首页科技快讯对话微软陶然：AI不应一家独大，微软要做开放的Agent网络

对话微软陶然：AI不应一家独大，微软要做开放的Agent网络

来源：晰数塔互联网快讯时间：2025年11月24日 15:13

微软 Ignite 大会近期举办，在中国专场上，微软提出了一个有意思的方向：“智能体网络”。

简单来说，微软要用全栈的技术来把模型能力、产品能力与行业场景整合，让企业生产力从 Copilot 推向真正的 Agent。

对中国市场而言，它希望给这些快速成长的企业提供“全球级 AI 基建 + 本地化执行力”同时在线的能力：通过 Azure、Microsoft 365、Dynamics 365 和 Power Platform 的统一底座，利用它 50 年的安全积累，以及在全球 70+ 区域的合规覆盖来提供全球化的工具。目前微软也已经和好未来、蔚来、声网、OPPO、联想等企业联合创新，在这个过程里和中国客户一起探索如何让 AI 从“一个特性”变成“一个系统”。

在Ignite大会上，微软也把未来一年的技术底牌一次性摊开：AI 的底层能力怎么进化、产品矩阵怎么重构、战略火力往哪儿集中，三天时间里系统性的做了分享。

硅星人也在此期间在微软硅谷总部，与微软大中华区COO陶然进行了一场深入对话。

以下为我们和陶然的对话实录：

微软要打造一个开放的Agent网络

硅星人：在过去一年里，全球AI技术与应用层面有哪些真正“改变游戏规则”的突破？中国企业在这些变化中扮演了什么角色？另外，在企业落地层面，哪些突破是您认为真正有意义的？

陶然：非常好的问题。首先分享一下我们从微软视角看到的全球 AI 趋势。三四年前大家可能听过一个buzzword，叫 Scaling Law（缩放定律）。Scaling Law本质上有点类似 PC 时代改变世界的摩尔定律：摩尔定律定义了我们从纸质时代迈向信息化时代，因为 CPU 的算力每 18 个月都会显著提升，使个人电脑不断变强，从而推动整个人类完成信息化。

Scaling Law 在 AI 时代扮演的角色，也是在定义我们如何从信息化走向智能化。它核心衡量的是：如何让每一块 GPU 在同样的成本或功耗下，能提供更高的推理能力（token per second），从而持续提升模型的性能、质量、安全、合规等边界。

过去几年，无论是 NVIDIA 的 GPU 迭代，还是相关基础设施的发展，速度都越来越快，没有到达天花板。我们看到一个明确趋势是：在今天大模型已诞生三四年后，Scaling Law 仍然有效，而且离终点还很远，会持续推动模型能力增长。

举个例子：三四年前，在微软 Azure 的一台当时最新的机器上，每秒能生成的 token 大约在 20k 到 23k 左右。而如今最先进的 GPU 集群，如基于最新架构的 GPU，单机的 Token 吞吐已经达到 1.2 million per second（120万每秒）。也就是说，单机智能产生的“智能产出（Intelligence Output）”是两三年前的几十倍。

这不仅是“量”的增长，也带来“质”的变化。模型变得更聪明、理解力和推理力更强，而且这个趋势仍在持续。

在去年以后，我们看到另一个变化：随着大模型能力提升，越来越多的“推理侧（Reasoning）”能力被激活。模型不仅能回答问题，还能进行思考（Think），具备完成复杂任务的能力。

如果说过去三四年 AI 的突破更多集中在问答（Q&A）、生成（Generation），那么从今年开始，整个行业的重心已经明显转向智能体（Agent）。

越来越多企业开始在智能体方向加大投入，把现有流程、系统与生产力重新通过智能体改造。这是一个明确趋势：随着模型能力持续提升，人类对 AI 的采用正从 Copilot（助手）走向 Agent（自治体）。今年是 Agent 元年的开始，未来会有更多场景出现。

回到中国企业，中国公司在本土创新上做了很多努力。现在的大模型时代不是“赢家通吃”，而是“百花齐放”，基础模型与垂直模型都有市场需求。

很多中国公司在大模型、垂直模型（Agent + Vertical Model）、平台能力等方向都有创新。有的模型甚至开源，不只服务中国，而是面向全球 AI 社区，是全球浪潮中的重要力量。

“微软的使命很清晰：在智能体时代，构建一个开放、可信、安全、企业级的智能体网络（Open Agent Web）。我们相信 AI 时代不应由单一模型或单一平台主导，而是要开放、异构协作，让不同智能体与不同系统可以横向、纵向自由交互，从而真正释放 AI 对企业的生产力价值。”

硅星人：非常清楚。您刚刚提到中国企业的情况，我们有个问题：很多中国企业在 AI 上投入很大，但实际落地和商业化进展参差不齐。您认为他们在 AI 创新上的最大短板和优势是什么？

陶然：AI 时代一个重要前提是：企业自身的信息化成熟度。AI 能力大家都能获取，但为什么有些企业“上得痛苦”？关键在于基础信息系统与数据质量是否达标。

我们常说：Garbage in, garbage out。很多企业以为 AI 能解决一切，但当 ERP、CRM 数据根本不准时，AI 也无法给出准确答案。所以第一课是：要先补齐信息化和数据质量，让数据能真正用于 AI。

