3月27日，微軟CEO Satya Nadella在日本的微軟AI巡回活動中發(fā)表演講。

納德拉再次介紹了微軟正在構建的三大核心平臺：Copilot平臺、Copilot與AI技術棧、Copilot設備。并指出所有AI 的力量，表現為三大根本性的突破。

此外，他還重點展示了AI技術在日本本土的應用和多元化創(chuàng)新，包括I-SEN公司利用Azure AI服務為聽障人士開發(fā)下載量超百萬的應用、日本航空（JAL）如何利用小型語言模型成功實現設備端“離線智能”服務于3萬名員工等。

以下是本次演講實錄

早上好，非常高興能再次來到東京，來到日本。

今天早上我還在想，日本確實一直是微軟發(fā)展歷程中不可或缺的核心部分。下周，4 月 4 日，我們將迎來公司成立 50 周年的慶典。而實際上，微軟進入日本市場，已經走過了整整47 年。日本，正是微軟在美國本土之外，設立海外分支機構的第一個國家。因此，我想首先借此機會，向所有與我們并肩走過這段非凡旅程的人們——我們尊敬的客戶、親密的合作伙伴，以及數十年來在微軟日本辛勤工作的每一位員工——表達最誠摯、最深厚的感謝。

今天，我們非常激動能齊聚一堂，共同探討一個主題。這個主題，其實和我們47 年前創(chuàng)立公司時的初衷一脈相承。作為一家以平臺和合作伙伴為基石的公司，我們始終回歸本源思考：我們能夠打造什么樣的平臺，才能讓其他開發(fā)者、創(chuàng)造者們，在這些平臺之上構建出更豐富的技術與應用，進而切實改善所有日本民眾的生活，惠及所有客戶、所有企業(yè)以及公共服務領域。對我而言，這正是我們微軟的核心使命，也非常榮幸能在此與大家分享我們的思考。

回望我每一次來到日本的經歷，感受總是隨著時代發(fā)展而不同。我初次來訪，是在客戶端-服務器架構盛行的時代；隨后，是互聯網浪潮興起的時代；再后來，我很幸運，能在云計算 時代拉開序幕之時來到這里；當然，現在，我們已經昂首邁入了人工智能的新紀元。想要洞察當下，立足于那些真正在塑造每一個新平臺時代的技術驅動力去深刻理解，總能帶來極大的啟發(fā)。

這一次，我們將這些驅動力概括為Scaling Law。我們稱之為“定律”，但它們更準確地說是基于實踐的經驗性觀察結果，這與著名的摩爾定律非常相似，摩爾定律預測計算能力大約每18 個月翻一番。而如今，伴隨著深度學習帶來的革命性突破，我們開始觀察到一系列基礎性的預訓練 Scaling Law，它們正推動著智能能力大約每六個月實現一次翻倍。

不僅如此，在此基礎之上，近期我們又見證了測試時計算領域的 Scaling Law 的出現。技術發(fā)展常常呈現這樣的規(guī)律：一條 S 型增長曲線尚未走完，另一條新的 S 型曲線便已疊加其上，兩者相互促進，共同帶來指數級的復合增長。這恰恰是我們當前所目睹的景象。事實上，智能能力的翻倍速度可能已經縮短到了大約每三個月一次。

因此，我們看到，“智能”這樣一種極具可塑性的資源，正作為一種新興的“商品”，其“價格”大約每三個月就降低一半，這無疑是令人驚嘆的。真正的問題在于，我們如何才能有效地將這種強大的智能，轉化為能夠持續(xù)創(chuàng)造切實價值的成果？這，正是AI 時代賦予我們的巨大機遇。

那么，我常常思考一個衡量標準，無論對一個公司，還是一個國家而言，或許都可以歸結為這樣一個公式：每一美元投入、每一瓦特能耗，所能獲得的 Token 數量是多少。也就是說，當你衡量自身能力時，關鍵在于如何以最高效的方式去構建和運用智能能力。這不僅關乎你的資金投入效率，更重要的是，關乎你的能源使用效率 (如何利用電力) 。

順著這個思路思考，這意味著，追求極致的優(yōu)化變得至關重要。而在優(yōu)化這條道路上，我們甚至就在最近，也取得了一系列顯著的突破。并且，優(yōu)化的實現，其驅動力既來自于硬件層面的持續(xù)進步，但更關鍵的，往往來自于軟件層面的革新。打個比方，如果硬件進步能帶來 2 倍的提升，那么軟件優(yōu)化有時甚至能在此基礎上，額外帶來 10 倍、乃至 100 倍的性能提升或效率改進。

這也就自然引出了另一個值得關注的現象，即人們如今經常討論的杰文斯悖論。這個悖論的有趣之處在于，每當一種商品的價格顯著下降，并且市場對該商品的需求又富有彈性時，其總需求量反而會不成比例地大幅上升。這也基本預示了計算能力和智能這兩種“商品”，在未來可能呈現的發(fā)展趨勢。

