Microsoft
微软宣布全面重构从边缘终端、云端基建到基础模型的全栈架构,推动企业从单纯消费前沿大模型转向利用私有强化学习环境和自主智能体构建排他性技术护城河。
AI-assisted summary of Microsoft Build 2026 | Satya Nadella Opening Keynote — original source. Check the original for full context.
Source published:
Key ideas
- 微软发布 Surface RTX Spark DevBox 开发者硬件与端侧 Ion 系列模型,搭载 128 GB 统一内存并提供 1 PFLOPS 算力,可在本地运行 120B 大模型并实现零 Token 计费的自主 Agent 工作流。 (7:20)
- 微软与 NVIDIA 联合展示面向 Agent 时代的算力基建体系,包括 Fairwater 闭环液冷超级工厂、自研芯片 Maia 200 与 Cobalt 200,并提前对齐专为低延迟 Agent 打造的下一代 Vera Rubin 架构。 (20:23)
- 操作系统与应用层全面重构:推出原生沙盒隔离机制 Microsoft Execution Containers(MXC)并引入 OpenClaw,发布 GitHub Copilot 独立应用程序与 Agent 优先的后端 SDK Rayfin。 (63:25)
- 微软人工智能(MAI)推出包含 MAI Thinking 1(35B 活跃参数 MoE)与 MAI Code 1 Flash 在内的 7 款自研基础模型,并启动与妙佑医疗国际(Mayo Clinic)共建医疗前沿大模型。 (107:35)
- 科学计算迎来双重突破:基于 Agent 的科学发现闭环平台 Microsoft Discovery 正式商用(GA),第二代拓扑量子芯片 Majorana 2 将量子比特寿命提升 1,000 倍至最高 1 分钟。 (138:00)
Detailed notes
## Background 该视频由微软(Microsoft)官方 YouTube 频道于 2026 年 6 月 2 日发布。视频内容为在旧金山现场直播的 Microsoft Build 2026 开幕主题演讲,由微软首席执行官萨提亚·纳德拉(Satya Nadella)携手多位高管共同探讨 AI 时代的全新技术机遇与未来图景。
## TL;DR 在长达两个多小时的主题演讲中,萨提亚·纳德拉系统性解构了面向自主 Agent 时代的全栈 AI 架构,发布了兼具 128 GB 统一内存与端侧数据中心算力的 Surface RTX Spark DevBox、搭载本地端侧 Ion 推理与规划模型的 Windows AI 体验,以及新形态硬件平台 Project Solara。云端与数据层方面,微软推出了专为 Agent 优化的高能效超级工厂 Fairwater、自研芯片 Maia 200 与 Cobalt 200、GPU 加速的 Fabric,以及集成模型上下文协议(MCP)的 Microsoft Web IQ 和企业级智能层 Microsoft IQ。针对开发、运行与安全,微软正式发布了操作系统级安全沙盒 MXC、OpenClaw on Windows、GitHub Copilot 独立应用程序、Rayfin SDK、Agent 365 治理平台与多模型协同防御系统 MDASH。此外,大会还揭晓了 7 款自研新模型(涵盖 MAI Thinking 1 与 MAI Code 1 Flash)、面向企业的 Frontier Tuning 私有微调机制、正式商用(GA)的科学发现平台 Microsoft Discovery,并在压轴环节重磅发布了可在单芯片容纳百万量子比特的第二代拓扑量子芯片 Majorana 2。
## Atmosphere & style 整场主题演讲节奏极其紧凑、信息密度极高,如同在用“消防水带向观众灌水”,充满硬核极客气质与磅礴的企业级技术叙事。萨提亚·纳德拉以沉稳笃定的开场奠定了宏大技术基调,与身在台北的黄仁勋、高通 CEO 克里斯蒂亚诺·阿蒙以及烟鬼组合(The Chainsmokers)的对谈交织着老友重聚的默契与幽默调侃。多位一线工程师的实机演示行云流水、细节拉满,不仅接连引发全场开发者阵阵惊叹与会心大笑,更在尾声逐步将技术探讨升华至以人为本的超级智能、科学发现与拓扑量子突破,营造出令人心潮澎湃的时代范式跃迁感。
## Bulletin - [07:20](https://www.youtube.com/watch?v=FFMm454fxNA&t=440s) 微软发布 Surface RTX Spark DevBox 开发者硬件与端侧 Ion 系列模型,搭载 128 GB 统一内存并提供 1 PFLOPS 算力,可在本地运行 120B 大模型并实现零 Token 计费的自主 Agent 工作流。 - [20:23](https://www.youtube.com/watch?v=FFMm454fxNA&t=1223s) 微软与 NVIDIA 联合展示面向 Agent 时代的算力基建体系,包括 Fairwater 闭环液冷超级工厂、自研芯片 Maia 200 与 Cobalt 200,并提前对齐专为低延迟 Agent 打造的下一代 Vera Rubin 架构。 - [01:03:25](https://www.youtube.com/watch?v=FFMm454fxNA&t=3805s) 操作系统与应用层全面重构:推出原生沙盒隔离机制 Microsoft Execution Containers(MXC)并引入 OpenClaw,发布 GitHub Copilot 独立应用程序与 Agent 优先的后端 SDK Rayfin。 - [01:47:35](https://www.youtube.com/watch?v=FFMm454fxNA&t=6455s) 微软人工智能(MAI)推出包含 MAI Thinking 1(35B 活跃参数 MoE)与 MAI Code 1 Flash 在内的 7 款自研基础模型,并启动与妙佑医疗国际(Mayo Clinic)共建医疗前沿大模型。 - [02:18:00](https://www.youtube.com/watch?v=FFMm454fxNA&t=8280s) 科学计算迎来双重突破:基于 Agent 的科学发现闭环平台 Microsoft Discovery 正式商用(GA),第二代拓扑量子芯片 Majorana 2 将量子比特寿命提升 1,000 倍至最高 1 分钟。
## Key takeaways - [00:50](https://www.youtube.com/watch?v=FFMm454fxNA&t=50s) 本次大会核心是全面融入前沿智能生态系统,微软从泛在算力、上下文与模型、运行时、开发工具与安全治理四个层面重构整个 AI 技术栈。 - [02:50](https://www.youtube.com/watch?v=FFMm454fxNA&t=170s) Windows 推出 Ion Instruct 推理模型与 Ion Plan 规划模型,实现无需回传云端的本地闭环 Agent 工作流和“无计量智能”。 - [07:20](https://www.youtube.com/watch?v=FFMm454fxNA&t=440s) Surface RTX Spark DevBox 配备 128 GB 统一内存与 1 PFLOPS AI 算力,支持 Windows 原生 Linux 实用工具、WSL 容器 GPU 直通,可在端侧直接部署运行千亿参数级模型。 - [20:23](https://www.youtube.com/watch?v=FFMm454fxNA&t=1223s) 面向 Agent 时代的云端算力追求极致的“每瓦特每美元产出的 Token 数”,Fairwater 超级工厂采用双层紧凑架构与全密闭循环液冷,大幅降低长距离网络延迟与日常耗水。 - [20:23](https://www.youtube.com/watch?v=FFMm454fxNA&t=1223s) 自研芯片 Maia 200 针对 Copilot 核心负载提升 30% Token 产出效率,Cobalt 200 ARM CPU 专门加速 Agent 调度并使调用延迟降低 33%。 - [25:15](https://www.youtube.com/watch?v=FFMm454fxNA&t=1515s) 黄仁勋指出个人计算正在从“个人电脑(PC)”演变为“个人 AI(Personal AI)”,计算架构也从预训练(Hopper)、推理推理(Grace Blackwell)迈向专为超低延迟 Agent 设计的 Vera Rubin。 - [36:53](https://www.youtube.com/watch?v=FFMm454fxNA&t=2213s) 微软推出 Project Solara 平台与智能工牌等专用形态参考设计,打破以智能手机为中心的封闭模式,构建以 Agent 为核心的横向开放硬件星群。 - [56:31](https://www.youtube.com/watch?v=FFMm454fxNA&t=3391s) Microsoft IQ 整合 Web IQ、Fabric IQ 与 Work IQ,使智能体能够在公网实时信源、企业业务本体遥测数据以及内部 SOP 文档间实现统一上下文接地与推理。 - [01:03:25](https://www.youtube.com/watch?v=FFMm454fxNA&t=3805s) Microsoft Execution Containers(MXC)提供操作系统原生的沙盒隔离策略,防止长周期运行、具备代码执行权限的 Agent 进行未授权系统修改与数据外溢。 - [01:06:36](https://www.youtube.com/watch?v=FFMm454fxNA&t=3996s) 开源自主代理框架 OpenClaw 原生登陆 Windows 并成立非营利基金会,通过 MXC 沙盒与细粒度权限控制保障企业级可观测性与系统安全。 - [01:18:41](https://www.youtube.com/watch?v=FFMm454fxNA&t=4721s) 全新的 GitHub Copilot 独立应用程序利用 Git Worktrees 支持多 Agent 并发隔离编码,结合动态 Canvas 交互界面与跨模型橡皮鸭审查提升交付效率。 - [01:18:39](https://www.youtube.com/watch?v=FFMm454fxNA&t=4719s) 微软推出专为 Agent 设计的企业级后端 SDK Rayfin,支持一键将 Replit 或本地生成的应用与数据透明部署上线至受监管的 Microsoft Fabric 租户。 - [01:29:06](https://www.youtube.com/watch?v=FFMm454fxNA&t=5346s) Agent 365 控制平面与 Foundry 平台提供基于运行链路(Traces)自动生成评估准则(Rubrics)的能力,并通过闭环优化器驱动 Agent 持续自我迭代。 - [01:32:14](https://www.youtube.com/watch?v=FFMm454fxNA&t=5534s) MDASH 多模型智能体安全防御系统通过调度百余个专精 Agent 展开跨文件协同辩论与 PoC 攻击复现,可秒级检测并自动生成复合漏洞修复建议。 - [01:41:30](https://www.youtube.com/watch?v=FFMm454fxNA&t=6090s) Microsoft Copilot 进化为融合“聊天、协同工作与代码编写”的超级应用,推出可在企业合规租户内自主长期运行的 Copilot Autopilots 与首发实例 Scout。 - [01:45:34](https://www.youtube.com/watch?v=FFMm454fxNA&t=6334s) 企业护城河正转向基于私有业务数据与强化学习环境(RLE)的“前沿微调(Frontier Tuning)”,模型针对特定复杂场景(如黄油报告生成)的准确率突破 90% 且运行效率提升 10 倍。 - [01:51:28](https://www.youtube.com/watch?v=FFMm454fxNA&t=6688s) MAI 基础模型家族发布 MAI Thinking 1(AIME 2025 达到 97%)和 MAI Code 1 Flash,坚持无知识蒸馏并支持全渠道开源微调与权重优化。 - [02:08:00](https://www.youtube.com/watch?v=FFMm454fxNA&t=7680s) Microsoft Discovery 正式商用(GA),将高性能计算、前沿模型与云端自动化湿实验室深度融合,成功在 VS Code 内跑通高通量蛋白质设计与实验调度闭环。 - [02:18:18](https://www.youtube.com/watch?v=FFMm454fxNA&t=8298s) 第二代拓扑量子芯片 Majorana 2 正式发布,态维持寿命达到 20 秒至 1 分钟(较初代提升千倍),且单一小于信用卡面积的芯片即可集成 100 万个物理量子比特,推动量子计算全面迈入工程化扩展阶段。
## Detailed walkthrough ### [00:50](https://www.youtube.com/watch?v=FFMm454fxNA&t=50s) 开场:前沿智能生态与新一代 AI 架构
微软首席执行官萨提亚·纳德拉(Satya Nadella)登上旧金山 Build 2026 大会的舞台,热情欢迎全场参会者。纳德拉表示,开发者大会的核心始终在于理解底层技术范式的转移以及把握全新的技术栈,更在于认清开发者自身、所在企业以及整个世界所面临的新机遇。他强调,本次大会绝不是为了炫耀某一项孤立的技术成果,甚至不局限于平台本身,而是聚焦于生态建设与价值放大。
纳德拉指出,当前最核心的主题是:“你们如何全面融入这个前沿智能生态系统?这不在于你们听到的任何单项技术,甚至不在于平台本身,而在于你们能够在平台之上构建、复合沉淀并创造出的价值。”(“If there is one key take away it would be this, how do you all participate fully in this frontier intelligence ecosystem. It is not about any one piece of technology you hear about or even the platform itself, it is about the value that you can build, you can compound, you can create on top of the platform.”)
随后,纳德拉梳理了大会将要层层解构的 AI 架构体系: 1. **泛在算力网络(Ubiquitous Compute Fabric)**:连接边缘终端与云端基础设施的底座。 2. **新兴上下文与模型层(Models & Context Layer)**:涵盖基础模型、上下文管理以及模型可调用的各种工具。 3. **运行时环境(Agent & App Runtime)**:负责部署在模型与上下文层之上构建的 AI Agent 和智能应用。 4. **开发工具与安全治理(Tooling, Security & Governance)**:提供顶级工程工具链,并贯穿安全性、合规性与数据治理。
```mermaid flowchart TD accTitle: Microsoft AI Stack Architecture accDescr: A bottom-up diagram showing the layered Microsoft AI stack introduced by Satya Nadella.
