智东西
编译 汪越
Panken
智东西11月20日消息，在昨日开始的微软Ignite大会上，微软宣布已建立全球规模最大的企业级AI Agent生态系统。企业用户现在可以通过Azure AI目录访问超过1800个AI模型，用于支持各类AI Agent的部署和运行。
微软的Copilot Studio平台目前已支持用户创建自主Agent，并正式进入预览阶段。同时，微软还发布了5款预构建AI Agent，包括：SharePoint自定义个性化Agent、员工自助服务Agent处理HR和IT任务、Facilitator Agent自动记录会议笔记、Interpreter Agent提供9种多语言实时翻译，以及Project Manager Agent帮助自动化项目管理流程。
此外，微软研究团队近期基于企业Autogen框架推出了Magnetic-One系统，该系统采用Agent等级结构，将管理Agent与专业Agent分工协作，未来或实现数百万AI Agent的无缝协作。
一、超10万家企业使用，两类Agent全覆盖
自Copilot Studio发布以来，已有超过10万家企业使用该平台创建或AI Agent。微软的Copilot Studio能够与1400多个企业系统和数据源集成，包括SAP、ServiceNow和SQL数据库等。
一些早期用户已经看到了效果。例如，麦肯锡通过自动流程规划Agent将项目接收流程从20天缩短至2天；Pets at Home在不到两周内完成了防欺诈Agent的部署，年均节省数百万美元。此外，Nsure、标准银行、汤森路透、维珍货币、Clifford Chance和苏黎世等企业也在使用Copilot Studio提升运营效率。
1、自主Agent：支持自带知识与自带模型
根据国际数据公司（IDC）的预测，在未来两年内，越来越多的企业将会开发定制化的AI工具。从Salesforce和Snowflake这样的科技巨头到CrewAI、Sema4.ai等新兴公司，市场上正在涌现出大量旨在提升企业运营效率的AI平台。
现在，微软的自主Agent已正式进入公共预览阶段，企业可以通过Copilot平台创建并使用自己的AI Agent。
在Copilot Studio中，用户可以通过预设模板（如销售订单处理或交易加速）快速构建自己的Agent；如果需要更高级的功能，还可以使用目前处于预览阶段的Agent SDK进行开发。通过这个SDK，开发者可以打造与微软服务深度整合的多渠道Agent，并将其部署在多个平台上使用。
2、预构建Agent：为人力资源、翻译、项目管理而设计
针对企业中一些常见且重复的任务，微软推出了5款新的预构建Agent，能够自动化处理各种业务流程，从日常操作到项目管理。
例如，SharePoint中的Agent允许用户创建个性化Agent，实时提问并与同事共享，便于互动；员工自助服务Agent帮助员工查询福利、工资、设备请求等HR和IT任务；Facilitator Agent在Teams和聊天中实时记录会议笔记，并提供信息摘要；Interpreter Agent为Teams会议提供最多九种语言的实时翻译；Project Manager Agent能自动化管理项目流程，从创建计划到任务分配、进度追踪等。
此外，微软还推出了Azure AI Foundry SDK。该SDK提供了低代码工具链，让开发者能够自定义、测试、部署和管理Agent。开发者可以从25种预构建模板中选择，并通过SDK将Azure AI与GitHub或Copilot Studio等应用集成。
二、构建Agent等级结构，微软或扩展数百万AI Agent
微软业务应用程序和平台首席副总裁Charles Lamanna提出了“Agent网格”概念，这是微软AI Agent战略的核心。该网格将是一个互联系统，多个AI Agent协作完成复杂任务，而不是单独运行。
目前，微软的Copilot Studio主要支持基于聊天触发的Agent。例如，在企业场景中，销售Agent可以触发库存Agent检查库存情况，随后库存Agent通知客户服务Agent更新客户信息。这一系统由三部分组成：自主Agent、编排层和实时监控工具。
自主Agent能够检测事件并触发动作，无需人工干预；编排层协调多个专业Agent的工作，确保各个Agent之间能够无缝协作；实时监控工具提供Agent工作流程的透明度，帮助企业跟踪进展。