現在，所有這些AI 的力量，具體表現為三大根本性的突破，它們正在并將持續(xù)重塑整個計算領域的格局與面貌。

第一大突破在于用戶界面。隨著多模態(tài)模型的能力日趨強大，交互方式也變得越來越自然流暢，你將可以直接與 AI 進行對話。它們將能夠“看見”我們周遭的世界，并理解、闡釋這個世界。它們基本上能夠處理文本、圖像、視頻等各種形式的輸入信息，并生成相應的輸出內容。這將徹底改變幾乎每一個應用程序、每一個瀏覽器、每一個操作系統(tǒng)以及每一種設備上的交互體驗。這，就是即將發(fā)生的深刻變革。

第二點，你還將獲得在規(guī)劃和推理方面強大的賦能。這意味著，AI 不再僅僅局限于處理輸入和輸出信息，你現在可以讓它進行長遠規(guī)劃、前瞻性思考以及復雜的邏輯推理。

在此基礎上，你甚至可以賦予AI 更為復雜的長期記憶能力和更豐富的上下文信息，從而確保它的回應和行動都有可靠的事實依據。換句話說，就是讓AI 能夠基于特定的背景知識以及過往的交互歷史來進行思考和運作。

因此，我認為，這三項核心能力——自然的交互界面、強大的規(guī)劃與推理、基于背景和記憶的事實依據將對整個技術棧產生極為深遠的影響。這也正驅動著一個豐富多元的Agentic web 的加速構建。正如我們曾經構建了支撐信息流動的網頁一樣，這一次，我們正在為個人用戶、組織與團隊、端到端的業(yè)務流程乃至跨組織的Agents，構建一個全新的Agentic web。未來，你在上一個時代通過應用程序或網站所能實現的任何功能，現在都可以通過Agents以及Agents之間的協同交互來完成。

當然，這一切的愿景聽起來都非常美好。但對于我們微軟而言，更重要的是如何運用所有這些技術的力量，來堅定地踐行我們的核心使命。這個使命就是：予力全球每一個人、每一組織，成就不凡。這并非僅僅關乎技術本身多么先進，更在于將技術的力量切實地交到人們以及他們所構建的各種機構手中，從而幫助他們釋放潛能，取得更大的成就。對我們來說，這才是根本所在。

為了實現這一目標，我們正全力以赴地推動兩大領域的深刻轉型：一是消費者領域，二是企業(yè)領域。例如，在消費者端，我們堅信AI 將徹底重塑幾乎所有的日常體驗：無論是我們研究和搜索信息的方式，獲取新聞資訊的方式，通過游戲等形式進行娛樂的方式，甚至是購物和進行商業(yè)交易的方式。如今我們習慣于通過瀏覽器、網站或手機 App 完成的這一切，未來都將因Agents的力量而發(fā)生翻天覆地的變化。

同樣地，在企業(yè)運營的各個環(huán)節(jié)，我們過去十年里反復探討的每一個數字化轉型的目標與成果，都將被 AI 重新定義和提升：無論是員工的日常工作體驗，我們提供客戶服務的方式，還是企業(yè)內部端到端的業(yè)務流程優(yōu)化。

而其中最激動人心的，莫過于AI 對我們創(chuàng)新方式的改變（創(chuàng)新的速度和廣度）。無論你是一家致力于新藥研發(fā)的制藥公司，還是一家提供專業(yè)服務的金融機構——都將因此受到深遠影響，并朝著更高效、更廣闊的方向發(fā)展。所以說，AI 帶來的這兩大轉型效應，提升個人效率和加速企業(yè)創(chuàng)新，這正是我們真正希望實現的價值。

為了讓這一切成為可能，我們微軟正集中力量，專注于構建三大核心平臺。在今天接下來時間里，我想和大家重點介紹一下這三個平臺。

第一個平臺就是Copilot。要理解我們希望通過Copilot 實現什么，最形象的方式，就是把它看作是專為 AI 時代設計的用戶界面。

我們的目標是將Copilot 無縫整合到用戶既有的應用程序、瀏覽器和操作系統(tǒng)之中，讓你能夠在日常工作和生活中，自然而然地開始使用它。你可以從簡單的對話開始，然后逐漸嘗試讓它幫你完成更復雜的任務。未來，你還會用到更多能力強大的自主Agents，而這些Agents在執(zhí)行任務的過程中，會適時地回來向你請示、獲取指令或進行必要的通知。正因如此，我們認為，即便在高度自主的Agents廣泛應用的時代，AI 的 UI 層依然扮演著至關重要的角色，因為這些Agents終究需要一個界面來與我們溝通，在執(zhí)行任務的各個環(huán)節(jié)，接收我們的指令和授權。

目前，我們正在同步推進兩方面的工作：一是面向廣大消費者的Copilot，二是面向企業(yè)應用場景的 Copilots。接下來，我想通過一段演示，讓大家更直觀地感受一下這些多模態(tài)能力，看看它們是如何融入并改變我們日常生活的。請看視頻。

大家看到了，Copilot 就像你身邊的一個智能伙伴，或許就像當年瀏覽器剛剛出現時那樣。你甚至可以把它想象成一種全新的智能瀏覽器，你會發(fā)現自己越來越離不開它。舉個我自己的例子，我已經將 Copilot 設置到了我 iPhone 的操作按鈕上。這樣一來，在通勤路上，我就可以隨時和它語音對話。實際上，我現在聽播客的方式都變了，我基本上是用Copilot 的語音模式，讓它讀取播客的文字稿，然后就內容與我進行問答交流。這讓我能更快地掌握播客的核心信息。另外，當我在電腦前工作時，我也會用到 Copilot vision 功能，讓它幫我識別并解讀屏幕上顯示的內容。所以，這些新的交互方式，正像當年瀏覽器普及一樣，逐漸成為我們新的日常習慣。