subgraph Governance ["安全与工程支撑"] Tooling["开发工具链 (Tooling)"] SecGov["安全、合规与治理 (Security & Governance)"] end
subgraph CoreStack ["AI 技术栈核心层"] Runtime["Agent 与应用运行时 (Runtime)"] ModelContext["模型、上下文与工具访问层 (Models, Context & Tools)"] Fabric["泛在算力织锦 (Ubiquitous Compute Fabric: Edge + Cloud)"] end
Fabric --> ModelContext ModelContext --> Runtime Governance -.-> CoreStack ```
[02:50](https://www.youtube.com/watch?v=FFMm454fxNA&t=170s) Windows 边缘 AI:本地算力爆发与 Ion 系列端侧模型
纳德拉将焦点转向一切的起点——基础设施,并首先从边缘侧的 Windows 谈起。如今终端设备的算力规模令人惊叹,每台 PC 都配备了 NPU、GPU 甚至性能强大的 CPU。微软正将这些端侧算力完全激活:例如 Outlook 的本地邮件摘要、PowerPoint 的替代文本(Alt Text)自动生成、Microsoft Teams 的画质超分辨率(Super Resolution),以及 Adobe After Effects、Premiere 对 Windows ML 的深度集成。
为了让开发者能够无缝调用海量已安装的 GPU 终端算力,微软大幅拓展了 Windows ML 与 Windows AI 的应用范畴,使得开发者一次构建即可跨全部装机群运行本地模型。
同时,大会现场宣布了将在 Windows 上直接开箱即用的两款本地端侧模型: - **Ion Instruct**:一款专为端侧推理与代码指令设计的强大推理模型(Reasoning Model)。 - **Ion Plan**:专职规划与任务拆解的规划模型(Planning Model)。
借助这两款模型,开发者无需将数据回传到云端(Round trip to the cloud),即可让本地应用获得工具调用权限,直接在设备端跑通闭环的自主 Agentic 工作流,实现近乎零延迟、不计流量成本的“无计量智能”(Unmetered Intelligence)。
[05:05](https://www.youtube.com/watch?v=FFMm454fxNA&t=305s) 硬件生态飞跃:从高通骁龙到 NVIDIA 统一内存 SoC
在硬件创新层面,纳德拉盛赞了半导体生态系统的全面爆发:英特尔带来了令人振奋的端侧进展,高通则覆盖了高阶旗舰 Snapdragon X 以及针对 500 美元以下大众 PC 市场的全新芯片方案。
随后,纳德拉重点介绍了与 NVIDIA 联合打造的面向 PC 的下一代 SoC(片上系统)。该芯片将 CPU、GPU 与先进制程的 AI 加速硬件融为一体,采用统一内存架构(Unified Memory Architecture)并集成了直接内存传输机制。
基于该 SoC,微软打造了全新硬件标杆——**Surface Ultra**: - 搭载高达 128 GB 的统一内存(Unified Memory)。 - 配备精美的 2K 顶级显示屏。 - 具备全天候电池续航表现。 - 融合了 NVIDIA 的强劲算力底座与 Surface 标志性的工业设计美学,定于今年秋季与广大 OEM 合作伙伴的新机型同步面世。
[07:20](https://www.youtube.com/watch?v=FFMm454fxNA&t=440s) 终极开发者梦幻机器:Surface RTX Spark DevBox 与端侧数据中心
面对开发者对极限性能的渴求,微软团队进一步挑战架构极限:“如果我们把算力拉满、内存拉满,为开发者打造一台梦寐以求的终极机器会怎样?”现场随即正式发布了面向开发者的王牌硬件——**Surface RTX Spark DevBox**。
在官方震撼的展示视频之后,纳德拉笑称:“这是一台真正的梦幻机器,它拥有 1 Petaflop 的 AI 算力、20 个 CPU 核心,并且全部能够访问 128 GB 统一内存。我自己也在排队等候名单上,这里确实有一张候补名单,我们都会拿到的。”
此外,纳德拉提到 NVIDIA 首席执行官黄仁勋(Jensen Huang)此前公布的重大举措:Windows 正式支持 NVIDIA DGX Station。纳德拉将其形容为“桌面级数据中心”(Desktop Data Center)——开发者可以在个人桌面上直接本地运行拥有 1 万亿参数(1T)的超大模型,其算力水准堪比当年微软训练早期 GPT 超级计算机时的机群规模。
在云端,微软通过 Windows 365 推出专为开发者生产力优化的专属云端发行版,让开发者无论是在轻薄笔记本、桌面工作站还是云端虚拟机上,都能获得一致且高效的构建体验。
[10:07](https://www.youtube.com/watch?v=FFMm454fxNA&t=607s) 开发者体验革新:无干扰环境、智能终端与原生 Linux 工具链
为了扫清开发干扰,Windows 针对开发者场景推出了多项底层级深度重构: - **无干扰开发者模式(Distraction-free Dev Environment)**:默认剥离新闻信息流、弹出式挂件及无关通知。 - **Intelligent Terminal(智能终端)**:内置 GitHub Copilot 智能辅助,可深度理解控制台上下文。 - **原生 Linux 工具库与容器整合**:Windows 原生引入了包括经典 grep 在内的 70 多款 Linux 原生命令行实用工具,原生支持 Homebrew 包管理器,并对容器(Containers)提供一等公民级别的系统级支持。
[11:44](https://www.youtube.com/watch?v=FFMm454fxNA&t=704s) 现场演示:Kayla 实测 Surface RTX Spark DevBox 极客工作流
微软工程师 Kayla 登台,在全新的 Surface RTX Spark DevBox 实机上演示这套专为开发者打造的沉浸式工作流。
```mermaid flowchart LR accTitle: Intelligent Terminal and Agent Workflow accDescr: The workflow showing Kayla using the Intelligent Terminal split panes to fix errors and run container tasks.
subgraph SplitTerminal ["Intelligent Terminal 智能终端双窗格"] direction TB TopPane["顶部:常规 Terminal 命令行控制台"] BottomPane["底部:GitHub Copilot Agent 监听面板"] TopPane -->|"报错捕获与语法分析"| BottomPane BottomPane -->|"自动生成修复补丁"| TopPane end
subgraph LocalCompute ["Surface RTX Spark 本地算力 (128GB 统一内存)"] WSL["WSL 原生容器 (OpenClaw)"] LocalModel["120B 参数本地代码大模型"] VoiceModel["本地 Copilot 语音模型"] end
BottomPane <--> LocalModel TopPane <--> WSL VoiceModel -->|"语音驱动指令"| BottomPane ```
Kayla 展示了多项专为极客优化的系统特性与开发工具细节: - **极简清爽桌面**:开箱即进入全黑深色模式(Dark Mode),没有任何资讯弹窗与冗余挂件;应广大用户强烈呼声,Windows Insider 预览版本正式迎回了“垂直任务栏”(Vertical Taskbar),可通过由 PowerToys 赋能的快速启动面板(Run)随心拖放至屏幕最左侧。 - **全局环境一键配置**:机器预装了 Python、Node.js 等整套工具链。微软已在 GitHub 开放了公开代码仓库,包含完整的系统调优配置文件,任何 Windows 用户下载该文件即可一键复刻同款开发环境。 - **PowerToys 效率利器**:演示了全新的“Grab and Move”工具(按住 Alt 键即可在窗口任意位置抓取拖动),并在任务栏开启“直接结束任务”(End Task)功能,无需调出任务管理器即可直接干掉卡死进程。 - **Dev Drive 极速开发盘**:采用与 Windows Defender 异步运行的安全机制,大幅缩减文件 I/O 读写瓶颈;文件系统直接深度集成 Git,资源管理器中直接标注文件修改时间、变更状态及左下角当前 Git 分支名。 - **Intelligent Terminal 双窗格协作**:上半部分为标准终端命令行,下半部分无缝嵌入用户自选的 AI Agent(演示采用 GitHub Copilot)。当上方构建 OpenClaw 项目产生语法报错时,底部 Agent 会自动捕获错误日志并直接提供一键修复代码。 - **GPU 直通与 WSL 原生容器**:展示了通过 Windows 上的原生 WSL 容器编译运行 OpenClaw,容器能够直接共享并压榨本地 GPU 算力,支持直接用微软官方文本编辑器查看带语法高亮的现有容器配置,并预装了包括 Starship、zsh、Homebrew 以及性能监视器 `btop` 在内的丰富终端工具。 - **端侧运行 1200 亿(120B)超大模型**:Kayla 强调,得益于 128 GB 的超大统一内存,Surface RTX Spark 能够在本地直接加载常规电脑根本无法承载的 120B 参数模型。监控数据显示,该机此前已在本地纯端侧累计推理了 340 万个 Token(3.4 million tokens)。 - **完全本地化的 Copilot 语音控制**:Kayla 长按空格键启动了完全基于设备端本地语音模型运行的 Copilot Voice,直接以自然口语向终端 Agent 下发 Fleet 多智能体协同启动指令。
[15:57](https://www.youtube.com/watch?v=FFMm454fxNA&t=957s) Surface RTX Spark Dev Box 现场演示:本地无计量 Agent 与开发者体验
在 Surface RTX Spark Dev Box 的实机演示环节中,演讲者展示了本地 Agent 如何在开发工作流中深度协同。演示指令要求 Agent 扫描项目中的代码,将所有 `Console.WriteLine` 调用自动重构成工程中通用的标准日志记录器。主 Agent 能够根据任务复杂度,将子任务直接指派给本地运行的模型,借由强大的本地 GPU 算力执行,不仅速度极快,还显著节省了云端调用成本。
```mermaid flowchart LR accTitle: 本地 Agent 与云端协同工作流 accDescr: 展示主 Agent 如何将不同复杂度的代码重构与日志解析任务分派至本地 RTX Spark GPU,实现零 Token 成本的本地推理。
subgraph IDE["开发环境 (Visual Studio / VS Code)"] Task["开发者指令<br/>重构日志 & 诊断错误"] MainAgent["主调度 Agent"] end
subgraph LocalCompute["Surface RTX Spark 本地算力"] LocalModel["本地模型 (90GB 显存占用)"] SubTask1["代码修改与重构"] SubTask2["并发解析诊断日志"] end
Task --> MainAgent MainAgent -->|"委派低延迟任务"| LocalModel LocalModel --> SubTask1 LocalModel --> SubTask2 ```
针对困扰无数开发者的排错与日志定位痛点,Windows 现已全面补齐终端体验。除了此前已引入的 `curl`、`tar` 和 `sudo` 外,Windows 进一步内置了超过 75 种常用命令行工具,包括 `head`、`tail`、`touch` 以及让开发者能直接输入 `grep log` 定位文件的经典 Unix 工具。更重要的是,本地大模型(如 Instruct 模型)可以在后台无缝对分散的日志进行深度解析与异常诊断。整个演示过程中,RTX Spark 本地加载的各类模型直接占用了高达 90 GB 的显存,同时并发执行多项复杂任务,全程丝滑顺畅且无需担心云端 Token 消耗计量。演讲者在交还讲台时感慨道:“我们能够无缝、不受计量限制地同时使用它们,整个开发流程毫无阻滞,这意义非凡。”
- **本地显存占用**:演示中模型直接吞吐并利用了 90 GB 显存,完全释放 RTX Spark 硬件性能。 - **命令行工具扩充**:新增超过 75 个原生命令行实用工具(包括 `head`、`tail`、`touch` 等),专为重度依赖终端的开发者设计。 - **无计量智能体验**:本地模型在后台全天候进行代码分析与日志排错,不产生任何云端 API 计费。
---
[17:57](https://www.youtube.com/watch?v=FFMm454fxNA&t=1077s) 面向 Agent 时代的云端基建:能效方程式与社区承诺
接回话筒后,微软首席执行官 Satya Nadella 强调,本地运行的无计量智能与云端负载并行协同,正是该平台确立的一等公民特性。然而转向云端基础设施时,微软的核心驱动方程依然是极致追求“每瓦特每美元产出的 Token 数”(Tokens per dollar per watt)。在微软看来,这是一个端到端全链路的系统工程问题——从一端输入电能(电子),到另一端高效输出智能 Token,涵盖了数据中心结构、核心计算、存储、网络以及加速芯片和本地边缘卸载的每一个环节。
Satya Nadella 特别指出,在深入探讨技术硬核指标之前,微软建设数据中心的首要准则是“赢得所在社区的许可与信任”。微软严格恪守一系列运营原则,确保数据中心建设绝不推高当地居民的电价,大幅降低用水量,并为当地创造就业机会、增加税基,持续投资于本地技能培训与非营利机构。Satya Nadella 坚定地指出:“只有当我们恪守这些原则并完成这些艰苦扎实的工作时,我们才有资格去创新与建设。”目前 Azure 在全球已拥有超过 500 个数据中心,构成规模最为庞大的超大规模云足迹;仅在过去 18 个月内所扩建的数据中心容量,就已超越了云计算起步最初十年的建设总和。
---
[20:23](https://www.youtube.com/watch?v=FFMm454fxNA&t=1223s) Fairwater 超级工厂、Maia 200 与 Cobalt 200:异构硬件与网络革新
进入 Agent 时代,数据中心的吉瓦级(Gigawatts)电力将被三种主导工作负载所占据:模型训练(Training)、模型推理(Inference)以及新兴的 Agent 运行时(Agent Runtime)。为此,微软推出了首座专为 AI 从头定制的双层架构“超级工厂”数据中心——Fairwater(横跨美国佐治亚州与威斯康星州两个区域)。Fairwater 采用紧凑的双层立体设计,与 NVIDIA 深度联合优化,极大缩短了布线与网络距离,实现了前所未有的高密度 GPU 互联、超低延迟与海量集群带宽。在电力供应上,数据中心重新设计了从电网到芯片的输电路径,单机架功耗达 100 kW 且转化损耗极低;在冷却方面,采用密闭式水循环系统,整座超大规模数据中心全年的日常耗水量仅相当于一家普通餐馆的用水量。
