Andrew Ng 押注的 AI 桌面助手 — 下一代人機互動要來了？

> Meta Shift

Jeffrey Lai 在舊金山的辦公室裡，正準備向投資人展示他的新產品。這位前蘋果工程師，曾經負責開發中文版 Siri，現在卻要做一個跟 Siri 完全相反的東西 — 一個不用你開口，就能預測你需要什麼的 AI 助手。

螢幕上，他的系統 IrisGo 正在學習如何在 Philz Coffee 網站下單。點選拿鐵、填入信用卡資料、確認購買 — 整個流程只需要示範一次，系統就記住了。下次再要咖啡時，連問都不用問，IrisGo 自己就完成了訂單。

這個 demo 說服了 Andrew Ng，讓他的 AI Fund 領投了 IrisGo 280 萬美元的種子輪融資。但買咖啡當然不是重點，重點是這代表了一個更大的轉向：AI 正在從「被動回應」走向「主動預測」。

背景脈絡

IrisGo 的成立時機很有意思。當整個 AI 圈都在瘋狂競逐更強的 LLM、更好的聊天體驗時，Lai 卻選擇了一條看起來「很老派」的路線 — 桌面應用程式。

這個選擇其實反映了一個現實：儘管 ChatGPT、Claude 這些 LLM 功能強大，但在實際工作場景中，人們還是得在不同應用程式之間來回切換、重複執行同樣的操作。一個知識工作者的一天可能是：查 email、回覆客戶、更新試算表、生成報告 — 看起來很高級，但其實充滿了機械性的重複動作。

Lai 的判斷是，下一代 AI 助手不應該只會聊天，而是要能「看懂」你的工作流程，然後主動幫你完成。這就是為什麼 IrisGo 的品牌策略這麼直接：Iris 就是 Siri 倒過來拼，象徵著從「你問我答」變成「我看你做」的模式轉換。

產業環境也在配合這個轉向。根據 McKinsey 的報告，知識工作者有 60-70% 的時間都花在重複性任務上（來源：McKinsey Global Institute）。這些工作有規律可循、步驟相對固定，正是 AI automation 最容易切入的領域。而桌面環境比 web 應用更容易做 screen recording 和 workflow automation，技術實現的門檻也相對較低。

關鍵決策與轉折

IrisGo 最核心的技術決策是 hybrid architecture — 一部分運算在本地端，一部分在雲端。這個架構選擇背後有幾個考量：

首先是隱私。企業客戶最擔心的就是敏感資料外流，如果所有操作都要上雲，很多公司根本不敢用。IrisGo 把資料處理盡量留在 local，只有真正需要強大運算能力的複雜任務才會「經過用戶授權」送到雲端，而且承諾 end-to-end encryption。

這個設計其實很聰明。對比一下 Microsoft Copilot 或 Google Workspace AI，它們都高度依賴雲端運算，企業導入時經常卡在資安稽核。IrisGo 的 local-first approach 在 B2B 銷售時會有明顯優勢。

第二是成本考量。如果每個 workflow step 都要呼叫 GPT-4，成本會非常驚人。簡單的 UI 操作其實不需要用到 frontier model，用輕量化的本地模型就能解決。只有真正需要推理的任務（比如 email 內容生成、文件摘要）才調用雲端 API。

技術實現上，IrisGo 內建了一個「技能庫」，包含常見的 business workflow：email 起草、發票處理、報告生成、文件摘要等等。這些預設技能可以直接使用，同時系統會 observe 用戶的操作習慣，自動學習新的 workflow pattern。

最巧妙的是它的學習機制。不像傳統的 RPA（Robotic Process Automation）需要寫腳本，IrisGo 用 computer vision 和 ML 來理解螢幕操作，然後生成可重複執行的 automation script。這讓非技術用戶也能輕鬆「訓練」自己的 AI 助手。

Meta 判讀

從 meta 角度來看，IrisGo 代表的是一個 Meta Shift，而且是很重要的那種。

這讓我想到電競遊戲裡的版本更新。過去幾年，AI 領域的主流 meta 一直是「chat interface」— 大家都在比誰的對話體驗更好、誰能記住更長的 context、誰的回答更準確。但這個 meta 已經開始遇到天花板了。ChatGPT、Claude、Gemini 在功能上越來越同質化，差異化越來越難做。

IrisGo 走的是完全不同的路線：從 chat-based 轉向 action-based，從被動響應轉向主動預測。這不只是介面設計的改變，而是整個使用情境的重新定義。

如果這個方向跑通了，會對現有的 AI 生態產生很大衝擊。Google Assistant、Siri、Alexa 這些傳統語音助手會顯得過時，甚至連 ChatGPT 的 desktop app 都可能要重新思考產品定位。

更重要的是，這個 shift 有很強的 network effect potential。每個用戶訓練出來的 workflow 都可能成為其他用戶的「技能包」，形成一個 automation 的 marketplace。想像一下，如果有一萬個會計師都在用 IrisGo 處理發票，那這個系統對發票處理的理解就會比任何 general-purpose AI 都要深。

當然，風險也很明顯。這種 screen recording 和 automation 的做法，很容易被作業系統或個別應用程式封鎖。Apple 和 Microsoft 如果覺得 IrisGo 威脅到自家的 AI 策略，隨時可以在 system level 限制它的功能。這是做 desktop software 永遠要面對的平台風險。

對讀者的啟發

對軟體工程師來說，IrisGo 的出現有幾個值得注意的訊號：

第一，AI 應用的戰場正在從 web 移向 desktop。這意味著 native app development、cross-platform 技術、甚至 system-level programming 可能會重新熱門起來。如果你一直專注在 web 技術，可能要開始關注一下 Electron、Tauri 這些 desktop framework。

第二，computer vision 在 business automation 的應用會越來越重要。傳統的 API integration 有限制 — 不是每個服務都有 API，而且 API 變更時 integration 就會壞掉。但 visual automation 可以適應任何有 GUI 的應用程式，靈活性高很多。

第三，local AI 和 edge computing 會是下一個重要趨勢。IrisGo 的 hybrid architecture 不是技術炫技，而是實際需求驅動的。如果你在做 AI 相關的產品，serious 考慮一下 on-device inference 和 privacy-first design。

最後，這個案例也提醒我們，AI 的價值不一定在於「更聰明」，而可能在於「更方便」。IrisGo 背後的 ML model 搞不好沒有 ChatGPT 複雜，但它解決的是真實的 pain point — 重複性工作的自動化。有時候，right problem 比 right solution 更重要。

延伸閱讀

• Google 不玩聊天機器人了 — 為什麼 AI Agent 是下一個戰場？
• 為什麼 AI Agent 需要專屬瀏覽器？Rotunda 的技術突破點
• OpenAI 做手機 只是 AI Agent 取代 App ？