編輯|伊風(fēng)

出品 | 51CTO技術(shù)棧（微信號：blog51cto）

剛剛，納德拉在CEOMicrosoft India進(jìn)行了一場新年的第一場演講！

作為開年重磅，這場演講可謂干貨滿滿。

納德拉開門見山地說，“在某種程度上，對我來說，微軟始終專注于兩件事：我們是一家平臺公司，也是一家合作伙伴公司。即使在AI時(shí)代，這一點(diǎn)也不會改變?！?/p>

這場在印度班加羅爾的演講，聚焦在微軟將如何在AI時(shí)代進(jìn)行平臺化的布局。

談?wù)摰竭@次AI帶來的巨變，納德拉還感慨地回憶了比爾蓋茨對微軟的影響?！懊慨?dāng)談?wù)摰狡脚_變革時(shí)，我們必須了解推動(dòng)平臺變革的基礎(chǔ)力量是什么。回顧我35年的科技生涯，這個(gè)基礎(chǔ)力量一直是摩爾定律。我經(jīng)?；貞浧?，比爾每年會召集我們，讓我們看摩爾定律的趨勢和存儲技術(shù)的發(fā)展，然后簡單地說：“用軟件填滿它?！?/strong>這就是對整個(gè)公司的唯一指示。而這種情況即使到今天依然適用。”

話不多說，先給演講畫個(gè)重點(diǎn)：

• 納德拉提到雖然“預(yù)訓(xùn)練的擴(kuò)展定律能否繼續(xù)下去的爭論仍在持續(xù)”，但他堅(jiān)信Scaling Law依然有效，只是會面臨更多挑戰(zhàn)。如何在預(yù)訓(xùn)練中，更有效地利用采樣步驟是一個(gè)關(guān)鍵。
• 推動(dòng)軟件界面變革的有三個(gè)關(guān)鍵因素：多模態(tài)能力，計(jì)劃和推理能力，擴(kuò)展模型外的記憶、工具使用和權(quán)限管理。
• 作為一家平臺公司，微軟圍繞AI正在構(gòu)建三大平臺：Copilot、Copilot AI 堆棧，以及 Copilot 設(shè)備。
• Copilot 將無縫內(nèi)嵌到現(xiàn)有的工作流中。此外，微軟致力打造能構(gòu)建Agents的無代碼工具，未來每個(gè)人都會根據(jù)工作需要自己搭A(yù)gents，就像現(xiàn)在做張Excel那么簡單。
• 納德拉談到了AI基礎(chǔ)設(shè)施，并提到了一個(gè)衡量公式——“簡單來說，衡量任何國家或企業(yè)的成長效率將取決于“每瓦特、每美元對應(yīng)的 Token 數(shù)量”。未來兩年、五年甚至十年，我們會看到這種公式與 GDP 增長直接相關(guān)?！?/li>
• 微軟與 Nvidia 合作的首個(gè)GB 200 集群，在演講當(dāng)日（1月7日）已經(jīng)完成上線。

以下是經(jīng)整理的演講全程，enjoy:

1.Scaling Law非常偉大，預(yù)訓(xùn)練仍將繼續(xù)

當(dāng)我們談?wù)撝С諥I發(fā)展的擴(kuò)展定律時(shí)，摩爾定律再次在發(fā)揮作用。

這始于2010年的深度神經(jīng)網(wǎng)絡(luò)（DNNs），后來GPU再次推動(dòng)了這一趨勢，尤其是變壓器模型的使用，因?yàn)閿?shù)據(jù)并行處理的效率提高了。數(shù)據(jù)容量的增長速度從每18個(gè)月翻倍變成了每6個(gè)月翻倍，這就是擴(kuò)展定律的力量。

當(dāng)然，現(xiàn)在關(guān)于預(yù)訓(xùn)練的擴(kuò)展定律能否繼續(xù)下去的爭論仍在持續(xù)。我們堅(jiān)信這些擴(kuò)展定律依然有效，