在自研与合作伙伴芯片生态方面,Azure 保持了极高的开放度与技术领先性: - **自研 AI 加速芯片 Maia 200**:已在亚利桑那州上线并正向全球范围部署。相较于当前主流同类 GPU,Maia 200 在单位美元 Token 产出效率上提升了 30%,目前已针对 GPT-4/GPT-5 级别的大模型完成验证,将直接用于驱动 Microsoft 365 Copilot 核心负载。 - **新一代自研 ARM CPU Cobalt 200**:Satya Nadella 强调,运行 Agent 工作负载时,计算需求不再只依赖 GPU,CPU 的协同至关重要,甚至正在趋向 1:1 的配比。为此微软正式推出专为云原生及 Agent 负载打造的 Cobalt 200 虚拟机预览版。根据 GitHub Copilot 实际 Agent 轨迹数据测试,Cobalt 200 相比上一代云原生性能提升 30%,使 Agent 调用的延迟降低了 33%、执行速度加快 14%、吞吐量提升了 23%。 - **同步网络拓扑**:为支撑跨越数万颗 GPU 同步运行的大型分布式计算,微软重构了 Azure 广域网络流量架构,将机房内部互连与横跨大洲的骨干算力网织成一张完全同质可替换(fungible)的计算织物。
---
[25:15](https://www.youtube.com/watch?v=FFMm454fxNA&t=1515s) 黄仁勋对谈:从个人电脑(PC)到个人 AI(Personal AI)的范式转移
在介绍完系统底层架构后,Satya Nadella 连线了身在台北的 NVIDIA 首席执行官黄仁勋(Jensen Huang)。尽管台北已是深夜,黄仁勋依然精神饱满,两位掌门人回顾了双方长达三四十年的紧密合作——从早期共同发明 DirectX 奠定 PC 图形学基础,到如今联合开创自主 Agent 计算时代。
```mermaid flowchart TD accTitle: PC 范式演进图 accDescr: 展现个人电脑从传统人机交互工具演进为全自动协作的个人 AI 助手的演进历程。
subgraph Era1["传统 PC 时代 (过去 30 年)"] DirectX["DirectX 与图形加速"] Tool["PC 作为被动操作工具<br/>(人类坐在屏幕前操作)"] end
subgraph Era2["Agentic PC 时代 (RTX Spark / NVFP4)"] SparkHW["RTX Spark (1 PFLOPS / 128GB)"] PersonalAI["个人 AI (Personal AI)<br/>自主运行 Agent、远程短信交互"] end
Era1 -->|"系统架构革新与本地大模型"| Era2 ```
黄仁勋透露,大约三年前,他与 Satya Nadella 进行了一次促膝长谈,探讨如何为设计师、创作者和 AI 打造一种全新形态的 PC,不仅具备顶级算力,还深度整合全球设计与创作软件栈。如今,搭载全套 Windows 新软件栈与自研全新芯片的 RTX Spark 正式落地,标志着个人计算发生了根本性的质变。黄仁勋深入阐释了这种代际跃迁:“PC 从一个不可思议的工具,演变为了一个由 AI 助手自主使用的工具。”
黄仁勋生动描绘了未来的工作常态:用户出门在外或在差旅途中,只需用手机给自己的 PC 发一条短信,告诉它一个突发奇想或一段编程需求;处于远端的 PC 就会自动启动相关开发工具与创作套件,进行代码编写、设计修改并持续自主迭代,与用户保持互动。这种从“个人电脑”(Personal Computer)向“个人 AI”(Personal AI)的演进令人振奋。硬件方面,RTX Spark 提供了高达 1 PetaFLOP 的 AI 算力,并原生支持双方联合研发的 NVFP4 低精度数值格式;结合 128 GB 统一内存,能够直接在本地流畅部署运行数千亿参数(hundreds of billions of parameters)的业界前沿顶尖大模型。正如黄仁勋所断言,在本地拥有高智商助手的时代已经全面到来;Satya Nadella 也对此回应称,这无异于将“数据中心级别的能力直接搬到了笔记本电脑之上”。
- **研发渊源**:三年前黄仁勋与 Satya Nadella 达成共识,旨在打造兼顾顶尖创作套件与本地 AI 的全新计算平台。 - **算力规格**:RTX Spark 拥有 1 PetaFLOP AI 算力,支持微软与 NVIDIA 联合定义的 NVFP4 数值格式。 - **模型承载力**:凭借 128 GB 统一内存架构与量化优化,可在本地机器上独立承载数千亿参数量级的前沿基础大模型。
[29:35](https://www.youtube.com/watch?v=FFMm454fxNA&t=1775s) 从 Fairwater 到 Vera Rubin:黄仁勋详解 AI 智算基础设施演进
在谈及数据中心基础设施时,Satya Nadella 回顾了两家公司最初合作打造第一台用于训练 GPU 模型的 AI 超级计算机的历程,并重点提及了为 Grace Blackwell 时代定制打造的 Fairwater 数据中心设计,以实现数据中心物理架构与系统级硬件的深度咬合。黄仁勋(Jensen Huang)随后在连线中详细复盘了计算范式的代际演变:Hopper 架构时代主要聚焦于预训练任务,并取得了巨大成功;而当 Grace Blackwell 登场时,全行业的研发重心彻底转向了后训练(Post-training)与强化学习(Reinforcement Learning),从而催生了具备深度推理能力的推理模型(Reasoning Models)。这些基于混合专家架构(Mixture of Experts, MoE)的模型展现出极高的智能水平与能源效率,但同时也对超大规模算力系统提出了严苛要求,促成了 NVLink 72(GB200 NVL72)的诞生——整个机架演进为一台独立的巨型计算机,计算单元实现了从“单节点”向“单机架”的飞跃。
黄仁勋特别强调,微软目前已在全行业部署了全球规模最大的 Grace Blackwell 系统。而承载这些机架的 Fairwater 数据中心设计同样是一项了不起的工程奇迹:它采用全闭环液冷设计,几乎不消耗任何水资源,具备出色的环境友好性与能效比。与 Hopper 相比,该系统将 Token 生成速率大幅提升,同时将单 Token 生成成本降低了一个数量级(约 30 倍)。随后,黄仁勋进一步揭晓了面向智能体时代的全新架构——Vera Rubin。如果说 Hopper 是为预训练而生,Grace Blackwell 是为训练、后训练和推理而设,那么 Vera Rubin 则是彻底为运行“智能体(Agents)”量身定制的架构。
```mermaid flowchart LR accTitle: AI 计算架构演进路径 accDescr: 展示从 Hopper 到 Grace Blackwell 再到 Vera Rubin 的计算架构演化与核心使命
subgraph Gen1["第一代:Hopper"] H["NVIDIA Hopper"] -->|"核心使命"| H_Task["大规模模型预训练<br/>(Pre-training)"] end
subgraph Gen2["第二代:Grace Blackwell"] GB["Grace Blackwell (NVL72)"] -->|"核心使命"| GB_Task["后训练 / 强化学习<br/>MoE 推理模型 (Reasoning)"] end
subgraph Gen3["第三代:Vera Rubin"] VR["Vera Rubin (Vera CPU)"] -->|"核心使命"| VR_Task["全链路 Agentic 系统<br/>超低延迟调度与端到端加密"] end
Gen1 --> Gen2 --> Gen3 ```
- **全链路内存与数据加密**:在 Vera Rubin 这一解耦式分布式计算系统中,从长期存储到工作内存的完整代码执行路径均受到全方位保护,数据在传输中(in transit)、使用中(in use)均处于全程加密状态,以安全支撑海量多租户、多客户及伙伴的并发智能体任务。 - **专为智能体打造的 Vera CPU**:黄仁勋指出:“过去 CPU 是为人类设计的。我们人类比智能体更有耐心;而智能体追求极低的延迟。Vera 就是为极致的超低延迟而设计的。”(“In the past CPUs were designed for humans. We are more parent [patient] than agents are. Agents want low latency. Vera was designed for extremely low latency.”) - **芯片流片前的软硬件协同研发**:两家团队的工程对齐早在芯片正式流片(tape-out)和系统点亮(bring-up)之前就已全面展开,数据中心在系统刚下产线时便能在微软云端迅速落地就绪。
---
[33:39](https://www.youtube.com/watch?v=FFMm454fxNA&t=2019s) 智能体驱动的软件生态全速加速与算力爆发
Satya Nadella 对双方团队展现出的“光速执行力”表示赞叹,并指出无论从 PC、服务器还是到如今的 AI 时代,两家公司的终极目标始终是为每一位开发者和每一个组织提供构建业务的平台与机遇。双方在软件层面的合作也在持续深化:NVIDIA 的模型与工具链已全面入驻 Microsoft Foundry,并全面加速 Windows 与数据仓库工作负载。对此,黄仁勋回应称,双方在过去十余年里的深耕正是为了迎接当下的历史节点——多款顶尖大模型在智能体系统中的深度汇聚,终于让 AI 具备了实实在在的实用价值与生产力。
黄仁勋披露了一个极其震撼的数据指标:在过去几个月内,GitHub 上的代码提交量(commits)呈现出完全垂直的抛物线式增长,提交总数整整激增了三倍。这有力证明了智能体系统正在完成切实、高效的生产任务,并为企业创造了可观的商业回报。伴随智能体自主贡献与交互的指数级攀升,全社会对算力的需求彻底冲破了天花板。为了防止这些“急性子”的智能体在等待中空转,微软与 NVIDIA 正通力推进 Azure 上全套数据与分析工具链的 GPU 硬件级加速,全面覆盖 Microsoft Fabric、SQL、Spark,以及基于语义和图结构的各类处理管线。黄仁勋精准总结道:“开发者和客户最终希望做的事情,就是去生成大量具有高利润回报且高度智能的 Token。”(“The faster it can iterate and generate tokens which are ultimately what the developers both customers would like to do is generate a lot of tokens that are profitable and highly intelligent.”)
---
[36:53](https://www.youtube.com/watch?v=FFMm454fxNA&t=2213s) Project Solara 亮相:打造智能体时代专属的新形态设备平台
在真挚感谢黄仁勋深夜从台北发来的远程连线支持后,Satya Nadella 将视角从云端和边缘算力拉回到底层设备形态。他幽默地提到,看到黄仁勋周末展示的一整排台式机照片时,自己仿佛瞬间梦回 20 世纪 90 年代。然而,尽管 PC、笔记本和云端的外观依然保留着经典形态,其内部却已因为板载 AI 的注入而获得了前所未有的全新功能。紧接着,Satya 抛出了一个核心拷问:既然全新的 AI 能力能够塞进现有的硬件形态中,那我们是否能够为这种新功能专门量身打造全新的硬件形态?是否能为智能体时代构建一个全新的硬件与系统平台?
这一深刻追问正是微软启动“Project Solara”的核心驱动力。随后,现场播放了一段充满未来感的情感化概念短片,展示了在“智能体优先(Agent-first)”世界中的交互构想——硬件设备能够感知人类的临近,随叫随到,不仅能倾听和看清使用者所指的世界,还能主动过滤环境噪音,在不越俎代庖的前提下照亮前路、扫清阻碍。短片播毕后,微软硬件与设备工程负责人 Stevie 登台,正式揭开 Project Solara 的神秘面纱。
```mermaid flowchart TD accTitle: Project Solara 平台架构三支柱 accDescr: 说明 Project Solara 如何基于三大支柱将 Agent 延伸至各类专用设备形态
subgraph CloudLayer["统一云端底座"] Azure["Microsoft Azure 云端协同与管理"] end
subgraph Pillars["Project Solara 核心支柱"] P1["企业就绪底座<br/>(AOSP / MDEP 平台)"] P2["动态即时 UI<br/>(自适应设备形态的 JIT UI)"] P3["高扩展性架构<br/>(Bring Your Own Agents)"] end
subgraph Devices["多样化专属硬件形态"] D_Desk["桌面固定式设备<br/>(基于 MediaTek 方案)"] D_Port["随身便携式设备"] end
Azure --- Pillars Pillars --> Devices ```
- **从单体硬件到“设备星群”的观念跃迁**:Stevie 回溯了自 Build 2023 以来微软对 AI 基础设施超越单一应用框架、跨越全工作流与物理设备保持上下文的构想,并明确指出,智能体硬件的关键绝不是在五花八门的形态中孤立地押注某一款单机,而是“创建一个将你的智能体延伸至一整套设备星群(constellation of devices)中的系统”。 - **破解智能体落地的两大现实瓶颈**:其一是现有专用设备往往依赖高度碎片化的技术栈和一次性定制软件,开发维护极其昂贵;其二是各行各业深度定制的专用智能体受限于传统屏幕与交互界面,难以触及物理世界的所有缝隙。 - **Project Solara 开箱即用的三大技术支柱**: 1. **企业级就绪(Enterprise-ready)**:底层由基于 AOSP(Android 开源项目)的微软设备生态系统平台(Microsoft Device Ecosystem Platform, MDEP)提供严密的企业管理与安全支持; 2. **智能体驱动的自适应交互(Agent-driven Interaction Model)**:支持即时生成的动态 UI(Just-in-Time UI),能根据设备传感器配置及物理屏幕形态自主重构界面; 3. **高扩展性(Extensibility)**:开放支持企业和开发者无缝接入自带的专属智能体(Bring Your Own Agents),并由 Azure 实现端云之间的数据与状态统一绑定。 - **设备预览阵列**:Project Solara 首波预览涵盖两大品类——“固定式(Stationary)”与“便携式(Portable)”,其中首款专门面向办公桌场景打造的固定设备正基于联发科(MediaTek)平台设计开发。
[42:39](https://www.youtube.com/watch?v=FFMm454fxNA&t=2559s) 环境感知工作设备与智能工牌参考设计
在展示环节中,主讲人介绍了 Project Solara 体系下的两种创新硬件形态。第一种是针对信息工作者设计的专用环境计算设备(Ambient Device)。该设备搭载高通芯片,结合 Windows Hello for Business,员工只需走近设备即可完成安全登录,直接唤醒专属智能体(Agent)。它能无缝接入依托 Work IQ 强化的 Microsoft 365 Copilot,让员工通过语音或轻触屏幕即可委派任务,帮助理清工作优先级、规划日程并执行动作。这种设备既可以作为现有 Windows Copilot+ PC 的智能伴侣,也能直连显示器充当 Windows 365 云电脑终端。
第二款形态则是将数以亿计职场人每天佩戴的胸牌进行彻底重构,打造出基于高通穿戴芯片的轻量化“智能工牌”(Access Badge)。主讲人现场展示了原型机:通过指纹轻触解锁后,便能调出预置的企业智能体。他在现场演示了社交媒体素材采集工作流——直接按下录制键,利用胸牌的摄像头拍摄台下观众,并对智能体发出指令:“从这段视频中挑出好镜头,清理优化后发送给我和团队审核。”话音刚落,后台智能体便开始并发执行切片、画质处理和分发流转。
