原文連結： Microsoft Build 2025 | Satya Nadella Opening Keynote
我從 15 歲開始寫程式。
我無法將自己從這些機器前拉開。
我開始真正喜歡寫程式。
寫程式為我開啟了世界。
我對 AI 感到無比興奮。那種驚奇的感覺，就是我開始開發軟體的原因。
我很高興看到我們將用如此強大的工具創造出什麼。
與代理程式一起寫程式真的很有力量。
它就像是我自己的延伸。它幫助我走得更遠。
沒有什麼專案太大。沒有什麼想法太大。
如果你讓每個人都能使用人工智慧，你就能讓這種超能力普及給每個人。
知道我的專案被人們用於改善他們的生活。
對世界產生影響。
解決我們想解決的問題。
那就是世界上最好的感覺。
我的想法是無限且無窮無盡的。
我們所做的一切都是賦予他人力量，讓世界變得更美好。
(掌聲)
早安。(掌聲) Build。你知道，回到 Build 總是很有趣，尤其是在這樣的時刻。你知道，我們正進入平台轉變的中期。這些中期是所有事情發生、所有事情規模化的時候。
事實上，這讓我想起了 91 年的 Win32，或是 96 年的 Web Stack，08 年的 Cloud 和 Mobile。我們現在就在這裡。我們現在就在 2025 年，大規模地建構這個開放的 Agentic Web。我們正從少數幾個具有垂直整合 Stack 的應用程式，轉向一個能實現這個開放、可規模化 Agentic Web 的平台。
更重要的是，這一切都是為了擴展開發者在 Stack 的每一層的機會，讓你們所有人都能建構賦予地球上每個人和每個組織力量的應用程式、代理程式。這就是我們將在這次 Build 中探討的內容。讓我們從一切開始的地方說起——我們用來建構的工具。你知道，軟體工程始終關乎擁有正確的工具來將你的想法化為現實，持續完善、打造並駕馭複雜性。我們正持續改進這些工具。
我們看到了令人難以置信的動能、採用和普及。事實上，Visual Studio 及其家族現在擁有超過 5000 萬用戶。GitHub 擁有 1.5 億用戶。
GitHub Copilot 事實上已被超過 1500 萬開發者使用。而我們才剛開始。我們正在 Build 推出一系列新的更新，從 Visual Studio 開始。它是針對 .NET 和 C++ 最強大的工具。設計時的 .NET Live Preview、Git 工具的改進、跨平台應用程式的偵錯等等。
我們也正轉為每月穩定的發布週期。談到 VS Code，就在幾週前，我們在開放環境中發布了第 100 個版本，其中包括改進的多視窗支援，並使其更容易直接在編輯器內檢視暫存區。
GitHub 繼續是開發者的家，GitHub Enterprise 在企業領域具有巨大的動能。我們正在為建構任何應用程式的開發者加倍努力。信任、安全、合規性、可稽核性、資料在地化在今天變得更加關鍵。從你使用的工具到你部署用於觸達用戶和市場的基礎設施，無處不在。
開源 Copilot in VS Code
你知道，談到信任，開源是 GitHub 的核心。
我們正邁出這關鍵的下一步。隨著 GitHub Copilot 在 VS Code 中，AI 已成為我們寫程式的核心。這就是為什麼我們正在開源 Copilot in VS Code。(掌聲) 這是一件大事。
從今天起，我們將把這些 AI 驅動的功能直接整合到 VS Code 的核心。將它們引入驅動世界上最受歡迎的開發工具的同一個開源儲存庫。當然，我們也將繼續建構 GitHub Copilot。
事實上，在過去幾年中，我們從程式碼完成到聊天，到多檔案編輯，現在到代理程式。這種模式正在 Agentic Web 中更廣泛地出現。你可以提出問題，AI 助理會給你答案。你可以將任務指派給代理程式並讓它們執行。或者與 AI 肩並肩工作來完成工作和專案。你可以混合搭配所有這些形式。
這就是我們作為開發者所關心的。這與其中任何一個無關。事實上，我們正在將應用程式組織整合到代理程式模式中。Copilot 現在能夠升級像 Java 8 到 Java 21 或 .NET 6 到 9 這樣的框架，並將任何本地應用程式遷移到雲端。它為你的程式碼、依賴項建立計畫，一路提供修復建議，從你所做的更改中學習，使整個過程無縫進行。
我們接下來要介紹的是一個用於站點 SRE 的自主代理程式。想想我們任何人的痛點。半夜被叫醒處理問題。拿一個呼叫器，處理記憶體洩漏問題，SRE 代理程式會自動開始分類、找出根本原因、緩解問題，然後將事件管理報告記錄為 GitHub Issue，包含所有修復項目。從那裡你甚至可以將修復項目指派給 GitHub Copilot。而且我們不只停在那裡。這是下一個重要的進步，即一個完整的程式碼撰寫代理程式，直接內建於 GitHub 中，將 Copilot 從一個結對程式設計師變成一個夥伴程式設計師。
你可以將 Issue 指派給 Copilot，包括錯誤修復、新功能、程式碼維護，它將自主完成這些任務。今天，我非常興奮地宣布它現在已對你們所有人開放。(掌聲) 你知道，讓我走過去。我可以簡單地報告錯誤的日子已經過去了。現在我會被指派錯誤來修復。你知道，這就是所謂的賦權。我在這裡處理我在 GitHub Issues 中所有必須處理的錯誤或問題。第一個是為社群頁面的使用者群組、大小添加篩選器。讓我們看看這個 Issue。很好。他們說我必須在這裡放一些新的篩選器。它也向我顯示位置。
我想它需要做一個範圍，小、中、大。你可以按群組類型排序等等。無論如何。所以讓我們做對我來說最簡單的事情。事實上，它甚至有一些快取功能和一個閱讀器。沒問題。讓我們做我可以做的事情，將它指派給我新的夥伴 Copilot。我要指派它。瞧。讓我們看看。讓我向下捲動。啊。它接收了。它看到我了。它建立了一個 PR。你知道，你看到那個眼睛 emoji，它知道我在這裡並且正在工作。我們稍後會回來檢查。能夠像這樣處理問題，就像電子郵件分類一樣，將它指派給 Copilot，這真是太有趣了。
你知道，它正在做的是設置一個分支。它啟動 GitHub Actions，從某種意義上說，它只是為你產生計算資源，使用 GitHub Actions 建立虛擬機器，提交一個草稿 PR 到會話日誌。事實上，你可以回到會話日誌並繼續查看它工作時的所有草稿 PR。程式碼撰寫代理程式在提供出色的開發者體驗的同時，尊重所有安全措施。這非常重要。
代理程式在其自己的分支中工作。它僅使用開發者配置的 MCP 伺服器。我們可以讓其他代理程式進行程式碼審查，並在執行任何 CICD 或合併之前讓相關人員保持在狀況內。我們也將所有這些功能提供給合作夥伴，以確保有一個開放且安全的代理程式生態系統。無論是 SRE、SWE、程式碼審查，以及你們將建構的許多、許多其他代理程式。我們希望確保個別開發者以及 IT 都擁有這裡的所有控制權。
與 OpenAI Sam Altman 對談
