今天小編分享的互聯網經驗：微軟CEO：AI代理是新的Excel，而不是ChatGPT，歡迎閱讀。
當地時間 10 月 21 日，在微軟 AI 之旅倫敦站活動上，微軟 CEO 薩提亞 · 納德拉發表主題演講，介紹 Copilot、Copilot&AI 全棧、Copilot 設備三大平台的創新。
納德拉認為，與摩爾定律類似，在 AI 領網域 Scaling law（縮放定律）也是存在的。定律表明，每六個月，計算性能都會翻倍，其中一部分是由于計算能力的提升，但更多的是由于對數據和算法使用技術的改進。AI 時代下，新的衡量部門是 " 每美元每瓦特的 token 數 "，這是新的貨币，新的衡量标準。
納德拉稱，Copilot 現在是所有 AI 的用戶界面，其互動的簡便性就像當年創建 Excel 表格一樣簡單。
就像創建一個财務預測的 Excel 表格，現在人們可以使用低代碼 / 無代碼工具在 Copilot Studio 中創建 AI 代理，并将其集成到 Copilot 中。用戶可以把這些看作是新型的應用程式，任何人都可以創建這些應用程式，不需要等待别人來為你創建一個應用程式。
納德拉強調，現有大規模的證據表明，這些工具正在從根本上改變工作模式，提升價值、減少浪費。過去工業公司通過精益管理實現的效果，現在終于在認知工作中以規模化的方式實現了。
納德拉同時透露，OpenAI 的 o1 模型正在優化 AI 開發，并已進入遞歸階段：" 我們正在使用 AI 來構建 AI 工具，以構建更好的 AI"。
會上，微軟還宣布，使用 Copilot Studio 創建自主代理的功能将于下個月公開預覽，讓更多客戶能夠利用 AI 重新構想關鍵業務流程。
以下為納德拉講話原文，由 AI 翻譯：
早上好。回到倫敦，回到英國，感覺太棒了，尤其是在這樣一個新技術平台誕生的時刻，能夠談論它，看到它在英國的影響，并探讨這種平台轉變所帶來的活力，令人興奮不已。
事實上，我今天早上還在回憶，微軟在英國已經有 40 年了。我自己在過去 30 年裡也經常來英國，我想我第一次來，第一次主題演講的時候。
我在 90 年代初做了一個分會場的演講，我記得我做的是 Excel 和 VB 的演示。你知道，這很有趣。我來這裡的時候，個人電腦客戶端伺服器剛剛誕生，然後經歷了互聯網的網絡時代，接着是雲計算和移動時代。現在我們正處于至少是向 AI 這種新技術轉變的初期。
我覺得這總是有幫助的。我發現讓自己了解核心驅動力是什麼是非常有幫助的。
我記得在 92 年加入微軟的時候，我對技術發展軌迹有一種隐含的理解，至少是基于摩爾定律，基本上我所需要知道的就是這個。事實上，我記得在 91 年參加 PDC（專業開發者大會）時說，哇，接下來會發生什麼很清楚，那就是 x86 和個人電腦架構不僅會赢得個人電腦市場，而且基本上會赢得伺服器市場。
到 90 年代末，情況确實如此。
現在，在某種程度上，類似的事情正在發生，我們可以追蹤的新的 " 定律 " 是 "Scaling law 縮放定律 "。
正如人們在 AI 領網域所描述的那樣，它是一個經驗定律，就像摩爾定律不是物理定律一樣，縮放定律也是經驗觀察所得，但它被我們稱作定律，并且一直有效。同樣地，縮放定律表明，大約每六個月，我們的計算能力都會翻倍。
事實上，我經常思考的一件事是性能。你甚至可以說，現在的貨币部門是 " 每美元每瓦特的 token 數 "，這是新的貨币，新的衡量标準。每六個月，性能都會翻倍，其中一部分是由于計算能力的提升，但更多的是由于我們對數據和算法使用技術的改進。
