OpenAI移动端语音代理功能上线，重塑“动口不动手”的交互范式

【科技24时区】周三，OpenAI正式宣布将基于语音的代理（Agentic）功能引入移动端。这一更新并非简单的功能叠加，而是试图彻底改变用户与AI协作的方式——现在，你只需开口，便能触发诸如起草文档、总结邮件等复杂工作流。

对于Plus和Pro订阅用户而言，手机端的“Work”标签页将成为新的生产力中枢。无论是创建文档、撰写邮件草稿，还是梳理Slack消息摘要，均可通过语音指令一气呵成。更值得注意的是，这部分高阶用户还能利用该功能搭建网站、制作演示文稿，甚至调用云浏览器处理财务数据等深层任务。相比之下，Free和Go用户虽无法触及核心代理功能，但也获得了使用插件及连接应用的能力，门槛有所降低。

在交互体验上，ChatGPT的语音对话将迎来更丰富的文本输出支持。用户可以在文本与语音模式间无缝切换，这种灵活性解决了以往单一模态的局限。想象一下，你在通勤路上通过语音开启一段对话或启动一项任务，回到办公室后，只需在桌面端继续操作即可，无需重新输入或复制粘贴。这种跨设备的连续性，正是当下移动办公场景中最被渴求的特性之一。

这一功能的推出，恰逢越来越多的用户倾向于通过语音向AI助手下达复杂指令。回顾今年7月，OpenAI发布了全新的对话模型GPT-Live，并随后将其整合至桌面应用中，允许用户在“Work”标签页通过语音完成任务，或在“Codex”标签页构建应用。此次移动端的更新，实质上是将桌面端已验证的能力平移至手持设备，填补了移动端在高阶代理能力上的空白。

从行业竞争格局来看，Anthropic近期也在优化移动端与桌面端的交接体验，并将Cowork与Chat界面进行了合并。然而，OpenAI似乎选择了另一条路径：它依然坚持将聊天（Chat）与工作空间（Workspaces）保持分离。这种设计哲学或许意在强调“专注”——聊天用于即时交流，而工作空间则用于结构化产出。尽管界面逻辑不同，但两家巨头都在指向同一个未来：AI不再仅仅是问答机器，而是能听懂指令、执行多步任务的智能代理。当语音成为主要的输入接口，屏幕的限制将被进一步打破，人机协作的边界正在被重新定义。