談到代理程式生態系統，我們對 OpenAI 上週五剛推出的程式碼代理程式感到非常興奮。我很高興 Sam Altman 能線上上加入我們。歡迎來到 Build。
謝謝。謝謝邀請我。(掌聲)
我知道你對開發者用於軟體工程的各種形式考慮了很多。當然，你做了 CLI，上週你做了程式碼撰寫代理程式。Sam，你是否想稍微談談你對軟體工程如何演變，以及開發者將如何一起使用這些各種形式的願景？
是的。所以 Satya，你和我已經討論這個問題很久了。事實上，回到 2021 年的最初版本，這是我們在 GitHub 中一起做的首批事情之一。我們一直在討論總有一天我們會實現真正的 Agentic 程式碼撰寫體驗。這真讓人感到不可思議，它終於來了。這是我見過程式設計領域最大的變化之一。這個想法是你擁有一個真正的虛擬隊友，你可以指派工作給他，你可以說去完成你剛才做的一些事情，以及越來越多更進階的事情，在某些時候甚至可以說我有一個大想法，去工作幾天把它做出來。你可以平行地發出請求，修復錯誤，實施新功能，回答關於程式碼的問題。這就像真正的軟體工程任務委派。我認為從這裡開始只會越來越好。這是一個與 GitHub 整合，並獲得 repo 環境存取權，並完成令人驚嘆工作的極其令人興奮的提示。
看到這個令人興奮。開發者能夠保持在流程中，與實質上的夥伴程式設計師、代理程式以及我們合作的其他人員一起工作，並使開發者流程和生命週期本身變得更快，這真是太棒了。你知道，顯然你也在研究很多模型，而且是非常棒的──事實上，我們已經有機會發布你們建構的許多模型。Sam，告訴我們模型路線圖方面有什麼即將推出的內容？
模型已經非常聰明了。它們也將繼續變得更聰明。但我認為最令人興奮的事情之一是模型將變得更易於使用，你將不必從這麼多模型中選擇，它會自動做正確的事情，它們會變得更可靠，你將能夠信任它們，會有更多功能，如多模態。它將更接近「它就是能用」。你知道，我可以與它交談，我可以做一個複雜的程式碼撰寫代理程式事情。我相信它。我認為人們會對我們現在在這些方向上取得的進展速度感到驚訝。
是的。我知道我們對你的模型路線圖感到非常興奮。當你看 ChatGPT 時，它是你們建構的當今最具狀態保持能力的 Agentic 應用程式。當然，Codex 是你們建構的另一個代理程式應用程式。這次會議的主題是探討，以便每個開發者都能在某種意義上建構使用模型的新 Agentic 應用程式，進行他們自己的模型支架建構，甚至進行多代理程式協調等等。Sam，基於你們一直在做和領導的工作，對於人們建構高規模生產級 Agentic 應用程式，你是否有任何建議？
我認為這方面最難、最困難管理的事情之一就是變化的速度。如果你回想兩年前或一年前，或是現在可能的事情，以及另一年或兩年後可能的事情，你需要規劃這種模型能力的驚人增長，以及人們將如何在近期內建構產品、軟體和公司，並真正投入新的工具和可能的新工作流程。再說一次，歷史上我們沒有看到過很多這樣的技術轉變，但每一次轉變的到來，早期且努力地投入都獲得了豐厚的回報。是的。
這說得絕對正確。在某種程度上，我們這次會議真正想深入探討的一件事是，是什麼樣的應用程式伺服器能讓你採用最新出現的新樣本，並保持這個速度前進，因為我認為這就是我們作為建構這些應用程式的開發者所面臨的挑戰。但這真是太棒了，再說一次——請繼續。
是的。我剛才想說，在過去幾個月，當我們內部開發 Codex 時，看到少數幾個早期採用者，以及這些全天使用它的人改變他們的工作流程的速度，以及相較於其他人他們能完成的令人難以置信的工作量，這真是太令人驚訝了。
這真是太棒了。非常感謝你，Sam。感謝這次合作。下次 Build 再見。
謝謝邀請我。(掌聲)
作為一名開發者，這是一個令人難以置信的時代，所有這些工具都變得越來越豐富，更重要的是，這與任何一個工具、任何一個代理程式或任何一個形式無關。這關乎所有這些元素的融合，讓我們個人、團隊和軟體工程師能夠完成我們的工作。
Microsoft 365 Copilot 生態系
讓我們往上層 Stack 走，談談 Microsoft 365 的平台機會。
我對 Microsoft 365 Copilot 的最新更新感到非常興奮，它現在已全面推出。看到這真是令人興奮。(掌聲) 這是最大的更新。事實上，想想看，我認為自從 Teams 推出以來，我們還沒有達到過這個水平的更新。它真正將聊天、搜尋、筆記本、建立和代理程式整合到這個直觀的支架中。對吧。我總是說它是 AI 的使用者介面。
例如，聊天是基於 Web 資料以及你的工作資料。這是一個改變遊戲規則的功能，特別是 Pages。搜尋涵蓋你的所有應用程式，對吧，無論是 Confluence、Google Drive、Jira 還是 ServiceNow。不只是 M365 資料。使用筆記本，我現在可以建立這些資料的集合。對吧。事實上，我可以將聊天、Pages、任何文件、電子郵件都放在那個集合中，然後事實上我甚至可以從中獲得所有這些音訊評論或播客。你知道，我可以使用 Create 將 PowerPoint 變成新的解釋影片，或產生圖像。
談到代理程式，我們有幾個特殊的代理程式。例如 Researcher。對吧。這對我來說可能是最大的改變遊戲規則者，因為它整合了 Web 和企業資源的資訊。將任何思考鏈條的深度推理應用到任何專案中。Analyst 從多個來源檔案的原始資料入手，我可以只上傳一堆 Excel 檔案，它會獲得洞察，進行預測，進行所有視覺化。這些代理程式最終都是為了讓你觸手可及地獲得專業知識。
很久以前 Bill 談到資訊觸手可及。現在我們正處於我們可以將專業知識觸手可及的時代。Teams 將所有這些整合並使其成為多人遊戲。對吧。你建構的所有代理程式現在都可以顯示在 Teams 和 Copilot 中，你可以提問、指派行動項目或透過在聊天或會議中提及一個代理程式來啟動一個工作流程。有了 Teams AI Library，建構多人代理程式比以往任何時候都更容易。
它現在支援 MCP。只需一行程式碼，你甚至可以啟用 A2A。
你可以使用檢索搜尋添加諸如情境或系統記憶等功能，我稍後會談到這個。作為一名開發者，你現在可以發布。這是最大的事情，你現在可以建構一個代理程式，將你的代理程式發布到 Agent Store，並在 Copilot 和 Teams 中被發現和分發，讓你觸及數億用戶並釋放這個機會。在過去的一年中，我們看到許多合作夥伴跨越各個產業，建構連接到 Copilot 和 Teams 的代理程式。
讓我分享一些例子，對吧。Workday 代理程式，你可以問 Copilot 什麼需要你注意。它會給你所有 Workday 任務的摘要，讓你掌握學習、審批、工作流程。ServiceNow 代理程式，你可以即時詢問有關事件的所有解決指標。你可以用它來立即建立包含所有要點的 PowerPoint 簡報。金融專業人士可以直接在 Excel 和 PowerPoint 中發現、分析、分享交易所發布的任何金融資料。
