在倫敦舉行的 AI 技術(shù)演講中，微軟首席執行官 Satya Nadella 探討了人工智能如何變革計算界面，并為智能代理設定了目標。他在演講中明確表示，微軟的目標是通過(guò)技術(shù)賦能英國的每一位個(gè)人和組織，幫助他們實(shí)現更高成就。這不僅包括提升小企業(yè)的生產(chǎn)力，還涵蓋提高跨國公司的競爭力，以及增強公共部門(mén)的效率。為實(shí)現這一目標，微軟正在構建三個(gè)關(guān)鍵平臺。其中不僅有作為 AI 用戶(hù)界面的 Copilot，還有一個(gè)完整的 AI 技術(shù)棧，以及支持新設備的 Copilot 設備。這些措施展示了微軟在推動(dòng)人工智能普及和應用方面的承諾，旨在為社會(huì )帶來(lái)切實(shí)的提升和變革。Satya Nadella 在倫敦演講的核心觀(guān)點(diǎn)包括：

·  技術(shù)能力的指數級增長(cháng)：薩提亞·納德拉強調了“人工智能時(shí)代”的到來(lái)，提出了“AI 擴展定律”，即技術(shù)能力每六個(gè)月翻倍，這得益于計算能力的提升和更優(yōu)的數據及算法使用技術(shù)。

·  計算界面的根本性變化：隨著(zhù)自然語(yǔ)言處理和多模態(tài)輸入輸出能力的發(fā)展，計算界面將經(jīng)歷一場(chǎng)革命。推理引擎的進(jìn)化將使其能夠處理數據并擁有更豐富的上下文和記憶。

·  技術(shù)平臺的協(xié)同作用：微軟致力于通過(guò)三個(gè)平臺——Copilot 作為 AI 用戶(hù)界面、完整的 AI 技術(shù)棧，以及支持新設備的 Copilot 設備——來(lái)幫助個(gè)人和組織實(shí)現更多成就。這些平臺將通過(guò)智能代理連接起來(lái)，使用戶(hù)能夠創(chuàng )建自己的智能代理和應用程序。

·  邊緣設備的重要性：納德拉預見(jiàn)到邊緣設備在 AI 時(shí)代的重要性，認為它們的發(fā)展將成為關(guān)鍵。他提到了將 CPU、GPU 和 NPU（神經(jīng)網(wǎng)絡(luò )處理單元）結合在一起的 Copilot 設備，這將開(kāi)啟一個(gè)新時(shí)代，允許在邊緣設備上進(jìn)行更復雜的應用開(kāi)發(fā)。同時(shí)，他強調了可信的 AI、隱私和安全的重要性，認為技術(shù)信任是技術(shù)擴散的核心。

以下是本期內容的完整翻譯，我們作了不改變原意的刪減。

技術(shù)能力每六個(gè)月就會(huì )翻倍成長(cháng)

薩提亞·納德拉（Satya Nadella）

早上好。很高興再次回到倫敦，回到英國，特別是在這一新技術(shù)平臺即將面世之際。今早，我意識到微軟已經(jīng)在英國扎根四十年，而我個(gè)人在過(guò)去三十多年里也多次來(lái)到這里?；叵肫?1990 年代初我在英國的首次演講，那時(shí)我演示的是 Excel。這段科技之旅讓我目睹了 PC 客戶(hù)端服務(wù)器的興起、互聯(lián)網(wǎng)的發(fā)展，以及云計算與移動(dòng)技術(shù)的革命。

如今，我們正處于人工智能時(shí)代技術(shù)轉型的初期。理解這股核心驅動(dòng)力是我們大有裨益。我在 1992 年加入微軟時(shí)的技術(shù)見(jiàn)解主要源于摩爾定律，該定律奠定了我們對未來(lái)技術(shù)發(fā)展的理解基礎。而今天，我們面臨一股新的潮流，即“AI 擴展定律”。這一經(jīng)驗法則顯示，技術(shù)能力每六個(gè)月就會(huì )翻倍成長(cháng)，這主要得益于計算能力的提升以及更優(yōu)的數據和算法使用技術(shù)。