你可以說，這一轉捩點始于 2010 年代初期的深度神經網絡（DNN）時代，但在 2018 年到 2019 年，随着大語言模型（LLM）和 Transformer 的出現，這一進展顯著加速，并且還在繼續。
這一變化體現在三個基本方面：
首先，計算接口的本質正在發生根本變化。一旦你有了自然語言處理，尤其是多模态的自然語言處理，包括影像、語音、文本和視頻的輸入與輸出，這意味着每一個計算界面都會發生改變。
其次，推理能力在增強。如果你看看剛剛發布的 o1，它顯示了越來越強的推理能力，無論是規劃還是推理能力。在過去 70 年的計算歷史中，我們一直在數字化人、地點和事物并理解它們，現在我們有了一個新的推理引擎來理解它。
最後，你可以輸入更多的上下文和記憶，把這三個方面結合起來，你就在建立一個非常豐富的 AI 或代理世界，在這個世界裡你将擁有這些 AI 或代理。有些 AI 和代理是個人代理，有些将在團隊環境中工作，在組織或業務流程中工作，甚至跨組織工作。
所以這個豐富的 AI 代理生态系統會增強我們已經建立的一切。整個數字基礎設施和我們今天擁有的工具都會在這個代理世界中得到增強，我們使用縮放定律作為基礎力量來構建這些 AI 代理。
當然，這很棒。所有這些技術都會存在。問題是，我們該怎麼做？最重要的是，我們如何将其轉化為我們作為公司、作為個人和組織所擁有的最重要使命，那就是能夠賦予人們能力，讓他們能夠用以前任何其他技術都無法做到的事情。
所以對我來說，這是最終的考驗，那就是我們能否利用，在這個國家，工業時代和工業革命的一些最重要的技術都是在這裡創造的。問題是，我們現在能否回到那個時候，通過無論是科學發現還是生產力，真正對人類生活和狀況產生那種深遠的影響，我們能否看到因為技術而帶來的創新繁榮？
所以這就是我們的目标。這就是我們在這裡賦予每一個人和每一個組織權力的使命，無論是小企業提高生產力，大型跨國公司在全球更具競争力，公共部門提高效率，健康結果改善，教育成果提升。所以這就是這一切的真正意義所在。
現在對我們來說，為了實現這個目标，我們正在構建三個平台。第一個是 Copilot。
對我們來說，你應該把 Copilot 看作是 AI 的用戶界面。這是我認為最簡單的理解方式。然後我們有 Copilot 和 AI 堆棧。這樣你就能夠構建自己的 AIS 和 AI 智能體以及 Copilots。我們有一個完整的堆棧。最後是這組新的設備，也就是這些 Copilot 設備。所以我想談談每個平台，從 Copilot 開始。
現在，正如我所說，如果你從這個理念出發，即這個智能體世界最終需要與我們相遇，我們也需要與它相遇。這意味着你需要一個用戶界面，對吧？就像個人電腦或手機是用戶界面，或者手機或個人電腦上的應用程式是與數字技術的接口一樣。這些 Copilots 或者說 Copilot 是所有這些 AI 的用戶界面，對吧？
即使在一個有很多智能體自主工作的世界裡，它們也需要提出異常情況，從我們這裡獲得許可。問題是，這是如何發生的？
它通過這個新的組織層來實現，特别是關于工作是如何完成的。事實上，工作產物和工作流程将會改變。一個很好的例子是，就在幾個月前，我們推出了一個叫做 Pages 的東西。就像在 90 年代，我們推出了 Excel 或者 Word，它們是創建新產物的編輯器。
Pages 是第一個，我想說它是創建 AI 優先產物的用戶體驗。我可以搜索網絡或我的工作來檢索信息，然後我可以把它放入 Pages。它是一個我可以在組織内分享的文檔，我可以和 AI 以及人類一起工作。
事實上，我使用的比喻是，我用 AI 思考，與我的同事一起工作，這就是新的工作流程。而之前的工作流程是我獨自思考，創建文檔，然後在組織内部進行共享與協作。