有了 Copilot Studio，你就可以開始建構自己的代理程式。我們已經發布了很多新功能到 Copilot Studio 中，最近剛將一個完整的代理程式整合到 Copilot Studio 中。
MCP 代理程式流程。這非常清楚。現在你可以混合搭配 LLM 和確定性工作流程。今天我們正在讓建構更複雜的多代理程式工作流程在 Copilot Studio 中使用協調更容易。想想諸如新人入職之類的事情。這實際上是一個相當複雜的過程。它涉及來自設施、財務、法務的代理程式，每個代理程式都有自己的專業知識和工作流程。
對吧。所以你可以將它們整合起來，一切都進行得更快，每個人的體驗都更好。這種多代理程式協調直接在 Copilot Studio 中。總而言之，過去一年你們建構了超過 100 萬個連接到 Copilot 和 Teams 的代理程式。而且我們沒有放慢腳步。今天我們介紹一類新的企業級代理程式。我們稱之為 Copilot tuning。這是一件大事。
在某種程度上，這不只是使用，而是為每個客戶、每個企業、每個公司調整 Copilot。你知道，Copilot 現在可以學習你公司的獨特語調和語言，很快它甚至會更進一步，理解所有公司特定的專業知識和知識。你只需要用一小組參考資料播種訓練環境並啟動一次訓練運行。定製模型繼承所有來源控制的權限，一旦整合到代理程式中，它就可以部署給授權用戶，對吧，這樣你就可以將其分發到你設置的組別並在 Copilot 中分發。例如，如果你是一家律師事務所，它會分析過去的論點和相關文獻，並提供非常針對你事務所的答案和生成文件。
或者如果你是一家跨足多個垂直產業的諮詢公司，你現在可以開始為每個垂直產業調整這些模型，以反映你在該產業工作流程方面的特定知識。這一切都是關於將你作為一家公司所擁有的專業知識進一步放大，以便公司中的每個人都能獲得它，並且你的產品和服務能反映它。為了讓你們對我剛才談到的一切有一個感覺，請允許我邀請 Mary 上台向大家展示整個 Copilot 生態系統。
Microsoft 365 Copilot、Copilot Studio 與 Copilot Tuning 示範
(掌聲)
作為開發者，我們可以輕鬆地使用新的 Microsoft 365 Copilot 應用程式、Copilot Studio 和 Copilot tuning 擴展生產力解決方案。讓我們從新的 M365 Copilot 應用程式開始，我將向您展示 Copilot 如何推理我的 GitHub 積壓工作。這個應用程式是我的五合一工作中心。它有聊天、搜尋、代理程式、筆記本和建立。
在這裡我可以呼叫 Researcher 這樣的代理程式。Researcher 可以推理我的所有工作資料，並且透過連接器，它甚至可以存取 GitHub。所以讓我們尋求幫助分析效能問題並優先處理我的下一步。
它會繼續並像我將這個任務委派給我的團隊成員一樣，問我一些澄清問題。我會給它更多的指示。它開始工作了。因為它建構在 OpenAI O3 推理模型上，Researcher 會顯示它的思考鏈，因為它同時從 Web 和我的工作資料中提取資訊。我在這裡看到它提供了我需要的一切，包括一些引用來幫助我開始。
現在讓我展示如何在 Visual Studio 中建構這個連接器。這只需要幾個步驟。我會繼續並添加一個名稱。以及一個儲存它的地方。M365 Agent Toolkit 在幾秒鐘內就為我提供了完全搭建好的程式碼，我可以修改它。我可以使用 Microsoft Graph API 建立我的連接器。我可以索引任何類型的資料。我為我的情境定義了一個特定的 Schema。
接下來我使用 GitHub API 獲取我的 Issues。最後我將每個 Issue 攝取到 Microsoft Graph 中。這樣 Copilot 現在就可以推理這些資料了。所以讓我們看看它實際運作起來是什麼樣子。我看到我的所有 Issues 都正在被索引，並且我正在獲得發生了什麼事的完整日誌。當日誌載入時，我會向上捲動並確認我的 GitHub 連線已建立，並且它包含我關心的所有積壓工作項目。所以讓我們轉向展示 Copilot Studio 如何幫助我們用很少的程式碼建構代理程式。我在這裡建立了一個 RFP 回應代理程式，您可以在 Teams 中看到它就在這裡。我看到它生成了一份提案，甚至使用它自己的 Entra ID 發布了。
所以您可以在這裡看到，我們有一份特定的提案，其內容、語言和格式正是您期望從經驗豐富的員工那裡得到的。所以讓我們繼續看看我是如何建構它的。為此，我將跳轉到 Copilot Studio。
在這裡我描述了代理程式要做什麼，我給了它一些指示。回應模型預設是選取的。我可以透過 AI Foundry 選擇其他模型。現在我會向下捲動頁面並選擇用哪些知識來為這個代理程式提供基礎。確保它從組織內部的正確來源提取資訊。我們將繼續向下捲動到工具區段，我添加了這個觸發器，當我的收件箱收到新的 RFP 時，它會提示我的代理程式開始工作。現在讓我們將這個代理程式連結到 Dynamics MCP 伺服器，以便它能夠存取 SKU 和定價資料。這將使提案更詳細。
只需點擊幾下，它現在就連線了。這個伺服器將自動保持代理程式的最新狀態。它也可以使用第三方伺服器，如 Docusign，或自訂的 MCP 伺服器，如我們建立的這個 SAP 伺服器，來存取客戶帳戶資料。代理程式需要能夠檢查合規性和合約條款。現在，不用從頭開始在這裡建構這個，我只需使用新的多代理程式協調。正如 Satya 所說，這意味著代理程式現在可以相互協作以承擔更複雜的工作。所以讓我們繼續將這個代理程式連線到一個專門處理合規性檢查的代理程式。透過協調，RFP 代理程式可以連線到合規性代理程式，以確保沒有紅旗標示。如果它暫停，我現在將返回到這個代理程式來繼續這個流程。
這樣我們的 RFP 回應代理程式就運行起來了。現在讓我們轉到 Satya 剛才宣布的 Copilot tuning。這是一種低程式碼的方式來完成其他情況下需要整個資料科學團隊花費數週才能完成的工作。微調一個專門用於合約撰寫的新模型。這就是它實際運作起來的樣子。我將打開合約建構器代理程式，並要求它使用一些範例文件起草一份合約。
它將參考這些文件和我創建的自定義模型來組裝合約。文件完成後，我將收到一封包含草稿的電子郵件。讓我們看看它。我看到這份合約使用了我們公司的語言、條款和條件、結構和格式。這就是我建構它的方式。我將從建立一個新模型開始。我會給它一些基本資訊、一個名稱、一個描述，並選擇任務，在本例中是文件生成。現在我將添加知識來源。在這裡我們將使用來自 SharePoint 的合約資料庫。我將指定誰應該有存取權限。是合約團隊和採購團隊。然後我們將確保 - 所以 Copilot 確保所有這些對知識來源和調優模型的存取權限都是對齊的。這樣我們的合約建構器現在已經準備好進行資料標記了。現在，一旦主題專家完成了資料標記過程，我們就可以完成這個微調模型的訓練，然後我們就完成了。讓我們繼續發布它。從 M365 Copilot 應用程式中，團隊可以選擇建立代理程式，選擇一個特定任務的代理程式，並選擇我剛剛微調的合約建構器模型。這樣，代理程式就準備好了。