但隨著數(shù)據(jù)規(guī)模、參數(shù)數(shù)量和系統(tǒng)問題的增大，挑戰(zhàn)也越來越大。

更有趣的是，推理時(shí)間或測試時(shí)間計(jì)算的擴(kuò)展定律正在變得越來越重要。在某種程度上，預(yù)訓(xùn)練有一個(gè)采樣步驟，而這關(guān)乎如何更有效地利用采樣步驟。我們現(xiàn)在非常興奮的是，將這種能力提升到新水平的機(jī)會，尤其是在推理過程中。

2.改變軟件界面的三大關(guān)鍵

現(xiàn)在，有三大關(guān)鍵能力正在改變軟件界面：

首先是多模態(tài)能力。

我最近將iPhone上的“操作按鈕”設(shè)置為調(diào)用Copilot，現(xiàn)在我可以自信地用海得拉巴方言或?yàn)鯛柖颊Z對它說話，它能理解我，就像在和我的高中朋友聊天。這個(gè)簡單而熟悉的界面將改變所有軟件類別。

其次是計(jì)劃和推理能力。

例如在GitHub Copilot工作區(qū)中，它可以執(zhí)行計(jì)劃和執(zhí)行多步流程的能力。

第三是擴(kuò)展模型外的記憶、工具使用和權(quán)限管理。

未來12個(gè)月，開發(fā)者的重點(diǎn)將是如何讓模型了解可用工具，不僅限于函數(shù)調(diào)用，還要確保它理解權(quán)限和擁有長期記憶。這將幫助我們創(chuàng)造豐富的智能Agents生態(tài)。

當(dāng)我們思考Agents時(shí)，它涉及將多模態(tài)能力、計(jì)劃和推理、記憶以及工具的使用，尤其是授權(quán)，整合在一起。這樣，我們可以開始構(gòu)建個(gè)人Agents、團(tuán)隊(duì)Agents、企業(yè)級Agents和跨企業(yè)Agents。這種“智能體化”的世界是我們期待共同構(gòu)建的方向。

平臺賦能：Copilot、Copilot AI 堆棧、 Copilot 設(shè)備

當(dāng)然，對于微軟來說，我們從來不會只關(guān)注單一的技術(shù)。我們關(guān)注的是如何通過這些技術(shù)手段，賦能地球上每個(gè)人和每個(gè)組織，讓他們實(shí)現(xiàn)更多目標(biāo)。這種平臺所能帶來的賦能感，將會達(dá)到全新的高度。

這就是我們真正專注的領(lǐng)域。為此，我們正在構(gòu)建三大平臺：Copilot、Copilot AI 堆棧，以及 Copilot 設(shè)備。接下來，我想概述一下這些平臺的主要內(nèi)容。

圖片

Copilot嵌入工作流，每個(gè)人都能創(chuàng)建Agents

把 Copilot 想象成 AI 的用戶界面 (UI)。即使在一個(gè)豐富的化世界中，AI 仍然需要與我們互動(dòng)，而這種互動(dòng)需要一個(gè) UI 層。因此，Copilot 作為一個(gè)組織層在這個(gè)充滿自主Agents的世界里變得至關(guān)重要。

我們采用的策略是將 Copilot 內(nèi)嵌到現(xiàn)有的工作流中。

我見過的一個(gè)最好的例子是關(guān)于知識工作中最重要的場景之一。

例如，一個(gè)醫(yī)生正在為腫瘤委員會會議做準(zhǔn)備。這樣的會議非常關(guān)鍵，意味著她需要閱讀所有報(bào)告，并準(zhǔn)確分配每個(gè)病例的討論時(shí)間。因此，議程的創(chuàng)建本身就是一個(gè)推理任務(wù)，AI 會生成一個(gè)議程，標(biāo)明哪些病例更復(fù)雜，需要更多時(shí)間。

然后，醫(yī)生們會在 Teams 會議中討論這些病例，他們可以專注于討論而無需記筆記，因?yàn)?AI 會記錄所有詳細(xì)內(nèi)容。結(jié)束后，這位醫(yī)生還是一位老師，她希望將討論內(nèi)容用于教學(xué)。她可以將筆記轉(zhuǎn)成 Word 文檔，再轉(zhuǎn)成 PowerPoint，用于課堂上。這種簡單但高影響力的工作流，通過將 AI 嵌入到流程中得以實(shí)現(xiàn)。

