按照纳德拉的预判，传统的Saas(软件即服务)模式正在走向衰退商业用户熟悉的应用程序形式将逐渐被智能代理所替代。

　　毫无疑问，在AI落地的过程中，Agent将扮演越来越重要的角色。但如何更好地构建Agent生态，对产业各方来说，成为一个亟待解决的难题。

　　昨天，在班加罗尔举办的“Microsoft AI Tour ”大会上，纳德拉再次发表了一场有关AI的重磅主题演讲。其中，就详细谈到了其对于关智能体生态构建的最新观点。

　　以前，比尔·盖茨每年都会把我们一群人召集到一起，然后他会拿出摩尔定律，再讲讲内存方面的情况。

　　它首先得益于2010年的深度神经网络（Dnns），之后，显然是GPU（图形处理器）又带来了新变化。

　　或许是Transformer（一种深度学习模型架构）在数据并行方面的高效性，使得原本大概每18个月容量翻倍的情况，开始变成每6个月就翻倍一次。

　　但现在更有意思的是，我们开始看到另一个与推理时间（或者说测试时间）相关的扩展定律，也就是计算扩展定律。

　　如何更高效地利用这个采样步骤，实现在推理时间方面的扩展，我认为这将使人工智能发展迈向新台阶。

　　这种能力，能让我们与任何计算机系统进行操作，都可以熟悉、简易的交互，将会改变每一个软件类别。

　　这是真正的智能体行为的开端。当你使用智能助手（Copilot）的办公套件时，它就能唤起规划，并将规划作为多步骤流程，去执行的能力。

　　当我们思考智能体时，将多模态能力、规划推理能力、记忆能力以及所用工具，特别是权限范围这些要素整合起来。

　　目前，微软正在打造三大平台。分别是智能助手（Copilot）、智能助手与人工智能技术栈（Copilot and AI stack），以及智能助手设备（Copilot devices）。

　　然后，进入会议环节，医生们只需要全神贯注于病例讨论本身就够了，人工智能能够帮忙做详细的会议纪要。

　　会议结束后，如果这位医生还是教学医生。智能助手还能把肿瘤病例讨论会上的内容整理出来，无论转换成文档，还是PPT都可以。然后，就可以轻松的去授课。

　　进一步看，有了页面（Pages）、网络聊天（Chat with web）以及工作范围（Work scope）这些功能后。就又有一种新型的工作流程了。

　　无论是网络上的信息，还是微软365图谱（Microsoft 365 Graph）里的信息，我们都能把数据提取出来。

　　一旦数据呈现在页面（Pages）里，我就可以在页面中使用智能助手（Copilot）来持续对其进行修改。

　　我借助人工智能思考，将内容推送到页面（Pages）上，邀请其他人参与，与他人协作，而且人工智能在这个画布上也全程参与。

　　对于熟悉 Outlook 规则的用户而言，Copilot actions 可视为人工智能时代的规则进阶。

　　知识工作常涉及信息的收集与分发，以及人员与成果、人员间的关联，而 Copilot actions 能将这些流程自动化设置，是人工智能扩展性的初步体现。

　　计算栈是人工智能的基础设施，从某种意义上来说，对于任何国家或任何公司而言，如今也就有了一个新的考量公式.

　　坦白讲，无论是两年后、五年后还是十年后，我们都会讨论国内生产总值（GDP）增长与这个公式之间的关联。

　　无论是在任何社区、任何国家、任何行业，甚至是公司层面，其自身的增长都与能否高效驱动这个公式紧密相关。

　　预训练需要数据、检索增强生成（RAG）需要数据，训练后处理需要数据、进行采样在推理时计算，以改进预训练需要数据。

　　我们打造的用于人工智能操作的存储系统，无论是Cosmos DB（微软的全球分布式数据库服务），还是SQL Hyperscale。还是用于分析工作负载的Fabric（微软的数据分析平台）。