我現在擴大了我作為一名開發者可以交付的工作，賦予最接近業務的人重新想像他們工作流程的能力。Satya，交給你了。(掌聲)
Azure AI Foundry：AI 時代的應用程式伺服器
非常感謝 Miti。
我對 Copilot Studio 感到非常興奮，而且，你知道，透過存取推理模型，能夠進行諸如 Copilot tuning 這樣的事情，這些確定性的工作流程，從某種程度上說，你現在可以將這些代理程式和多代理程式框架想像成以 Agentic 方式協調每個角色、每個業務流程的工作流程。我的意思是，特別是一旦你開始甚至讓每個業務應用程式都顯示為一個 MCP 伺服器。
作為一名開發者，你可以想像如何開始思考下一個層次的自動化。我的意思是，這完全改變了我們思考工作流程和業務流程自動化的方式，對吧。SaaS 應用程式和生產力軟體按角色和流程整合在一起。這真是令人興奮的一天。對我們來說，我們正在做的就是將 Copilot 下方的所有東西、Copilot Studio，並將它們作為一流的平台提供給你們所有開發者，讓你們能夠建構自己的應用程式、自己的應用程式擴展。對吧。隨著模型進化得更快，並且每隔幾個月就會有新的樣本出現，應用程式也必須進化成為這些完整的狀態保持應用程式，它們是多模態和多代理程式的。對吧。這就是現在最大的轉變。這不再只是關於一個模型和一個請求回應的 API 呼叫。
我們正在建構真正的狀態保持、多模態應用程式。它們必須是生產就緒的。這就是建構一流應用程式伺服器的動機。將 Foundry 視為智能的生產線。建構這些代理程式和應用程式需要的不僅僅是一個偉大的模型。模型周圍的系統，對吧，無論是評估、協調層還是 RAG，都非常非常重要。Foundry 就是 AI 時代的完整應用程式平台。
已經有超過 70,000 個組織跨產業使用它。BMC、Carvana、Coca-Cola 和 Gainsight 等等。它們都在選擇 Foundry。企業正在從 POC 轉向企業範圍的部署，以釋放 AI 的 ROI。在過去幾個月中，我們處理了數萬億的 Token。當我在日本時，我看到一個使用 Foundry 建構的應用程式，它正在幫助有聽覺處理障礙的人理解他們聽到的內容。這讓我感到非常驚訝。讓我們看看影片。(掌聲)
Foundry 深入探討與模型選擇
非常感謝所有開發者分享這個故事。這真是令人振奮。你知道，今天我們更進一步。這始於 Foundry 的模型選擇。你知道，我們已經支援 1,900 多個模型，無論是回應模型、推理模型、特定任務模型、多模態模型，你想到的都有，它們都在 Foundry 中。當然，這包括我們合作夥伴 OpenAI 的最新模型。
僅今年一年，我們就已經在 Azure 上發布了 15 個來自 OpenAI 的模型，確保在新模型發布時能夠即時取得。Sora 將在下週推出。作為開發者，我們關心多個維度，對吧。成本、可靠性、延遲以及品質。而 Azure OpenAI 是業界最佳的。我們提供企業級的保障，如高可靠性和出色的成本控制。例如批處理或溢出。當然還有領先的安全性和合規性以及安全性。你知道，選擇一個模型仍然可能是一件麻煩事，而且你需要快速地將你的查詢路由到正確的模型。我們正在讓這變得更容易。不再需要手動選擇模型。
今天的這種方法，從你或你建構的代理程式只綁定到一個模型，轉變為真正成為多模型的應用程式。這就是為什麼今天我們很高興地宣布來自 XAI 的 Grok 即將登陸 Azure。你知道，它在一個模型中提供了推理、研究和回應功能，並且能夠有機會在週末與 Elon 聊聊這件事真是太棒了。讓我們播放影片。
我一開始有 128K，然後翻倍到 256K，感覺很多。是的。我當時在 DOS 寫電動，然後在 Windows，Windows 3.1。
是的。不，太棒了。我的意思是，我甚至——上次和你聊天時，你還在談論所有的事情，Active Directory。你能在我們的開發者大會上真是太棒了。顯然對我們來說令人興奮的是在 Azure 上推出 Grok。
我知道你對 AI 應該是什麼有著深刻的願景，這也是讓你開始建構它的原因。這是一個模型家族，既有回應模型也有推理模型，而且你有一個非常令人興奮的路線圖。你是否想稍微談談你的願景、能力，你在能力和效率方面都在努力推進。所以也許你可以稍微談談這件事。
當然。是的。有了 Grok，特別是即將發布的 Grok 3.5，它是從第一原理進行推理，應用物理學工具進行思考。如果你想得出真相，你會歸結到最有可能正確的元素，然後從那裡向上推理，然後用這些元素來檢驗你的結論。物理學。如果你違反能量守恆或動量守恆，你要麼會獲得諾貝爾獎，要麼就是錯的，而你幾乎肯定會錯。所以 Grok 3.5 的重點就在於物理學的基礎知識，並將物理學工具應用於所有推理線索。從真相到最小錯誤。總會有一些錯誤發生。目標是達到真相，並承認錯誤，但隨著時間推移將錯誤降到最低。我認為這對 AI 安全極其重要。所以我長期以來一直在思考 AI 安全。結論是「誠實是最好的政策」這句古老格言。對於安全來說確實如此。但我確實想強調，你知道，我們已經犯過錯誤，並且將會犯錯誤，但我們渴望非常迅速地糾正它們。我們非常期待來自開發者社群的回饋，告訴我們你需要什麼，我們在哪裡錯了，我們如何能做得更好，並且讓 Grok 成為開發者社群非常興奮使用的東西，我們感受到他們的回饋已被聽見，並且 Grok 正在改進並滿足他們的需求。
我非常期待開始這個旅程。獲得開發者的回饋。期待它們的部署。Elon，非常感謝你今天短暫地加入我們。我們很高興能與你合作，並將這項技術交到開發者手中。
非常感謝。我無法再強調了，我們正在尋求你們，開發者聽眾的回饋，告訴我們你們想要什麼，我們就會實現它。謝謝。(掌聲)
是的。我又有機會和他聊了，他談到了他們正在用 3.5 做的一切。
所以我們想開始這個旅程，從 API 端獲得回饋，並幫助他們制定路線圖。你知道，我們對所有這些新公告感到興奮，但是當你有多個模型時，你需要一種使用這些模型的新能力。現在你可以在 Foundry 上一次性配置吞吐量，並且可以在包括 Grok 在內的多個模型上使用已配置的吞吐量。這在如何思考模型和模型配置方面完全是改變遊戲規則的。所以現在一旦你做到了這一點，你現在有了 Mistral，你甚至可以在歐盟地區配置所有主權部署，這對於世界各地建構應用程式的人來說正變得越來越重要。我認為人們越來越會喜歡在不同地方使用不同的模型。我們對 Mistral 感到興奮。我最近參加了 Mark 的 Llama Con。正如 Elon 所說，他正在將一整群 Llama 帶到 Azure。我們對他們在開源方面取得的所有進展感到興奮。Labs 和許多其他模型。