這展示了 AI 如何融入現(xiàn)有工作流的一個(gè)例子。

接下來，通過 Pages 和 Chat、Web 和 Work Scope，我們將看到新的工作流形式。

現(xiàn)在，我可以通過一個(gè)查詢訪問來自 Web 或 Microsoft 365 圖中的信息，并將這些信息提升到一個(gè)名為 Pages 的交互式 AI 優(yōu)先畫布中。在 Pages 中，我可以直接使用 Copilot 進(jìn)行修改。這是與 AI 一起思考、與同事協(xié)作的新方式。Chat 和 Pages 將成為新的 AI 中心，就像 Word、Excel 和 PowerPoint 過去改變了我們的工作方式一樣。

但我們并沒有止步于此。接下來，我們要關(guān)注的是擴(kuò)展性。

AI 的擴(kuò)展從 Copilot Actions 開始。就像過去在 Outlook 中使用規(guī)則一樣，現(xiàn)在可以為 AI 創(chuàng)建規(guī)則，但這些規(guī)則不是針對單一應(yīng)用，而是貫穿整個(gè) Microsoft 365 系統(tǒng)。這就是 Actions 的強(qiáng)大之處。我們的很多工作流都涉及信息的收集與分發(fā)、連接人與信息，這些都可以通過 Copilot Actions 輕松實(shí)現(xiàn)。

當(dāng)然，我們還可以構(gòu)建完整的Agents。我們自己也開發(fā)了許多范圍不同的Agents，比如團(tuán)隊(duì)級、流程級的Agents。

圖片

一個(gè)典型的例子是 Teams 中的Agents，可以擔(dān)任翻譯或協(xié)調(diào)員角色，就像團(tuán)隊(duì)中的新成員，幫助完成任務(wù)。SharePoint 現(xiàn)在也有了內(nèi)置Agents，它能智能地分析文檔，增強(qiáng)知識分享。我們可以通過簡單操作或 Copilot Studio 定制這些Agents，并在 Teams 聊天中共享。

下一個(gè)是“協(xié)調(diào)員Agents”，它能在會議中管理議程、實(shí)時(shí)記錄筆記和任務(wù)，讓團(tuán)隊(duì)專注于討論。此外，它還能通過實(shí)時(shí)總結(jié)和回復(fù)問題來簡化聊天中的溝通。而“翻譯Agents”則消除了語言障礙，實(shí)現(xiàn)了實(shí)時(shí)語音翻譯，使每個(gè)人都能自由交流。

項(xiàng)目管理Agents能夠創(chuàng)建項(xiàng)目計(jì)劃、分配任務(wù)，甚至代表團(tuán)隊(duì)完成任務(wù)，從而確保每個(gè)人都了解情況并有效協(xié)作。最后，在HR和IT等專業(yè)業(yè)務(wù)流程中，新的員工自助服務(wù)Agents在Copilot Business Chat中提供，讓員工可以即時(shí)獲得答案并執(zhí)行操作，如提交服務(wù)臺工單。這些Agents可以通過Copilot Studio自定義，利用預(yù)建的工作流和更多功能。全新的AI和Microsoft 365正在提升生產(chǎn)力，徹底重新定義工作方式。

以上是我們在系統(tǒng)中構(gòu)建的Agents示例。但真正令人興奮的是，你們也可以構(gòu)建Agents。這正是Copilot Studio的用武之地。

我們對Copilot Studio的愿景很簡單：這是一個(gè)為構(gòu)建Agents而設(shè)計(jì)的低代碼/無代碼工具?？梢灶惐菶xcel——人們可以輕松制作電子表格，而構(gòu)建Agents應(yīng)該同樣簡單。Copilot Studio旨在幫助每個(gè)人掌控自己的工作流程，以支持我們在知識工作中的實(shí)際需求。它就像一個(gè)“Agents群”，圍繞我們的日常工作提供幫助，減少重復(fù)性任務(wù)，提升工作流暢性。例如，對于現(xiàn)場服務(wù)，只需輸入提示和說明來定義Agents的任務(wù)，然后將其與SharePoint中的知識源連接，它就可以自動(dòng)生成Agents。