當然，這只是 AI 帶來的一種全新交互模式。我們正在做的另一件重要事情，是將 Copilot 的能力，全面注入到你當前所使用的各種應用程序當中。

以 M365 Copilot 為例，我們所做的關鍵一步，就是將 Copilot 深度集成到了大家常用的 Word、Excel、PowerPoint、Teams、Outlook 等等辦公套件中。這樣一來，在你日常工作的每一個環(huán)節(jié)，Copilot 都能如影隨形，隨時提供智能輔助。

讓我舉個具體的例子。假設有位醫(yī)生，正在為一場重要的腫瘤委員會會議做準備。這通常是風險高、責任大的會議，因為討論必須嚴格基于詳細的病例史來進行。而且，分配給每個病例的討論時間，也需要根據病例的具體情況來精確安排。

然后，在會議進行中，比如說在 Teams 會議里，醫(yī)生最希望的是能全身心投入到對病人和病例的討論中，而不是因為需要做筆記而分心。這時，Copilot 就能在 Teams 里，為你實時生成高度準確的 AI 會議紀要。

那么，設想一下當這位醫(yī)生結束會議后，她需要整理會議記錄。她可以將 AI 生成的紀要直接導入 Word 進行編輯，然后，因為她同時還承擔著教學任務，需要給學生授課，她可以接著讓 Copilot 幫她快速生成一個 PowerPoint 演示文稿。你看，就是這樣一個圍繞著腫瘤委員會會議的、非常重要且高要求的工作流程，通過 AI 和 Copilot，就能得到顯著的簡化和效率提升。

現在，讓我們再把視野拓寬一步。伴隨著新平臺的出現，總會涌現出全新的工作成果形式 和工作流程。對我個人而言，Pages 就是這樣一個代表。例如，我現在的工作方式，就是經常借助 AI 來進行思考，并與我的同事們展開協作。這可以說已經成為了我的新常態(tài)。我會先在 M365 Copilot 中，利用它強大的信息檢索能力，查找所需的資料、圖表等。比如，假設我正在撰寫一份銷售報告或財務分析報告。我可以讓 Copilot 從公共網絡以及我們組織內部的知識庫中，匯集所有相關數據。然后，我會立刻將這些初步成果整理發(fā)布到我的 Pages 頁面上。在 Copilot 的體系里，聊天和 Pages 之間存在著靈活的多對多關聯。在 Pages 里，我可以方便地將內容分享給我的同事。于是，他們就能實時地看到我借助 AI 開展的工作進展，并直接在 Pages 上與我協同編輯、討論。而且，AI 本身也嵌入在 Pages 中，隨時能幫我進一步打磨和完善報告。這就是一種全新的工作流程。就像在過去，你會創(chuàng)建電子表格或文檔一樣，未來，你將越來越多地使用 AI 來創(chuàng)建這些動態(tài)的 Pages，并圍繞它們與他人進行高效協作。

當然，我們的創(chuàng)新不止于此。事實上，借助Copilot Studio，現在你自己就可以動手開始構建定制化的Agents了。這就像過去你使用Word 來撰寫文檔，使用 Excel 來制作表格一樣。我們的愿景是，未來每一位用戶，無論是否具備編程背景，都能夠利用 Copilot Studio，輕松構建出成千上萬個滿足特定需求的Agents。整個過程非常簡單，就像打開一個工具一樣。假設，我想創(chuàng)建一個用于現場服務場景的Agent。我要做的，首先是給它一個明確的指令，告訴它它的角色定位，一個現場服務Agent。然后，我需要為它提供一些相關的知識基礎，讓它能夠“學習”和“理解”這個領域。這些知識可以來源于 SharePoint 文檔庫，或者，就像在這個例子中，可以直接對接 Dynamics CRM 系統(tǒng)里的數據。完成這些步驟后，你基本上就成功創(chuàng)建了一個功能完備的現場服務Agent。而且值得一提的是，這個你親手創(chuàng)建的Agent，可以無縫地作為一個工具，集成到你的M365 Copilot 環(huán)境中使用。這就是我們所設計的模型的簡潔與強大之處。

要讓所有這些 AI 能力真正發(fā)揮作用，關鍵在于它們需要基于你自己的數據來運行，需要理解你的特定業(yè)務背景。為了實現這一點，我們首先將整個互聯網的公開索引整合了進來，當然，是在確保滿足企業(yè)級合規(guī)與安全標準的前提下。這樣，你就擁有了廣闊的外部知識來源。

然后，更重要的是你企業(yè)內部最有價值的數據資產，也就是蘊藏在微軟365 平臺之下的數據，這包括了員工之間的協作關系、溝通記錄，以及他們日常工作中產生的海量文檔、項目文件等等。所有這些極其豐富的信息，現在都可以成為 AI 理解你業(yè)務的基石。