最近，微软的研究团队基于企业Autogen框架开发了Magnetic-One系统，建立了一个复杂的Agent等级结构。在这个系统中，管理Agent负责任务的全局调度，专业Agent专注于执行具体工作。
据VentureBeat报道，微软在Agent开发方面的技术能力已经与Anthropic和谷歌等公司相当。微软还计划将这一架构应用到例如OmniParser等工具中，以提升Agent解析用户界面元素的能力。目前，这些研究正在向生产环境过渡，但具体时间和实施细节尚未公布。
▲Magnetic-One系统结构（图源：微软）
这一架构的设计旨在解决企业在扩展AI Agent数量时遇到的问题：如何在保持系统可控的前提下，从数百个Agent扩展到数百万个Agent。通过编排层的协调能力，企业可以更高效地管理多Agent系统的发展。
此外，微软的战略也反映在其定价模式中。与其他AI供应商按token收费的方式不同，Copilot Studio基于交换的消息数量进行定价。这种模式更关注实际的业务成果，而非计算资源的使用量。
三、微软暂时领先，但定价与实施面临挑战
在AI Agent领域，微软凭借先发优势和广泛的用户基础暂居领先位置，数以亿计的员工正在使用其生产力套件。
其他科技公司也在积极布局这一领域。例如，Salesforce推出了Agentforce平台，已经构建了约1万个Agent，ServiceNow也推出了自家的AI Agent解决方案。然而，这些平台起步相对较晚，缺乏微软那样的企业覆盖率。
不同公司采用了多样化的战略。OpenAI专注于API服务，尚未开发完整的企业AI Agent框架；Crew等新兴公司提供实验性框架，但规模尚不足以支持大规模企业应用；LangChain的模块化框架主要用于实验性开发，而非企业部署；亚马逊通过SageMaker等平台专注于开发者群体，策略较为单一；谷歌虽然有多个AI平台，但缺乏统一的Agent框架。
与这些竞争者相比，微软的解决方案更加全面。它通过企业级安全措施、低代码开发工具、预构建模板和专业SDK，可支持不同企业团队的需求。此外，微软将其AI Agent深度集成到公司应用和分析数据库中，使Agent能够直接访问企业数据，无需单独配置检索增强生成（RAG）。
虽然微软取得了一定优势，但AI Agent技术仍处于发展初期，存在诸多技术与实施上的挑战。
首先，模型可能产生错误信息（“幻觉”问题），或导致Agent出现无意义的循环操作，带来额外的时间和成本消耗。
其次，定价与实施难度成为许多客户的顾虑。微软的Copilot定价基于消息交换数量，但在实际部署中可能带来一定成本压力，而低代码工具的灵活性能否满足多样化需求也需要时间检验。
此外，企业AI Agent领域可能会长期保持碎片化趋势。很多财富500强公司可能采取多供应商策略——既使用微软的Copilot Agent提升效率，也为更敏感的应用场景选择其他框架，以降低风险。
结语：从概念到企业IT实践，AI Agent结局未定
AI Agent技术正在从概念走向企业实践，微软在这一领域已占据领先地位。通过Copilot Studio和Azure AI，微软提供了一个整合多个模型、支持定制化部署的企业级解决方案。这一平台使得企业能够更高效地实现自动化，并通过低代码工具加速Agent的创建和部署。
然而，AI Agent仍处于发展初期，面临技术碎片化和实施复杂度等挑战。尽管微软目前占有市场主导地位，但未来竞争格局仍不确定，其他科技公司可能会在产品优化和市场适配方面迎头赶上。AI Agent能否成为企业IT架构的核心部分，仍需进一步观察。
贾扬清首发飞天 AI 平台，“含光 800” 终出鞘，阿里如何成为中国最大 AI 公司