這種無需編碼就能輕松創(chuàng)建Agents的能力，正是Copilot Studio的核心?，F(xiàn)在，你擁有了AI的用戶界面、可擴(kuò)展性功能、內(nèi)置Agents和自定義Agents的構(gòu)建能力，這形成了一個(gè)完整的系統(tǒng)。

接下來就是投資回報(bào)率（ROI）和衡量標(biāo)準(zhǔn)的問題。這是另一個(gè)關(guān)鍵問題：我們?nèi)绾未_保這些技術(shù)能帶來實(shí)質(zhì)性的動(dòng)機(jī)變化？最終，這些工具不僅應(yīng)提高個(gè)人生產(chǎn)力，還應(yīng)改善組織的業(yè)務(wù)成果。我們正在開發(fā)Copilot Analytics，讓銷售經(jīng)理等用戶能夠關(guān)聯(lián)銷售增長、產(chǎn)出提升等指標(biāo)與Copilot功能的使用，從而實(shí)現(xiàn)實(shí)時(shí)反饋和優(yōu)化業(yè)務(wù)結(jié)果。

演講圖：使用Copilot帶來的業(yè)務(wù)成果趨勢

這種方式加速了AI應(yīng)用的推廣周期，不需要等待多年即可看到成效。Copilot作為AI用戶界面，具備擴(kuò)展性和測量功能，已經(jīng)成為我們構(gòu)建的首個(gè)平臺。

我們在微軟內(nèi)部已經(jīng)看到顯著成效，各種業(yè)務(wù)流程如客戶服務(wù)、人力資源自助服務(wù)、IT運(yùn)維、財(cái)務(wù)、供應(yīng)鏈和營銷都實(shí)現(xiàn)了雙位數(shù)的生產(chǎn)力提升。例如，在營銷中，從購買決策到內(nèi)容創(chuàng)作存在許多低效環(huán)節(jié)，而AI帶來了巨大的操作杠桿。

這種擴(kuò)散速度之快，在全球范圍內(nèi)已經(jīng)超越了過去需要多年才能普及的模式。在印度，我見證了許多大規(guī)模部署的實(shí)例。例如，今天上午我與Cognizant的團(tuán)隊(duì)交流，他們已將AI技術(shù)全面推廣給員工。

英特爾前CEO安迪·格魯夫在90年代提出過“知識轉(zhuǎn)換”概念，即快速創(chuàng)建和傳播知識的重要性。這與零售供應(yīng)鏈轉(zhuǎn)換類似，只是應(yīng)用于知識產(chǎn)業(yè)。Persistent公司是另一個(gè)例子，他們開發(fā)了一種合同管理Agents，可以在Copilot中使用，并貫穿整個(gè)合同生命周期處理重大變更。這是企業(yè)大規(guī)模部署Copilot系統(tǒng)的又一實(shí)例。

四、Copilot AI 堆棧：AI 并不是獨(dú)立存在的，它需要整個(gè)計(jì)算堆棧的支持

接下來我想談?wù)勏乱淮脚_——Copilot 堆棧和 AI 平臺。對我們來說，Azure 一直被構(gòu)想并建設(shè)為“世界的計(jì)算機(jī)”。我們始終對其充滿承諾，因?yàn)槲覀円庾R到 AI 并不是獨(dú)立存在的，它需要整個(gè)計(jì)算堆棧的支持，因此我們正在全球范圍內(nèi)構(gòu)建這一體系。

基礎(chǔ)設(shè)施

我們在全球擁有超過 60 個(gè)區(qū)域，300 多個(gè)數(shù)據(jù)中心。在印度，我們對現(xiàn)有的區(qū)域擴(kuò)展非常興奮，包括中央印度、南印度和西印度區(qū)域。同時(shí)，我們還與 Geo 合作增強(qiáng)了容量。今天，我很高興宣布我們在印度進(jìn)行的史上最大規(guī)模的擴(kuò)展，將投入 30 億美元來增加 Azure 的容量。

圖片

昨天我有機(jī)會會見了莫迪總理，體驗(yàn)非常棒。他分享了許多例子和愿景，特別是他推動(dòng) AI 使命的戰(zhàn)略。這個(gè)愿景結(jié)合了“印度堆?！保↖ndia Stack）、這個(gè)國家的創(chuàng)業(yè)活力，以及消費(fèi)者和企業(yè)端的人口紅利，形成了一個(gè)良性循環(huán)。因此，我們非?？春靡胂乱淮?AI 核心計(jì)算能力。