此外，企業(yè)其他的各類業(yè)務數據，無論是存儲在 Dataverse 里的結構化數據，還是匯聚在 Fabric 平臺上的分析數據，所有這些信息都將有效地結合在一起，共同為 M365 Copilot 在你具體工作和業(yè)務流程中的應用，提供堅實的數據支撐。

目前，我們已經看到了這些技術所帶來的巨大影響力。歸根結底，應用微軟365 Copilot 的最終目的，是為了實實在在地提升整個組織的生產力。在我們微軟內部，我們就觀察到了顯著的成效。例如，我們解決客戶服務問題的效率，實現了兩位數的百分比增長；我們的營銷活動轉化率和銷售團隊的工作效率，提升了超過20%，得益于 Copilot 的輔助，我們每位銷售人員能夠完成的業(yè)績也更高了，大約提升了 10%。在 IT 支持和人力資源領域，通過引入 AI 自助服務，我們也看到了多項業(yè)務指標實現了強勁的兩位數增長。所以，這些都是非常具體、可衡量的投資回報。

并且，這種積極的效應，我們正在廣大的客戶群體中普遍觀察到。事實上，就在日本，我們欣喜地看到，這些AI 產品和服務的采用率正以驚人的速度增長，你知道嗎。這可能是這個時代最令人興奮的特點之一，與以往任何技術變革相比，AI 技術的擴散速度異常之快。舉例來說，在構成日經 225 指數 (Nikkei 225) 的頂尖公司中，已經有高達 85% 的企業(yè)開始采用微軟365 Copilot。就在今天早上，我還有幸與來自 Sumitomo 集團的朋友們進行了深入交流。他們不僅分享了在企業(yè)內部通過 Copilot 取得的顯著效益，更讓我印象深刻的是，他們詳細介紹了自己是如何推動這項技術落地生根的，他們積極培養(yǎng)內部的 Copilot 倡導者，大力宣傳和推廣這些工具的最佳實踐和使用方法，目標是讓 Sumitomo 的每一位員工，都能真正利用 AI 來賦能自己，成就更多。因此，能夠看到這種自下而上的熱情和實踐，不僅僅是技術工具的普及，更像是一場旨在全面提升生產力邊界的深刻變革運動，真是令人倍感振奮。

當然，我們的腳步并未停歇。事實上，就在昨天，我們剛剛發(fā)布了一系列我認為極具突破性的新功能和新產品，它們都將成為微軟365 Copilot 能力的重要組成部分。

首先，我們推出了一個全新的研究員ResearcherAgent。這基本上是將那些非常復雜的推理模型，直接整合到了M365 Copilot 的體驗中。這意味著，現在你的組織里，相當于有了一位可以隨時待命的研究員。試想一下，企業(yè)里的每一位員工，現在都可以擁有一位專屬的 AI 研究助理，能幫你完成各種深入的調研任務。無論是進行市場競爭分析、行業(yè)并購研究，還是撰寫復雜的財務報告，這個Agent都能勝任。它能夠高效地利用公開網絡信息，結合企業(yè)內部的所有相關數據，甚至可以協同調用多個不同的Agents，最終為你生成一份極為精深、全面的研究報告。

不僅如此，我們還同步推出了一個數據分析師AnalystAgent。同樣是基于先進的思維鏈推理和強化學習技術，我們打造出了這個全新的數據分析師Agent。這帶來的效果，就好比是為企業(yè)里的每一位員工，都配備了一位頂尖的數據科學家。想象一下，如果組織里的每個人，在日常工作中都能隨時得到一位出色數據科學家的支持，那將會激發(fā)怎樣的洞察力和創(chuàng)造力？你可以把任意兩份看似無關的數據交給這個Agent，它就能幫你從中挖掘出潛在的模式、洞見、關聯性和相關性。

然后，我們還將這些強大的深度推理模型，直接開放注入到了Copilot 平臺本身。這意味著，當你希望像我之前演示的那樣，去構建屬于你自己的定制化Agents時，比如那個現場服務Agent，現在你可以在你為特定業(yè)務流程構建的任何Agent中，靈活地應用同樣強大的思維鏈和基于強化學習的推理能力。

以上這些，都是我們剛剛正式發(fā)布的一系列激動人心的新功能。為了讓大家更直觀地了解其中一部分的實際應用效果，接下來，我想邀請我的同事 Kelly 上臺為大家做演示。Kelly，交給你了。

Kelly: 謝謝 Satya。大語言模型 的最新進展將我們帶入了一個全新的境界，AI 在此展現出卓越的問題解決和推理能力。我們選用了 OpenAI 最新的 03 Deep Research 模型之一，并針對工作場景進行了深度優(yōu)化，創(chuàng)造出兩個新的 AIAgent：Analyst 和 Researcher。我們先從 Researcher 談起。

我現在打開的是Copilot 聊天界面，大家可以在右側看到 Researcher 這個 AIAgent。Researcher 運用 Copilot 先進的編排 能力和深度搜索算法，能夠訪問并利用你日常工作中的各類數據，比如電子郵件、會議記錄、文件和聊天內容等。