我們可以看到計算界面的根本性變化。自然語(yǔ)言處理以及多模態(tài)輸入和輸出的能力將徹底革新每一種計算界面。此外，我們還見(jiàn)證了推理引擎的進(jìn)化，它不僅能處理數據，還有更豐富的上下文和記憶。

我們的目標是通過(guò)技術(shù)幫助英國的每個(gè)人和每個(gè)組織實(shí)現更多成就。這包括提升小企業(yè)的生產(chǎn)力，提高跨國公司的競爭力，以及增強公共部門(mén)的效率。我們現在正致力于建立三個(gè)平臺：Copilot 作為 AI 用戶(hù)界面、完整的 AI 技術(shù)棧，以及支持新設備的 Copilot 設備。

Copilot 將把這些智能代理連接起來(lái)，就像 PC 或電話(huà)成為用戶(hù)接口一樣，而 Copilot 是 AI 的用戶(hù)界面。更重要的是，它能通過(guò) Copilot Studio 讓用戶(hù)創(chuàng )建自己的智能代理和應用程序。通過(guò)這種方式，任何人都可以輕松創(chuàng )建和使用 AI 代理。

這些工具已經(jīng)在多個(gè)領(lǐng)域，尤其是銷(xiāo)售、市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)服務(wù)中取得了顯著(zhù)的影響。不僅提升了效率，還降低了成本。這種變革正在英國的各個(gè)行業(yè)發(fā)生，我們正在見(jiàn)證這些創(chuàng )新工具為用戶(hù)帶來(lái)的積極變化和反響。

賈里德·斯帕塔羅（Jared Spataro）

感謝 Satya。很多人對麥肯錫公司都很熟悉，這是一家全球領(lǐng)先的管理咨詢(xún)公司。對于麥肯錫來(lái)說(shuō)，客戶(hù)體驗是其首要任務(wù)，他們始終致力于優(yōu)化和改善與客戶(hù)的每一個(gè)接觸點(diǎn)。因此，當他們同意與我們合作，利用 Copilot Studio 開(kāi)發(fā)一個(gè)自動(dòng)化代理簡(jiǎn)化客戶(hù)體驗時(shí)，我們感到非常高興。讓我們一同來(lái)了解一下這一過(guò)程。

一切都始于一封潛在客戶(hù)發(fā)來(lái)的電子郵件，正如你在屏幕上看到的。在過(guò)去，他們需要安排人員接收這些郵件，并逐一解析，以確定下一步行動(dòng)：郵件需要轉交給誰(shuí)？公司內部有什么專(zhuān)業(yè)知識？這正是自動(dòng)化代理介入的地方?，F在，郵件一到，代理就立即開(kāi)始工作。你可以看到，代理在解析郵件，處理人類(lèi)語(yǔ)言的模糊之處，比如識別會(huì )議主題，檢查會(huì )議記錄，并將其映射到行業(yè)標準術(shù)語(yǔ)。最后，它會(huì )在公司內部鎖定合適的人選推進(jìn)下一步。掌握這些信息后，代理會(huì )撰寫(xiě)一封總結郵件，并發(fā)送給相關(guān)人員。這正是你在屏幕上看到的內容。

面對大量郵件的涌入，代理能夠處理、總結并將信息發(fā)送給公司中合適的合作伙伴以采取行動(dòng)?，F在，我們需要停下來(lái)反思所見(jiàn)所聞。發(fā)生這一切的速度之快，可能讓你錯過(guò)了核心要點(diǎn)。這個(gè)代理系統只需一套通用指令，就可以處理所有人類(lèi)交流中的復雜性，并判斷出客戶(hù)所需的正確接觸點(diǎn)。更令人興奮的是，我們將追溯回去，看看建立這樣一個(gè)代理是多么簡(jiǎn)單。