第二课是安全、合规与信任。很多企业担心自己的机密数据会不会因使用 AI“泄露”到外部，这是普遍担忧。传统企业没有端到端安全管控能力，因此需要可信的 AI 平台和治理工具。微软在数据安全领域深耕数十年，我们不仅提供模型和平台，也提供相应的治理与保护工具。

微软中国的角色：全球能力 + 本地化执行

硅星人：结合微软在中国的落地经验，你们在帮助本地客户部署 AI 与云技术时遇到哪些水土不服的问题？

陶然：水土不服取决于场景，但我们在中国也看到很多成功案例——通过微软全球 AI 平台与本土业务场景结合，产生了很多创新。比如我们与好未来合作的“九章随时问”，用 Azure 的语音与 TTS 能力提升学习体验；和深网、车企等合作也都出现很多成果。

很多水土不服的根源在于：企业没有想清楚上 AI 的业务诉求。只是“上 AI 为了上 AI”。应该先明确场景、目标与 ROI。

我们的建议是三步走：

先提升员工 AI 素养（理解 AI、用 AI）。如用 Copilot for PowerPoint、Word、Excel 提升日常效率。

再优化企业流程，由“人驱动流程”逐步变成“智能体驱动流程”。

最后打造下一代 AI 原生产品，实现真正的业务转型。

硅星人：结合这些阶段，微软中国在中间扮演什么角色？

陶然：我们的定位很简单：做企业最可信赖的全球级云 + AI 平台提供商。我们不做 Super App，不和客户的业务竞争，而是做他们的合作伙伴。企业上 AI 需要一个可信、安全、合规、懂行业、并且有本地支持的伙伴，而微软刚好具备这些优势。

硅星人：在帮助中国企业出海方面，微软中国做了哪些本地化调整？有没有遇到文化或价值观差异，又是如何处理的？

陶然：这实际上是微软的优势。我们既懂中国，也懂海外市场和合规要求，这是信任的来源。

中国企业出海最大的挑战并不是语言，而是对当地文化、人文、合规的理解。微软在全球有超过百项合规认证，为客户提供安心的平台。

另外我们在全球各地都有团队可支持客户，同时云的特性也让企业能远程统一管理国内外的技术平台，实现 24×7 的无缝支持。

硅星人：哪些中国企业真正具备全球竞争力？它们与其他企业最大的不同是什么？

陶然：AI 时代全球竞争力会被重新定义。传统强者如果跟不上 AI 也会被颠覆。我们看到很多企业借助 AI 转型快速实现全球扩张。

例如深网与微软合作构建全球实时音视频网络，让他们在全球语音交互场景中具备高质量体验，并能快速扩张用户。

核心差异在于：能否理解自身业务的长期诉求，并基于此制定具有全球适应性的技术战略。

硅星人：从组织架构和人才能力来看，中国企业要怎么调整才能真正成为 AI 原生企业？

陶然：首先是 AI 素养。AI 转型不是 IT 部门的事情，而是整个公司的事情。很多成功案例都是从 CEO 和董事会自上而下推动，比从底层慢慢试要快得多。

其次，AI 时代的研发速度完全不同。过去一个 IT 项目要 6 个月到一年，现在很多 AI 项目两三个月就能从想法到上线。像 GitHub Copilot 等工具大幅缩短研发时间，让企业能“快速试错（Try fast, fail fast）”找到最佳方案。

硅星人：企业规模部署 AI 时，最容易被忽略的关键治理环节是什么？微软的最佳实践是什么？

陶然：关键仍然是安全、合规和高可用。很多企业先上线再补安全，成本反而更高。应该在第一天就把安全与合规嵌入设计。

第二是统一的平台能力，能够整合内部数据与外部实时数据，并通过智能体落地业务价值。

第三是行业专业能力。微软针对零售、医疗、金融等行业都有深入积累与行业模型，帮助企业在对内和对外两个维度都能成功落地。

硅星人：今年的 Ignite AI 发布会上，有哪些亮点更新让企业在客户赋能方面迈上新台阶？

陶然：大会上正式亮相的更新核心方向依旧明确：微软继续构建开放、安全、企业级的智能体网络，为所有企业提供可信赖、模型非绑定的开放平台，加速业务与产品的 AI 转型。

硅星人：作为微软中国的 COO，您如何看待创新、合规、效率之间的冲突？微软内部有什么机制值得其他企业借鉴？

陶然：我不认为这是冲突，而是文化升级。微软核心文化之一是 Growth Mindset：从“无所不知（Know-it-all）”变成“无所不学（Learn-it-all）”。只有保持开放与学习态度，企业才能在 AI 时代找到新的增长路径。微软内部有许多 AI 转型成果，例如客服部门通过智能体提升问题解决效率与满意度；法务部门通过 AI 降低外部律师成本等。这些都证明 AI 能显著提升组织效率和业务表现。