當(dāng)談到基礎(chǔ)設(shè)施時(shí)，我們引入了一個(gè)新公式——簡單來說，衡量任何國家或企業(yè)的成長效率將取決于“每瓦特、每美元對應(yīng)的 Token 數(shù)量”。未來兩年、五年甚至十年，我們會看到這種公式與 GDP 增長直接相關(guān)。因此，基礎(chǔ)設(shè)施必須成為最高優(yōu)先級。

我們在各個(gè)層面進(jìn)行創(chuàng)新。從優(yōu)化液冷 AI 加速器的建設(shè)，到可再生能源基礎(chǔ)設(shè)施的合作，實(shí)現(xiàn) 0 廢物、0 水資源使用，再到整套系統(tǒng)的協(xié)同建設(shè)。

接著是硅片創(chuàng)新。我們與 Nvidia 合作，今天已有首個(gè) GB 200 集群上線。同時(shí)，我們還與 AMD 合作，開發(fā) Maya 芯片，Maya 已經(jīng)在 Microsoft.com 處理大量客戶服務(wù)流量。這些投資使我們構(gòu)建了世界一流的 AI 加速器基礎(chǔ)設(shè)施，優(yōu)化訓(xùn)練、推理內(nèi)核，推動(dòng)全系統(tǒng)級的創(chuàng)新。

數(shù)據(jù)層

基礎(chǔ)設(shè)施就緒后，接下來的大問題是數(shù)據(jù)治理。今天我與許多客戶和合作伙伴交流，他們首先關(guān)心的是如何整理數(shù)據(jù)。

數(shù)據(jù)是構(gòu)建 AI 的唯一方式，不僅用于預(yù)訓(xùn)練，還用于 RAG（檢索增強(qiáng)生成）需要的數(shù)據(jù)、后期訓(xùn)練、采樣和推理計(jì)算。因此，首要任務(wù)是將數(shù)據(jù)與云端對接。我們正在構(gòu)建數(shù)據(jù)資產(chǎn)管理體系，無論是 Snowflake、Databricks、Oracle 還是 SQL，都可以遷移到云端，全面支持 AI 計(jì)算。

我們擁有為AI應(yīng)用設(shè)計(jì)的出色操作性數(shù)據(jù)存儲系統(tǒng)，無論是Cosmos DB還是用于分析型工作負(fù)載的SQL Hyperscale或Fabric，它們都已準(zhǔn)備好支持AI。實(shí)際上，ChatGPT的一些最大用戶就依賴于Cosmos DB，因?yàn)樗怯糜诖鎯hatGPT用戶狀態(tài)的有狀態(tài)應(yīng)用的數(shù)據(jù)庫。

因此，我認(rèn)為數(shù)據(jù)層非常重要，我們正在盡一切努力確保能夠幫助大家整理數(shù)據(jù)，以便結(jié)合這些模型使用和構(gòu)建模型。這包括基于數(shù)據(jù)進(jìn)行模型訓(xùn)練，還包括使用數(shù)據(jù)進(jìn)行諸如檢索增強(qiáng)生成（RAG）等操作。所以數(shù)據(jù)重力的就近性至關(guān)重要，數(shù)據(jù)的本地化處理也至關(guān)重要。

AI應(yīng)用服務(wù)器Foundry

在擁有基礎(chǔ)設(shè)施和數(shù)據(jù)之后，第三步是創(chuàng)建AI應(yīng)用服務(wù)器。回顧歷史，當(dāng)網(wǎng)絡(luò)興起時(shí)，我們構(gòu)建了IIS應(yīng)用服務(wù)器；當(dāng)云計(jì)算崛起時(shí)，我們開發(fā)了云原生應(yīng)用服務(wù)器；移動(dòng)時(shí)代也是如此。因此，每一代技術(shù)都需要一個(gè)應(yīng)用服務(wù)器，而我們現(xiàn)在正在構(gòu)建Foundry。

