微軟Copilot Pages超好用！3步驟把AI答案轉成可編輯文件，告別複製貼上的低效工作流|數位時代 BusinessNext

重點一： Microsoft 365 Copilot Pages 讓使用者把 Copilot Chat 回應，一鍵轉成可編輯、可分享的長期內容頁，集中管理專案構想與文件。

重點二： Copilot Pages 支援多人即時協作，可在同一畫面並排使用 Copilot Chat 與 Pages，透過提示持續更新內容並保留為長期資產。

重點三： 企業與個人用戶皆可使用 Copilot Pages，前者只要有 SharePoint 或 OneDrive 儲存空間即可使用，後者需為 Microsoft 365 個人／家庭／Premium 訂閱戶。

微軟旗下的 AI 助理 Copilot，當中有一項專為「多人 AI 協作」設計的功能，名為 Microsoft 365 Copilot Pages，被定位為承接 Copilot Chat 輸出的「互動畫布」。使用者在 Copilot Chat 中提出需求、請 AI 草擬專案簡報、一次性文件或比較分析後，只要點選「編輯為 Pages」按鈕，就能把原本短暫存在聊天視窗中的 AI 回應，轉換為可編輯、可儲存、可分享的獨立頁面，避免重要內容淹沒在與 AI 的對話中。

Copilot Pages 有哪些優勢？

持續保存：所有 AI 生成內容可以整理成頁面，作為跨專案反覆修訂、重用的基礎。
易於分享：使用者能透過 Teams、Outlook 或 Microsoft 365 應用程式分享頁面，讓團隊在同一份文件上對齊最新的內容。
協作共創：同事與 Copilot 可以同時在頁面上編輯、補充內容，工作脈絡完整留存，降低資訊分散在不同檔案或聊天紀錄中的風險。

在存取方式上，使用者登入後，即可在 Microsoft 365 Copilot 應用程式中找到 Copilot Pages。若是首次使用，系統會在從 Chat 建立第一個頁面後，將所有後續頁面集中於 Microsoft 365 Copilot Library，方便統一檢索與管理。

企業、個人都能用，並排視窗強化 AI 協作體驗

微軟說明，企業或學校用戶只要具備工作或學校帳號（Entra ID），並擁有 SharePoint 或 OneDrive 儲存空間，即可使用 Copilot Pages，即便並未購買完整的 Microsoft 365 Copilot 授權也能開啟此功能；個人用戶方面，則需為 Microsoft 365 Personal、Family 或 Premium 訂閱用戶，才可在個人帳號下啟用 Copilot Pages。

在實際操作上，Copilot Pages主打與 Microsoft 365 Copilot Chat 的「並排視窗」工作流程。使用者先在 Copilot Chat 視窗輸入指令，例如要求「Create a page…」或「Generate a page…」，系統偵測到這是需要長期保存的產出（例如專案簡報、客戶信件草稿或供評估的比較報告）時，即可一鍵建立新頁面，於畫面右側開啟 Copilot Pages，左側則維持 Chat 視窗。

之後，使用者可以持續在 Chat 中發出指令，要求 Copilot 擴充、調整或濃縮頁面內容；也能直接在頁面上編輯文字，兩邊同步更新，形成人機協同撰寫的閉環。

官方也示範多種典型情境：例如，針對即將啟動的專案，可請 Copilot 建立名為特定標題的一頁式專案簡報，並要求包含目的、範疇、成功指標、時間表與負責人、風險與因應措施等欄位；在採購評估場景中，則可請 Copilot 根據指定檔案，生成兩家供應商的差異比較表，包括能力、導入時間、安全姿態、第一年總持有成本（Total Cost of Ownership, TCO）與參考案例，並附上建議與風險假設；客服團隊則能匯入客服案件編號，請 Copilot 草擬給客戶的回覆信件，同時在信件下方生成供內部審閱的常見問答區段，再交由團隊在 Pages 內共同修訂。

這樣的設計，讓 Copilot 不只是回覆問題的聊天機器人，而是內嵌在文件中的「共筆夥伴」：從初稿、多人編修、版本留存到後續重用，都能在同一個 Pages 介面完成。對於已大量倚賴 Microsoft 365 生態系的企業與專業使用者而言，Copilot Pages 提供了一條把生成式 AI 產出正式納入日常知識管理與協作流程的路徑。

3步驟開啟Copilot Pages

1. 在 Copilot Chat 輸入提示並送出

先登入 microsoft365.com 開啟 Microsoft 365 Copilot，在 Copilot Chat 下方的「Message Copilot」輸入框輸入你的指令，例如請它草擬專案簡報、比較兩家廠商、或寫一封客服回信，然後按下傳送按鈕，等 Copilot 產生回應。

2. 將回應轉成 Copilot Page

當你覺得這份回應值得長期保留或細修時，在 Copilot 回覆下方找到「在 Pages 中編輯」的鉛筆按鈕，系統就會幫你建立一個新的 Copilot Page，並自動在畫面旁邊開啟，讓 Chat 與 Page 並排顯示。

3. 在 Page 中編輯內容並持續與 Copilot 協作

進入新開啟的 Page 後，可以直接點選頁面標題重新命名，手動調整或新增內容，同時繼續在左側 Copilot Chat 下指令，請它依你的回饋更新、擴充 Page。完成後，這些 Pages 會被儲存在 Copilot Library 中，之後也能從「Find your saved pages」隨時打開再利用。

延伸閱讀：Anthropic發布資安模型Claude Mythos！3小時寫出攻擊程式碼，還翻出27年陳年漏洞
 用Claude Code管理100篇研究筆記！前OpenAI共同創辦人公開LLM知識庫系統，貼一段指令就能建起來

資料來源：微軟

本文初稿為AI編撰，整理．編輯/黃若彤

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。