所以所有這些模型都基於這個已配置的吞吐量。所以對於我們開發者來說，能夠混合搭配和使用它們，這真是令人興奮。它們中的許多具有相同的 API 簽名。即使是切換這些模型的能力也變得更加容易。我們還擴大了與 Hugging Face 的合作夥伴關係。所以你將能夠在 Foundry 中存取超過 11,000 個前沿和開源模型。但是，你知道，模型只是方程式的一部分。對於任何建構代理程式的人來說，要真正擁有——你需要能夠真正良好地存取即時 Web 以及整個企業知識圖譜。
我們已經了解到，建構 RAG 應用程式，你需要一個檢索系統。你真正需要一個資料庫或知識引擎，一個專為代理程式量身打造的真正查詢引擎，這樣你就可以分解任何複雜的查詢，平行運行它們，返回綜合的結果。從本質上說，將其視為一個現代知識檢索 Stack，專為理解用戶需求和你的資料含義的代理程式而建構。當然，一旦你甚至擁有系統的這一部分，下一層就是協調層。對吧。你希望能夠協調所有這些代理程式或多個代理程式。Foundry Agent Service 讓你只需幾行程式碼就可以建構宣告式代理程式，直接在入口網站中完成。對於複雜的工作流程，它支援多代理程式協調。它與 AutoGen 合作。你可以將 Agent Service 基本上視為一個託管服務。我很高興地分享，Agent Service 現在已正式推出。(掌聲) 你知道，一旦這些代理程式運行起來，你接下來需要的是計算環境。我們正在提供從無伺服器 Azure Functions 到 Azure Container Apps，再到使用 AKS 所需的極致控制，以及如何擴展。我們正在提供完整的計算範圍，以便你能為你的任何 Agentic 情境實現最佳性價比。例如，我們正在讓你輕鬆地將 Foundry 連接到你的 Container App 或 Functions，並將任何開源模型部署到 AKS 中，無論是在雲端還是在混合模式下使用 Arc。
你希望將模型部署到邊緣。Foundry 將支援這一點。我們正在縮小 Foundry 和 Copilot Studio 之間的差距並形成閉環。這對我們作為開發者來說非常非常關鍵，對吧。你現在可以獲取一個模型，在 Foundry 中進行微調或後訓練，然後直接將其放入 Copilot Studio 中，這樣你就可以使用那個後訓練的模型來自動化工作流程或建構一個代理程式，對吧。這就是你可以做到的事情。一個很棒的例子是 Stanford Medicine 使用多層代理程式進行協調，以連接病史、放射科資料、獲取 PubMed 資料。他們如何能夠在腫瘤病例會議中，將癌症護理這樣一個關鍵任務，全部透過 AI 進行協調。這真是令人難以置信。讓我們看看影片。
Stanford Medicine 利用 Azure AI Foundry 協調癌症護理
Stanford Medicine 處於癌症研究的前沿。在治療方面，腫瘤委員會是許多臨床醫生的重要會議，當患者表現出他們不熟悉的方式時，他們會召開會議。
你必須整合藥物、任何手術、放射科、實驗室、患者病史以及醫學文獻的資訊。這不只是你需要為腫瘤委員會整合大量資訊，而是那些資訊分散在許多不同的地方。
Stanford 每年運行大約 4,000 個腫瘤委員會會議。提取真實世界的證據，提取文獻，提取臨床試驗。這些都是我們手動完成的事情。我們每年無法完成 4,000 次。
醫療代理程式協調器是一種在開始時將所有這些整合在一起的方式，這樣我們就可以更有效、更快地做出患者決策，或許更準確。
這是一個 Agentic AI 解決方案，可以透過 Azure AI Foundry 部署。我們已經能夠使用這個第一個用例（腫瘤委員會）建構、自訂和部署我們自己的代理程式。有一個協調層，允許所有不同的代理程式分派並向臨床醫生提供一份綜合報告，該報告匯集了所有這些資訊來源。Microsoft 已將此非常強大的功能整合到其代理程式中，即以特定的臨床筆記作為基礎。
他們已經在使用 Word 來總結事物、製作 PowerPoint 投影片。這使得我們可以將所有內容整合到一個設定中，整合到一個摘要中。
只需幾行程式碼就可以部署到 Teams 中，這樣我們就可以直接與他們互動。
系統之間的整合越多，他們花在那些機械性事情上的精力就越少，我們就可以把更多精力花在我們真正是專家級的決策制定上。
它是在一個你可以建構的平台上交付的。我們可以打包東西與他人分享，這樣社區醫院就可以獲得學術醫療中心同樣的能力。
我們工作得更快，並且以更好的資訊做出更好的決策。這本身就是一場革命。
我們想開發不僅能幫助 Stanford 的醫生，也能幫助全世界醫生的工具。我認為這將是變革性的。(掌聲)
我非常高興地分享，Stanford 使用的這個醫療代理程式協調器現在已在 Foundry 中向所有人開放。這真是太棒了。(掌聲)坦率地說，當我看到那段影片時，我就知道事情正在變得真實。你知道，想想看。對吧。你在 Foundry 中使用多個模型，進行多代理程式協調，將其整合到 Copilot 和 Teams 中，這是一個以 Agentic 方式完成工作流程協調的真實世界範例，這就是你知道你正從一個小應用程式走向可以在整個企業中擴展的東西的時候。
企業規模與可觀測性
所以談到擴展到企業，應用程式伺服器的另一個重要考慮因素是可觀測性。
這就是為什麼我們現在在 Foundry 中提供新的可觀測性功能，以幫助你監控和管理生產環境中的 AI。你可以在一個地方追蹤影響、品質、安全性以及成本。這不僅於此。未來我們相信每個組織都將有人員和代理程式一起工作。這意味著你今天用於身分識別、端點管理、安全等功能的無處不在的系統現在也將擴展到代理程式。
這是一件大事，對吧。你希望今天在規模化環境中使用的相同軌道也能跨人員和代理程式運作。這就是我們正在做的。有了 Entra ID，代理程式現在擁有自己的身分識別、權限、政策、存取控制。你在 Foundry 和 Copilot Studio 中建構的代理程式將自動顯示在 Entra 的代理程式目錄中。我們也正在與 ServiceNow 和 Workday 合作，透過 Entra 為其代理程式提供自動化配置和管理。
談到資料治理，Purview 現在與 Foundry 整合。你可以確保端到端資料保護，這是另一個重要的安全考慮。在安全方面，Defender 現在與 Foundry 整合。這意味著你的代理程式也像端點一樣受到保護，免受 Defender 偵測到的威脅，如錢包濫用或憑證竊取。這只是對 Foundry 這個你的「代理程式工廠」的快速瀏覽。現在為了讓這成為現實，我想請我的一位同事上台來展示這一切如何整合在一起。請上台。(掌聲)