假設我負責產品開發(fā)，我們正計劃進入一個新市場，需要協助制定市場擴張的產品策略(product strategy)。當我輸入提示 (prompt) 后，Researcher 就開始工作了。它首先會像一位經驗豐富的同事那樣，提出一些引導性的問題以澄清需求。在我輸入回復后，它會基于這些信息繼續(xù)進行分析。

大家可以看到，這個AIAgent接收了我的提示，理解了任務，并制定了生成結果的計劃。值得注意的是，它是在微軟Graph 中你所有數據的基礎上進行分析推理，而非僅僅局限于單個文件。在這里，我們可以實時觀察到它的“思維鏈”推理過程。你可以清晰地看到它處理問題的步驟：它逐步理解我的產品線構成，參考我近期的會議記錄，甚至從互聯網上抓取相關的行業(yè)最新動態(tài)。這個過程通常需要幾分鐘，我們現在直接來看結果。

請看這份詳盡的回復。其水準堪比我團隊研究員提交的專業(yè)報告?，F在，我可以直接在Pages 里編輯這份文檔，并邀請團隊成員加入進來，進行協作。我們剛才看到的功能，是建立在你的工作數據以及網絡公開數據之上的。不僅如此，Researcher 還可以通過連接器對接第三方數據源，甚至能夠調用像 Sales Chat 這樣的其他 AIAgent，以利用它們所擁有的豐富數據和獨特邏輯能力。

既然我們借助Researcher 共同制定了一份出色的產品開發(fā)策略，接下來我們聚焦 Analyst。我們構建 Analyst 的目標，是讓它能像一位資深的數據科學家那樣思考，從而幫助你在短短幾分鐘內，就能從原始數據 中提煉出富有價值的深刻洞察 。

我手頭恰好有一個非常雜亂且高度復雜的數據集。你可以看到，這里有數千行數據，分布在多個標簽頁中，記錄著客戶信息及其月度收入等，但所有這些數據都未經任何清理或上下文關聯處理。通常情況下，要理解并利用這些數據，我需要請精通Python 的同事幫忙。但這次，我們來試試 Analyst 這個 AIAgent。

我無需耗費大量時間去編寫完美的提示就能精確獲得我想要的結果。我只需要請求Copilot 給予協助，它就能幫我想出辦法，輕松地分析并可視化呈現我的客戶數據。大家可以看到，它接收了我的問題，理解了任務，并且和我們之前看到的 Researcher 一樣，構建了一個用于達成最終結果的計劃。它還會智能地識別出完成這項任務可能需要用到的 Python代碼，這正是一位優(yōu)秀數據分析師的工作方式。它能夠有效處理任何復雜的數據集，理解其內在含義，然后執(zhí)行 Python 代碼來解答你針對這些數據提出的各種問題。

如果我想更深入地了解它的思考過程，可以隨時點擊展開，查看它的“思維鏈” 推理細節(jié)，以及它正在實時運行的 Python 代碼?，F在，Analyst 已經進行到了最后一步，開始著手創(chuàng)建可視化圖表。請看，這就是我想要的答案，并且還生成了一個效果出色的可視化結果，可以直接分享給團隊。如今，有了 Researcher 和 Analyst，每一位員工都能按需獲得強大的專業(yè)分析能力。Satya，現在把時間交還給你。

非常感謝你，Kelly。希望大家能初步體會到，我們所有人都將擁有這種觸手可及的強大力量。未來，當我們開始一天的工作時，就能用上 M365 Copilot，這將使得每一位員工都擁有世界一流的研究能力、世界一流的數據科學和數據分析能力。試想一下，這將如何深度賦能 我們每一個人，極大地拓展我們施展能力的邊界，進而有力地推動我們組織內部的經濟生產力提升。這，就是我們共同期待并正在努力實現的未來圖景。

現在，我想介紹下一個關鍵平臺——Copilot 與 AI 技術棧。之所以要特別強調這一點，是因為它不僅僅關乎微軟自身正在構建的各類產品，更重要的是，它關乎在座的各位——開發(fā)者們——將能夠充分利用我們構建 M365 Copilot 或消費者版 Copilot 所使用的幾乎整個技術棧，來創(chuàng)造和構建屬于你們自己的、功能完備的應用程序。

這一切的起點，是我們致力于將 Azure 打造成“世界計算機”的宏偉愿景。如今，Azure 的基礎設施已遍布全球，擁有超過 60 個區(qū)域和 300 多個數據中心。就在日本本土，我們在東部和西部各設有兩個區(qū)域。今天，我非常激動地宣布一項重要投資：我們將對日本的這兩個區(qū)域進行擴容，為其配備最新的高性能計算和 Nvidia GPU 資源。此舉的核心目標，是讓日本的每一位開發(fā)者、每一個構建應用程序的組織，都能夠更方便、更廣泛地利用這些頂尖的 AI 能力。

談及此次擴容，我們秉持的是一種全面的系統(tǒng)方法。這意味著從最底層的數據中心設計，到核心的芯片技術，再到貫穿計算、存儲、網絡的整個系統(tǒng)軟件層面，我們都進行端到端的協同優(yōu)化，旨在實現性能的最大化。正如我之前所強調的，最終的衡量標準是綜合考量性能、成本與功耗的最優(yōu)組合，而這必須依賴于系統(tǒng)性的整體設計與優(yōu)化。重要的并非某個單一環(huán)節(jié)的領先，而是將所有部分緊密整合，形成一個高度優(yōu)化的技術棧，共同為下一代 AI 工作負載提供強大的支撐。這正是我們在 Azure 上傾力投入的方向。