但現在，當我工作時，不僅有 AI 作為認知放大器幫助我，還可以與 AI 共同創建文檔，并與同事合作完成任務。這就是 Copilot 時代的開端，它不僅僅是一個聊天界面，它展示了如何通過聊天這一模式來檢索信息，同時也引導我們走向更復雜的工作流程和協作方式。
現在你可以擴展。所以另一件事是，這不僅僅是關于我們創建的任何特定的產物編輯器或工作流程，你可以用你構建的任何智能體來擴展 Copilot。
事實上，Copilot Studio 是一種低代碼、無代碼的方式，讓你能夠構建智能體。這些智能體實際上是基于一組豐富的數據源。
例如，誰在為誰工作，誰是我在某個項目中的同事，與某個團隊或項目相關的文檔有哪些，這些文檔、人員和項目之間的關系是什麼，所有的電子郵件和 Teams 對話都屬于這一數據庫。這個數據庫被稱為 Microsoft Graph 或 M365 圖譜。你可以将這些數據與業務流程數據結合起來，例如用 Fabric 收集的數據。這些數據源可以為代理提供支持。
事實上，一個很好的簡單例子是，假設你想構建一個現場服務智能體，你想讓它與 Copilot 對接。你所要做的就是給它一個系統提示。告訴它，嘿，我想讓你成為一個現場服務智能體，指向一個 Sharepoint 站點，那裡有一堆與現場服務相關的文檔。再給它添加其他數據源，在這種情況下，他們的 Dynamics 是現場服務的記錄系統，然後你就會得到一個輸出，本質上就是一個現場服務智能體，現在你可以和它交談，就像和任何其他普通的 Copilot 對話一樣。
所以這種簡單性有點像過去我們創建一個 Excel 電子表格。它沒有比那更神秘的了。就像你可以創建一個 Excel 電子表格來做預測一樣，你現在可以使用像 Copilot Studio 這樣的低代碼、無代碼工具來創建 AI 智能體，并把它放入 Copilot 中。你甚至可以把這些看作是我們任何人都可以創建的新應用形式，對吧？所以你甚至不需要等待别人為你創建這個應用你才能使用它。所以這就是我們正在構建的 Copilot 和 Copilot + 智能體生态系統。
其影響是巨大的。實際上，如果你看一下微軟内部，例如銷售和營銷職能部門，我們已經有了定量的結果，表現為工作效率提高了兩位數。這是對營收增長的影響。
再比如，客戶服務、IT 幫助台、HR 幫助台，這些部門的員工參與度、員工滿意度、客戶服務代理滿意度都在提升，而浪費和成本在下降。法律部門、财務部門也是如此。
因此，我們現在有了大規模的證據表明，這些工具正在從根本上改變工作模式，提升價值、減少浪費。過去工業公司通過精益管理實現的效果，現在終于在認知工作中以規模化的方式實現了。
而且它也正在英國這裡發生。
事實上，我有機會看到已經在使用這個的客戶。我看到了各種各樣的客戶，看到本地的 Copilot 例子真是太棒了。所以我有機會見到了高偉紳律師事務所（Clifford Chance），這是一家律師事務所，他們正在做一些很了不起的事情。是的，他們解釋了圍繞并購交易發生的工作流程。事實證明，使用 Copilot 和 Copilot Studio，你可以創建這些智能體來簡化整個流程。
我也有機會見到了聯合利華（Unilever）。你知道，我之前沒有意識到，但是對于像聯合利華這樣的組織，它有大量的營收用于營銷，因為畢竟他們的多種產品要面向全球 30 多億用戶。
他們做的最大的事情之一是這些創意簡報。而創意簡報的準确性對他們來說非常關鍵，這樣他們才能有營銷影響力。但關鍵是創建創意簡報所涉及的繁瑣工作，或者它的效率，或者它的準确性。他們在這方面下了功夫，創建了一個很棒的工具，這個工具改變了創意簡報的準備工作和質量。