圖片

Foundry的核心是模型，尤其是OpenAI的創(chuàng)新成果。我們對GPT-4和即將到來的新版本感到興奮，同時(shí)也整合了來自開源社區(qū)的模型，如Llama和Mistral。此外，還有針對特定行業(yè)和印度本地語言需求開發(fā)的模型。我們希望擁有最豐富的模型目錄，其中一些流行模型將作為服務(wù)通過API接口提供。

獲得模型后，我們需要部署、微調(diào)、蒸餾、評估模型，還需要進(jìn)行可靠性和安全性測試。為了簡化這些操作，我們將其整合到應(yīng)用服務(wù)器中。模型評估將變得至關(guān)重要，我的團(tuán)隊(duì)始終關(guān)注前沿模型，并確保應(yīng)用服務(wù)器層具有靈活性，以便快速適應(yīng)新模型。這個(gè)過程包括樣本測試、成本和延遲優(yōu)化，以及為特定用例進(jìn)行微調(diào)，這就是Foundry的目標(biāo)——簡化整個(gè)流程并推動(dòng)巨大進(jìn)步。

在印度，我看到了許多客戶已經(jīng)開始部署AI技術(shù)并提供了寶貴的反饋。例如，多Agents部署的嘗試讓我們學(xué)到了很多。展望未來，我認(rèn)為行業(yè)的重點(diǎn)將從“模型”轉(zhuǎn)向“模型編排”和“模型評估”，并如何部署“面向未來的應(yīng)用”，這是未來的重要趨勢。

今天，我見到了巴羅達(dá)銀行的團(tuán)隊(duì)，他們展示了三個(gè)Agents：一個(gè)自助服務(wù)Agents，一個(gè)為新客戶提供服務(wù)的關(guān)系經(jīng)理Agents，還有一個(gè)面向員工的Agents。此外，我參觀了一家名為ClearTax的初創(chuàng)公司，它的稅務(wù)處理流程簡單到只需用WhatsApp提交收據(jù)，然后就能獲得退稅。我特別喜歡這一點(diǎn)。此外，我還與ICICI Lombard團(tuán)隊(duì)交流，了解到印度的醫(yī)療理賠表單沒有標(biāo)準(zhǔn)化，需要手動(dòng)讀取。這種效率的提升將直接促進(jìn)經(jīng)濟(jì)增長，因?yàn)榇_保理賠順利意味著保險(xiǎn)服務(wù)得到了保障。

圖片

我還見到了MakeMyTrip團(tuán)隊(duì)，他們的高目標(biāo)是將旅行行業(yè)中的復(fù)雜流程（包括酒店、航班和其他交通工具）通過多Agents框架實(shí)現(xiàn)自動(dòng)化。不僅大型公司和初創(chuàng)企業(yè)在推動(dòng)這項(xiàng)技術(shù)，其在印度的普及速度同樣令人興奮。最后，我想請大家觀看合作伙伴的視頻展示。

在印度，我們生產(chǎn)了大量的主要農(nóng)作物，如甘蔗、小麥、水稻、豆類和棉花。但與其他發(fā)達(dá)國家相比，我們的產(chǎn)量仍然很低。土壤侵蝕是印度當(dāng)前的主要問題，這主要是由于農(nóng)藥的使用。

巴拉馬提合作社已經(jīng)為農(nóng)業(yè)社區(qū)服務(wù)了五十多年。他們的努力幫助資源貧乏的農(nóng)民改善了生活。AgriPinado AI幫助農(nóng)民避免猜測，通過科學(xué)的方式獲取真實(shí)數(shù)據(jù)，從而做出明智的決策并取得成功。在這個(gè)項(xiàng)目中，我們從馬哈拉施特拉邦選擇了1000名先進(jìn)的農(nóng)民，為他們安裝了氣象站、土壤傳感器，并提供了衛(wèi)星支持。每天我們都從土壤中收集實(shí)時(shí)數(shù)據(jù)，AgriPinado AI使用Microsoft FarmBeats管理農(nóng)業(yè)數(shù)據(jù)，通過運(yùn)行超過20種算法來基于歷史模式提供準(zhǔn)確的結(jié)果。