一旦擁有了強大的基礎設施，下一個核心的考量要素就是數據。因為你需要基于自己的數據來訓練AI 模型，進行精細的微調，并確保模型的響應和預測能夠牢固地扎根于你自身的數據基礎之上。這意味著，你所擁有的全部數據，都必須能夠便捷地匯聚到你的智能基礎設施 附近。我們正通過多種途徑來促成這一點：首先，我們持續(xù)優(yōu)化自身的數據資產 (data estate) 產品線，無論是 NoSQL 數據庫 Cosmos DB，還是關系型數據庫 SQL 和 Postgres，都將它們打造為能夠與你的 大語言模型基礎設施無縫對接的云原生數據庫。同時，我們也積極擁抱并支持像 Databricks 這樣的重要合作伙伴平臺。實際上，就在昨天，Azure Databricks 剛剛宣布了在其基礎設施上引入更多新功能，其中就包括來自 Anthropic 的先進模型。此外，我們還在不斷加強與 Oracle、Snowflake 等行業(yè)領導者的合作。我們的目標是確保沒有任何數據孤島的存在，將所有相關數據匯集起來，讓它們能夠緊密地圍繞在你的智能層周圍，從而使你能夠更高效、更便捷地構建各類 AI 應用。

現在，你已經擁有了堅實的基礎設施和可用的數據資源，接下來就可以著手構建你的AI 應用程序了。正如過去每一次重大的技術平臺演進一樣，比如Web 時代的來臨，你需要一個核心的平臺來承載和加速應用開發(fā)，類似于應用服務器的角色。在AI 時代，這基本上就是我們通過 微軟Foundry 所要提供的核心能力。借助 Foundry，我們構建了一整套開發(fā)和運行 AI 應用所必需的服務，全面覆蓋了模型微調、效果評估、AI 安全保障以及系統(tǒng)可觀察性等關鍵環(huán)節(jié)。我們提供了極其豐富的模型選擇庫，事實上，其中包含了超過 1800 種不同的模型，既涵蓋了主流的開源模型，也包括了領先的閉源模型；既有能力強大的前沿模型，也囊括了適用于特定場景的各種小型語言模型。這樣一來，開發(fā)者就能夠站在效率前沿 上，根據不同的模型權重級別、性能評估指標以及具體的應用領域需求，靈活地選用最適合的模型來構建自己的應用程序。

至此，你擁有了強大的基礎設施、整合的數據資源和高效的應用服務器。那么，作為整個AI 技術棧的最后一塊關鍵拼圖，你還需要的是世界級的開發(fā)工具。眾所周知，微軟在50 年前正是以一家工具公司起家的，提供卓越的開發(fā)者工具始終是我們不變的基因和承諾。我們的目標非常明確：通過 Visual Studio Code和 GitHub 這兩大平臺，持續(xù)打造并提供業(yè)界頂尖的開發(fā)工具。當然，在今天這個 AI 時代，借助 GitHub Copilot，我們將強大的 AI 能力深度集成到了這些開發(fā)工具之中，極大地賦能每一位開發(fā)者，幫助他們在各自的項目中更快速、更高效地取得成功。

有了像 GitHub Copilot 這樣的 AI 輔助工具，我們可以有效地降低軟件開發(fā)的門檻，賦能越來越多的人轉變?yōu)檐浖_發(fā)者，從而共同將整個應用程序創(chuàng)新前沿推向新的高度。

其中，Project Padawan 是一個讓我個人倍感興奮的未來項目。目前，GitHub Copilot 已經能夠出色地完成代碼補全、通過聊天交互提供編程建議、進行跨文件的代碼編輯等任務，甚至已經演化出了具備一定自主性的 AIAgent形態(tài)。而Project Padawan 則代表了更進一步的設想：讓 AI 能夠主動承擔起處理一個完整的 拉取請求生命周期中的諸多任務。你可以將一個開發(fā)任務或者一個 PR 直接指派給 Copilot，然后這個 AIAgent將會自主地去理解需求、創(chuàng)建技術規(guī)格文檔、制定詳細的開發(fā)計劃，并實際執(zhí)行編碼工作，最后生成相應的代碼變更，提交給你進行最終的審核與批準。這清晰地勾勒出了未來軟件工程領域中，AIAgent(SWEAgents) 將扮演何種角色的發(fā)展方向。

目前，在日本，我們所有這些 AI 技術都展現出了強勁的應用和發(fā)展勢頭。大家可以從屏幕上展示的這些來自各行各業(yè)的客戶標志中略窺一二。今天早上，我有幸與其中許多優(yōu)秀的開發(fā)者進行了面對面的交流。其中，最令我深受鼓舞的一個案例，來自于 I-SEN 公司。他們利用 Azure AI 服務，為聽障人士開發(fā)了一款極具價值的應用程序，目前的下載量已經突破了一百萬次。我還有幸與其中一位實際使用者進行了交流，她對于這項技術給她的生活所帶來的積極改變和便利，表達了由衷的感激之情。能夠親眼看到技術產生如此深遠的積極影響，這真是令人鼓舞。

