天上班的地方不是厨房、商场或街头，而是办公室。

Muse 的起点更接近日常生活。Meta 把它放进手机、Muse 应用和 WhatsApp，主打购物、旅行、账单、聚会安排和生活目标。它可以通过 Stripe 的 Link 完成受保护的付款，未来还会进入 AI 眼镜：当你看着货架上的商品或墙上的海报时，不必先把眼前的东西描述一遍，Muse 就能根据你正在看的场景继续办事。Meta 还强调，大部分常用能力可以免费使用，希望把它推给数十亿普通人。

当然，这条边界正在迅速变模糊。Meta 已经推出面向小企业的 Muse，允许它连接财务、设计、协作和营销工具，并把 Muse 纳入新的企业平台。OpenAI 也不会把 Dot 永远关在办公室里。更准确地说，Dot 正从工作走向生活，Muse 正从生活走向工作。

两者背后的资源也不一样。Dot 的优势来自 ChatGPT 的用户关系、强模型能力、Codex 等专业工具，以及庞大的插件网络。它希望先成为工作台的中枢，再替你调动各种软件。Muse 的优势则来自 Meta 已经掌握的入口：WhatsApp、Instagram、Facebook、商业账户，以及正在走向全天佩戴的 AI 眼镜。它希望 Agent 不只在你打开电脑时出现，而是跟着你进入现实生活。

因此，两者真正的竞争，不只是回答质量，也不只是任务完成率，而是谁能成为人的“默认代理”。当你说一句“帮我处理一下”，究竟是哪一个 Agent 最先听见，最了解背景，也最有权调用你常用的服务？

商业模式也透露了不同的野心。OpenAI 更像是在出售数字劳动力：一个 Dot 不够，可以增加更多；工作太慢，可以购买速度；任务太多，可以购买更大的工作量。Meta 则先用免费能力和无处不在的入口争取规模，再通过订阅、商业服务和消费环节寻找收入。一个更像新式软件公司，另一个更像下一代生活平台。

安全方面也不能简单地说谁一定更强。Dot 强调自定义规则、只读的后台研究和行动前复核；Muse 强调隔离的安全云电脑、完整操作记录，以及由 Sentinel 审批联网动作。Meta 还承诺不把 Muse 对话和云端电脑里的数据交给广告系统，并计划推出连 Meta 自身也无法查看内容的加密版本。这些仍主要是公司的设计说明和承诺，真正的差距，要等大量用户把真实邮件、账号和付款能力交出去之后才能看见。

如果一定要用一句话概括：Dot 想成为你的默认数字同事，Muse 想成为你的默认个人代理。一个先争办公桌，另一个先争你的口袋、眼睛和日常生活。

谁赢，最终可能不取决于谁在发布会上完成了更炫的任务，而取决于谁能在几个月、几年之后，仍然记得你的习惯，也仍然尊重你的边界。

不只是 Dot 和 Muse：大家都在造“云端分身”

Dot 并不是突然从真空里冒出来的。2026 年下半年，几家主要 AI 公司几乎同时走向了同一个方向：为用户造一个可以长期存在、持续工作的“云端分身”。

Dot 与 Muse 之所以如此相像，并不只是两家公司互相盯着对方。它们更像是同一股潮水最先抵达岸边的两朵浪花。再往旁边看，xAI、Anthropic 和 Google 也在拼出各自的“云端分身”。

xAI 的 Grok Bot 更像一支数字小队。多个 Bot 可以分别处理邮件、费用、招聘、软件故障和日常运营，彼此之间还能传递任务。用户甚至可以安排一个“总管”Bot 去协调其他 Bot。它从一开始卖的就不只是一个助手，而是“一支不会下班的队伍”。

Anthropic 的 Claude Cowork 更像专业工作室。用户把一个项目交给 Claude，关掉电脑后，它仍能在云端继续；定时任务也不再要求用户的设备一直开着。它的重点不是塑造一个鲜明的数字人物，而是让文件、工具和项目能够稳定地接续下去。

Google 的 Project Astra 又走了另一条路。它强调实时视觉、语音、记忆和智能眼镜。Dot 主要住在云端电脑里，Astra 则想跟着你的眼睛进入现实世界：看见你正在看的东西，听懂现场的声音，再及时提供帮助。

这些产品名字不同，外形不同，背后的零件却越来越像：长期记忆、独立的运行空间、可以调用多种软件、能够主动发现事情、清楚的权限边界、另一套安全检查，以及最终让多个 Agent 一起工作。