Azure OpenAI讓農(nóng)民能夠用本地語言在WhatsApp上提問，從而在田間精準(zhǔn)地使用灌溉、化肥和農(nóng)藥。

對我而言，這真正實(shí)現(xiàn)了各種技術(shù)的整合。從Azure IoT的連接，到數(shù)據(jù)平面的處理，再到使用Azure AI，最終的目標(biāo)是讓農(nóng)民能夠提高產(chǎn)量。這些技術(shù)的整合展示了科技的力量和我們可以實(shí)現(xiàn)的成就。

工具

現(xiàn)在，最后一層是工具。如果你有了基礎(chǔ)設(shè)施、數(shù)據(jù)和AI，工具就變得至關(guān)重要。微軟起步于工具公司，我們始終對工具充滿熱情，尤其是通過GitHub。

在印度，現(xiàn)在有1700萬GitHub用戶，是僅次于美國的第二大社區(qū)。實(shí)際上，到2028年，印度的開發(fā)者數(shù)量將超過美國，這令人興奮。此外，印度的開發(fā)者對AI項(xiàng)目的貢獻(xiàn)也僅次于美國，社區(qū)的活躍度和才華令人振奮。我們在GitHub Copilot上的進(jìn)展同樣令人興奮。

我們現(xiàn)在已經(jīng)實(shí)現(xiàn)了多文件編輯功能。從連續(xù)代碼補(bǔ)全到聊天功能，再到多文件編輯，這使得可以對整個(gè)代碼庫進(jìn)行修改。我們還推出了免費(fèi)的GitHub Copilot層級，這一功能在印度發(fā)展迅速?；仡?020年，我第一次看到GitHub Copilot，那時(shí)我深信LLM的潛力。隨后，我看到GitHub Copilot Workspace，這是超越聊天功能邁向真實(shí)Agents的一步，它讓開發(fā)者可以從GitHub問題生成規(guī)格書、編輯計(jì)劃、執(zhí)行整個(gè)代碼庫的操作。

今天，我邀請了我的同事Karen Napa來展示這些功能。Copilot Workspace是一個(gè)AI原生開發(fā)平臺，可以將你的想法通過自然語言直接轉(zhuǎn)化為代碼。接下來，我們將展示如何用Copilot Workspace為一個(gè)在線銷售運(yùn)動(dòng)器材的應(yīng)用程序添加管理頁面功能。

你知道嗎，看到開發(fā)工具鏈的進(jìn)展真的很令人興奮。事實(shí)上，直到今天，Copilot Workspace不再有等待名單了，我們對此感到非常興奮。對我個(gè)人而言，也許最大的改變就是Windows 365，我有了我的桌面，加上GitHub Copilot和Copilot Workspace，還有Code Spaces。將這些工具結(jié)合起來，無論我身處世界的哪個(gè)角落，我都是個(gè)快樂的人。這真是一個(gè)改變開發(fā)生產(chǎn)力的奇妙進(jìn)步。

五、Copilot 設(shè)備：最快、最智能的Windows PC

那么我最后想談?wù)劦氖荂opilot設(shè)備。我們討論了這么多創(chuàng)新和基礎(chǔ)設(shè)施，從云端的硅開始，現(xiàn)在它正在走向邊緣。

我們非常興奮與高通、AMD、英特爾在NPUs方面的合作。事實(shí)上，今天，Jensen甚至談到了即將進(jìn)入常規(guī)PC的下一代GPU，這些GPU將能夠在本地運(yùn)行整個(gè)Nvidia技術(shù)棧。所以我們對這些Copilot設(shè)備以及更廣泛的Copilot PC，甚至是帶有GPU的傳統(tǒng)PC發(fā)生的變化感到非常興奮。但我們也對基礎(chǔ)工作充滿期待，對吧？當(dāng)我使用我的Copilot PC時(shí)，能夠保證電池續(xù)航整天使用，擁有內(nèi)置的新AI功能，第三方開發(fā)者也開始使用它，無論是Adobe、Cap Cart還是其他公司。所以這真的是一個(gè)新的平臺的開始，它將在邊緣發(fā)生的事情，和云端一樣令人興奮。