我還有機會見到了一群來自某所中學的學生們，他們是東京都教育委員會主辦的編程馬拉松活動的優(yōu)勝者。我非常高興能親耳聽到他們熱情洋溢地介紹自己是如何利用微軟Power Apps 這個低代碼平臺，在學習的過程中動手創(chuàng)造出各種有趣的應用程序和游戲。

我還拜訪了一家名為 Turing 的日本初創(chuàng)公司。他們采取了一種非常專注且目標明確的 策略，致力于自主研發(fā)全棧式的 L5 級別自動駕駛應用與核心模型，并且已經和日本數家領先的汽車制造商建立了緊密的合作關系。他們設定了一個宏偉的目標：要在這個十年結束之前，在日本本土實現世界一流水平的 L5 自動駕駛能力。能夠與他們進行深入的交流，了解他們的技術實力和發(fā)展路線圖，這段經歷令人印象深刻。

此外，我還會見了來自日本航空的團隊。他們向我演示了一款正在其內部廣泛推廣的應用程序，目前已經有大約 3 萬名 JAL 員工在日常工作中使用。這項應用的突出亮點在于，他們將小型語言模型領域的最新技術進展，成功地應用到了設備端計算的場景中。這意味著，即使用戶處于沒有 Wi-Fi 或互聯網連接的離線狀態(tài)下，依然可以享受到由 AI 提供的智能服務，即所謂的離線智能 。這無疑是一項了不起的工程創(chuàng)新。接下來，就讓我們通過一段視頻，來直觀地感受一下 JAL 的實踐成果。

看到這一切真是令人由衷地感到欣喜。我們很高興看到如此多的創(chuàng)新在日本這片土地上涌現，同時也深感欣慰的是，我們的技術平臺正變得越來越易于被各種類型的組織所采用和觸及 。這使得它們能夠更有信心地去自主規(guī)劃并實施那些通常被認為充滿挑戰(zhàn)、極具雄心的 AI 工作負載和創(chuàng)新項目。

接下來，我想談談我們正在構建的第三個關鍵平臺：Copilot 設備。在此之前，我主要聚焦于云端的創(chuàng)新——那些依賴于復雜且強大的云基礎設施來運行的大規(guī)模 AI 模型。但與此同時，計算領域的另一個重要戰(zhàn)場——邊緣計算——也正經歷著一場深刻的變革。得益于 Copilot 設備以及其內置的 NPU等專用 AI 芯片的強大硬件能力，我們現在能夠在設備端為用戶提供高達約 40 TOPS 的 AI 算力。剛才日本航空運行本地模型 (local model) 的案例就是對此趨勢的絕佳證明，并且可以預見的是，未來端側 AI 的能力只會變得越來越強大。這正是 Copilot 設備所要賦能的核心價值所在。

這意味著一個全新的應用程序類別即將崛起。這些新應用將帶來一系列新穎的交互范式，例如基于 AI 的“生成式填充”、一鍵完成復雜任務的“點擊執(zhí)行”、以及提升圖像或視頻質量的“超分辨率”等等——我喜歡將這些新型交互稱之為 AI 時代的新“動詞”。這些功能將逐漸滲透到我們日常使用的各種軟件中，成為你所期待的、在操作系統(tǒng)、瀏覽器乃至每一個應用程序中都應具備的標準體驗。而這，正是我們通過 Copilot PC 這一產品形態(tài)努力去實現的目標。為了讓大家更生動地了解 Copilot PC 上正在發(fā)生的各項創(chuàng)新，我們一起來觀看下一段演示視頻。

以上，就是我們正在傾力打造的三大核心平臺：M365 Copilot、Copilot 與 AI 技術棧，以及 Copilot 設備。我認為，真正的機遇并不僅僅在于這些平臺本身，更在于在座的各位能夠利用這些平臺所激發(fā)的無限創(chuàng)新潛力，去創(chuàng)造、去構建、去實現。這，是在座每一位的歷史性機遇。

當然，所有這些強大的技術平臺要想真正發(fā)揮價值并被廣泛接受，都離不開一個至關重要的基石——那就是信任。隨著 AI 技術在我們生活和工作中扮演的角色日益重要和普及 ，從設計之初就將信任和安全融入其中變得前所未有的關鍵和緊迫。這正是我們通過“安全未來倡議”等一系列舉措，始終秉持負責任、有原則的方法來發(fā)展 AI 的核心原因。將對用戶隱私的尊重與保護、對 AI 安全風險的審慎考量等原則，深度融入到產品的設計、開發(fā)與部署全流程之中，是我們的重中之重。這里的關鍵在于，必須將這些原則切實地內化并貫徹到構建每一個 AI 工作負載或應用程序的具體工程實踐 當中去。