主讲人随后延伸了智能工牌在垂直领域的巨大潜力,尤其是在医疗护理场景: - **护士工作流适配**:护士佩戴胸牌后,设备可根据其角色和当前排班自动加载对应智能体,辅助挂号签到、调阅病历及呈现关键指标。 - **免提语音病历记录**:内置阵列麦克风支持对话分离(Diarization)与实时语音注释,让护理人员在双手操作时完成无感病历录入。 - **侧向摄像头赋能**:在护理巡视时,侧向摄像头能辅助快速读取生命体征、扫描校对药品条码并验证给药流程,实现真正的床旁全流程智能协同。
这些参考设计证明了核心软硬件的高度灵活性,只需调整传感器配置、屏幕尺寸或切换不同的业务智能体,同一套架构即可无缝扩展至零售、工业制造、酒旅、金融服务及法律等行业。目前 AccuWeather、Best Buy 和 Target 等企业已在探索如何借助此类设备优化一线工作流程。
---
[47:16](https://www.youtube.com/watch?v=FFMm454fxNA&t=2836s) 对话高通 CEO:从“以手机为中心”迈向横向开放生态
微软 CEO Satya Nadella 与高通(Qualcomm)总裁兼首席执行官 Cristiano Amon 就硬件与智能体架构的范式转移展开了深度对谈。Satya 指出,行业正在经历一次真正的计算平台跃迁:“我们正在从为应用程序构建操作系统和设备的时代,转向为智能体构建软硬件平台。”
Cristiano Amon 强调,智能体的到来彻底颠覆了设备本身的本质。当人工智能开始像人类一样理解世界,计算单元必然会向人类的感官靠拢——贴近眼睛、嘴巴与耳朵,最终演变成日常穿戴设备。这就对芯片底层提出了严苛要求:既需要极致能效比的 CPU 处理传感器实时多模态上下文,又需要端云协同的架构支撑。针对平台形态的演变,Amon 做出了一段极具洞察力的剖析:
> “因为智能手机在今天处于你数字生活的中心,这些伴侣设备现在的任务只是延伸智能手机的功能,所以你会看到很多平台最终走向了垂直封闭;但当你转向以智能体为核心时,情况发生了戏剧性的变化——智能体成为了你数字体验的真正中心,它们需要的是一个横向开放的平台,使得智能体能够与适用于不同场景的最佳设备展开交互。”
Satya 赞同并指出,Project Solara 的核心使命正是打破传统生态壁垒,避免用旧规则束缚开发者的想象力,构建一个让任何智能体都能在多样化硬件载体中自由运行的开放生态系统。
```mermaid flowchart TD accTitle: 计算平台演进示意图 accDescr: 对比传统以智能手机为中心的垂直封闭架构与以智能体为中心的开放横向架构
subgraph Legacy["传统模式:以智能手机为核心"] Phone["智能手机 (中心核心)"] Watch["智能手表"] Earbuds["无线耳机"] Phone -->|"垂直封闭拓展"| Watch Phone -->|"垂直封闭拓展"| Earbuds end
subgraph Agentic["Agentic 时代:以智能体为核心"] AgentCore["AI 智能体 (全场景核心)"] Badge["智能工牌"] Ambient["环境桌面设备"] XR["AR / 智能眼镜"] PC["Copilot+ PC / 云电脑"] AgentCore --- Badge AgentCore --- Ambient AgentCore --- XR AgentCore --- PC end ```
---
[51:32](https://www.youtube.com/watch?v=FFMm454fxNA&t=3092s) 数据层革命与 Fabric GPU 加速分析
回到软件与基础设施栈,Satya 阐述了支撑智能体系统的新型智能化分层。首先是模型选择层,目前 Foundry 平台上已聚合超过 12,000 个模型,涵盖从 OpenAI、Anthropic 到微软自家 MAI(Microsoft AI)的全系模型库,近期更引入了 OpenAI 实时语音模型与 Claude 3.5 Sonnet / Opus 级别的前沿模型。
Satya 重点强调,为智能体构建应用与传统面向终端用户的应用有着本质不同,这种变革直接重塑了底层数据层(Data Tier)。在智能体架构中,系统处于“存储(Storing)、检索(Retrieving)、推理(Reasoning)、行动(Acting)与学习(Learning)”的持续闭环中,数据库与检索索引(如 Cosmos DB、Azure AI Search)已事实上演变成为智能体的业务逻辑层。针对高并发数据吞吐与即时分析需求,微软推出了多项关键演进:
- **Azure 托管数据库高可用升级**:针对大规模高可用性扩展需求重构了托管数据库架构,支持单集群高达 128 TB 的容量以及自动化故障转移(Automated Failover),专为应对读密集型负载而优化。内部基准测试显示,其处理吞吐量可达传统 PostgreSQL 的 3 倍。 - **Microsoft Fabric 数据仓库引入 GPU 加速**:在智能体频繁对海量企业数据发起实时 Ad-hoc 查询的场景下,传统 CPU 数据分析成为瓶颈。Fabric 正式引入 GPU 加速计算,在实时复杂分析任务中斩获了惊人的 **7 倍性能提升**。
---
[55:08](https://www.youtube.com/watch?v=FFMm454fxNA&t=3308s) 推出 Microsoft Web IQ:面向智能体的实时 Grounding 新标准
在数据层之上,微软构建了专为智能体提供上下文的 **IQ 层**。Satya 解释道,将模型能力与高质量数据精准融合以生成上下文,是当前解决大模型“Token 效率(Token Efficiency)”的核心:“如果你能正确构建上下文并喂给模型,从定义上讲你就会在 Token 利用率上变得极其高效。”
在这一层级中,首要解决的领域便是万维网(Web Grounding)。智能体为了做出准确决策,必须获取新鲜、高质且超低时延的全球公开网络信息。为此,微软正式发布了 **Microsoft Web IQ**。该服务直接构建在微软服务全球超 10 亿用户的既有全球搜索与数据基础设施之上,但底层面向大语言模型与 Agentic 工作流进行了彻底的重构,原生支持模型无关(Model Agnostic)接入,并采用模型上下文协议(MCP, Model Context Protocol)原生集成,成为新一代智能体实时外部知识接地的核心基石。
[56:31](https://www.youtube.com/watch?v=FFMm454fxNA&t=3391s) 统一智能架构:Microsoft IQ 与 Web IQ
Satya Nadella 详细阐述了构建智能体(Agent)系统的核心底座。为了让智能体提供准确、可验证的答案,必须将其置于新鲜且可靠的数据上下文之中。为此,微软推出了 Web IQ。它能够无缝接入任何智能体运行环境,涵盖网络、新闻、图像以及视频等多模态内容。Satya Nadella 强调:“It is best in class in quality, best in class in speed as well as in cost.”(它在质量、速度以及成本这三个关键指标上均处于业界领先水平)。
然而,仅仅连接公网数据还远远不够,企业开发者最迫切的需求是将智能体锚定在企业内部最有价值的私有资产上。微软通过将 Foundry、Fabric 和 Microsoft 365 深度融合,打造了一个名为 Microsoft IQ 的统一智能层。该层能够持续更新对整个组织的认知与理解,为智能体在现实业务场景中的推理与执行提供底层支持。随后,Nadella 邀请团队成员 Elijah 登台演示 Microsoft IQ 在真实生产环境下的应用。
```mermaid flowchart TD accTitle: Microsoft IQ 架构分层 accDescr: 展示 Web IQ、Fabric IQ 与 Work IQ 如何聚合至 Microsoft IQ 并支撑上层 Agent
subgraph IQ_Layer["Microsoft IQ 统一智能层"] direction TB WIQ["Web IQ<br/>(公网搜索 / 新闻 / 实时行情)"] FIQ["Fabric IQ<br/>(企业本体模型 / 实时遥测数据)"] WKQ["Work IQ<br/>(SharePoint SOP / 团队协同与策略)"] end
subgraph Agent_Platform["智能体与运行时"] FND["Azure Foundry<br/>(构建与编排)"] M365["Microsoft 365 / Teams<br/>(发布、交互与告警)"] end
WIQ --> FND FIQ --> FND WKQ --> FND FND --> M365 ```
---
[57:36](https://www.youtube.com/watch?v=FFMm454fxNA&t=3456s) 现场演示:利用 Microsoft IQ 处置电网突发事件
Elijah 登台指出,智能体的能力完全取决于开发者为其提供的上下文:“Agents are only as good as the context we give them.”(智能体的能力上限取决于我们为其提供的上下文)。他以一家电力公用事业控制中心(Brightline)的真实场景切入,现场启动了一个长周期运行的智能体(Long-running Agent),用于评估当前电网发生的运行事故并生成应对简报。该智能体在 Azure Foundry 中构建,深度连接了 Foundry IQ 知识库,把企业文档、运营数据和人员架构打包为统一上下文,随后被发布至 Microsoft 365 供全员协作。
Elijah 在 Microsoft 365 界面中展示了 Microsoft IQ 的三层协同机制: 1. **Web IQ 层**:针对未微调或无外设的大模型无法回答的即时外部问题(例如“旧金山当前的电价是多少”),智能体调用 Web IQ 进行全网实时索引,获取官方权威信源,输出接地气(Grounded)的高质量结果。 2. **Fabric IQ 层**:为了解受威胁变电站的实际运行状况,智能体调用 Fabric IQ。这里没有散落各处的数据孤岛,而是采用现成且经过数百万客户检验的模型扩展出的电网业务本体(Ontology),与现场遥测数据秒级同步,实时拉取所有暴露风险最高的变电站明细表。正如 Elijah 所说:“This is what Microsoft IQ means by enterprise intelligence. Not data scattered across disparate systems, but a single living model of the business that an agent can reason over.”(这就是 Microsoft IQ 所定义的企业智能:不再是分散在孤立系统中的碎片数据,而是智能体能够理解并推理的单一、鲜活的企业业务模型)。 3. **Work IQ 层**:获知受损站点后,面对“变电站跳闸的标准响应步骤是什么”的提问,智能体激活 Work IQ,直接读取 Brightline 存放在 SharePoint 中的标准作业程序(SOP)。智能体并非基于过期的静态快照或导入副本回答,而是直连日常维护的源文件——流程文档一旦修改,答案即时联动,无需重新上传或重构 Prompt。
在演示结尾,后台持续运行的长周期智能体成功跑完全部流程:先经由 Web IQ 探查外部态势,再通过 Fabric IQ 定位故障物理资产,最后依据 Work IQ 的内部流程直接在 Microsoft Teams 中向运维负责人推送了一份格式完整、包含精确应对指南的告警简报,实现了由单次应答向全自动化、主动执行的演进。
---
[01:03:25](https://www.youtube.com/watch?v=FFMm454fxNA&t=3805s) 操作系统原生沙盒:Microsoft Execution Containers (MXC)
Satya Nadella 重回讲台,将议题从上下文数据层推向智能体的运行环境与操作系统底层支撑。随着智能体不断发展,它们能够自主推理、动态生成并执行代码,甚至跨文件系统、跨物理设备和网络节点执行高权限操作。Satya Nadella 坦言,长周期自主运行并具备代码执行能力的智能体固然强大,但也带来了前所未有的安全风险。
为了在操作系统级别解决这一隐患,微软正式推出 Microsoft Execution Containers(简称 MXC)。这是一种构建在 Windows 操作系统原生原语之上的全新安全策略层,通过策略强制实现智能体的隔离与收敛(Isolation and Containment): - **进程级隔离(Process-level isolation)**:适用于轻量级、低风险的日常智能体任务。 - **会话级隔离(Session-level isolation)**:针对多用户隔离及权限划分场景。 - **跨系统边界隔离(Windows/Linux Subsystem)**:借助 WSL 等机制构建更坚固的系统沙盒。 - **Windows 365 智能体专用容器(Windows 365 for Agents)**:在独立托管的云端虚拟环境中运行,提供最高等级的完全物理与网络隔离。
Satya Nadella 强调,无论底层智能体由哪个厂商或开发者构建,操作系统的安全基线都必须一视同仁地执行。随后他宣布,开源社区备受瞩目的自主代理框架 OpenClaw 正式引入 Windows 平台,并全面集成 MXC 隔离机制。
---
[01:06:36](https://www.youtube.com/watch?v=FFMm454fxNA&t=3996s) OpenClaw 登陆 Windows 原生生态
Scott 与 Samantha 登台带来 OpenClaw on Windows 的实际体验展示。他们回顾道,OpenClaw 自去年 11 月发布以来迅速席卷全球技术社区。开发者们用它开发了各种极具想象力的场景:例如全天候监控血糖与个人健康、自动分流与回复电子邮件、管理 GitHub Issues、代订电影票,甚至将其配置为个人铁人三项教练,结合运动数据制定倒排训练计划并全程监督打卡。
为了让 OpenClaw 在 Windows 上获得最佳体验,微软与社区展开深入协作: - 联合推出针对 Windows 深度优化的原生 OpenClaw 应用程序,支持开发者快速部署新节点或连接已有智能体实例。 - 借助底层 MXC 机制,智能体所有的底层工具调用(Tool calls)均自动置于原生沙盒中执行,杜绝未授权的系统篡改与安全外溢。 - 桌面端提供了纯粹的 Windows 原生客户端界面,开发者只需在系统托盘右键单击,即可直接调出网关状态、关联机器列表、活跃会话详情及资源用量分析面板。
[01:08:10](https://www.youtube.com/watch?v=FFMm454fxNA&t=4090s) Windows 上的 OpenClaw 伴侣应用与沙盒安全实机演示
在现场演示中,主讲人展示了正在进行内部测试的 OpenClaw Windows 伴侣应用(Companion App)。应用内部不仅集成了聊天、画布(Canvas)与主面板的快捷入口,还提供带有工具调用(Tool Calling)的完整对话支持。在应用的配置角落,开发者可以自由设定权限以及沙盒参数。该沙盒底层采用了此前发布的 MXC(Microsoft Execution Containers)技术,并在当前场景下运行于进程隔离(Process Isolation)模式下;微软透露,未来更新版本的 Windows 还会引入更多种类的容器化隔离选项。
```mermaid flowchart TD accTitle: OpenClaw on Windows Security Architecture accDescr: Diagram showing how OpenClaw interacts with the Windows node through MXC sandbox layers and IT policies.