為此，我們進(jìn)入了 Copilot Studio。在這里，你可以看到，我們與麥肯錫合作開(kāi)發(fā)了這個(gè)代理， 而不是依賴(lài)復雜編程，而是用自然語(yǔ)言，就如同向同事解釋任務(wù)一樣。你還可以看到建立這個(gè)自動(dòng)化代理的關(guān)鍵在于設置一個(gè)所謂的觸發(fā)因素。在這個(gè)例子中，觸發(fā)因素是監控一個(gè)電子郵件地址，郵件送達即觸發(fā)反應。實(shí)際上，你也可以將其設置為監控更廣泛的系統事件，始終準備響應。此外，你還可以像對待普通同事一樣，添加知識，如 Word 文檔、SharePoint 站點(diǎn)和會(huì )議數據庫。

當然，還可以添加其他知識來(lái)源，包括 SAP 或 ServiceNow 等業(yè)務(wù)平臺，甚至是數據庫。最后，為了讓代理完成任務(wù)，你需要為它提供一系列的操作。在這個(gè)流程中，我們看到這些操作包括提取相關(guān)信息和總結人類(lèi)撰寫(xiě)的內容。所有這些結合起來(lái)，使代理系統強大無(wú)比，能夠輕松處理人類(lèi)交流中的不確定性?，F在，我們收到了一封新的客戶(hù)會(huì )議郵件。令人振奮的是，這一流程具備可擴展的潛力。它是如何實(shí)現可擴展性的呢？我們進(jìn)入活動(dòng)面板，查看它正在處理的大量會(huì )議列表。放大頂部區域，可以看到它完成了超過(guò) 1,300 次會(huì )議，目前還有 33 個(gè)正在進(jìn)行中。如果需要了解更多細節，進(jìn)入分析選項卡即可。這意味著(zhù)代理系統一直代表公司在高效運作，這讓我們深感振奮。

與此同時(shí)，雖然代理系統非常出色，但有時(shí)仍需要人類(lèi)的幫助。因此，我們深入一個(gè)案例，從第二步開(kāi)始，看看遇到的一些問(wèn)題。當你查看時(shí)，會(huì )發(fā)現代理完成了前面的步驟，但在尋找合適的合作伙伴上遇到了難題。如果進(jìn)一步查看，可以發(fā)現原因，比如它找到的合適合作伙伴已經(jīng)離職。此時(shí)，指令要求匯報給人類(lèi)管理者，以尋找其他合適的人選。為了進(jìn)一步查看，我們轉到 Copilot，觀(guān)察與人類(lèi)管理者的互動(dòng)界面。在右下角，你會(huì )看到在 Copilot 中出現了一條通知。然后，管理者獲得所需的信息，來(lái)確定誰(shuí)是合適的郵件接收人。

回到總部的代理系統，你會(huì )看到它獲取這些信息并完成需要執行的內容。對此我們感到振奮，因為麥肯錫的試驗證明這項技術(shù)能將交付周期縮短 90%，并降低 30%的行政管理成本。查看這份列表，我們可以設想這是一種編排機制，幫助個(gè)人、團隊和部門(mén)簡(jiǎn)化并自動(dòng)化流程。這些代理的創(chuàng )建非常簡(jiǎn)單，任何人都可以做到。你將在 Copilot Studio 中設計和配置這些，而 Copilot 則與它們互動(dòng)。我們對此技術(shù)感到興奮，期待與您分享其應用。

薩提亞·納德拉（Satya Nadella）

希望這些信息能讓您理解 Copilot 如何發(fā)展成為一個(gè)優(yōu)化工作、工作流程和創(chuàng )造工作的集成平臺。Copilot Studio 和代理在這個(gè)過(guò)程中實(shí)際上扮演了協(xié)調者的角色，通過(guò)與 Copilot 接口，幫助各個(gè)代理在個(gè)人、組織或業(yè)務(wù)流程的背景下協(xié)同工作。這就是這些元素協(xié)同運作的方式。