為此，我們正在積極構建并提供一系列關鍵的技術能力來支撐這一目標：例如，通過機密計算技術來保障數據在處理過程中的機密性和安全性；在 Foundry 平臺中提供專門的 grounding API，用以幫助檢測和緩解 AI 模型可能出現的“幻覺”問題，確保輸出結果的可靠性。我個人非常欣賞 grounding API 的設計理念，因為它巧妙地利用了 AI 自身的能力來核查 AI 輸出的內容是否基于真實、可靠的依據，從而顯著提升最終應用程序的可信度。這些都是我們在現實世界中為開發(fā)者提供的、用以構建出更健壯、更值得信賴 的 AI 應用程序的創(chuàng)新技術、服務和實用工具。

就在昨天，我們還非常激動地宣布推出了專門用于網絡安全防御領域的AIAgent。在當前網絡攻擊持續(xù)不斷、日益復雜的嚴峻形勢下，這些AIAgent旨在切實幫助我們更好地守護我們的數字資產和網絡疆域。網絡安全無疑是我們當下面臨的最嚴峻挑戰(zhàn)之一?，F在，我們可以有效地借助AI 的力量來顯著加強防御能力。例如，這些 AIAgent能夠自動地對海量的網絡釣魚郵件進行精準分類，及時發(fā)出關鍵的威脅情報警報，并能主動驗證和確保企業(yè)設定的條件訪問策略得到嚴格且有效的執(zhí)行。值得強調的是，這不僅僅是微軟自身在構建AIAgent，我們也正積極地將來自我們眾多合作伙伴的Agent能力整合進來。這再次體現了我們作為平臺公司與生態(tài)伙伴協同作戰(zhàn)、共同應對挑戰(zhàn)的理念。因為歸根結底，尤其是在網絡安全這個領域，沒有任何一家公司能夠單打獨斗，它天然需要廣泛的協作和信息共享，本質上是一項團隊運動。我們對于在網絡安全AI 領域所取得的各項進展感到非常興奮和期待。

在結束今天的演講之前，我想和大家一起展望一下更長遠的未來。讓我們思考一下，所有這些強大的 AI 能力，最終將幫助我們達成什么？從某種意義上來說，當科學家們致力于發(fā)現一種新藥物、一種新化學物質或是一種新材料時，AI 能夠通過其強大的模式識別和預測能力，極大地縮減需要進行實驗探索的可能性空間，從而加速發(fā)現的進程?？梢哉f，在推動基礎科學前沿突破方面，AI 正扮演著一種前所未有的、“自然的模擬器”的角色。

然而，要獲得一個能夠真正、完全模擬自然復雜性的終極工具——一個真正意義上的“自然模擬器”，其中一條最被寄予厚望的關鍵路徑，就是實現通用、容錯的量子計算機 。這正是 微軟過去二十年來一直不懈追求的科學夢想：我們投入巨資，深入研究如何構建一臺能夠解決實際問題的、實用規(guī)模的量子計算機。這首先需要在基礎物理學上取得重大突破，特別是要找到方法來制造出足夠穩(wěn)定、并且具備內建量子糾錯能力的量子比特。這正是我們長期以來聚焦于探索Majorana zero modes這一獨特物理現象的核心驅動力。當然，從基礎物理的發(fā)現到最終制造出可靠的量子芯片，還有很長的路要走。我們基于這一原理已經研發(fā)出了Majorana 1芯片原型。要讓量子計算機真正從實驗室走向實用化，前方依然有諸多嚴峻的技術挑戰(zhàn)需要我們逐一克服。

但與此同時，我們并未將所有希望都寄托于硬件的終極突破。我們也在同步地、積極地構建量子計算的軟件層，并將其全面部署在Azure 云平臺上。這個軟件層不僅提供了像專用量子編程語言，還集成了先進的邏輯糾錯技術。更重要的是，它被設計成能夠兼容當前各種不同技術路徑、雖然仍帶有噪聲但已可用的量子計算硬件，無論是基于離子阱技術的計算機 (ion trap computers) 還是所謂的 NISQ (含噪聲中等規(guī)模量子) 計算機 (NISQ computers)。通過這種方式，開發(fā)者們現在就可以開始在熟悉的 Azure 環(huán)境中，利用這些工具和資源，探索和使用量子計算的能力，為未來的量子時代做好準備。我們堅信，量子計算將是繼當前這波 AI 浪潮之后的、下一次足以改變整個計算范式的重大系統(tǒng)性革命。為了讓大家對我們在這方面的進展有一個更直觀的感受，請觀看最后這段關于 微軟量子計算的視頻。

那么，請允許我以今天演講開篇時所分享的那句話來作為結束語。對微軟而言，我們的使命始終如一，并且無比清晰：在這個日新月異的AI 時代，我們要堅定不移地賦能日本的每一個人和每一個組織，幫助他們取得更多、更大的成就?；赝^去 47 年，我們有幸將一代又一代的創(chuàng)新技術平臺引入日本，并親眼見證了這片充滿活力的土地上創(chuàng)新生態(tài)的蓬勃發(fā)展與繁榮。我們的這份承諾從未改變。我們滿懷希望與期待，在當前這一波由 AI 引領的技術浪潮中，我們能夠立足于過往堅實的合作基礎之上，與日本各界的伙伴們更加緊密地攜手并肩，共同去創(chuàng)造一個更加輝煌、更加智能的未來。衷心感謝今天到場的每一位！祝愿大家在后續(xù)的會議議程中收獲滿滿，交流愉快。

責任編輯：石旭