这不只是几家公司互相模仿。它说明，整个行业正在形成一个共同判断：聊天框只是 AI 学会与人相处的第一间教室。下一步，它必须学会在真实世界里持续做事。

下一站：AI 的“代理操作系统”

把 Dot、Muse、Grok Bot 和 Jev 放在一起看，会发现 AI 正在从单一工具变成一套新的工作环境。我把它称为“代理操作系统”。

普通操作系统管理文件、程序和硬件；代理操作系统管理的，则是目标、记忆、权限、任务和一群替人工作的 AI。

这会带来几个变化。

第一个变化，是我们使用软件的方式会改变。

今天，为了安排一次出差，我们可能要分别打开邮箱、日历、地图、订票网站和报销系统。将来，你只需要告诉 Agent 出差的目标和限制，它自己去调用这些软件。应用不会消失，但会越来越像厨房里的锅、刀和烤箱：人不必逐件操作，Agent 按照菜谱去使用它们。

第二个变化，是 AI 公司之间的竞争将不再只比“谁更聪明”。

当模型开始长期工作，真正决定体验的还包括：它会不会忘事，能不能顺利把任务交给别的 Agent，遇到失败会不会说实话，权限改变后会不会停手，花费是否可以控制。考试分数很高的学生，不一定能成为可靠的长期同事。Agent 也一样。

第三个变化，是“权限”会和算力一样重要。

算力决定 AI 能思考多久，权限决定它能改变什么。未来人们配置 Agent，最重要的也许不是选择它的性格，而是给它画一张清楚的权力地图：可以读哪些资料，可以改哪些文件，一次最多花多少钱，可以代表谁说话，遇到什么情况必须停下来请示。

第四个变化，是人的工作会从亲手操作转向安排、授权和检查。

管理学里有一个“委托—代理问题”：老板把事情交给代理人，但代理人掌握的信息更多，行动也未必完全符合老板的意图。这个概念过去主要用来解释公司治理，将来却可能出现在每个人的电脑上。你把任务交给 Agent，也就要面对同一个问题：它是否真正理解你？它做的，究竟是你想做的事，还是它以为你想做的事？

这里还藏着一个容易被忽视的危险。当 Agent 把九成日常事务都处理得很好，人就可能对剩下的一成失去警觉。一次次“请确认”弹出来，我们也许会像点击软件许可协议一样，不看内容就按下同意。

那时最稀缺的可能不再是执行力，而是人在漫长自动化之后，仍能保持清醒的注意力。

三个大胆猜测

第一个猜测：未来三年，Agent 产品的首页会越来越像组织结构图，而不像聊天记录。

你拥有的不再是一个什么都做的万能助手，而是几个分工清楚的数字同事：一个研究资料，一个处理财务，一个安排出行，一个开发软件。它们有名字、有岗位、有权限、有预算，也有可以回看的工作记录。人负责决定谁做什么，什么时候暂停，什么时候“解雇”。

第二个猜测：Jev 这类快速判断模型会越来越重要，却越来越不显眼。

普通用户未必记得它们的名字，就像大多数人不知道自己每天经过了多少网络路由器。但在 Dot、Muse 和 Grok Bot 内部，可能有无数个小型判断模型，负责分邮件、评风险、选工具、排优先级，决定哪些事情可以自动做，哪些必须交给更强的大模型或人类。

少数复杂问题交给昂贵的大模型慢慢想，海量日常判断交给便宜的小模型马上选。这样的分工，才可能让 Agent 真正进入每一家企业和每一个人的日常生活。

第三个猜测：下一场平台战争，争夺的将是“默认代理权”。

过去，搜索引擎决定你先看到什么；手机操作系统决定你先使用哪些应用。未来，默认 Agent 会决定先读取哪些信息、调用哪家服务、接受哪个报价，以及把什么问题交给谁。

谁成为你的默认 Agent，谁就站在你的意图和整个数字世界之间。

这会带来巨大的便利，也会集中一种前所未有的权力。过去，平台知道你看过什么；未来，代理平台会知道你准备做什么，并且可能已经替你动手。

Dot 的图标只是一个小圆点。

可如果 OpenAI 的设想实现，这个圆点就像一扇门。门的这一边，是人的一句话、一个念头；门的另一边，是一群机器在电脑、软件和网络中持续奔忙。

未来真正重要的问题，也许不再是“AI 能做什么”，而是：我们愿意把多少尚未发生的事情，提前交到它手里？

参考资料与延伸阅读：

Let's Make AGI Real

留下评论取消回复