現在，我想介紹下一個(gè)平臺，即 Copilot 與代理?；?AI 平臺。我們的最終目標是讓每位軟件開(kāi)發(fā)人員利用我們在 Copilot、Copilot Studio 和代理中構建的各層技術(shù)棧，開(kāi)發(fā)自己的 AI 系統。要實(shí)現這一切，需要最廣泛的基礎設施。當談到 Azure 時(shí)，我們將其視為全球計算平臺，目前已在 60 多個(gè)地區擴展。在英國，我們有 UK West 和 UK South。

去年，我們宣布將通過(guò)超過(guò) 25 億美元的投資來(lái)進(jìn)一步擴展這項設施，這讓我們倍感振奮。這是一個(gè)持續發(fā)展的過(guò)程。我們將為英國帶來(lái)最佳的基礎設施，包括傳統計算和 AI 計算，讓您能夠利用這一基礎。我們正在進(jìn)行大量工作以確?；A設施能夠對 AI 負載進(jìn)行優(yōu)化，包括與 NVIDIA 合作開(kāi)發(fā)的硅片。我最近還看到了即將上線(xiàn)的 GB200 及其浸沒(méi)式液體冷卻技術(shù)。事實(shí)上，我們也通過(guò) Maia 的硅片設計工作借鑒了部分浸沒(méi)式液體冷卻技術(shù)，目前這項技術(shù)甚至可以在不同的硅片上使用。我們還與 AMD 合作，在硅片層面建立了出色的伙伴關(guān)系。

接下來(lái)，我們致力于打造最佳的優(yōu)化方案，無(wú)論是用于訓練還是推理，以便您能夠構建自己的 Copilot。在核心基礎設施方面正在進(jìn)行大量工作。對于任何開(kāi)發(fā) AI 應用程序的開(kāi)發(fā)人員來(lái)說(shuō)，數據是另一個(gè)非常關(guān)鍵的因素，因為無(wú)論是用于訓練還是推理，執行諸如檢索增強生成之類(lèi)的操作，您都需要完善的數據資產(chǎn)。為了實(shí)現這一目標，您需要能夠將所有數據遷移到云端，并與 AI 結合。這實(shí)際上是一種引力效應，無(wú)論 AI 計算在何處，數據都會(huì )隨之遷移。因此，我們正在確保您可以將 Oracle 資產(chǎn)、Snowflake 資產(chǎn)等數據資源遷移到云端?；诖?，我們建立了一流的云原生數據基礎設施，適用于從 OLTP 開(kāi)始的各類(lèi)數據庫，包括 Cosmos DB，SQL 和 Postgres。

邊緣設備的發(fā)展將成為關(guān)鍵

薩提亞·納德拉（Satya Nadella）

實(shí)際上，考慮到 AI 與數據的結合，每一個(gè) AI 應用程序都需要存儲狀態(tài)。AI 的 API 是無(wú)狀態(tài)的，但一旦涉及到實(shí)際應用和真實(shí)工作負載時(shí)，就會(huì )變得相當有狀態(tài)。例如，ChatGPT 就是像 Cosmos DB 或 Azure Search 這樣的服務(wù)的最大用戶(hù)之一。這表明，當你構建像 Copilot 或 ChatGPT 這樣的應用時(shí)，需要一個(gè)穩健的數據資產(chǎn)。我們正著(zhù)手構建應用服務(wù)。

如果你擁有基礎設施和數據，自然就需要應用服務(wù)。我記得以前提到過(guò) 。NET 的相關(guān)工作中做了很多貢獻。事實(shí)上，現在我們進(jìn)入了一個(gè)新的應用服務(wù)時(shí)代。我們?yōu)樵圃鷳贸绦驑嫿ǜ鞣N服務(wù)，無(wú)論是容器應用還是應用服務(wù)，AKS 和函數依然是必要的?；仡?ChatGPT 的架構，實(shí)際使用的每個(gè) GPU 都有基于 AKS 的常規計算比。這樣就涉及到應用服務(wù)，以及新興的 AI 應用服務(wù)。事實(shí)上，AI 應用服務(wù)在開(kāi)始時(shí)就提供了最廣泛的模型選擇。