阿里云在20年的历程中，尤其是近年来在人工智能领域的布局与成果，使其逐步成为中国最大的AI公司。 9月26日的云栖大会，贾扬清等十位顶尖科学家的集体亮相，展示了阿里强大的AI能力，标志着阿里技术基因的深化。 从云计算的起步——自主研发的飞天操作系统，到AI芯片的自主研发，如含光800，阿里的技术底色经得起实打实的检验。 飞天10年磨一剑，阿里云凭借自研的飞天云操作系统，服务全球，展现了国内最大规模计算平台的实力。 含光800的诞生，更是打破业界纪录，证明了阿里巴巴在AI芯片领域的自研能力。 这些成就背后，是达摩院450多篇顶级论文和40多项世界第一的学术支撑，以及平头哥在芯片设计和算法集成上的高效推进。 阿里云AI平台如飞天AI和飞天大数据平台，通过创新技术降低开发门槛，赋能开发者和各行各业。 飞天AI平台的云端商业化机器学习，不仅简化了开发流程，还支持大规模算法和实时数据处理。 AIoT平台则打造了开放的物联网生态系统，推动了智能城市的建设和发展。 阿里在产业AI上独树一帜，不仅应用于城市大脑、工业大脑等场景，还通过实际行动证明了AI的落地与商业价值。 从电商巨头到科技巨头的转变，阿里始终坚持技术驱动，不断拓展业务边界，展现了一个技术与商业完美融合的公司形象。
AI核弹B200发布：超级GPU新架构30倍H100单机可训15个GPT-4模型，AI进入新摩尔时代
全球市值第三大公司英伟达在GTC大会上发布了全新AI核弹B200，采用超大规模GPU架构，30倍于H100的性能单机可训练15个GPT-4模型，开启AI新摩尔时代。 B200搭载2080亿个晶体管，采用定制双reticle台积电4NP工艺，互联速度高达10TBps，显著提升处理能力。 英伟达通过Blackwell平台实现了AI算力的千倍增长，将数万亿参数的AI大模型构建和运行成本和能耗降低到原来的25分之一。 B200 GPU提供20 petaflops FP4吞吐量，较H100性能提升显著，能耗降低至四分之一。 GB200超级芯片为大语言模型推理提供30倍性能提升，成本和能耗降低25倍。 英伟达的革新不仅体现在硬件上，还带来了第二代Transformer引擎、第五代NVLink等技术，使得AI算力提升达30倍。 新架构支持FP4和FP6，通过微张量扩展和先进动态范围管理，支持双倍算力和模型大小。 英伟达在软件和生态系统方面也下足了功夫，构建了元宇宙、工业数字孪生、机器人训练等软件体系。 通过与苹果合作，Omniverse企业技术引入Vision Pro，允许开发者在AR/VR环境中使用Omniverse工具。 英伟达还展示了基于GR00T的人形机器人项目，能够接受多种输入并执行特定操作。 在硬件系统层面，英伟达推出了Jetson Thor计算芯片，适用于复杂的机器人任务，基于Transformer引擎处理多个传感器数据。 英伟达强调，随着AI技术的演进，未来的机器人将具有与ChatGPT类似的交互能力，开启机器人领域的新篇章。
丰田、奔驰、特斯拉入局AI，智能化下半场谁又犹豫了？
贾老板的FF 91再次延迟交付，这几乎已经是大家意料之中的事情，车才刚刚造出来，法拉第未来已经开始用AI人工智能开始讲下一个故事了。
近半年AI人工智能的快速发展，给全人类带来惊喜的同时，更多带来的其实是恐慌，AI在大幅提高工作效率的同时，几乎不会产出新的工作岗位。 大企业们纷纷在AI这条高速发展的赛道上加快布局，车企们也不例外。
AI不是新势力们的专属，传统大厂也在发力丰田公司的设计部门已经开始通过应用生成式AI组件，来辅助设计人员更快速地设计车身外观，丰田设计师可以从草图开始就完成多种车型变体的切换，输入一些规定的设计要求，AI可以将文本自动转化为效果图。
奔驰开始在旗下搭载MBUX系统的车型上接入ChatGPT，这也让奔驰品牌成为行业内首个接入ChatGPT的车企，ChatGPT主要用于提升奔驰车机语音系统的能力，目前处于测试阶段，之后会把ChatGPT加持下的系统推广到全球市场中。 而ChatGPT背后的OpenAI和微软也借此机会在优化生成式AI语音大模型在车机端的应用体验。
宝马近期部署了代号为“灯塔”（BEACON）的AI人工智能平台，提供AI应用创新相关的开发、部署、集成与运行服务的平台化环境，加速实现多业务场景数字化，“灯塔平台”提供的VaaS服务，可以接入宝马沈阳生产基地超过6000个摄像头。 宝马工程师利用这些摄像头的图像开发目标检测、目标跟踪、图像分类等AI系统及应用接口，从而使生产控制变得更加智能化。
特斯拉最近创建了一个名为@Tesla AI的推特账户，特斯拉 CEO 埃隆・马斯克也关注了该账户，最近特斯拉在大规模招聘AI方面的人才，同时@Tesla AI发文称将从7月开始生产Dojo超级计算机，马斯克也在推文下力挺自家的技术，称无论从硬件还是软件方面看，特斯拉的人工智能都比大多数专家意识到的要先进得多。