subgraph UserInterface["用户与策略层"] A["OpenClaw 伴侣应用界面<br/>(聊天 / 工具调用 / 权限设定)"] B["IT 管理策略 / 本地自定义规则<br/>(剪贴板 / 网络访问 / 文件夹权限)"] end
subgraph ExecutionLayer["执行与隔离层 (MXC)"] C["OpenClaw 内置安全层"] D["MXC 沙盒进程隔离<br/>(只读限制保护)"] end
subgraph OSNode["Windows 本地环境"] E["用户桌面 / 本地文件目录<br/>(94 张安全受保护的 JPEG 图片)"] end
A --> C B --> C C --> D D -.->|"拦截非法写/删除操作"| E ```
围绕安全控制,Samantha 详细阐述了文件夹访问的细粒度控制功能,用户能明确指定 OpenClaw 可触碰的目录,并严格限制剪贴板访问或互联网通信。为测试这套防护机制的极限,Samantha 在现场故意对 OpenClaw 下达了一项极端的恶意指令:“删除桌面上的所有文件”。Scott 当场开玩笑抗议道:“这太不尊重人了!我知道所有东西放在哪,别碰我的东西……一片混乱的桌面代表着头脑敏捷,这句名言没说错吧?”随后系统切断了 OpenClaw 自身的所有安全提示,仅依赖 MXC 的只读沙盒策略进行强制拦截。屏幕日志显示,智能体虽反复尝试检索目录并发出删除请求,但在底层沙盒的封锁下均以失败告终,桌面上的 94 张 JPEG 图片完好无损。
- 整个伴侣应用处于 Alpha 预览阶段,开发全程基于标准的 Windows 开发者环境完成,深度结合了 WSL、容器隔离技术以及支持多模型的 GitHub Copilot。 - 合作契机源自假期期间的一条社交媒体私信,促成了团队与开源作者的接洽并最终将其搬上 Build 大会舞台。
---
[01:11:37](https://www.youtube.com/watch?v=FFMm454fxNA&t=4297s) OpenClaw 创始人 Pete Steinberger 登台:从开源极客到企业级运行时
在热烈的掌声中,被称为“Claw 之父”的 OpenClaw 创始人 Pete Steinberger 走上演讲台。回顾刚才智能体尝试删除文件被拦截的场景,Pete 幽默地表示:“六个月前,如果执行刚才的操作,你的文件绝对已经被删光了。”他谈到最初构建 OpenClaw 的初衷,是希望让 AI 智能体拥有接管一切的绝对权限——访问本地文件、控制机器环境、常驻聊天软件并始终保持全开源,这赋予了它无与伦比的行动力,但也让众多企业感到坐立难安。
过去数月里,团队与微软、GitHub、OpenAI 以及 NVIDIA 等产业伙伴紧密合作,全力化解“企业能否放心使用 OpenClaw”的合规焦虑。系统彻底重构了权限体系,告别非黑即白的权限获取,支持针对特定目录隐藏或配置只读,并增加了端到端的审计可观测性(Observability)与权限自动模式。更重要的是,OpenClaw 将底层的运行框架(Harness)解耦为可插拔插件,企业能够直接挂接自身信任的 Copilot、Codex 或专属合规规则,在其之上叠加持久化记忆(Persistent Memory)、心跳检测(Heartbeats)机制,并将其作为常驻智能体一键接入 Slack 或 Microsoft Teams。
> “我们正在迈入构建智能体的新时代:让不会写代码的人获得更多能力,让掌握编程的人拥有更强掌控力;更棒的是,我们正在一个完全开放的环境中携手并进。” —— Pete Steinberger
Pete 宣布正式成立真正非营利性质的 OpenClaw 基金会(OpenClaw Foundation),坚定支持任意底层模型与任意操作系统,并呼吁全球开发者共同参与这场开放的智能体革命。
---
[01:14:55](https://www.youtube.com/watch?v=FFMm454fxNA&t=4495s) Microsoft Foundry 企业级智能体平台与 GitHub Copilot App 登场
Satya Nadella 重返舞台,总结了从 Windows 边缘端到云端智能体架构的演进脉络,并宣布将 Microsoft Foundry 全面打造成智能体时代的完整应用平台。在云端,Foundry Hosted Agent 提供了面向长生命周期智能体(Long-running Agents)的专属运行时。开发者借助该平台能够直接获得持久化记忆、状态存储、微秒级启动的超高速沙盒、自动生成评估标准(Rubrics & Evals)的安全护栏,以及一套能让智能体自主进化的闭环学习机制。同时,微软宣布与 Fireworks AI 达成深度合作,将对方的高性能开源权重模型引入 Foundry,在保留企业级安全与治理规则的前提下为开发者提供极致的推理性能与架构自由度。
随着智能体协同的演进,GitHub 已不再仅是代码托管仓库,而是演变为掌控所有智能体的中控平面(Control Plane)。从仓库创建、PR 吞吐到 API 调用与 Actions 流水线,各项开发指标均在人机协同下成倍加速。尽管结合了自然语言的命令行(CLI)备受追捧,但在同时开启上百个终端会话的复杂场景下,开发者的认知负荷早已濒临崩溃。为了打破这种拓展瓶颈,Satya Nadella 宣布正式推出全新的 **GitHub Copilot App**,旨在将 CLI 的即时灵活性与完整 IDE 的强劲能力熔铸于一体,原生承载无上限的智能体并发会话。
[01:18:39](https://www.youtube.com/watch?v=FFMm454fxNA&t=4719s) 推出 Rayfin 与 Replit 深度集成:专为 Agent 打造的企业级后端
在构建 Agent 应用时,前端和提示词往往只是冰山一角,最棘手的问题往往在后端。开发者必须妥善处理身份认证、存储和数据库模式(Database Schemas)等一系列复杂基础设施。为此,微软正式推出了 Rayfin——一个“Agent 优先”(Agent-first)的 SDK,旨在将智能体与后端即服务(Backend as a Service, BaaS)无缝连接,并将其拓展到开发者构建应用的各个环境。
微软同时公布了与开发平台 Replit 的重磅合作。开发者现在可以直接在 Replit 中构建智能体应用,而应用本身及其底层数据则通过 Rayfin SDK 自动部署到受企业监管的 Microsoft Fabric 租户中。Rayfin SDK 现已全面开放,任何开发者都可以在自己的工具链中使用它作为后端支持,极大简化了企业级后端服务的接入难度。
```mermaid flowchart LR accTitle: Rayfin Agent 部署架构 accDescr: 展示开发者通过 Replit 构建应用,经由 Rayfin SDK 部署至 Microsoft Fabric 企业托管租户的流程。
subgraph DevEnvironment["开发环境"] A["Replit / 本地工具"] B["Rayfin SDK"] A --> B end
subgraph EnterpriseCloud["企业托管环境"] C["Microsoft Fabric 租户"] D["企业级数据与安全治理"] C --- D end
B -->|"一键部署 (Rayfin Up)"| C ```
- **核心定位**:Rayfin 是专为 Agent 设计的 SDK,提供即开即用的企业级后端(身份认证、存储、数据库治理)。 - **Replit 整合**:允许在 Replit 云端 IDE 中直接编写应用代码,底层运行时和数据透明托管至企业级 Microsoft Fabric 租户。
---
[01:19:44](https://www.youtube.com/watch?v=FFMm454fxNA&t=4784s) 演示:GitHub Copilot 独立应用与并行多智能体开发
为了让开发者直观感受 Foundry 与 Rayfin 的实际威力,Cassidy 登台带来了全新 GitHub Copilot 独立应用程序的现场实操演示。Cassidy 提醒现场略显疲惫的开发者:“放松肩膀,靠后坐好……我知道大家今天像在用消防水带灌水一样接收海量信息,但我希望你们在接下来的几分钟里思考:‘今天晚些时候我自己能上手试些什么?’”(“I know you're drinking from the fire hose of information today, so I want you to go into the next few minutes thinking, 'What can I try out later today?'”)
这款全新的 GitHub Copilot 应用程序被定位为开发者在本地电脑上的“开发与运维大本营”(Home base for development and operations)。在展示严肃的工作流之前,Cassidy 幽默地拖拽了界面上的 Mona(GitHub 吉祥物章鱼猫),触发了一个内置的小游戏,引发全场笑声。随后,她展示了核心的 Agentic 编码功能:当面对一长串阻碍发布的 Critical Bug(发布阻断项)时,她直接选择同时解决所有问题。应用利用 Git Worktrees 为每一个 Issue 瞬间拉起隔离的独立会话环境,让多个 Agent 并行修复代码而完全不会互相冲突或产生代码暂存问题。
对于后续合并,Copilot 提供了“Agent Merge”功能。开启该功能后,Agent 会全自动照看 Pull Request,自动跑完 CI 检查、代码审查并化解合并冲突。在应用的功能面板中: - **My Work**:集中查看跨多个项目的活跃状态、PR 进度及任务清单。 - **Automation**:提供可在本地或云端重复运行的工作流会话(例如现场演示中被称为“关键支撑结构”的 Issue Poetry 脚本)。 - **Sessions**:支持一键接入开源仓库或本地目录,内置集成了完整浏览器、终端、聊天窗口及亮暗主题切换。通过“Pick and Polish”拾取界面元素,开发者可以在聊天窗口中直接指示 Agent(如“给这个列表添加重新排序功能”),即可原地完成修改。
---
[01:22:49](https://www.youtube.com/watch?v=FFMm454fxNA&t=4969s) 跨模型橡皮鸭审查与“Canvas”动态交互界面
GitHub Copilot App 凭借单一订阅打破了模型壁垒,开发者可以直接调用 OpenAI、Anthropic(包括 Claude 3 Opus 系列)以及 Google 的最新顶级前沿模型。模型多样性不仅便于开发者选型,更赋予了 Copilot 独创的“橡皮鸭交叉审查”(Rubber Duck Review)能力。Cassidy 解释道,在刚刚的编码会话中,她使用的是 GPT-5.5 编写代码,但随后系统自动调用了 Claude Opus 4.8 扮演橡皮鸭角色进行交叉 Code Review:
> “所有模型都有其盲点,而这种方法的力量在于能让我更早地发现它们。”(“All models have blind spots, and the power of this approach means I can catch them earlier.”)
随后,Cassidy 指出单纯的聊天文本框并不足以应对 2026 年的人机协作,“在 2026 年与 AI 协同工作,绝不能仅仅停留在纯文字聊天上”。她现场揭幕了全新的“Canvas”(画布)功能。Canvas 是 Agent 根据上下文临时构建的自定义 UI,用于与人类进行高效的多模态交互。在演示中,Agent 在屏幕上生成了一个支持摄像头手势交互的 PR 审批面板,Cassidy 面对摄像头做出大拇指朝上的“点赞”手势,系统瞬间识别并直接批准了该 PR,引发现场阵阵欢呼。
```mermaid flowchart TD accTitle: GitHub Copilot 多 Agent 协同与交叉审查架构 accDescr: 展示从 Git Worktree 并行修复到跨模型审查、Canvas 交互及 Rayfin 部署的完整生命周期。
A["发布阻断 Issues"] --> B["Git Worktrees 隔离会话"] B --> C["GPT-5.5 自动并行编码"] C --> D["Claude Opus 4.8 橡皮鸭代码审查"] D --> E["Canvas 自定义交互界面"] E -->|"手势/UI 确认批准"| F["Agent Merge (CI/冲突自愈)"] F -->|"终端执行 rayfin up"| G["Fabric 企业级安全上线"] ```
---
[01:24:14](https://www.youtube.com/watch?v=FFMm454fxNA&t=5054s) “Rayfin Up”一键落地企业级部署与 Satya 总结
紧接着,Cassidy 展示了一个名为 Signal Box 的完整应用。该应用 100% 由 Agent 编写,带有容器化环境和独立的数据库后端。她直言不讳地向现场观众发问:“如果把这样一段完全由 AI 生成的代码直接部署到你们的企业生产环境里,你们敢拍胸脯同意吗?实话实说。”台下齐声回答:“不敢!”
而 Rayfin 正是为了解决这一信任痛点而生。在终端中,Cassidy 仅仅输入了一行简单的命令: ```bash rayfin up ``` 随着命令执行,整个容器和数据被直接打包、部署并上线到 Microsoft Fabric 托管环境中。这让完全由 Agent 生成的应用瞬间获得了满足企业合规标准的后端支撑。Cassidy 在总结时强调,GitHub Copilot App 绝不是一个单纯增加工作量的会话管理器:“会话管理器只会让制造新任务变得容易,但这款应用是帮助你真正完成工作的。”(“Session managers just make it easy to create work, but this helps you to finish it.”)
Satya Nadella 重新登台并幽默地调侃:“现在我们又回到了带 UI 的 IDE……这太酷了,技术兜兜转转又走完了一个完整轮回。”
---
[01:25:45](https://www.youtube.com/watch?v=FFMm454fxNA&t=5145s) Agent 365:多云多框架下的智能体控制平面与 Foundry 演练
Satya Nadella 将话题正式转向智能体生态的核心底座:**Agent 365** 控制平面。Satya 强调,当企业迈入 Agent 时代,每一个智能体都必须具备独立的身份认证和严格的访问控制机制——即便智能体是代表特定员工去执行代理任务,系统也必须能够强制执行“代表执行身份”(Work-on-behalf identity)。
为了实现多云与全环境下的治理: - **安全与身份治理**:微软将 Microsoft Entra 扩展到智能体身份管理,将 Microsoft Defender 扩展为 Agent 提供实时运行防御,并将 Microsoft Purview 扩展到持续性的数据防泄漏与合规审计中。 - **跨平台与多框架**:Agent 365 能够纳管运行在 AWS、Google Cloud Platform(GCP)、本地 Windows 或任何自研框架上的 Agent。 - **SDK 正式商用(GA)**:宣布 Agent 365 SDK 正式达到 GA(General Availability)阶段,全面覆盖本地 Windows Agent 和 OpenClaw 类工具。
随后 Amanda 接过演示,直击当下 Agent 落地的核心痛点:“每个人都在构建 Agent,但这已经不再是难点了。真正的难点在于如何将它们集成到企业业务中,并在规模化场景下进行治理。”(“Everyone is building agents, but that's not the hard part anymore. The hard part is integrating them into your business and governing them at scale.”)