我們對于與 OpenAI 的合作創(chuàng )新感到非常興奮，包括從 GPT-o1 到 GPT-4o 以及所有頂尖的前沿模型，還包括開(kāi)源模型如 Llama 和 Mistral，甚至閉源的提供商如 Cohere，都提供了豐富的模型選擇。一旦擁有最廣泛的模型，AI 應用服務(wù)接下來(lái)提供的就是監督微調 （SFT），以便在這些模型基礎上進(jìn)行微調并集成到應用中。我們有所有工具來(lái)支持這些功能，例如 Azure Search 幫助你在數據或應用中將大型語(yǔ)言模型 （LLM） 與數據結合。不僅如此，還提供確保應用安全的服務(wù)。對于應用服務(wù)領(lǐng)域的每一次創(chuàng )新，我們都感到興奮。你擁有應用服務(wù)、AI 應用服務(wù)和最強大的工具鏈。

事實(shí)上，我感到最自豪的是自 1975 年以來(lái)，Microsoft 對為軟件開(kāi)發(fā)者構建工具的投入。這是我們的核心所在。利用 VS Code 和 GitHub 以及 GitHub Copilot，軟件開(kāi)發(fā)者能夠借此工具鏈達到新的高度。我最近看到的最酷的事情之一就是 O1 映射到 GitHub Copilot，你可以使用 AI 實(shí)現接下來(lái)的優(yōu)化?；脽羝险故玖宋覀冇?O1 優(yōu)化的 GitHub Copilot 自編碼器。試想一下其遞歸性，我們正在用 AI 構建 AI 工具，以打造更佳的 AI。這是一個(gè)全新生產(chǎn)力提升的領(lǐng)域。

GitHub 計劃在接下來(lái)的 GitHub Universe 活動(dòng)中展現我們的成就，我對此充滿(mǎn)期待。我非常期待看到我們在 GitHub Copilot 工作空間中的努力結晶。事實(shí)上，僅在英國就有 370 萬(wàn) GitHub 開(kāi)發(fā)者。這一快速增長(cháng)使英國位列全球第五，增長(cháng)率達到了 22%?？吹竭@些發(fā)展令人振奮，我認為這會(huì )成為一個(gè)真正的轉折點(diǎn)。門(mén)檻降低后，我總開(kāi)玩笑說(shuō)，現在每個(gè)周末我都能重新寫(xiě)代碼。因為 GitHub Copilot，我們任何人都能快速克隆代碼庫，并在有限時(shí)間內完成項目。這真是令人興奮。

今天早上，我有機會(huì )見(jiàn)到了許多合作伙伴，包括英國心臟基金會(huì )，他們在機器學(xué)習和 AI 的應用上表現卓越。Azure 語(yǔ)音服務(wù)甚至被用來(lái)模擬緊急呼叫，讓人在關(guān)鍵時(shí)刻更為安心，這是一個(gè)重要的應用例子。匯豐銀行也在積極應用 AI 工具，提升客戶(hù)經(jīng)理整個(gè)過(guò)程中對信用審批的處理效率。他們有效創(chuàng )建了一個(gè) AI 代理，整合到了他們的移動(dòng)應用，并為客戶(hù)經(jīng)理提供支持。我還見(jiàn)到了 Mondra 的開(kāi)發(fā)團隊，他們正在為英國及其他地區構建一個(gè)完整的食品安全和供應鏈數字孿生，借此改善其可持續性。這一產(chǎn)品在現實(shí)世界中必將產(chǎn)生積極影響。

另一家讓我關(guān)注許久的初創(chuàng )公司是 Wayve。Wayve 探索了一種 AI 優(yōu)先的方法，致力于從根本上重新構建 ADAS 系統，以更好地實(shí)現 AI 驅動(dòng)的自動(dòng)駕駛理念。