所以這些只是我們的兩個客戶的例子，他們已經在部署這些 AI 智能體和 Copilots，以在他們的組織内部推動真正高影響力的生產力。
今天令我們感到興奮的是，我們與英國政府部門達成了合作，希望不僅在私營部門，也能在公共部門推動技術的普及。因為歸根結底，我認為我們能產生最大影響的領網域可能是公共服務，無論是醫療、教育，還是能源，或其他任何政府部門，都會因為這項技術發生轉變。而這一切的起點就是讓公務員掌握并使用這項技術。畢竟，當我提到減少繁重工作、提高生產力時，最終受益的将是英國人民，因此，這是我們可以產生巨大影響的領網域。所以我們對此次宣布的合作感到非常激動。
談到英國的 AI 技能提升，這裡引用了一些來自 LinkedIn 的數據。昨晚我看到這些數據，覺得非常了不起。數據顯示，AI 技能的獲得率自 2019 年以來增長了 88%，這印證了英國經濟中所具備的結構性優勢，如開場發言中提到的人才儲備和基礎設施正在逐步完善。我相信這将推動英國在 AI 時代的進一步發展。這是一個非常令人振奮的景象。
當然，我們并沒有就此止步，真正讓我們感到興奮的是接下來的進展。今天，我非常高興地宣布，我們正在 AI 平台上邁出下一步，推出 Copilot Studio 自主代理創建工具。
你們将看到我們發布的新工具，幫助大家創建這些自主代理，更重要的是，我們将推出一些已經内置到 Dynamics 365 中的代理產品，它們能夠在需要用戶界面時與 Copilot 對接，但也可以獨立運行。
為了展示這些内容，我想請我的同事賈裡德 · 斯帕達羅（Jared Spadaro）上台。
（Jared 開始現場展示麥肯錫的創新，播放 Clifford Chance、聯合利華、Pets at Home 等客戶使用視頻）
希望這可以讓大家對 Copilot 的發展有所感受，Copilot 正逐步成為工作流程和工作成果的組織層。Copilot Studio 加上代理則是協調層，它與 Copilot 協同工作，幫助這些代理在個人工作、組織工作或業務流程中共同運作。
接下來，我想介紹下一個平台，也就是 Copilot 加上代理的堆棧，或者說 AI 平台。
最終，我們希望每一層技術棧都能為開發者所用，包括我們構建的 Copilot、Copilot Studio 和代理，所有這些都可以為每一個軟體開發者提供支持，讓他們能夠構建自己的 AI 系統。
這首先要擁有最廣泛的原始基礎設施。
所以當我們想到 Azure 時，我們把 Azure 看作是世界的計算機。我們正在英國的 60 多個地區構建它。事實上，去年我們并投入了 25 億多美元用于擴展。而且這将持續進行。
我們将為英國帶來最好的基礎設施，包括傳統計算和 AI 計算，這樣你就有了可用的基礎基礎設施。我們正在做很多工作以确保這個基礎設施針對 AI 工作負載進行了優化。
從芯片級别開始，例如我們與 NVIDIA 的合作。我剛剛看到 GB200 的上線，它采用了全新的液冷技術。事實上，我們借用了液冷技術，因為我們也在為自己的 Maia 芯片進行液冷，現在這項技術已應用于不同的芯片上。我們還與 AMD 有着很好的合作關系，因此在芯片層面上有着很強的合作。
接着，我們将進行優化，無論是訓練還是推理，都為你構建 Copilot 提供了最好的基礎設施。大量核心基礎設施方面的工作正在進行。
現在，對于任何構建人工智能應用的開發者來說，另一個非常重要的考慮因素是數據。因為最終，無論是訓練還是推理，以及進行檢索、增強生成等操作，你都需要真正整理好你的數據資產。
為了做到這一點，意味着你要能夠将所有數據上傳到雲端并與人工智能對接。所以實際上，哪裡有人工智能計算，數據就會被吸引到哪裡。