Amanda 现场展示了如何利用 Microsoft Foundry 解决这些挑战: 1. **Foundry Toolbox 与统一 MCP 端点**:开发者只需将工具配置一次,所有 Agent 即可通过统一的 Model Context Protocol(MCP)端点消费这些工具。安全护栏(Guardrail)同样在此处集中配置,例如配置一条防止 PII(个人身份信息)泄露的规则后,所有调用该端点的 Agent 将立即自动受到保护。 2. **极简部署与隔离 MicroVM**:只需在代码中添加一段简短的声明代码并 Push 到仓库,GitHub Actions 便会自动触发部署。在 Foundry 扩展中调用 Agent 处理会议待办事项时,Foundry 会在后台为每个独立会话秒级启动一个独立的 MicroVM,并分配持久化文件系统(Persistent File System),确保会话环境彼此物理隔离且数据随时可追溯。 3. **Rubric 自动化评估器**:Foundry 提供了服务端追踪与评估功能。针对“如何判断 Agent 表现好坏”这一痛点,推出了全新的 **Rubric Evaluators**(评分准则评估器),仅需一条指令,Foundry 即可自动阅读理解 Agent 逻辑并为其反向生成客观的标准评估体系。
[01:29:06](https://www.youtube.com/watch?v=FFMm454fxNA&t=5346s) Microsoft Foundry 的 Agent 优化器与 Agent 365 企业级治理
在 Microsoft Foundry 的演示中,Amanda 展示了平台如何为特定智能体量身定制评测标尺(Rubric)。在 Foundry 门户中,这些包含“治理结果正确性(governance outcome correctness)”与“指定数据源使用(prescribed source usage)”等维度的指标并非人工撰写,而是 Foundry 直接从生产环境的运行链路跟踪(traces)中自动生成的。除了对 Agent 进行打分与持续评测,Foundry 推出了全新的 Agent 优化器(Agent Optimizer),其核心在于闭环调优:针对模型(model)、提示词指令(instructions)、工具描述(tool descriptions)以及扩展规模(scales)这四个维度自动生成多个改进候选,并用专属标尺为每个候选评分。开发者可以在控制台中直观查看各个候选所采用的策略、最终得分以及具体的代码和配置改动(例如升级基础模型或微调系统提示词),并能一键将最优候选作为全新的 Agent 版本部署上线。正如 Amanda 总结的那样:“每一次运行都会为下一次评测提供数据,而每一次评测又会指明优化器下一步该在哪里提升;因此你的 Agent 会随着使用次数的增加而越变越聪明。”
随后,Amanda 将优化完毕的 Agent 发布到 Microsoft Teams 和 M365 Copilot 中,让它投入实际工作。因为离线了一整个上午,她直接要求该 Agent 整理落下的所有更新。这个 Agent 的独特之处在于它是一个 Autopilot Agent,拥有独立的数字身份和生产力许可证,能够自主跨 M365 体系代表团队执行任务。在复杂的企业功能交付中,Agent 直接常驻在 Teams 群聊中,几秒钟内便完成了所有关键特性的更新汇总与待办跟踪。与此同时,企业级落地必须以严格的安全治理为先决条件:每个 Autopilot Agent 上线前都必须经过管理员审批,管理员可以指定谁有权与该 Agent 对话,并拥有实时监控与随时阻断访问的权限。Microsoft Agent 365 让企业能够像管理普通员工、应用程序和设备一样,对全组织内的每一个智能体实施同等严苛的规范化治理。
```mermaid flowchart TD accTitle: Foundry Agent 优化器闭环流程 accDescr: 展示从生产轨迹生成评估标尺,经由 Agent 优化器对四大维度调优,并在 Agent 365 中治理部署的循环。 subgraph EvalLoop["Foundry 自动化评测与调优闭环"] A["生产运行链路 (Production Traces)"] --> B["自动生成评估标尺 (Personalized Rubric)"] B --> C["Agent 优化器 (Optimizer)"] C -->|"调整模型 / 指令 / 工具 / 规模"| D["候选方案生成与自动评分"] D -->|"部署最佳版本"| E["Teams & M365 Copilot 运行"] E -->|"运行数据回流"| A end
subgraph Governance["Agent 365 治理"] E --> F["管理员准入审批"] F --> G["细粒度权限控制与实时阻断"] end ```
- **调优的四大维度**:底层模型(Model)、指令(Instructions)、工具描述(Tool Descriptions)以及扩展规模(Scales)。 - **Autopilot Agent 特征**:具备独立的组织身份认证凭据与专属生产力许可,能自主跨 Microsoft 365 各应用协同联动。 - **治理原则**:所有 Agent 在全组织范围内均享有与用户、原生应用及终端设备相同的管控等级与全生命周期审计。
---
[01:32:14](https://www.youtube.com/watch?v=FFMm454fxNA&t=5534s) MDASH:跨百个前沿模型的多智能体协同安全防御平台
回到主讲台后,Satya Nadella 将话题转向了当今科技圈关注度极高的问题:面对可能由 AI 发动的恶意网络攻击,企业应当如何用 AI 构筑真正的防御纵深?Satya 回顾了微软近期发布的多模型智能体安全系统 MDASH(Multi-Model Agentic Security Harness)。这套系统不是依赖单一模型的单点判断,而是将上百个基于前沿大模型与定制专有模型的安全 Agent 汇聚在一个统一的 Harness 框架内,通过智能体之间的交叉验证与攻防博弈,发掘那些单个模型难以识别的可利用安全漏洞。Satya 强调,该系统在亮相时便在 CyberGym 基准测试上展现出了非凡的检测实力,随后他将舞台交给了微软安全团队的 Sarah 展开实机演示。
在切入系统展示前,Satya Nadella 特别点出了当下的安全痛点并表示:“上个月,我们发布了多模型智能体安全系统 MDASH,这本质上是我们构建的一个面向安全的智能体运行框架(Agent Harness)。”该系统的设计初衷就是把群体智能引入攻防对抗,打破传统安全规则和单一 AI 扫描器在面对复合代码漏洞时的检测盲区。
---
[01:33:29](https://www.youtube.com/watch?v=FFMm454fxNA&t=5609s) 实机演示:在 GitHub Copilot App 与 CLI 中秒级排查复合漏洞
Sarah 登台后在自己的本地开发机上通过 GitHub Copilot 应用程序演示了 MDASH 的运作流程。为了避免现场安全扫描的等待时间,她展示了一份事先运行完的代码扫描结果。在底层,100 多个高度专精的安全 Agent 协同工作,完整涵盖漏洞的发现、反思辩论与实证验证。MDASH 不仅能检测出传统代码缺陷和硬编码机密信息(Hard-coded Secrets),还能敏锐捕捉代码库中特定于 AI 架构的新型漏洞。扫描结束后,系统会自动输出详细日志以及供管理层审查的 HTML 报告;开发者使用 `defender details` 命令能够精确下钻到漏洞的具体代码位置和严重度等级,以便合理规划修复优先级。
```mermaid flowchart LR accTitle: MDASH 多智能体漏洞分析流程 accDescr: 展示 MDASH 中三个专门团队跨文件发现和验证复合型崩溃漏洞的协作流程。 subgraph ScanEngine["MDASH 协同引擎"] A["Agent 团队 A:<br/>发现跨文件状态异常"] --> B["Agent 团队 B:<br/>深入辩论与逻辑验证"] B --> C["Agent 团队 C:<br/>构建 PoC 真实触发崩溃"] end C --> D["Defender Details / Fix 命令"] D --> E["本地代码 Diff 人在回路审核"] E --> F["推送 GitHub Advanced Security & PR"] ```
在修复环节,开发者只需在本地运行 `defender fix` 命令,系统便会直接在当前开发环境中生成并建议修复方案。通过对比代码 Diff,开发者能够在“人在回路(Human in the loop)”的机制下清晰掌握所有的修改细节。不仅如此,本地生成的补丁可自动转化为标准 Pull Request,其扫描数据也能直接导入 GitHub Advanced Security 和 Microsoft Defender 门户进行全生命周期资产跟踪。
为了证明系统的实战能力,Sarah 剖析了一个近期安全研究团队利用 MDASH 在真实开源项目中捕获的复杂严重漏洞。该漏洞的根源在于:程序在运行时读取了对象的过期内存映射(out-of-date map),导致指针越界并直接使宿主系统崩溃。这个安全缺陷分散在代码库的三个完全不同的文件里,单独审视任何一个文件都看不出任何破绽;更讽刺的是,代码中甚至还包含开发者留下的注释,坚称逻辑“绝对没问题(everything is fine)”。这种虚假的安全感往往会彻底骗过普通静态分析器或单次推理的单一 AI 模型。然而,MDASH 中的第一支 Agent 团队捕捉到了微小的逻辑断层,第二支团队对疑点进行了针对性辩论推导,第三支团队则直接构建了一个能够复现崩溃的实际可运行示例。这种跨文件的联合深层推理曾经需要资深白帽研究员投入巨大的手工精力,而如今 MDASH 将这一能力直接打包进入命令行与安全中心。
- **多 Agent 分工机制**:100+ 个安全 Agent 形成梯队,分别负责全局线索探测、逻辑攻击辩论、以及漏洞验证(PoC 生成)。 - **命令行集成**:通过 `defender details` 查看漏洞机理与严重级别,通过 `defender fix` 自动生成修复建议。 - **透明度控制**:所有修复方案均以可视化 Diff 形式呈现,保持开发者在回路中的最终审核权。
---
[01:36:56](https://www.youtube.com/watch?v=FFMm454fxNA&t=5816s) 对话 The Chainsmokers:从格莱美舞台到 B2B SaaS 早期投资
在结束技术栈演示后,Satya Nadella 邀请了两位“LinkedIn 个人履历兼具震撼力与违和感”的特别嘉宾登台——他们现任 Mantis 风险投资基金的普通合伙人(General Partners),而在此之前则是麦迪逊广场花园门票售罄的世界级电音流行组合 The Chainsmokers(烟鬼组合)成员 Alex Pall 与 Drew Taggart。Satya 幽默地调侃道,当团队告诉他烟鬼组合要来 Build 大会时,他一度以为微软准备将全新的 GitHub Copilot 应用命名为“Chainsmokers”。
谈及从流行音乐巨星跨界成为专注早期风险投资的历程,Alex 回忆起这已是一段长达十余年的探索。在 2010 年代中期烟鬼的音乐事业迅速爆发时,他们经常受邀在各种科技活动中演出,从而结识了大量消费级移动互联网与云计算时代的初创企业创始人。创始人们向他们敞开了早期天使投资的大门,而两人惊讶地发现,初创企业从零起步、突破行业噪音建立商业帝国的过程,与他们建立 Chainsmokers 乐队、打榜突围的思考模式高度契合。在联合参与了数笔早期交易后,他们于 2020 年正式成立了机构化基金 Mantis,并出人意料地重仓扎根于 B2B SaaS 赛道。
当 Satya 询问他们如何看待当前剧烈变革的 AI 浪潮时,Drew 指出,虽然他们在音乐创作领域一直在前沿尝试各种 AI 生成工具,但创意输出永远离不开艺术家自身的真实性(authenticity)。然而,站在风险投资与软件演化的宏观视角来看,整个技术形态正在发生本质的跃迁:AI 正从单纯的“产出内容(producing outputs)”全面升级为“驱动实际行动(producing actions)”,这正是 Agent 时代为企业级软件带来的最大历史机遇。
> “在投资端,我们正在从单纯‘生成输出’大步迈向‘驱动实际行动’。”—— Drew Taggart
[01:39:36](https://www.youtube.com/watch?v=FFMm454fxNA&t=5976s) 机器生产输出与创业建议:The Chainsmokers 对谈收尾
在探讨软件企业新形态时,嘉宾指出整个软件开发架构正在被重构:过去依赖人类产生输出,而未来将全面转向机器生产输出,这也促使人们在全新语境下反思整个软件空间。随后,Satya Nadella 向在艺术领域斩获巨大成功的 The Chainsmokers(Alex Pall 与 Drew Taggart)提问,想了解作为创作者,在面对正在开拓新领域的初创公司创始人时会给出怎样的建议。
The Chainsmokers 坦言艺术创作与商业创业之间存在极高的相似性,找到真正属于自己的核心特质至关重要。发言者动情地分享道:“作为艺术家,真正找到你的声音、找到真正真实的自我,其实是非常困难的。”(“It's really difficult as artists to really find, I guess, what your sound is, what's authentically you.”)在竞争极度激烈的当下,创作者必须保持真实,与自己打造的产品产生深层共鸣,因为后续需要经历极为漫长的迭代打磨,才能牢牢绑定核心粉丝群体并创造出独特而长久的事物。对谈在轻松欢快的氛围中结束,Satya 热情邀请他们在当晚 6 点为现场的好友们带来现场演出。
- 软件架构范式转移:从“人类生产输出”转向“机器驱动与自主生成”。 - 艺术与创业的共通点:创始人必须在高度同质化竞争中找到真实且不可替代的产品定位(Authentic Sound)。 - 晚间日程:The Chainsmokers 确认于当晚 6:00 进行专属现场音乐表演。
---
[01:41:15](https://www.youtube.com/watch?v=FFMm454fxNA&t=6075s) Microsoft 生态与 Copilot 超级应用的演进
送别嘉宾后,Satya Nadella 将话题拉回开发者生态与各家企业的战略机遇。不管是 AI 原生企业、SaaS 公司还是传统企业,微软首要的核心使命就是确保开发者构建的插件、Agent 以及 AI 应用能够通过微软庞大的生态网络被外界发现。从 Windows、Microsoft 365 Copilot、GitHub 到正在成为“人类与 Agent 多人协作枢纽”的 Microsoft Teams,所有通过 Copilot Studio 构建的企业业务应用与智能体都将无缝接入这一发现网络。
Satya 回顾了 Copilot 快速迭代的历程:最初始于结合前沿模型与 Work IQ 数据的对话模式(Chat);接着发展出能够协作生成高水准数字产物并解决多步骤复杂任务的“协同工作”(Cowork)模式;而今年夏天,微软将把代码编写能力全面注入知识工作流,正式打造集“聊天、协同工作与代码编写”(Chat, Cowork, and Code)于一体的 Copilot 超级应用(Super App)。
```mermaid flowchart LR accTitle: Copilot 进化路径 accDescr: 展示 Copilot 从最初的对话交互到多步骤协同,再到今年夏天融合代码编写的超级应用演进流程。
subgraph Phase1["第一阶段: 对话基础"] A["Chat 对话交互"] -->|"结合底层前沿大模型"| B["接入底层 Work IQ 数据"] end
subgraph Phase2["第二阶段: 协同执行"] B --> C["Cowork 协同模式"] C -->|"分解并解决多步骤任务"| D["生成高阶业务成果物"] end
subgraph Phase3["第三阶段: 超级应用"] D --> E["Copilot Super App"] E --- F["Chat 沟通"] E --- G["Cowork 协作"] E --- H["Code 编程构建"] end ```
---
[01:43:30](https://www.youtube.com/watch?v=FFMm454fxNA&t=6210s) 全新发布:企业级自主智能体 Copilot Autopilots 与首发 Agent “Scout”
在展示了 Copilot 的常规演化后,Satya Nadella 隆重推出了颠覆性的重磅功能——Copilot Autopilots。Satya 将 Autopilots 定义为“企业级的全自主执行者(Enterprise-grade Claws)”。与简单的辅助性助手不同,它们是长时间自主运行的智能体,具备严格的企业级合规保障,完全部署在客户自身的租户(Tenant)内部运行。每个 Autopilot 都可以被赋予特定的名称、鲜明的个性、专属自定义连接器、业务上下文以及长期记忆。
为了展示这项技术的能力,微软推出了首个官方 Autopilot 实例——“Scout”。在演示短片中,Scout 可以直接加入员工的 Teams 群聊、在 Outlook 中代为处理繁杂的邮件往来线索,并自主推进端到端任务。从即日起,所有使用 Copilot Frontier 的用户均可立即上手体验 Scout;未来几个月内,微软将在 Copilot 内部逐步构建出一支完整的“数字化自主团队(Digital Team of Autopilots)”,支持企业在租户内按需创建更多形态的自动化特化智能体。
- Autopilots 核心定义:长期运行、自主调度、支持独立记忆与上下文,运行于客户合规租户环境内。 - 首发实例 Scout:无缝融合至日常办公流程,能够实时进入 Teams 协作群组并自动跟进处理 Outlook 邮件链路。 - 开放范围:Copilot Frontier 预览层级即刻开通试用,后续将支持多角色自主团队编排。
---
[01:45:34](https://www.youtube.com/watch?v=FFMm454fxNA&t=6334s) 企业的未来:前沿微调(Frontier Tuning)与私有知识爬山机
Satya Nadella 进一步从组织与商业本质的角度抛出核心命题:“在人工智能时代,企业的未来究竟是什么?”企业的独特性本质上源自其在日常运营中不断复利沉淀的隐性知识(Tacit Knowledge)。然而在一个模型能够通过数据和执行轨迹学会一切的时代,企业该如何留存并放大这一核心护城河?