謝謝 Satya。今天我要向您展示如何使用 Azure AI Foundry 和 GitHub Copilot 讓您的開發生活變得更輕鬆。這是 Vibe Travel。這是一個基於聊天的應用程式，使用 Azure AI Foundry 提供一個 AI 旅行代理程式來幫助人們規劃旅行。我正在規劃一個約八個月後去紐西蘭的旅行，所以我問 Vibe 哪裡可以滑雪。這個數學不對。我很確定八個月後是 2026 年 1 月，想想看，那將是南半球的夏季。我們需要讓我們的 AI 代理程式更聰明，提供更基於事實的回應。我可以進入 Foundry 查看我們為這個和其他應用程式準備的所有 AI 代理程式。我們的 Vibe Travel 代理程式使用 GPT-4.0，並且有一個相當棒的提示，但我們需要添加一些知識。我們可以透過向它提供包含參考資料的檔案或連接到其他服務，例如 Microsoft Fabric 或 Trip Advisor 來做到這一點。
但我認為只需添加 Bing 搜尋作為基礎，我們就能有很大進步。所以讓我們選擇那個選項。非常簡單。除了讓它存取知識之外，我們還讓它存取我們的航班預訂 API。因為它是一個開放的 API，所以它就能運作。現在讓我們回到我們的應用程式，再次嘗試我們的查詢。能夠添加資料來源或搜尋功能，讓代理程式變得更聰明，並且遠遠不太可能產生幻覺。
我可以透過添加關於酒店折扣或天氣預報的資訊，讓它變得更聰明。可能性是無限的。八個月後大約是 2026 年 1 月，那是夏季。不可能滑雪。這好多了。而且您看到了我改進它有多容易。現在讓我們讓代理程式實際代表我預訂航班。添加代理程式可以執行的動作，將應用程式從一個應答機更新為一個可以代表您做事的自主代理程式。使用這個動作將預訂放入我的行事曆，或請求預訂酒店，甚至請求從內部系統請假。現在這些航班看起來很棒。您剛才看到了 Foundry 如何輕鬆改進我們的代理程式。
在實際程式碼中還有很多工作要做。我將使用 GitHub Copilot 中的代理程式來完成這項工作。讓我們打開 Copilot 代理程式模式，順便說一句，這是新的。我可以從所有主要 LLM 提供商中最受歡迎和最強大的模型中進行選擇。代理程式模式將 GitHub Copilot 的功能從僅回答問題或建議程式碼，擴展到實際幫助我完成工作。我可以進來這裡問，您能顯示分配給我這個儲存庫中的 Issue 嗎？傳統上，我會打開瀏覽器在 GitHub.com 上查看 Issue，但有了 MCP 或模型上下文協議，這允許您為 GitHub Copilot 等工具提供幫助您所需的上下文和功能。GitHub Copilot 將注意到我們正在詢問關於 GitHub Issues 的問題，並使用 GitHub MCP 伺服器來獲取這些資訊。看起來我有一些 Issues 分配給我。所以讓我們看看第一個。
現在當我在應用程式中點擊這個重置按鈕時，它會立即清除我們的聊天會話，而沒有警告。這不是理想的。我們應該先警告用戶。讓我們回到應用程式，我可以請求 GitHub Copilot 幫助我實施 Issue #1 的詳細資訊，同時獲取 Issue #1 的詳細資訊。我還有這份我的經理最後一刻給我的漂亮設計圖，我也需要將其作為上下文添加到提示中。
我希望您能看到它。所以讓我把我的螢幕截圖調出來，這樣您就可以看到了。它很棒，您說呢？讓我將它添加到上下文視窗並發送提示。我們將看到 Copilot 請求使用 GitHub MCP 伺服器獲取 Issue 詳細資訊的特定權限。讓我們點擊繼續。允許它在我們的程式碼庫中實施更改。您可以看到 GitHub MCP 伺服器獲取了詳細資訊，並且憑藉代理程式模式的新視覺功能，這意味著 Copilot 甚至可以理解我想要的東西的草圖。然後它開始處理我想要更改的 Issue，並找出如何更改它。
在它工作時，讓我們看看另一個 Issue，事實上我對這個 Issue 有點作弊了。在我上台之前，我將 Issue 指派給了 Copilot。就像您之前看到 Satya 對 Azure 開發者社群網站所做的一樣。Copilot 已經查看了這個 Issue 並為我們打開了一個 Pull Request。讓我們看看它。您可以在這裡看到它有一個描述，包含實施細節和它建議的程式碼更改。
我們也可以點擊「查看會話」按鈕並捲動查看更改，以查看 GitHub Copilot 如何實施此更改的完整會話日誌。但是讓我們看看實際的程式碼。嗯...這看起來不錯，但如果我想添加一些回饋，我可以在 Issue 或 Pull Request 中添加註釋來做到這一點。GitHub Copilot 將會查看它並開始工作。您可以在這裡看到那個小小的 emoji。
你知道，同時處理兩個 Issues 感覺真好。現在讓我們回到我們的編輯器，看看 Issue #1 的進度。正如您所見，Copilot 代理程式模式能夠檢查建議的更改，尋找相關檔案進行更改，適當地進行更改，甚至遵循了我想要的樣式和編碼標準。當我回到應用程式時，它能夠實施我的老闆想要的 UI 更改。讓我看看它是否正在運行。
正如您所見，各位，這是直播。我沒有時間進行偵錯。一旦我點擊這個，我確信它已經實施了。Copilot 能夠在應用程式中添加模態視窗。這就是我們在幾分鐘內處理的 Issue。謝謝 GitHub Copilot 和 Azure AI Foundry。(掌聲)事實上，既然我來了，我很少有機會檢查 Satya 的工作。讓我們看看他之前開始的用於為網站添加群組大小過濾器的 Issue。讓我們看看它。
我們已經在這裡了。好的。所以這就是您看到的 Issue。Copilot 能夠打開一個 Pull Request，開始實施這些更改。讓我們看看 PR。所以正如您在這裡看到的，Copilot 能夠添加群組大小過濾器屬性，它能夠添加快取邏輯，並添加了一些帶有說明的測試。這真是太棒了。現在它也將應用程式部署到了我們的預備環境。所以讓我們看看部署。希望順利。讓我們一直向下捲動。您可以看到群組大小過濾器已經添加了。我確實看到一些我想要調整的地方，但我將在後台進行處理，稍後再推送到生產環境，這樣您就可以查看了。這是幾分鐘內處理了三個 Issues。Satya，交給你了。
Windows：Agentic Web 的最佳開發環境
非常感謝。(掌聲) 談到同時努力工作。你知道，看到我們在真正建構方面取得的進展真是令人興奮，就像每一次平台轉變都需要一個應用程式伺服器一樣。建構完整應用程式伺服器的時候，你才會知道平台轉變正在擴大規模。到目前為止，我們已經談論了我們在雲端所做的一切。現在我們想將這個應用程式伺服器和應用程式建構能力帶到邊緣和客戶端，今天我們宣布推出 Foundry local。(掌聲) 是的。它包括一個快速、高效能的執行時、模型、代理程式即服務以及用於本地應用程式開發的 CLI。