因此，我們正在做的一件事是，無論你使用的是甲骨文（Oracle）的數據資產，還是 Snowflake 的數據資產，或者其他任何數據，你都應該能夠将其上傳到雲端。
在此基礎上，我們自己正在構建一種一流的、我稱之為雲原生的基礎設施 —— 數據基礎設施，用于從聯機事務處理（OLTP）的所有方面，無論是 Cosmos GB，還是 SQL，或者是 Postgres，又或是為人工智能時代構建的一流分析數據庫 Fabric。
所以數據狀态處于一個可能正在發生一些最佳工作的地方。實際上，考慮到人工智能和數據，要知道不存在無狀态的人工智能應用。人工智能應用程式接口（API）是無狀态的，但一旦它們在實際工作負載中與實際應用相結合，就會變得非常簡單明了。例如，順便說一下，ChatGPT 是 Cosmos DB 等的最大客戶或用戶之一，或者像 Azure 搜索也是一個例子。這只是向你表明，一旦你構建像 Copilot 或 ChatGPT 這樣的應用，你需要強大的數據資產。
我們還在構建應用伺服器，因此，基礎設施和數據準備好後，下一步就是應用伺服器。我還記得以前來這裡的時候，談到 .NET，而今天斯科特（微軟 CTO）也會來讨論 AI，他就是 .NET 項目背後的關鍵人物之一。
現在，我們又回到了另一個應用伺服器時代。這一次，我們為雲原生應用程式構建了應用伺服器，無論是容器、應用服務，還是 AKS 和函數計算，這些都依然是必需的。事實上，當我回顧 ChatGPT 的架構時，它的基礎計算資源提供方案是 GPU 配比常規計算 AKS 的方式。
然後我們進入 AI 應用伺服器時代，AI 應用伺服器首先提供了最廣泛的模型選擇。我們非常興奮地與 OpenAI 合作，不斷推出最新的前沿模型，無論是 GPT 4.0 還是 o1。此外，開源社區中，包括 LLaMA、Mistral 等，甚至一些閉源的供應商，如 Anthropic，我們都支持它們的模型。因此，開發者可以選擇最廣泛的模型。
在擁有廣泛模型選擇的基礎上，我們還提供了 " 微調即服務 " 功能，你可以對這些模型進行監督微調，從而将其集成到你的應用程式中。我們還提供了一些工具，比如檢索增強生成（RAG），通過 Azure 搜索幫助你将應用程式與數據對接，并将其與大型語言模型（LLM）的使用結合起來。
此外，我們還提供了确保應用程式安全性的服務。例如，我們為開發者構建了一些安全措施，幫助他們在使用這些 AI 工具時設定防護欄。因此，我們對應用伺服器和 AI 應用伺服器上正在進行的創新感到非常興奮。
當你有了應用伺服器、AI 應用伺服器後，就需要最好的開發工具鏈。這也是微軟自 1975 年創立以來最為驕傲的一點：我們最關心的始終是為軟體開發者構建工具。Visual Studio Code、GitHub 和 GitHub Copilot 是開發者生產力的新前沿工具之一。
實際上，我最近看到的一件非常酷的事情是，o1 進入 GitHub Copilot 後，你可以使用 AI 進行下一層次的優化。螢幕上的内容展示了 GitHub Copilot 的自動編碼器正在被 o1 優化。想象一下這種遞歸性：我們在用 AI 構建 AI 工具，以打造更好的 AI 工具。這種前沿生產力的創新非常令人激動。
未來兩周内将舉辦 GitHub Universe 大會，我非常期待它的到來，因為屆時我們将在 GitHub Copilot Workspace 中展示更多令人驚嘆的新功能。實際上，英國現在有 370 萬 GitHub 開發者，增長非常迅速，目前已是全球第五大開發者社區，增速達到 22%，這非常令人欣慰。
