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。

图源：https://www.businessinsider.com/china-cities-crowded-time-lapse-2017-8 未来三年：中国或将成为 AI 场景爆发最快的市场

硅星人：未来三年，AI 在中国企业中最大的应用场景会是什么？哪些行业会率先爆发？

陶然：其实中国市场和其他国家相比有非常独特的优势：可落地场景数量更多，且落地速度更快。

我们看到几个趋势非常明显：

第一，2B 和 2C 都有巨大的空间。

不仅是传统的企业服务、工业、金融等 2B 方向，消费端、内容端、教育、零售等 2C 的 AI 场景同样爆发性强。中国是全球少数几个 2B、2C 同时具备巨大潜力的市场。

第二，中国企业在 "AI 场景落地速度 " 上远超全球平均。

过去几年我们观察到，中国企业对新技术的试点、上线和规模化节奏都更快，这反而推动我们思考：如何能为中国市场创造更多前沿场景，加速落地？

实话说，当你环视整个中国市场，很难找到一个完全不需要 AI 的行业。

从制造到医疗，从教育到零售，从大模型原生科技公司到传统行业龙头，几乎所有行业都能看到 AI 颠覆与重构的机会。

但真正的关键是：

企业要沉下心理解自己的业务场景，然后找到适合的 AI 解决方案与落地路径。

这也是我们未来几年在中国会持续做的事：

帮助企业依托全球级云 + AI 平台，在全球范围内安全、合规、高可用地部署 AI，无论是 2B、2C，还是 2B2C。