而且，是的，它完全支援 Windows 和 Mac。(掌聲)所以現在讓我們退一步，談談 Windows。如果你是一名開發者，Windows 是最開放的平台，擁有巨大的規模，你可以觸及超過十億用戶和十億台設備。而且我們正在不斷改進它。對吧。使其更安全、更可靠、更適合你的應用程式，無論你想在哪裡運行，事實上，Windows 映像，無論是在雲端還是在客戶端機器上。在過去一年中，我們看到從 Adobe 到 Zoom 的開發者在 Windows 上使用這些裝置上的 AI 能力來發布一些令人驚嘆的應用程式。
如果你到 Store 和 AI 中心，你就可以開始看到許多這些東西亮起來。今天我們正邁出另一步，使 Windows 成為 AI 的最佳平台。我們很高興宣布 Windows AI Foundry。(掌聲) Windows AI Foundry 正是我們內部用來建構諸如 Copilot+ PC 上的 Recall 或 Paint to Do 等功能所使用的。所有這些現在都使用相同的執行時和 SDK 建構。現在我們正在將這個平台擴展到支援完整的開發生命週期。對吧。不僅在 Copilot+ PC 上，而且跨 CPU、GPU、NPU 和雲端。這樣你就可以建構你的應用程式並讓它們在所有這些晶片上運行。Foundry local 內建在 Windows AI Foundry 中，所以你可以利用這個豐富的預最佳化開源模型目錄，並在你的設備上本地運行。有了 Windows AI Foundry，你可以自訂——這非常酷——我們內建的 phi-silica 模型，使用 LoRA 適配器。基本上可以滿足你的應用程式的任何特定需求，對吧。想想看。它隨映像一起提供，隨 phi-silica 一起提供。
你只需在你的應用程式中做一個 LoRA 適配器。它就能運作。如果 DeepSeek 標誌著雲端推論或測試時計算的開始，我認為 phi-silica 將完全革新 PC 上推論計算的面貌。你們所有開發者將建構體驗。除了模型，你們還將利用這些豐富的語義 API 將資料索引到一個向量儲存中，並保護隱私。然後你可以建構這些混合 RAG 應用程式。當你進行 RAG 時，你可以存取資料並使其在語境上相關。當你建構自己的模型時，Windows ML 為你提供了一條途徑，可以在各種晶片上部署高效能 AI，而無需處理所有設備特定的調優的複雜性。今天我們正邁出下一步，使 Windows 現代化以適應 Agentic Web。我們宣布 Windows 原生支援 MCP。(掌聲) Windows 將包括幾個內建的 MCP 伺服器，如檔案系統、設定、應用程式動作以及 Windows。我們正在添加原生的 MCP 註冊表，允許 MCP 相容的客戶發現我們已驗證的安全 MCP 伺服器，這些伺服器經過我們驗證其安全效能，同時讓您完全掌控。
Windows MCP 示範
讓我將時間交給 Divia，向您展示這是如何運作的。交給您了。(掌聲)
謝謝 Satya。今天我要向您展示如何輕鬆地設定一個新的 Linux 環境，建構一個完整的網站專案，並使用我的 Figma 設計進行更新，所有這些只需在 VS Code 中輸入三句話。
首先讓我們確保我們設定正確。為了讓代理程式能夠連線到 MCP 伺服器，應用程式需要明確的使用者權限。在設定中您將看到我已經啟用了 WSL 和 Figma，這樣它們的 MCP 伺服器就可以輕鬆地供代理程式存取。其他應用程式保持在停用的預設狀態，讓我作為一個使用者擁有完全的控制權。現在一切都設定好了，讓我們深入 VS Code 並使用我的前兩句話。我打開了 VS Code，並且 GitHub Copilot 也在這裡。正如您所見，它處於代理程式模式。
我正在使用我的前兩句話，詢問 GitHub Copilot 是否可以為我搜尋 WSL 中的最新版本並安裝。安裝完成後，您是否也可以在 Fedora 中為我設定一個簡單的網站專案。我會點擊 Enter。Copilot 正在嘗試與 WSLCM 伺服器建立安全連線。它向我發出幾個使用者同意提示中的第一個。我點擊接受並允許其繼續。在後台它正在嘗試查詢可用的線上發行版列表，找到最新版本並提供安裝。這個安裝過程，您可以想像，大約需要兩到三分鐘，所以讓我們切換到一個已經完成設定的設備。所以在設備上環境已經設定好了。讓我們向上捲動，看看它為我執行了哪些步驟。正如您所見，這是完全相同的提示。
它能夠無縫地解析。它還查詢了 WSL 線上資源，為我設定了環境。它還使用套件管理器安裝了 Node.js 和 NPM。這裡最棒的部分是它甚至知道如何直接與我設備上的 WSL 互動運行特定的命令。這真是太棒了。現在讓我們看看它為我建立的簡單網站專案。這是一個開始。我想更進一步，讓它看起來像我在 Figma 中選擇的設計。這是桌面應用程式和我選擇的設計。Penguin Pen Pals。所以現在我準備回到 VS Code 並使用我的第三句話。
所以我將在這裡詢問 GitHub Copilot，您能否讓我的網站看起來像我在 Figma 中選擇的設計，並提取設計細節並應用到我的專案中。您可以在聊天中看到詳細的提示。現在我點擊 Enter。Copilot 這裡再次與 Figma MCP 伺服器建立安全連線，並請求我的同意繼續，我同意了。在此之前它查詢了我的 MCP 註冊表中可用的伺服器列表，發現這是執行此任務最相關的一個並繼續連線。一旦連線，代理程式會直接從 Figma 提取設計細節，並相應地更新佈局、設計、樣式和內容。這可能需要大約兩到三分鐘。讓我們看看這個最終步驟什麼時候完成。設備上的所有設定都已完成。在左側您將看到透過從我的 Figma 桌面應用程式提取設計細節而應用的程式碼更改。現在是時候讓我們去看看它為我建立的網站了。咚！這正是我在 Figma 應用程式中選擇的設計。(掌聲)它在僅僅三句話中完成了所有這些？想像一下這可以為您解鎖的其他令人難以置信的機會，在保持安全的同時提升您的生產力。這就是 Windows 上 MCP 的力量，安全、代理程式驅動、開發者至上。Satya，交給您了。(掌聲)
WSL 全面開源
非常感謝。正如你所見，藉助 VK Code、GitHub Copilot 和 WSL，我們正在真正使 Windows 成為 Agentic Web 的最佳開發盒子。談到 WSL，我們大約十年前首次宣布在 Windows 上支援 Bash。後來它演變成了我們今天所說的 WSL。回顧過去，事實上，儲存庫中的第一個 Issue 就是開源它的請求。那時我們專案的所有邏輯都與 Windows 映像的其餘部分密不可分。從那以後，我們進行了許多更改，使 WSL 更具可分離性和獨立性。所以讓我們回到並重新打開那個第一個 Issue，並將其標記為已修復。今天，我們正在全面開源 WSL。(掌聲)
Agentic Web 的願景：開放與合作
