當AI成為你的"眼睛"：Grok視覺功能上線，科技巨頭爭奪AI感知入口

2025/05/27

•

你有沒有想過，當AI能夠"看見"這個世界時，我們的生活將發生怎樣的變革？🤔

曾經科幻電影中的場景正在成為現實，馬斯克旗下的xAI剛剛為其AI助手Grok加入了"眼睛"，讓這位數字夥伴能夠看到你所看到的一切。這一功能的上線標誌著AI感知能力的又一次重大突破，也預示著人工智慧正在加速融入我們的日常生活。

4月22日，xAI正式宣佈推出Grok Vision功能，這項技術允許使用者將手機對準任何物體、標誌或文件，然後向Grok提問關於它們的問題。目前，這項功能已在iOS平台的Grok應用程式中提供，而Android使用者則需要稍等片刻。

Grok Vision的語音模式支援攝影機訪問，使用者只需簡單地問一句"我正在看什麼？"，Grok就能通過你的手機鏡頭分析現實世界中的物體、文字和環境，並給出相應的回答。這種即時視覺識別能力，讓AI的互動方式變得更加直觀和自然。

值得注意的是，Grok並非第一個獲得"視覺能力"的AI助手。在此之前，Google的Gemini和OpenAI的ChatGPT都已推出了類似的即時視覺功能。這表明，在AI領域，"感知入口"正成為各大科技公司爭奪的重要戰場。

誰能讓AI更好地理解現實世界，誰就能在下一代人機互動中佔據優勢。馬斯克顯然不願在這場競爭中落後，Grok Vision的推出正是xAI在這一領域的重要佈局。

除了視覺能力外，xAI同時為Grok推出了多語言音訊支援和語音模式中的即時搜尋功能。Android使用者雖然暫時無法使用Grok Vision，但可以通過訂閱每月30美元的SuperGrok計畫來體驗這些新功能。

根據官方發佈的資訊，Grok現在已經支援英語、西班牙語、法語、土耳其語、日語和印地語等多種語言，這大大擴展了其全球使用者的覆蓋範圍。

事實上，近期Grok一直在快速迭代中。本月早些時候，xAI為Grok加入了"記憶"元件，使其能夠回顧並引用過去的對話細節，增強了連續對話的能力。此外，Grok還獲得了一個類似畫布的工具，用於建立文件和應用程式。

這種快速的功能迭代表明，xAI正全力以赴地推動Grok的發展，試圖在與Google、OpenAI等巨頭的競爭中找到自己的差異化優勢。

當AI獲得視覺能力後，人機互動的方式將發生根本性變革。想像一下，當你走在陌生的街道上，只需將手機對準一家餐廳的菜單，Grok就能立即告訴你每道菜的成分和推薦；或者當你面對一份複雜的法律檔案，只需讓AI"看一眼"，它就能提取關鍵資訊並解釋其含義。

這種能力不僅能夠為普通使用者提供極大的便利，也將為視障人士等特殊群體帶來全新的輔助可能。AI的"眼睛"正在成為人類感知世界的有力延伸。

隨著Grok Vision的推出，我們正式進入了多模態AI的新時代。在這個時代，AI不再侷限於文字輸入和輸出，而是能夠理解和處理圖像、聲音、視訊等多種資訊形式。

這種發展趨勢預示著，未來的AI將越來越像人類一樣，能夠全方位地感知和理解世界。而這也將帶來無數新的應用場景和商業機會，推動整個科技行業的創新和發展。

你如何看待AI獲得"視覺能力"這一發展？是期待它帶來的便利，還是擔憂可能的隱私風險？歡迎在評論區分享你的想法，也請將這篇文章轉發給對AI發展感興趣的朋友，一起探討技術與未來！ (澤問科技)