Satya 强调,无论是 AI 原生公司还是成熟企业,都必须构建一台专属的“自适应爬山机”(Hill-climbing Machine),基于自身业务目标和私有评测集(Private Evals)持续实现能力的自我演化。为此,微软在“前沿微调”(Frontier Tuning)上迈出了关键一步,帮助企业打通涵盖运行环境、上下文提示、工具链以及评估规则(Rubrics)的完整自我学习闭环,甚至直接训练专属模型。这项能力依托微软超智能实验室(Superintelligence Lab)的突破性研发成果,随后 Satya 将舞台交给了微软人工智能负责人 Mustafa Suleyman。
- 竞争本质:在泛化模型横行的时代,企业真正的护城河是私有业务场景中可不断复利的隐性认知资产。 - 闭环系统:结合环境仿真、自研工具、定制规约(Rubrics)构建模型学习闭环,不把竞争优势拱手让人。
---
[01:47:35](https://www.youtube.com/watch?v=FFMm454fxNA&t=6455s) Mustafa Suleyman 登场:人本超智能与新一代 MAI 模型家族
Mustafa Suleyman 在全场热烈掌声中走上讲台,回顾了 AI 算力在过去 15 年间爆发式增长的惊人历程:训练前沿模型所消耗的计算量已经增长了整整一万亿倍(12 个数量级),而在未来几年里,还将有另外 3 个数量级的计算规模被投入到前沿训练中。算力指数级扩张带来了能力的可预测跃升,“非线性爬山(Nonlinear hill climbing)已经成为常态,缩放定律(Scaling Laws)显然依旧成立”。在这样的技术潮水面前,Suleyman 明确了微软人工智能(MAI)的价值追求:致力于构建“以人为本的超智能”(Humanist Superintelligence)。
Suleyman 严肃地向在场开发者指出:“因为我们所创造的 AI 类型确实至关重要,我们需要一种将人类置于首位、始终优先考虑人类福祉与人类进步的人工智能。”(“Because the type of AI that we create really does matter. We need an AI that places humanity first, but always prioritizes human well-being and human progress.”)紧接着,他代表微软正式宣布推出全新的在体模型矩阵——横跨图像、语音、转录和代码四大领域的 7 款自研新模型:
- **MAI Image 2.5 及其 Flash 版本**:在质量上实现了代际跨越,基准测试排名第二(全面超越 Nanabanana 2 等竞品)。Flash 版本专为超高效率的生产环境负载打造,而完整版 2.5 则提供顶级的精细控制、一致性编辑和专业保真度。当前已在 PowerPoint 正式上线,并同步推向 OneDrive,开发者可通过 Azure Foundry 以行业领先的性价比直接调用。 - **MAI Transcribe 1.5**:全球领先的转录模型,支持多达 43 种语言的高精度语音识别,在准确率基准上击败了 Gemini 及 OpenAI 的旗舰转录模型。针对现实场景深度优化后,其生成转录的速度比所有竞争对手模型快 5 倍。目前已深度集成至 GitHub Copilot、Dynamics 365 Contact Center,并在 Azure Foundry 面向开发者全面开放。 - **MAI Voice 2**:作为新一代语音生成主力模型同步登场,针对自然度与拟真合成能力做出了全面技术革新。
[01:51:28](https://www.youtube.com/watch?v=FFMm454fxNA&t=6688s) 自研基础模型发布:MAI Thinking 1 与 MAI Code 1 Flash
在语音技术取得突破之后,微软展示了其语音模型的优异表现:具备出色的韵律感、自然的表达能力以及细粒度的控制力,目前已支持 15 种语言并持续增加;同时推出的 Voice 2 Flash 凭借极高性价比和超低延迟,直击 2026 年最具爆发力的实时语音应用场景。随后,演讲重点转向了文本基础模型家族,正式发布了微软首款原生推理模型——MAI Thinking 1。作为一款专注于深度推理与复杂软件工程(SWE)任务的模型,它采用了 350 亿活跃参数的 MoE(专家混合)架构,定位于中量级赛道,但在权威独立标注平台 Surge 的盲测中,其整体输出质量获得了超越 Sonnet 4.6 的评分。
更引人瞩目的是其扎实的训练质量:MAI Thinking 1 在 AIME 2025 数学竞赛基准测试中拿下了 97% 的顶尖分数;而在业内公认难度最高的代码评测 SWE-bench Pro 上斩获了 53% 的成绩,直接与 Opus 4.6 并肩。官方特别强调,该模型并非针对测试集定向优化的产物,而是“从零开始一路扎实爬升”(climbed entirely from the bottom),全程保持零知识蒸馏(zero distillation),所有训练语料均具备企业级清洁度与完整的商业授权数据溯源(data lineage),让企业客户能够彻底放心上线。
紧接着亮相的还有 MAI Code 1 Flash。这是一款专门针对 VS Code 与 GitHub CLI 深度优化的高效推理代码模型,参数量仅为 50 亿,体积与成本逼近 Haiku 级别,却在 SWE-bench 上交出了 51% 的傲人战绩。伴随全系模型的亮相,微软宣布这些模型不仅上线 Microsoft Foundry 并整合至自研一线产品,还将同步登陆 OpenRouter、Fireworks AI 和 Baseten,让开发者首次能够在自由选择的基础生态中直接微调模型权重。同时,安全机制已贯穿整个产品线,语音模型内置防未授权克隆技术与原生水印,误拒率(refusals)显著降低,并随之公布了详尽的技术白皮书。
- **MAI Thinking 1**:35B 活跃参数 MoE 架构,AIME 2025 达到 97%,SWE-bench Pro 达到 53%,无蒸馏、数据合规可商业化。 - **MAI Code 1 Flash**:5B 参数量,SWE-bench 得分 51%,具备超高成本效益,全面集成进 VS Code。 - **开放生态分发**:支持 Microsoft Foundry、OpenRouter、Fireworks AI、Baseten,支持客户直接调优权重。
---
[01:54:46](https://www.youtube.com/watch?v=FFMm454fxNA&t=6886s) 软硬协同优化与强化学习环境(RLE)构筑企业护城河
微软自研芯片与大模型的软硬件协同设计(Co-design)成为了全场另一大技术亮点。MAI Thinking 1 针对微软自研的 Maia 200 芯片展开了深层端到端优化,并在与 NVIDIA GB200 的实际对比测试中,实现了端到端每瓦性能(performance per Watt)额外提升 1.4 倍的突破。在超大规模集群中,“每一瓦能耗都至关重要”(every Watt counts),软硬件一体化定制确保了前沿思考型与编码型 Agent 的极致运行能效。这些模型未来还将适配至 Satya 刚刚提到的 N1X 平台,预计在数月内为 Windows 生态带来顶级的本地与云端协同推理体验。
此外,过去一年驱动 AI 进化的关键架构——强化学习环境(Reinforcement Learning Environments, RLEs)成为了企业专属 Agent 的“定制训练健身房”。企业可基于 MAI 基础模型与自身的 RLE,打造出完全适应自身工作流与私有知识的专用智能体。微软在内部针对 Excel 复杂场景进行了专项 RLE 强化攀爬,得到的模型在公开及内部测试中综合能力与 GPT-5.4 持平,推理成本却直接降低了 90%(10 倍效率提升)。早期企业客户如麦肯锡(McKinsey)在咨询任务微调中同样跑出了最高胜率,不仅表现超越了 GPT-5.5,成本效益同样提高了 10 倍。正如主讲人坚定阐述的:
> “So with us, the RLEs and the models that you build inside of them they become your mote.”
```mermaid flowchart TD accTitle: RLE 企业定制智能体工作流 accDescr: 展示从微软基础模型与硬件底座,到企业专属 RLE 训练,最终输出专有高效智能体的闭环流程。
subgraph Infra ["基础设施与模型层"] A["Maia 200 自研芯片"] --- B["MAI 基础模型<br>(Thinking 1 / Code 1 Flash)"] end
subgraph Tuning ["企业私有强化训练"] B --> C["企业专属 RLE 训练场<br>(业务环境仿真模拟)"] D["企业私有数据与工作流"] --> C end
subgraph Output ["专有能力产出"] C --> E["高胜率垂直 Agent<br>(如: Excel 专项 / 麦肯锡咨询)"] E --> F["成本下降 10x / 绝对数据所有权 / 企业护城河"] end ```
---
[01:58:00](https://www.youtube.com/watch?v=FFMm454fxNA&t=7080s) 携手妙佑医疗国际(Mayo Clinic):打造医疗前沿大模型
在大会的重磅压轴环节,微软宣布将前沿模型的深度共创推向关乎人类福祉的关键领域——医疗健康,正式与全球顶尖医疗机构妙佑医疗国际(Mayo Clinic)达成战略合作。妙佑医疗国际总裁兼首席执行官 Gianrico Farrugia 医生受邀登台,分享了双方共建医疗前沿大模型的愿景。Farrugia 医生谈到,妙佑秉承“患者需求至上”(the needs of the patient come first)的核心价值观,常年位居全球医院榜首;然而现实中绝大多数全球患者无法亲自前往妙佑就诊。为此,妙佑在七年前启动了“妙佑医疗平台”(Mayo Clinic Platform),将医疗服务从传统的管道模式升级为平台模式,如今业务遍及四大洲、触达约 1 亿人口,沉淀了全球规模最大的多模态基因组学与纵向临床数据库。
微软指出,现有通用大模型虽然通读了全球医学文献与海量论文,掌握了完备的教科书知识,但极度匮乏一线顶尖专家在数十年实践中积累的临床经验与真实诊疗直觉。此次合作正是将微软的通用 AI 研发实力与妙佑数十年的临床实践、跨学科团队专长全面融合。这一医疗前沿大模型不仅能为患者提供精准的就医与物流指导,更能作为医生的实时临床助理,预测潜在病情演变、提前干预风险以避免医疗伤害,全方位保障患者安全。
Gianrico Farrugia 医生在总结双方深度合作的初心时强调:
> “Between the two of us we have all of this together so we can build this frontier model and offer safe, secure, trustworthy and effective healthcare solutions for all.”
演讲最后,主讲人宣布微软今天共发布了七款世界一流的新模型,迈向微软所追求的以人为本的超级智能(humanist super intelligence),赋予开发者和企业自主掌控 AI 的能力。随后舞台交由 Tanaya 带来接下来的现场实操演示。
[02:02:20](https://www.youtube.com/watch?v=FFMm454fxNA&t=7340s) 前沿微调(Frontier Tuning)实操演示:构建企业专属 AI
在 Mustafa Suleyman 介绍完前沿微调的设计理念后,演讲者登台展示 Frontier Tuning 的具体实操方案。Frontier Tuning 的核心目标是让每家企业都能打造专属的企业级 AI,不仅模型本身由私有数据打磨,整套运行 Harness(测试与执行框架)也与企业的具体工作流程高度契合。
演示首先以“健康规划机器”(Health Planning Machine)为例展开。微软在 Azure AI Foundry 模型目录中以私有预览(Private Preview)形式上线了 MAI Thinking 1 模型。企业开发者既可以直接按原样部署该模型,也可以点击“Fine-tune”按钮,开启量身定制的演化之旅。在界面中完成基础设置、添加评分器(Grader)之后,即可一键创建微调任务。系统会自动遍历日志记录进行打分,并启动性能爬坡(Hill Climb)。如果开发者需要对整个训练循环拥有底层控制权,微软也提供了低代码底层的 Training API。开发者可以配置专属的 Rollout 策略、精细调整超参数以确定算法机制,甚至能够通过定义交互工具将企业自研的强化学习模型(RLM / RLE)嵌入其中。
```mermaid flowchart LR accTitle: Frontier Tuning 训练与微调流程 accDescr: 展示从基础模型选择、参数调优到多任务爬坡及环境评估的完整闭环流程。
subgraph Config["1. 模型配置与训练"] A["MAI Thinking 1 模型"] --> B["设置评分器与超参数"] B --> C["底层 Training API / RLE"] end
subgraph Env["2. 企业业务环境建模"] D["M365 行为信号<br/>(Word/Excel/Teams)"] --> E["软技能与 Rubrics"] F["SharePoint / OneDrive<br/>企业知识库"] --> E end
subgraph Climb["3. 仿真与评估闭环"] E --> G["工作流仿真沙盒"] C --> G G --> H["双模型爬坡升级<br/>(主模型 + Embedding)"] H --> I["持续反思评估<br/>(Retrospect & Evals)"] end ```
- **模型获取与微调**:MAI Thinking 1 已入驻 Foundry 模型目录(私有预览),支持开箱即用或通过图形界面与底层 API 进行双轨微调。 - **训练可控性**:低层 API 支持自定义 Rollout 策略、超参数调优,并允许开发者绑定自定义工具与强化学习执行机制。
---
[02:04:06](https://www.youtube.com/watch?v=FFMm454fxNA&t=7446s) 案例落地:Land O'Lakes 黄油报告与企业环境建模
作为 Microsoft 365 客户,企业构建专属 AI 时无需从零起步。演示随即切换到 Copilot 界面,展示 Frontier Tuning 如何利用真实数据与流程搭建定制化环境。全美最大的农业与食品企业之一 Land O'Lakes 正在使用该技术来优化其业务流程,即“完美呈现你晨间吐司上的那抹黄油”。以该公司的“黄油报告生成”(Butter Report Generation)为例,这类任务极其繁复,涉及大量手动流程且对精度要求苛刻;在此类场景下,80% 左右的常规准确率远远达不到业务上线标准。
为了实现更高精度的性能爬坡,微软扩展了业界关于“技能”(Skills)的定义,将“优秀标准评分量规”(Rubrics on what good looks like)直接纳入其中。企业员工日常在 Microsoft Teams、Outlook、Word、Excel 和 PowerPoint 等工具中留下的协作信号,会被系统提取用来建议符合该企业工作习惯的技能与 Rubrics。此外,企业可轻松导入 SharePoint 与 OneDrive 中的品牌规范及组织知识,并接入内置的微软工具或自定义工具。为了防止模型在学习过程中对线上真实业务产生破坏,所有工具调用均在仿真环境中执行(Simulated Execution)。
通过将这些学习沉淀泛化到主模型与嵌入模型(Embedding Model)中,Land O'Lakes 的特定任务准确率成功冲破 90%,且运行效率比基准模型提升了整整 10 倍。演示现场展示了运行任务生成的缓存报告,其输出结果完全摒弃了通用模型的泛泛而谈,展现出鲜明而纯粹的“Land O'Lakes 风格”,并在后台持续进行反思与成功率评估。演讲者幽默地总结道: > “That is what I call frontier tuning as smooth as butter.”(这就是我所说的如黄油般顺滑的前沿微调。)
- **复杂任务高精度**:黄油报告生成涉及多步骤人工流程,传统模型约 80% 的准确率难以胜任,经过特定微调后准确率跃升至 90% 以上。 - **极高能效比**:适配后模型的运行效率达到基准模型的 10 倍。 - **安全仿真机制**:对接真实企业流程工具时采用模拟执行模式,确保模型持续进化的同时不影响实际业务生产状态。
---
[02:08:00](https://www.youtube.com/watch?v=FFMm454fxNA&t=7680s) 萨提亚·纳德拉谈前沿范式转移与 Microsoft Discovery 正式发布
萨提亚·纳德拉(Satya Nadella)重返舞台,深刻剖析了这一演示背后的行业范式重塑。他指出,业界正在经历一场重大转变:企业不再仅仅是前沿模型的被动消费者,而是能够全面参与到前沿生态的构建中。 > “Times come from just consuming frontier model to fully participating at the frontier and frontier ecosystem.”(时代已经从单纯消费前沿模型,转变为完全参与到前沿及其生态系统的构建之中。)
企业通过私有评测(Private Evals)、私有强化学习环境(RLEs)、运行轨迹数据(Traces)以及组织自有知识,构建起驱动模型爬坡的脚手架(Scaffolding),在自己完全掌控的领域内形成差异化壁垒。纳德拉强调,前沿领域出现了一个全新的运行支点(Operating Point):企业可以采用极具效率的推理模型和编程模型,配合自建的爬坡引擎达到前沿水准,彻底颠覆过去少数大模型饥渴吞噬一切数据的单极化格局。
