仅凭 AI 不会改变你的业务。运行它的系统才会。

AI 已经进入企业，转变正在同时全面发生。每一项职能、每一个角色、每一道工作流都在被重塑。与此同时，一类新的组织正在出现，它们将与定义上一个商业时代的公司有着根本不同的面貌。胜出者不会是拥有最多演示的人，而是那些把 AI 转化为一个受治理、持续改进、用于运行真实工作的系统的人。

这也不仅仅关乎聊天机器人。这些体验很有用，但它们并不能改变大型组织的运营方式。真正的机会在于由多个智能体组成的团队，在软件交付、支持、财务、人力资源和运营等职能领域执行长期运行的工作，并具备在生产环境中信任它们所需的身份、上下文、策略和人工监督。

要实现这一点，企业需要的不仅仅是获得强大的 AI 模型或可扩展的计算能力。决定成败的是围绕 AI 的系统：工程团队如何构建和部署智能体，它们如何在企业中获得上下文化，如何在生产环境中被治理和观测，以及如何随着时间推移安全地改进。没有这样的系统，AI 仍将是碎片化、脆弱且难以在规模化应用中被信任的。

我们正在采取一种根本不同的方法。我们正在构建一个全面的智能体平台：它支持多种模型，开放，并在技术栈的每一层为你提供选择和灵活性。我们有意将开发者置于设计的中心。今天，该平台的下一批组成部分正在就位。

为智能体企业构建系统

要在这个新时代取得成功，智能体平台必须达到更高的标准。它必须能够运行真实的生产工作负载，映射真实的组织复杂性，并管理真实的业务责任。

我们围绕三项关键原则进行构建：

首先，它必须是一个单一的集成系统，并支持广泛的模型。企业无法承受将其智能体战略逐块拼装的做法。事后拼接在一起的割裂工具可能会拖慢团队进度，并引入不必要的风险。智能体的构建、情境化、运行、治理和改进都应在一个连贯的系统内完成。这就是为什么我们正在将 Azure、GitHub、Microsoft IQ、Fabric、Foundry、Windows、Microsoft Security 和 Microsoft 365 汇集在一起，使其作为一个单一系统运行，供你用于以企业规模部署智能体。企业还需要灵活性，以便为任务选择合适的模型，在质量、速度和成本之间取得平衡——包括 Microsoft 模型、合作伙伴模型和开放模型。

其次，它必须在设计上即具备安全性和治理能力。治理说起来容易，真正交付要困难得多。要使其落到实处，就意味着从一个涵盖开发到生产的单一技术栈开始，该技术栈建立在企业已经信任的身份、访问、合规和安全基础之上。通过扩展 Entra、Purview、Defender、Agent 365 以及更广泛的 Microsoft Security 技术栈，治理将成为系统的原生组成部分，而不是之后再附加上去，从而在不削弱控制力的情况下，支持 AI 优先型企业的雄心。

第三，它必须持续改进。企业 AI 系统不能是静态的。智能体的行为、结果和人类反馈必须回流到系统中，使其能够在人工监督下随着时间安全地改进。随着系统运行，模型、工作流和智能体会变得更有能力，并且更贴合企业独特的业务流程。其结果是，系统使用时间越长，价值就越能不断累积。

这些特性正在成为必备条件，而那些将 AI 雄心与这三项原则保持一致的企业，将在几个季度内领先，而不是几年后。

那么，这样的系统究竟如何在真实企业内部成形？它始于工作的起点，也就是智能体的构建方式。让我们看看这在我们构建的平台上是什么样子。

 

1. 在 GitHub 中构建

GitHub 是你的开发者已经在工作的地方。你的依赖项在这里，你的应用程序和代码上下文保存在这里，你在这里与所依赖的开源社区协作，也在这里推动创新。在其他任何地方构建代理，都意味着把这一切抛在身后。

代理应当以构建生产软件的相同方式来构建。你使用 GitHub Copilot 编写代码以加快进度。你将最重要的资产汇集在一起：代码库、工作项、代理技能和工具。而且，由于代理并不只是代码，你还会将评估和可观测性资产一并纳入，并像任何生产系统应有的那样对所有内容进行版本管理。