特斯拉在AI领域的布局主要围绕自动驾驶展开，其中包括多模态神经网络、自动标注技术、基于车队数据的场景重建和想象未来等，而在有了Dojo超级计算机的强大算力加持后，FSD的学习与升级会变得更加迅速，同时还会为人形机器人Optimus 提供计算支持。
从车型设计，到车辆生产，再到自动驾驶和智能座舱的训练中，AI人工智能已经不再是国内外造车新势力们的噱头，而是实打实地成了各大车企都在争相布局的新技术和领域，传统车企们在智能化的上半场角逐中，普遍没有占到什么优势，或者说几乎都是在被新势力们暴打，而在智能化下半场的开局大战中，大多数传统车企们不再是如当初那般迟钝，新势力们的优势逐渐再被传统车企们追平或者抹去。
依然有巨头在犹豫，不着急吗？不过，从目前的行业现状中，我们也能看到还有很多大车企并没有在AI人工智能的布局方面有什么大动作，特别是大众和福特，在智能化的下半场角逐中，它们又在犹豫什么呢？
大众和福特可以说是在电动化和智能化转型中相当激进的传统车企。
大众在前CEO迪斯的带领下，激进地进行着电动化转型，智能化则是有大众旗下子公司Cariad来开发，虽然迪斯中途“下课”，但接任大众CEO的奥博穆砍去了一些难以实现的目标后，总体延续了迪斯的战略。
而福特当年宁可不发新车，也要全身心投入到自动驾驶的研发中，在2016年就把自动驾驶车队扩大了3倍，而后又重金收购Argo AI，还豪掷40亿美元开发自动驾驶。
而这两大巨头搞了这么多年，换来的是大众集团旗下多个品牌的新车延期发布，原因大多是因为软件部门没能做出能完美适配的软件，发布的新车还常因为软件问题被用户吐槽，甚至连CEO自己最近都承认奥迪品牌落后于竞争对手，主要因为软件问题。
而福特在沉迷自动驾驶研发而不发新车的几年间，产品力有所滑坡，市场份额被其他车企快速瓜分，而紧接着又迎来了Argo AI的破产，以及最近福特高管亲口承认“福特2025年前无法部署L3级自动驾驶汽车”。
两大传统车企不计成本地投入了这么多年，可到头来换来了一地鸡毛，在如潮水般奔涌而来的AI大潮下，大众和福特表现得有些默不作声，可能也是情理之中，因为目前来看AI发展的形势可能依然尚不明朗，如果又像当年一样开足马力，不计后果，那么可能会导致更可怕的后果。
从目前已经应用AI技术的车企们的动向来看，它们大多数也是在探索的过程中，因为人工智能技术在汽车领域中的应用可谓是一项技术转型，需要进行相关技术的研发和转化。 AI技术目前还处于不断发展变化之中，车企在使用这些技术时需要花费大量的时间精力进行研究和开发，大多数车企都需要一定的时间来进行技术转型，并建立起相关的团队和生态系统，特别是对于“转身困难”的传统大厂们。
除此之外，人工智能技术的应用并不是一蹴而就的，需要通过不断尝试和实验才能够得到长足发展。 这就需要车企持续投入技术和资金，在技术研发方面作出长期的规划和布局。 对于大众和福特这样的传统车企，要完成技术转型就需要一定时间的积累和沉淀，而大众和福特的软件部门目前也都处于巨额亏损中，更要慎重。
另外，人工智能技术在汽车领域中的应用仍然存在着一定的安全隐患。 例如，在自动驾驶领域中，如果AI系统出现故障或者误判，就可能会导致车辆发生事故，虽然目前还是L2级的范畴，车企没什么责任，但是每一次事故都会伴随着更多其他的连锁反应，新势力们大多深有体会。
传统车企需要更多时间来思考如何保障车辆和乘客的安全，所以我们会看到大众和福特等传统车企，目前宁可使用没什么高阶功能的Mobileye供应商方案，也不去使用自研软硬件。
此外，车企还需要充分考虑用户的使用需求，确保其产品在研发过程中符合相关法律法规和标准。 例如，对于自动驾驶技术的应用，不仅要考虑到汽车行业的标准，还需要考虑到交通部门的管理规范以及国家政策的制定，这些方面都需要投入大量的精力和时间来进行研究和实验，要不也会上演特斯拉FSD在众多市场没法落地的情况，选装FSD的车主们直到卖车，也没等来完全自动驾驶。
总结如今的AI人工智能产业，没有人能完全认清它究竟会给我们带来什么。 特别是在汽车行业中，AI带给车企的好处以及消费者的体验升级，与巨大的投入能否成正比，这是车企们都需要认清的问题，都知道AI好，但是如何把投入产出比做好，非常关键。 而还在犹豫的车企们，也要找准切入的时机，特别是针对在智能化上半场投入巨大，还吃了亏的大众和福特来说。