紧接着,纳德拉将目光投向更广阔的科学前沿,指出构建“科学发现循环”(Scientific Discovery Loop)对社会影响深远。传统科学研究过程过于线性且缓慢——提出假说、做实验、等实验室数据、再重新开始;而微软希望让科学方法本身变得更具连续性与可编程性。为此,纳德拉正式宣布 **Microsoft Discovery 步入正式发布(GA)阶段**。该平台将前沿模型、高性能计算(HPC)、全量科学知识图谱、自动化实验室与物理模拟融为一体,构建成自主运转的智能体发现闭环。
---
[02:10:54](https://www.youtube.com/watch?v=FFMm454fxNA&t=7854s) 现场演示:利用 Microsoft Discovery 实现塑料生物降解酶设计
微软 Discovery 与量子团队的 David 随后上台,通过塑料回收难题展示 Microsoft Discovery 在真实科研场景中的威力。传统的饮料塑料瓶回收通常只能切碎融化,做成品质较低的降级产品(Downcycling),无法循环再造出同样品质的新瓶。David 团队正利用 Discovery 探索利用特定蛋白质(酶)直接降解并无限循环利用塑料的解决方案。
演示直接在 VS Code 内展开,证明基于智能体的科学发现(Agentic Discovery)与软件开发拥有极高的共通性。面对科学家的三大核心诉求——撰写学术论文、执行分子结构发现、生成湿实验测试方案,Discovery 引擎调动后台常驻的各类专业科学智能体自主分工协作。这些智能体遵循严格的科学方法,支持多方扩展,能够自主执行长达数小时甚至数天的动态仿真。系统底层依托内部知识图谱提供完全可追溯的计算透明度,让科研人员始终掌握控制权。
```mermaid flowchart TD accTitle: Microsoft Discovery 塑料酶设计与湿实验闭环 accDescr: 展示从科学假说生成、HPC高通量蛋白质设计到自动化湿实验室执行的完整路径。
subgraph Design["1. 假设与分子生成 (VS Code)"] A["科研目标: 塑料降解酶"] --> B["动态生成专用 Agent (YAML)"] B --> C["种子蛋白 (C Protein) 切片突变"] end
subgraph HPC["2. 超算探索与筛选"] C --> D["Azure HPC 超算集群"] D --> E["数百万次树状推演"] E --> F["筛选出 80 种高潜力候选蛋白"] end
subgraph Lab["3. 自动化湿实验闭环"] F --> G["反向翻译生成 DNA 序列文件"] G --> H["Custom Agent 派发工单"] H --> I["云端自动化实验室 (Copilot 控制)"] end ```
在蛋白质生成环节,当平台缺少现成的专用智能体时,系统直接“动态按需生成”(Create on the fly)并输出对应的 Agent YAML 配置文件。生成候选蛋白质需要庞大的算力支撑,Discovery 原生整合了高性能计算(HPC)集群,从种子蛋白(C Protein)出发,通过置换小片段分子结构进行数以百万次的树状路径搜索与验证,最终从海量空间中收敛筛选出 80 个最具前景的候选蛋白质。由于实验室合成需要依靠细菌表达,Discovery 进一步自动生成了对应的 DNA 序列编码文件。最终,David 在 VS Code 中直接点击“Submit to lab”,定制智能体立刻将实验指令发送至远程连接的自动化湿实验室。大屏幕显示,自动化实验室的控制软件内置了 Copilot 交互界面,科学家能够实时监控并驱动实体实验仪器的运转,真正实现了干湿实验的无缝衔接。
- **科学发现与软件工程融合**:Microsoft Discovery 直接集成在 VS Code 界面中,以代码化、工程化的方式驱动科研全生命周期。 - **智能体动态生成**:遇到未预置的专业科研任务时,平台可动态生成对应的专用 Agent 及其 YAML 配置文件。 - **HPC 高通量计算**:依托底层 HPC 计算能力,完成数百万次突变探索,从巨大搜索树中锁定 80 个高潜力候选蛋白质并生成目标 DNA 编码。 - **实验室物理闭环**:通过专用 Agent 一键将数字化 DNA 序列下发至自动化湿实验室,配合 Copilot 界面实现实验执行的即时调度。
[02:16:16](https://www.youtube.com/watch?v=FFMm454fxNA&t=8176s) 演示总结:物理实验与智能体闭环的科学发现
在演示台上,David 调出了此前完整运行的历史记录,展示 AI 智能体在材料与化学研究中所执行的一系列详尽步骤。整个流程几乎完全实现了自动化,同时保留了必要的人类监督环节。David 兴奋地向全场发问:“这有多酷?”现场随即爆发出热烈的掌声。他指出,这一演示的核心在于将现实物理世界的实验操作与软件智能体无缝联结在统一的“发现闭环”(Discovery loop)中,不仅大幅缩短了实验周期,也彻底改变了科研范式。各行各业的研发机构目前已开始采用 Microsoft Discovery,全面迈入科学发现的新纪元。
- **高度自动化与人机协同**:实验流程中的大部分复杂分析与推演步骤均由智能体自动完成,关键决策节点保留人类专业人员的把关与监督。 - **虚拟与物理深度融合**:打通了计算建模、假设推导与物理实验室操作之间的壁垒,形成自我迭代的加速科研闭环。
---
[02:17:00](https://www.youtube.com/watch?v=FFMm454fxNA&t=8220s) 量子计算新纪元:从理论物理突破到全栈生态
Satya Nadella 重新登台接管演讲。他承接科学发现的话题,谈到了微软在打造可扩展通用量子计算机这一长期目标上所取得的飞速进展。他回顾道,微软在去年发布了首款量子处理单元(QPU),成功证实了百年前理论预言的全新物质形态。微软选择了一条截然不同且极具颠覆性的路径,致力于从根本上解决量子机器在可靠性(Reliability)、计算速度(Speed)与芯片体积(Size)三大维度的核心瓶颈。
自此之后,微软在整个量子技术栈上全面发力,并与学术界及产业界建立了广泛的深度合作。Nadella 介绍,在 Q North,微软携手 Atom Computing 打造了基于中性原子技术的量子计算系统,并将微软的量子软件与控制栈整合其中;与此同时,微软还与 Algorithmiq 以及哥伦比亚大学、苏黎世联邦理工学院等顶尖机构展开联合研发。值得一提的是,微软自身也在利用本次大会发布的 Discovery 智能体科研闭环来反哺量子研发,将原本需要耗费数年的基础物理与工程研究,成功压缩在过去短短一年内完成。
```mermaid flowchart LR accTitle: Microsoft Quantum Full Stack and Discovery Loop accDescr: 展示微软通过 Discovery 智能体科研闭环加速量子计算全栈研发的流程架构。
subgraph Research["科研闭环加速"] A["Microsoft Discovery<br/>智能体科研闭环"] -->|"压缩研发周期"| B["理论物理与材料推演"] end
subgraph Stack["全栈量子生态"] B --> C["系统控制栈与软件"] D["学术与产业合作伙伴<br/>(Atom Computing / 苏黎世 / 哥大)"] --> C C --> E["拓扑量子硬件<br/>(Majorana 系列 QPU)"] end ```
---
[02:18:18](https://www.youtube.com/watch?v=FFMm454fxNA&t=8298s) 重磅发布 Majorana 2:拓扑量子芯片迈向工程化扩展
伴随着全场观众的期待,Satya Nadella 正式宣布推出第二代拓扑量子芯片——**Majorana 2**。Nadella 重点阐述了该芯片在量子比特寿命与物理集成度上的跨越式突破。业界常见的其他量子路线,其量子比特寿命通常仅能维持在微秒(microseconds)级别;而 Majorana 2 所实现的拓扑量子比特具有极高可靠性,其态维持寿命可达 20 秒甚至长达 1 分钟,相比初代 Majorana 1 提升了整整 1,000 倍,足以在量子比特存活期内完成极其复杂的高阶量子算法计算。
更令人惊叹的是其极致紧凑的物理尺寸。Majorana 2 保持了与初代完全相同的量子比特外形规格,数字控制线宽仅为百分之一毫米(1/100th of a millimeter)。这种超高集成度使得在一张比普通信用卡还要小的芯片上,容纳多达 100 万个物理量子比特成为可能。Nadella 强调,正是可靠性、速度与尺寸的独特结合,赋予了拓扑量子计算无可比拟的优势。他总结道:“通过 Majorana 1,我们证实了基础物理层面的可行性;而通过 Majorana 2,我们正式开启了工程化扩展的征程。”
- **量子比特寿命跨越式提升**:将量子态维持时间从同类方案的微秒级延长至 20 秒乃至 1 分钟,性能相比 Majorana 1 提升约 1,000 倍。 - **百万比特级芯片集成度**:采用 1/100 毫米级数字化控制线路,可在小于标准信用卡面积的单一芯片上封装 100 万个量子比特。 - **研发阶段转折点**:标志着微软量子计算从验证基础物理理论阶段,全面转向工业化与工程化规模扩展阶段。
---
[02:20:02](https://www.youtube.com/watch?v=FFMm454fxNA&t=8402s) 主题演讲结语:构建造福人类的前沿生态与技术愿景
在演讲的尾声,Satya Nadella 将讨论升华至技术发展的终极目标与社会责任。他真诚地表示,技术的存在绝不是为了技术本身,而是为了解决关乎人类生活与地球未来的紧迫挑战,这正是本次开发者大会的核心要义所在。他谈到,当前的技术叙事存在两种截然不同的走向:一种观点认为技术将导致权力的高度集中、剥夺人类的自主能动性,并让整个社会被迫承受负面代价;而另一种愿景则是利用这股技术浪潮,为每一个社区的开发者、科学家和企业全面解锁新的机遇。
Satya Nadella 掷地有声地指出:“我们的使命,就是让第二种叙事成为现实。”他呼吁全球开发者共同投身于这一前沿生态系统的构建之中,携手创造能够产生实际世界影响力的技术成果。
随后播放的压轴视频进一步展示了量子技术在现实世界中的广阔前景。随着量子计算步入规模化扩展阶段,科学家们将能够以最直接的方式解决分子化学与生命科学中的根本难题,大幅加速新药研发上市进程,解锁数以百万计的未知可能。正如视频结语所言:“量子将改变世界,而这一变革才刚刚拉开序幕。”
> “因为关于当下这个时代,人们其实可以讲述两种故事:其一是技术导致权力集中、削弱人类的自主能动性,并让整个社会去被动承担其后果;另一个则是我们利用这下一波浪潮,为每一个社区中的开发者、科学家和企业解锁无尽的机遇。我们的使命,就是让第二种叙事成为现实。” —— Satya Nadella
## Notable quotes > [01:25:45](https://www.youtube.com/watch?v=FFMm454fxNA&t=5145s) Everyone is building agents, but that's not the hard part anymore. The hard part is integrating them into your business and governing them at scale. — Amanda
> [01:11:37](https://www.youtube.com/watch?v=FFMm454fxNA&t=4297s) 我们正在迈入构建智能体的新时代:让不会写代码的人获得更多能力,让掌握编程的人拥有更强掌控力;更棒的是,我们正在一个完全开放的环境中携手并进。 — Pete Steinberger
> [47:16](https://www.youtube.com/watch?v=FFMm454fxNA&t=2836s) 智能体成为了你数字体验的真正中心,它们需要的是一个横向开放的平台,使得智能体能够与适用于不同场景的最佳设备展开交互。 — Cristiano Amon
## Mentioned Satya Nadella, Jensen Huang, Cristiano Amon, Mustafa Suleyman, Pete Steinberger, Gianrico Farrugia, The Chainsmokers, Alex Pall, Drew Taggart, Microsoft, NVIDIA, Qualcomm, OpenClaw, Mayo Clinic, Replit, Fireworks AI, Windows, Windows 11, Surface RTX Spark DevBox, Surface Ultra, Microsoft 365, Microsoft Teams, GitHub, GitHub Copilot, Microsoft Foundry, Microsoft Fabric, Microsoft IQ, Microsoft Web IQ, Microsoft Execution Containers (MXC), Agent 365, Rayfin, MDASH, Copilot Autopilots, Frontier Tuning, MAI Thinking 1, MAI Code 1 Flash, MAI Transcribe 1.5, MAI Voice 2, MAI Image 2.5, Microsoft Discovery, Majorana 2, Fairwater, Maia 200, Cobalt 200, Project Solara, Land O'Lakes
## Video description Join the Microsoft Build 2026 opening keynote, streamed live from San Francisco. Follow along as Microsoft CEO Satya Nadella and other top Microsoft leaders explore new opportunities in the age of AI and set the stage for what’s ahead.
Chapters: 00:00 - Opening with Satya Nadella, Microsoft CEO 04:05 - New capabilities for Windows AI APIs 07:20 - Introducing Surface RTX Spark Dev Box 09:44 - A Developer-optimized Windows experience 11:44 - Demo: Surface RTX Spark Dev Box 17:50 - Infrastructure for the agentic era 25:15 - NVIDIA, Microsoft join forces on unified stack 25:50 - Conversation with Jensen Huang, NVIDIA CEO 36:56 - Introducing Project Solara, a new platform for agents 47:16 - Conversation with Qualcomm President and CEO Cristiano Amon 51:22 - GPU-accelerated analytics with Fabric Data 55:53 - Microsoft Web IQ: A new standard for AI grounding 56:55 - Microsoft IQ 57:34 - Demo: Agents on Microsoft IQ 1:03:51 - Microsoft Execution Containers 1:06:07 - Introducing OpenClaw on Windows 1:06:30 - Demo: OpenClaw on Windows 1:11:37 - Pete Steinberger, OpenClaw Creator 1:14:55 - Microsoft Foundry updates 1:16:49 - The GitHub Copilot app for agentic development 1:19:41 - Demo: GitHub Copilot app 1:25:18 - Rayfin: enterprise-grade app backends 1:26:58 - Demo: Agent 365 1:32:24 - Demo: MDASH (multi-model agentic security) 1:37:22 - The Chainsmokers: Alex Pall and Drew Taggart 1:42:35 - A new look for Microsoft Copilot 1:43:30 - Introducing Copilot Autopilots 1:45:12 - Frontier Tuning 1:47:37 - Microsoft AI: Next-gen in-house models 1:58:00 - Partnership with Mayo Clinic 2:02:22 - Demo: Frontier Tuning 2:10:41 - Microsoft Discovery now generally available 2:10:50 - Demo: Microsoft Discovery 2:18:15 - Announcing Majorana 2
**
[Source](https://www.youtube.com/watch?v=FFMm454fxNA)