代理必须遵循一个生命周期：获取源代码、测试、部署、观察和改进。GitHub 从第一天起就建立这一生命周期，并提供必要的控制措施。其结果是一个从一开始就配备适当护栏、专为构建代理而设计的工作流程。你可以在一个为该系统构建的新应用中，在同一个地方完成所有这些工作。

2. 使用 Microsoft IQ 进行上下文化

代码只是智能体的一部分。要发挥作用，智能体还必须理解你的业务：你的客户、你的产品、你的合同、你的流程。如果没有你可以信任的企业上下文和智能，即便是能力最强的模型也只是在猜测。

企业需要种类广泛的模型，以及将合适模型匹配到合适任务的能力，但仅仅选择模型还不够。Microsoft IQ 通过连接到你业务数据所在的各处，将智能体植根于企业上下文之中，涵盖 Microsoft 365、你的核心业务系统（如客户和收入数据），以及企业已经依赖的其他系统，例如知识库和你的网站。借助 IQ 平台的最新新增功能 Web IQ，智能体还可以在适当情况下纳入来自网络的相关信息。

将智能体置于企业数据的上下文中，并不只是关于访问权限。让 AI 直接面对原始信息既低效又脆弱。Microsoft IQ 会组织、保护并呈现合适的信息，以智能体实际可用的形式提供，使其能够获得准确洞察，而不会淹没在噪声中或生成幻觉式答案。

一旦智能体植根于正确的上下文，企业就可以更进一步。借助 Frontier Tuning，你不只是调用 AI 模型，而是利用你的数据和真实世界工作流来改进它们的行为方式。

其中包括 Microsoft 的七个全新 MAI 模型，涵盖图像、语音、转录、编码和推理。这个模型家族整体旨在处理现实世界中重要的各类任务；关键在于，这些模型并不是静态的端点。它们被构建为能够从你的业务中实际完成工作的方式中学习。

我们的强化学习环境允许我们的模型通过你环境中的实际结果得到强化。可以把它们看作 AI 的训练馆。在这里，智能体学习你非常具体的流程、标准和工作方式。它会变得专门化并适应你，从而带来可衡量且更好的 ROI。

此外，你的自定义模型或后训练模型都会留在你的环境中。你的知识产权、专有数据以及实际完成工作的方式，都会成为你的智能体进行推理和行动方式的一部分。由此产生的智能在你的环境中运行，受你控制，而学习成果也归你所有。

没有上下文和 Frontier Tuning，智能体是有能力的通才。有了它们，智能体就会成为定制化伙伴，理解其所运营的业务。

3. 在 Foundry 中运行

一旦代理构建完成并具备上下文，它们就需要一个运行场所。不是作为实验，而是在生产环境中运行。

代理以及代理团队对运行时的要求与传统应用程序截然不同。它们需要推理、行动、调用工具、与其他代理协调，并随着时间推移进行适应，同时还要在企业控制下运行。Foundry 正是为这种现实而设计的运行时。

• 最丰富的模型集合：不同的代理需要在不同价位上擅长不同的事情。无论任务是什么，无论成本结构如何，Foundry 都能提供对合适模型的访问，并通过优化的模型路由器帮助你为每个代理平衡质量、速度和成本。
• 面向开放模型的性能优化：借助 Foundry 上的 Fireworks AI，企业可以在平台内直接获得更快速、更高效的推理能力。
• 支持任何代理，包括并非基于我们技术栈构建的代理：可引入基于 Microsoft Agent Framework、LangGraph、GitHub Copilot SDK、Claude Agent SDK 或自定义框架构建的代理。
• 工具和操作：代理通过 MCP、连接器、API 和工作流作用于企业系统，并默认实现安全执行。
• 评估与追踪：可观测性和追踪使代理行为可衡量。如果无法衡量，就无法改进。
• 持续优化：Foundry 支持随着时间推移对模型、harness、IQ、工具和动作进行调优，在代理于你的环境中运行时提升性能。

