Instinct 的正確之處與遺漏之處

Instinct 證明了具有深厚上下文的 AI 助手具有變革性的實用價值。它也證明了獲取該上下文的監控模式無法擴展信任。這兩個教訓都很重要。

Instinct 是 2026 年最有趣的 AI 產品發布，並不是因為該產品完美無瑕，而是因為它闡明了一個每個 AI 公司都需要回答的問題：AI 助手應該擁有多少上下文，以及它應該如何獲取該上下文？

Instinct 給出的答案是：透過監控（螢幕擷取、鍵盤記錄、電子郵件存取、位置追蹤）獲得最大程度的上下文。這創造了大多數測試者使用過的功能最強大的個人 AI 助手。但它也產生了隱私爭議，在發布後幾天內就淹沒了產品本身的故事。

這兩種結果都很重要。能力證明了論點，爭議則證明了模式需要改變。

Instinct 做對了什麼

深厚的上下文能產生具變革性且實用的 AI

Instinct 的核心見解是正確的：一個了解你的日程安排、電子郵件、訊息、偏好、關係和模式的 AI 助手，所能提供的幫助與一般的聊天機器人有著本質上的不同。那些報告說 Instinct 感覺像一個「真正的助手」而不是聊天機器人的早期測試者，描述的正是深厚上下文的結果：AI 可以預測需求、跨工具進行協調，並根據全面的理解採取行動。

這不是一個微小的進步。無上下文的 AI（「今天天氣如何？」）與富上下文的 AI（「你三十分鐘後在下雨的那一區有一個客戶會議，這附近有一家餐廳，適合你提到想安排的午餐」）之間的差距，就是新奇事物與基礎設施之間的差距。

AI 採取行動，而不僅僅是回答問題

Instinct 證明了 AI 助手應該做事，而不僅僅是回答問題。安排預約、發送後續行動、協商帳單、與供應商協調：處理任務的助手絕對比只回答問題的助手更有用。擁有身體、能代表你採取行動的 AI 願景，才是正確的願景。

文字優先的互動方式切實可行

簡訊介面（你像和朋友聊天一樣給助手發簡訊）被早期用戶稱讚為比打開應用程式更自然。AI 助手應該在你所在的地方（在你的通訊應用程式中）與你相遇，而不是要求你去特定的地方（一個單獨的 AI 應用程式），這個見解是合理的，並影響了像 Fabric Tag 這樣的產品如何將 AI 帶入 Slack。

Instinct 錯失了什麼

監控模式無法擴展信任

螢幕擷取、鍵盤記錄、持續的音訊存取、位置追蹤、電子郵件掃描。這些功能中的每一項都使 AI 更有用，但每一項也使隱私暴露更加嚴重。服務條款授予了 Instinct 對收集到的數據的永久、不可撤銷、可轉授權的許可，包括用於訓練 AI 模型。

這種模式在信任是絕對且永久的情況下才有效。在實踐中，信任是有條件且脆弱的。一次數據洩露、一次政策變更、一次被價值觀不同的公司收購，都可能追溯性地損害多年累積的個人數據。永久許可意味著即使你離開該服務，數據權利依然存在；不可撤銷的許可則意味著你無法改變主意。

早期的事件證實了這種脆弱性：在撤銷存取權後仍保留 Gmail 數據、未經用戶批准發送電子郵件、以及可能洩漏收件匣摘要的提示注入漏洞。每個事件單獨來看都很小，但它們共同證明了監控模式的攻擊面是巨大且在不斷增長的。

上下文應該是被選擇的，而不是被捕獲的

監控模式的替代方案是刻意上下文模式：你選擇 AI 可以存取哪些來源、可以連接哪些工具，以及可以查詢哪些數據。上下文是刻意從你控制的來源建立的，而不是從你的整個數位生活中全面捕獲的。

Fabric 的方法證明了這一點：你連接你希望 AI 存取的工具。你的電子郵件、你的行事曆、你的文件、你的Slack。AI 從你選擇的來源中獲得豐富的上下文。上下文存在於你的基礎設施中，沒有永久的訓練許可。你可以隨時撤銷存取權，數據仍歸你所有。

刻意模式產生的原始數據較少（沒有螢幕擷取，沒有鍵盤記錄），但能產生結構化、更高質量的上下文（連接的工具內容、自動撰寫的文件、語義搜索）。對於大多數使用場景，結構化上下文能產生比原始監控數據更好的 AI 輸出，因為信噪比顯著提高。

數據所有權是不容談判的

當產品免費且條款授予永久數據權利時，用戶就不是客戶，而是產品。Instinct 在未公佈任何營利模式之前，以 25 億美元的估值融資了 2.5 億美元，這表明其價值在於數據，而不是訂閱收入。