實(shí)際上，我們不把它看作是舊的客戶端-服務(wù)器模式。這不僅僅是關(guān)于離線本地模型，而是關(guān)于混合AI。

現(xiàn)在的思路是，你可以構(gòu)建應(yīng)用程序，讓你能夠?qū)⒁恍┕ぷ餍遁d到本地NPU上作為輔助，進(jìn)行分類處理，同時(shí)調(diào)用云端的LLDs。任何應(yīng)用程序都將真正成為一個(gè)混合型應(yīng)用程序。這不是僅僅在本地運(yùn)行，或者完全在云端運(yùn)行。我認(rèn)為這就是我們一直期待的。讓我們播放一個(gè)視頻，讓大家了解一下Copilot設(shè)備上的一切。

為了真正確保這三個(gè)平臺能夠廣泛分發(fā)和使用，關(guān)鍵的考慮因素是信任。

關(guān)于安全性、隱私和AI安全的信任。所以我們有一套原則，但更重要的是，這些原則和舉措是基于真正的工程進(jìn)展，確保我們能夠在整個(gè)過程中有效地建立信任。比如說，像安全性這樣的東西，如何防范敵對攻擊，比如提示注入？我們正在構(gòu)建的一項(xiàng)關(guān)鍵內(nèi)容。再比如AI中的隱私問題，如何思考機(jī)密計(jì)算，不僅僅是針對PC，而是針對GPU？這是我們現(xiàn)在和每個(gè)人合作的內(nèi)容，無論是Nvidia、Intel，還是AI安全方面，很多人談?wù)摰囊粋€(gè)大問題是幻覺。

我們?nèi)绾未_?；A(chǔ)性？所以，帶有評估支持的基礎(chǔ)服務(wù)是我們在AI安全方面取得實(shí)際進(jìn)展的一種方式。所以我們真正把信任作為一項(xiàng)首要的工程考慮，設(shè)定了一套原則，但更重要的是將這些原則轉(zhuǎn)化為工具鏈和運(yùn)行時(shí)，允許我們作為開發(fā)人員構(gòu)建更值得信賴的AI。

現(xiàn)在，我想從我開始的地方結(jié)束，那就是我們的使命是賦能每個(gè)人。但在我去那之前，我想談?wù)劦氖牵@一切都涉及到做AI商業(yè)轉(zhuǎn)型，對吧？最終，它是關(guān)于改變客戶服務(wù)，或者改變你的營銷、銷售，或是內(nèi)部運(yùn)營。歸根結(jié)底，最終是關(guān)于商業(yè)成果。

我想提交的三個(gè)考慮因素是，Copilot作為AI的UI，它是確保你能夠確保把應(yīng)用服務(wù)器作為構(gòu)建AI應(yīng)用的平臺，在我們看來就是Foundry，另一個(gè)是你的數(shù)據(jù)，與Fabric結(jié)合。因此，這三者可能是需要做出的三大關(guān)鍵設(shè)計(jì)決策，而不是任何給定的模型，因?yàn)槟Ｐ兔磕甓紩兓?，每個(gè)月你都會有新的模型，但這三大基礎(chǔ)設(shè)計(jì)選擇才是真正的關(guān)鍵，那就是UI層是什么，你的Agents如何與UI層接口，你如何思考你的數(shù)據(jù)，以及你如何思考應(yīng)用服務(wù)器，實(shí)際上它給你提供了基于模型的敏捷性。

這三者是你應(yīng)該從我們在平臺上所做的工作中得到的希望，通過這些，我們的使命是賦能印度每個(gè)人、每個(gè)組織，這驅(qū)動(dòng)著我們。最終，它是確保這個(gè)國家的人力資本能夠繼續(xù)擴(kuò)大，利用這項(xiàng)技術(shù)所帶來的巨大機(jī)會和潛力。因此，我今天非常興奮地宣布，我們一直以來的承諾，現(xiàn)在是到2030年培訓(xùn)1000萬印度人AI技能。對我來說，最重要的事情是，不要把技能培訓(xùn)看作抽象的，而是看到這些技能如何轉(zhuǎn)化為實(shí)際影響，一次一個(gè)社區(qū)，一次一個(gè)行業(yè)。所以我留下一個(gè)視頻，展示所有技能培訓(xùn)已經(jīng)在印度產(chǎn)生的影響。非常感謝大家，謝謝你們在平臺上做出的出色工作，謝謝。

本文轉(zhuǎn)載自??51CTO技術(shù)棧??，作者：伊風(fēng)