今天早上我還見到了許多合作夥伴，首先是英國心髒基金會。他們多年來一直使用機器學習和 AI，取得了非常好的成果。甚至像使用 Azure 語音服務來模拟緊急呼救電話這樣的事情，也讓我意識到，讓人們習慣打緊急電話有多麼重要。這是一個很好的例子，說明如何在關鍵時刻幫助人們。
匯豐銀行展示了多個客戶旅程中的一個案例，展示了客戶關系經理如何進行信貸審批的整個過程，這一過程通過一些 AI 工具得到了徹底的改造。他們有效地構建了自己的 AI 代理，這些代理與他們的移動應用程式以及關系經理使用的應用程式進行互動。
我還與 Mondra 的開發人員見面，他們的工作令人難以置信。他們正在為整個食品安全和供應鏈構建一個數字孿生系統，這項工作涵蓋了英國及其他地區的所有零售商，以此來提高可持續性。這款產品的影響力将會非常驚人，能夠極大地改善食品供應鏈的可持續性。
另一個令我長期感到興奮的初創公司是 WAYVE。他們采用了一種 AI 優先的方式來解決高級駕駛輔助系統（ADAS）問題，真正從零開始，重新思考如何利用 AI 來構建自動化解決方案。
很明顯，我們可以看到，人工智能已經不再是 " 未來會來臨 " 的技術，而是已經開始在一些非常復雜的應用場景中得到使用。
現在讓我們來看一下這些 AI 平台在實際中的應用。接下來，我想介紹第三個平台—— Copilot 設備。我們在半年前剛剛推出了 Copilot PC，這标志着一個全新時代的到來。在這個時代，CPU、GPU 和 NPU（神經處理單元）同時在邊緣設備上可用。
到目前為止，縮放定律在雲端表現得非常出色，而在未來，這個 AI 時代不僅僅局限于雲端，還将涵蓋邊緣計算。
我們将看到一些根本性的突破，甚至在某些模型架構上允許在分布式計算架構中實現混合使用。因此，不能再以過去的客戶端 - 伺服器模式來思考問題，而是要将其視為一個連續的分布式架構。
這就是我們的設計方法。我們不會把 Copilot PC 看作是獨立的設備，當然你可以将其用于隐私保護，但更重要的是，你可以将其與所有雲端的工作結合使用。這就是這些設備将要帶來的革命性變化。
我想在結尾談談可能支撐這三個平台的東西，我認為這非常關鍵，那就是可信的人工智能、可信的隐私和可信的安全。因為對技術的信任最終将是我所談到的所有技術擴散的核心。因為如果你不信任它，你就不會使用它，這對任何人都沒有好處。
所以我們所做的事情很簡單。首先要有一套核心原則。無論是在安全方面，還是在隐私方面，或者在人工智能安全方面，都要有一套具體的原則。但不僅僅是我們做出的承諾，更重要的是我們正在構建哪些實際能力來推進我們所做出的承諾。
實際上，即使在今天，當你考慮，比如說，安全方面，當你部署一個新的人工智能模型時，在安全方面你首先要做的真正事情是測試對抗性攻擊。這不僅僅是查找漏洞，更重要的是，比如像提示注入這樣的情況，它對這個模型有什麼影響？所以能夠模拟對抗性攻擊是一個重要的考慮因素，
或者是我們在隐私方面圍繞機密計算所做的事情。這是在與最新和最先進的模型相結合時必須要做的另一件事。
至于 AI 安全性，我們知道大語言模型會產生幻覺，因此在 AI 安全性方面，我們正在使用 AI 來測量輸出結果的可靠性。這些都是我們平台中内置的具體功能，它們幫助軟體開發者建立信任，也讓使用這些 AI 工具的用戶能夠信任這些產品。
所有這些都回到了我最初的觀點：技術必須轉化為現實世界的影響，影響一個人、一家組織，從英國開始，推動經濟增長，真正改善經濟體中的各項成果。
因此，我對所有這些創新将帶來的未來充滿期待，期待與你們以及合作夥伴一起推動這些創新的發展，期待未來幾年回來時，能看到這些創新的成果。
非常感謝大家。