私有上下文層模式，即數據所有權是基於架構（自備儲存）而不是基於政策（信任我們的條款），是擴展到企業採用的方法。沒有哪家企業的法務團隊會批准對員工電子郵件、內部通訊和螢幕錄影擁有永久、不可撤銷的數據許可。對企業可行的模式是數據保留在公司基礎設施中的模式。

綜合分析

Instinct 的論點（深厚的上下文能產生具變革性且實用的 AI）是正確的。但其實施方式（監控加上永久許可）是錯誤的。綜合之下的解決方案是：一個擁有深厚上下文的 AI 助手，其上下文是透過刻意連接而不是全面監控來獲取的，儲存在用戶控制的基礎設施中而不是 AI 公司的伺服器上，並受用戶可撤銷的條款約束而不是永久許可。

這種綜合正是 Fabric 正在構建的：上下文倉庫。在這裡，豐富的上下文從你選擇連接的工具中累積，自動撰寫的文件將該上下文結構化為可查詢的知識，AI 助手在每次互動中都利用它，而代理人則代表你採取行動。它的上下文與 Instinct 的一樣豐富，但其隱私模式則完全相反。

Instinct 的故事並不是關於 AI 助手的警示故事，而是對目標（深厚上下文）的肯定，以及對實現目標的一種方法（監控）的否定。最終勝出的 AI 助手將是那些透過用戶控制的上下文而不是全面監控，來達到 Instinct 級別實用性的助手。問題從來不是 AI 是否應該了解你，而是它應該如何了解你。

常見問題

Instinct 是一個糟糕的產品嗎？ 它的能力令人印象深刻。問題在於隱私模式。根據測試者的報告，該 AI 的實用性是真實且顯著的。問題在於這種實用性是否能為數據存取和服務條款提供合理解釋。對某些人來說，答案是肯定的；對大多數人來說，這些條款過於激進。

在爭議之後 Instinct 發生了什麼事？ 該公司在壓力下修改了部分條款。但核心數據存取模式（螢幕擷取、鍵盤記錄、電子郵件存取）依然存在。其長期可行性取決於修改後的條款是否能讓用戶滿意，以及產品的能力是否足夠強大以克服信任赤字。

Fabric 真的能達到 Instinct 的上下文深度嗎？ 對於大多數專業使用場景，是的。Fabric 連接的工具（電子郵件、Slack、會議、文件、CRM）提供了豐富、結構化的上下文。對於大多數知識工作，Instinct 額外的數據（螢幕擷取、鍵盤輸入、位置）僅能提供邊際效益的上下文。監控數據至關重要的場景（環境運算、物理世界協助）雖然存在，但範圍很窄。

Apple Intelligence 呢？那是監控模式還是刻意模式？ Apple 的方法更接近刻意模式：盡可能進行裝置端處理、用戶控制的權限，並將隱私作為設計原則。限制在於 Apple 的 AI 能力目前不如專用的 AI 助手。其隱私模式是正確的，而 AI 的品質正在迎頭趕上。

我應該嘗試 Instinct 嗎？ 請先閱讀服務條款和隱私政策。了解收集了哪些數據、如何儲存，以及你授予了哪些權利。如果你對這些條款感到放心，該產品確實功能強大。如果你不放心，Fabric 透過根本不同的隱私模式來提供深厚的上下文。

其他 AI 助手會效仿 Instinct 的監控方法嗎？ 有些會。監控模式能產生最立竿見影、令人印象深刻的展示，因為上下文是最大化的。市場可能會分裂為監控模式助手（最大便利、最大暴露）和刻意上下文助手（受控便利、受控暴露）。企業的採用將壓倒性地青睞刻意模式。

監控模式的長期風險是什麼？ 從螢幕擷取、鍵盤輸入、電子郵件、訊息和位置中累積的數據，建立了一個全面的數位檔案，這在數據洩露中是高價值目標、在收購中是債務，在監管變更中也是風險。永久許可意味著即使你停止使用該產品，風險也不會結束。刻意模式（數據保留在你的基礎設施中，可撤銷存取權）從架構上限制了這些風險。

這與加密辯論是同一個爭議嗎？ 結構相似。最大程度的存取能產生最大程度的能力（對工具、執法部門或任何人而言）。最大程度的隱私會降低能力，但也會降低風險。加密領域的答案（預設強加密、用戶控制存取）類似於 AI 上下文的答案（用戶控制上下文、儲存在用戶基礎設施中、可撤銷存取權）。

相關閱讀：Instinct 與私有上下文層的案例、擁有你的數據，擁有你的 AI、誰控制了你的智慧？、你的知識存在哪裡？。相關頁面：私密與安全、隱私政策、Fabric 對比 Instinct。