信任、安全和策略护栏贯穿整个运行时。策略在上下文访问、工具调用、优化更新、跟踪和响应交付中保持一致适用。该代理不只是能工作。它会以你的企业所要求的方式工作。

这正是你的代理不再只是一个项目，而开始成为一个生产系统的地方。

4. 使用 Agent 365 进行治理

现在，将这样的代理乘以数百个，再乘以数千个。这就是企业中不同团队构建代理时会发生的情况。有些设计良好，有些则不然。有些拥有它们本不应拥有的访问权限。还有一些正在开展有价值的工作，但组织中的其他人却无法从中受益。

企业治理不是可有可无的。企业需要一种方式来查看正在运行的内容，了解其可以访问的内容，监控任务遵循情况，并在其整个代理资产范围内执行策略。

Agent 365 与 Entra、Purview、Defender 以及更广泛的 Microsoft Security 技术栈协同工作，正是为了实现这一点。如果你除了保护自己的 AI 之外，还对用于安全的 AI 感兴趣，还有“ MDASH ”。

你组织中的每个代理都会显示在一个统一目录中，无论它是在 Foundry 中构建，还是在其他地方构建。IT 可以看到是谁部署了某个代理，它可以访问哪些数据和工具，它的行为表现如何，以及它的成本是多少。他们可以在需要时执行策略或采取行动。

一个平台。全面可见。真正掌控你的代理能做什么、不能做什么。

5. 持续改进

代理不能一成不变。代理的每一次操作都会产生信号：轨迹、结果、反馈。系统会捕获这些信号，加以优化，并反馈回去。观察。评估。改进。安全发布。重复迭代。

这一学习闭环在生产环境中持续运行。

大多数提升都始于由评估驱动的代理自身改进：提示词、上下文、技能和工具。随着清晰模式的出现，学习可以进一步扩展到多个模型之间的模型路由、微调或强化学习。但这一切始终以评估为锚点，将代理质量和投资回报率提升到业务所需的水平。

这个循环是受治理的，而不是封闭的。企业需要能够审计它、纠正它，并控制如何推出变更。系统会在人工监督的指导下，随着时间推移变得更有能力并日益自主，但绝不会超出你的掌控。

这就是爬山模型的实际运作：系统级改进，在系统运行期间持续发生。

6. 在人们工作的地方呈现，并在 Azure 上扩展

当然，如果这些不能触达实际工作的人，一切都无关紧要。

代理直接出现在工作流程中，出现在 Teams、整个 Microsoft 365 以及你自己的应用程序和体验中。身份、安全和合规从一开始就内置其中，因此你的团队日常依赖的代理会继承与环境中其他部分相同的信任模型。

我们支持多个平台，但你的代理可以在 Windows 上以优化且安全的方式开发和运行。你可以在云端和本地机器上运行模型，一流的沙盒机制让你能够安全地运行始终在线的代理。

当你需要针对 AI 优化的计算能力、全球和主权基础设施，或进入市场的路径时，该系统可在 Azure 上扩展，而 Azure 正是客户数十年来信赖的同一企业级基础。

系统的复合效应

每一家领先企业都将汇聚到这一模式：一个中央 AI 平台，负责协调整个企业的工作，将数据、模型、智能体和人的判断汇集到一个持续改进且安全的系统中。

随着该系统运行，其价值会不断复合增长。速度提升，瓶颈从投入精力转向人的创造力与协调能力。人们能够在共享上下文和更少交接的指引下，更独立地完成更多工作，同时企业在不增加摩擦的情况下更快运转。

我们正处于一个深刻变革的时代。在这一时刻取得领先的企业，将是那些能够随条件变化而适应、简化整个企业工作协调方式，并持续将智能转化为实际成果的企业。Microsoft 的智能体平台正是为此而设计：它释放了以单一集成系统构建、情境化、运行、治理和改进智能体的能力。

届时，该平台将不仅仅是一个构建层。它将成为企业级 AI 大规模应用的操作系统，其中智能与信任通过设计内置其中。

标签：AI、GitHub、Microsoft Agent 365、Microsoft Build