薩提亞·納德拉（Satya Nadella）

接下來(lái)，我想討論最后一個(gè)平臺，即 Copilot 設備。Copilot 設備與 PC 搭配，是我們在半年前推出的，我們對其代表的意義感到十分振奮。這開(kāi)啟了一個(gè)全新的時(shí)代，允許在邊緣設備上使用 CPU、GPU 和 NPU（神經(jīng)網(wǎng)絡(luò )處理單元）。

仔細思考一下，盡管摩爾定律在云端一直表現優(yōu)異，但我認為展望未來(lái)，AI 時(shí)代不僅由云端發(fā)展決定，邊緣設備的發(fā)展也將成為關(guān)鍵。我們甚至可能在某些模型架構上取得基礎性突破，實(shí)現這種混合應用方式。因此，不應再將其視為傳統的客戶(hù)機和服務(wù)器模型，因為這已不再適用。我們必須將其視作一個(gè)連續分布的架構，而這正是我們的設計理念。我們并不將 Copilot PC 視為獨立存在的設備。當然，它可以用來(lái)保護隱私，但更重要的是，它能與云端進(jìn)行全面的整合。這就是這些設備即將帶來(lái)的變革。

對于你們這些游戲玩家而言，令人激動(dòng)的是，當充分利用 GPU 時(shí)，還可以利用 NPU 進(jìn)行所有向量化操作，這種應用開(kāi)發(fā)類(lèi)型將逐步實(shí)現。這將成為一個(gè)新平臺，正如人們?yōu)?PC 和 GPU 構建創(chuàng )新應用一樣，現在你會(huì )看到人們開(kāi)始為一個(gè)由 NPU、GPU 和 CPU 組成的世界構建。這將是一個(gè)非常有趣的世界。所以我想通過(guò)談?wù)撨@三個(gè)平臺可能具備的基礎特性來(lái)結束，我認為這些特性至關(guān)重要，即可信的 AI、可信的隱私和可信的安全。因為技術(shù)信任將是我之前提到的所有擴散的核心。如果人們不信任它，就無(wú)法使用它，這對任何人都沒(méi)有好處。

因此，我們所做的非常明確。首先，我們制定了一套核心原則，無(wú)論是關(guān)于安全、隱私還是 AI 安全。比我們承諾更重要的是，我們實(shí)際構建了什么能力來(lái)實(shí)現這些承諾。事實(shí)上，即便是今天，當你考慮安全性時(shí)，在部署新的 AI 模型時(shí)，首先要做的就是測試它抵御對抗性攻擊的能力。這不僅涉及發(fā)現漏洞，還包括一些如提示注入攻擊對模型產(chǎn)生的影響。能夠模擬對抗攻擊是一個(gè)重要的考慮因素。

此外，我們在隱私方面結合機密計算的工作，必須與最新、最優(yōu)的模型結合進(jìn)行。同樣，我們知道大語(yǔ)言模型（LLM）會(huì )出現幻覺(jué)，因此，在討論 AI 安全時(shí)，使用 AI 來(lái)評估任何輸出的基礎性是非常重要的。這些是我們在平臺中集成的具體能力，使軟件開(kāi)發(fā)人員可以信任它們，并確保這些 AI 平臺開(kāi)發(fā)的軟件產(chǎn)品的用戶(hù)對其充滿(mǎn)信任。我認為這是我們的核心所在。所有這些都回到我最初所說(shuō)的，技術(shù)最終必須對現實(shí)世界產(chǎn)生影響，包括對個(gè)人和組織，無(wú)論在英國還是其他地方，只有這樣我們才能推動(dòng)經(jīng)濟增長(cháng)和盈余，真正改善整個(gè)經(jīng)濟體的表現。我對未來(lái)幾年在這里看到的一些創(chuàng )新及你們和合作伙伴通過(guò)這些創(chuàng )新將實(shí)現的成就感到無(wú)比振奮。非常感謝大家。謝謝。

來(lái)源：毫河風(fēng)報