　　回想当年，互联网兴起时，我们打造了IIS（互联网信息服务）作为应用服务器；云计算出现时，我们又开始构建原生云应用服务器；移动时代也是如此。

　　每一个技术时代都需要对应的应用服务器，在人工智能时代，我们打造了Foundry（一个人工智能应用开发平台）来担当此任，并搭载了丰富的模型资源。

　　有了模型之后，接触下来就是部署模型，对其进行微调、提炼，还要能够对模型进行评估、做基础测试、安全性检测等一系列复杂的步骤。

　　你可以先用最新的示例whatsapp提示该号码未使用，然后进行成本优化、延迟优化，再针对自己的具体使用场景对其进行微调以用于评估。

　　行业内讨论的焦点可能就不再是模型本身，而是模型编排、模型评估以及如何部署基于这些模型的应用。

　　例如，我看到巴罗达银行（Bank of Baroda）的人员展示了他们构建的智能体；初创公司ClearTax，他们的智能体已经可以处理自己的税务了，并且操作执行很简单。

　　借助OpenAI，农民可以用当地语言提出问题，这些问题能通过WhatsApp传达，他们可以精准地在农田里进行灌溉、整地以及使用农药等操作。

　　它将我们构建的所有技术，从Azure物联网（Azure IoT）实现的数据连接，到数据层面，再到能够利用Azure人工智能（Azure AI），最终赋能农民提高农作物产量。

　　接下来我想讲讲最后一层，也就是如果有了基础设施、数据以及人工智能应用服务器，那么工具就是另一个关键要素了。

　　我们先是推出了代码补全功能，接着有了聊天功能，然后把代码补全和聊天功能整合到了一起，现在又实现了多文件编辑，这样我就能在代码仓库（repo）层面进行编辑了。

　　当我第一次看到GitHub智能助手工作区（GitHub Copilot workspace）时，我感觉我们迎来了新的跨越时机，要从聊天迈向真正的智能体了。

　　在那里，你可以基于GitHub上的一个问题创建规范说明，对其进行编辑，制定计划，然后编辑计划，最后还能看到它在整个代码仓库中执行。

　　智能助手（Copilot）能在开发者环境中，提供贴合上下文的人工智能辅助，而智能助手工作区（Copilot workspace）则是下一代具有智能体特性的人工智能原生开发者平台。

　　在智能助手工作区（Copilot workspace）中，头脑风暴智能体（Brainstorm agent），可以基于上下文在智能助手工作区（Copilot workspace）中反复操作，通过请求修订来不断迭代计划和实施过程。

　　最后，如果代码测试通不过，也可以使用智能助手工作区（Copilot workspace）里的构建与修复智能体（Build and repair agent），它会给出解决这个错误的方案。

　　这些就是我们提供的人工智能原生的开发者环境，是一种智能体工作流程，它能跟上你的创意速度，快速推进项目进展。

　　我们与高通（Qualcomm）、超威半导体（AMD）、英特尔（Intel）在这方面的合作让我们倍感兴奋。

　　事实上，最近黄仁勋还提到了下一代将应用于普通个人电脑的GPU，有了它们，就能在本地运行整个英伟达的技术栈了。

　　但我们同样对一些基础功能也很期待，比如我使用智能助手电脑（Copilot PC）时，它的电池续航能支撑一整天，而且现在内置了这些新的人工智能功能。

　　而且，现在内置了这些新的人工智能功能，第三方开发者也开始利用这些功能了，像Adobe、剪映（CapCut）等公司都已经在使用了。

　　实际上，我们不认为这是传统的客户端-服务器模式，这不是关于本地独立模型的问题，而是混合人工智能。

　　也就是说，未来大家构建应用程序时，能够将一部分任务卸载到本地的神经网络处理器（NPU）上进行辅助分类，同时调用云端的大语言模型（LLMs）。

　　所以，任何应用程序都将真正成为混合应用程序，不再是单纯在本地运行或者完全在云端运行，我认为这就是我们所期待的发展方向。