你知道，到目前為止，我們已經談了很多關於 Agentic Web 以及其周圍的生態系統如何整合在一起，無論是 Microsoft 365 到 Foundry 一直到 Windows。我認為請我們的 CTO Kevin Scott 上台，給你們一個更廣闊的視角來看看這個生態系統以及我們集體建構一個更 Agentic Web 的機會，這會很棒。歡迎 Kevin。(掌聲)
謝謝大家。我每年有機會上台一次，和你們所有人談話。忘記我是一個內向的人，忘記 15、20 分鐘。這不是說每年五月都會發生一些神奇的事情，讓我就忘了自己是個內向的人。過去一年技術領域發生了太多令人興奮的事情，未來一年也即將發生很多事情，我只是想與你們分享一部分這種熱情。現在真正讓我感到興奮的是一些正在出現的東西，這不僅僅是因為 Microsoft 希望它發生，而是因為我們過去幾年共同努力的組件、協議和服務，它們正在形成我們一直在稱之為 Agentic Web 的東西。而真正令人鼓舞的是，它正以一種開放的方式發生，我認為這是鑑於我們前進的方向，我們所有人都應該非常期望的事情。我稍後會稍微解釋一下為什麼這很重要。在我們深入研究架構之前，讓我們談談什麼是 Agentic 代理程式。我知道你們頭腦中可能有很多不同的定義。這是一個考驗。
我總會回歸到，以及我們 Microsoft 在建構我們自己的代理程式以及我們正努力創造的能力以幫助我們自己和你們所有人建構你們自己的代理程式方面正在推進的方向：代理程式是一個人類能夠將任務委派給它的東西。隨著時間的推移，你委派給代理程式的任務正變得越來越複雜。這就是我們長期以來一直在努力的目標。這就是 Agentic Web 的樣子圖。在 Stack 的頂層是一個日益豐富的代理程式生態系統，我們正在建構，我們的合作夥伴正在建構，你們所有人正在建構。我們將在未來一年看到更多。過去一年關於這些代理程式最顯著的事情是，它們的使用頻率比以往任何時候都高。因此，自從我上次在這裡 Build 與你們聊天以來，我們可以看到的代理程式的日活躍用戶已增加了一倍以上。所以人們使用它們的速度令人難以置信地增加和加速。
但更大的事情，我認為是這些代理程式，由於去年推出的新推理模型，已經能夠真正承擔極其複雜的任務。正如你們已經從 Satya 和上台進行示範的人那裡看到的大量內容。現在一些代理程式能做到的令人難以置信的事情，特別是在軟體工程領域。你們在 Build 的整個過程中將會看到越來越多這樣的事情。因此，坐在這個 Agentic Web Stack 的代理程式層上方的是一個稱為執行時層的東西。執行時層，同樣，是一組正在出現的組件，我們正在建構。我提到過，在過去一年中變得非常好的東西是這裡執行時層內部的推理層或推理組件。這些模型的推理能力將繼續變得越來越好。如果說現在有什麼問題的話，我認為我們在推理能力方面有點能力過剩。模型比我們目前集體使用它們的能力更強大。我今年在 Build 上對你們所有人的一個重大挑戰是思考你們如何將自己的抱負提升到 11 級，嘗試針對一些你們認為現在幾乎不可能的事情，就推理能力而言。
因為在未來 12 個月內，模型將變得如此強大且如此便宜，以至於我們不想讓這個能力過剩變得比現在更大。但是除了推理之外，還有很多需要建構的東西，它們是基本的軟體工程。一個顯而易見的事情。我們已經用 RAG 和長上下文窗口來近似它。你真正希望你的代理程式能夠做到的事情是，能夠擁有豐富的記憶，在其中進行廣泛的回憶，並且在回憶中能夠擁有高精確度，以便從記憶中拉取出來的東西是準確的，你可以信任並依賴它們。所以正在發生一些非常有趣的事情。例如，我們開源了一個稱為 TypeAgent 的系統，你們可以在 Build 的後期了解更多，這是我們嘗試解決 Agentic 記憶問題的一種方式，你知道，這對於讓它們不再是事務性的，能夠解決問題一次並記住解決方案，記住與你的互動以便變得個性化並理解你的偏好，這非常重要。
就像你期望你委託或合作的人一樣。整個執行時層，你可以考慮 Microsoft 如何交付這些組件並參與社群，這些都將在 Azure Foundry 中提供。是的，Azure Foundry 在未來一年將變得越來越豐富，你將聽到同事 Jay Parikh 和其他人在這方面進行更深入的討論。非常重要的一點是，如果你考慮開放的 Agentic Web 可能會是什麼樣子，你需要代理程式能夠代表你採取行動。關於代理程式代表你採取行動的重要事情是它們必須與更大的世界連接。你需要像 MCP、A2A 這樣的協議，以及未來一年將會出現的新的協議，這些協議將幫助以一種開放、可靠、可互通的方式連接你正在編寫的代理程式以及人們正在使用的代理程式，以便代表用戶採取行動並完成委派給他們的任務。因此，我們在這次 Build 上真正想談論的令人興奮的事情是我們對 MCP 的真正認真承諾。所以 MCP 在過去幾個月裡像瘋了一樣發展起來。這是有原因的。它在這個開放的 Agentic Web 生態系統中填補了一個極其重要的空白。
這是一個非常簡單的協議，就像 HTTP 和互聯網一樣。它允許你做真正複雜的事情，僅僅因為協議本身對於它攜帶的載荷沒有太多的意見。這也意味著它是一個很好的基礎，你可以在其上構建層次。如果你回想互聯網本身的出現，那種組件的可組合性和協議的分層對於達到目前的豐富性非常重要。它為你提供了良好的起點，並讓你在開發過程中發現問題時有能力解決問題。所以我們已經從 Satya 那裡聽到，以及剛才關於 Windows 中的 MCP 註冊表。我們正在做大量的工作，使 Microsoft 的第一方平台組件和第一方服務能夠支持 MCP。我們已選擇它作為 Agentic 通訊的標準協議，用於代理程式之間的通訊以及代理程式與服務之間的通訊。
然後我們將在未來幾個月與我們的合作夥伴和協作者一起進行大量工作，以確保需要解決的問題能夠得到解決。例如代理程式如何識別自己，你如何構建一個豐富的授權基礎設施來授權代理程式訪問它們需要訪問的系統。我們將真正、真正地支持開放社群。部分原因是，你知道，當你考慮一個提案的實用性時，最重要的事情就是無處不在。作為工程師，我們可以爭論，你們和我都一樣有非常尖銳的意見，關於技術的某些部分以及這個東西比那個東西好一點，但是比所有這些都更好的是得到一個我們可以都使用並在其上構建的標準。我們希望那個東西是 MCP。所以我想談論的下一件事是我提到的分層。
所以如果你回想 Web，你知道我們有 HTTP，然後我們有基於 HTTP 的東西，主要是 HTML，它們對載荷有意見。今天我們宣布推出 NL Web，你們都應該去 GitHub 儲存庫中查看程式碼。這是一種讓你輕鬆地將網站或 API 變成 Agentic 應用程式的方式。它讓你可以實現和利用大型語言模型的全部力量來豐富你已經提供的服務和產品，而且因為每個 NL Web 端點預設就是一個 MCP 伺服器，這意味著人們透過 NL Web 提供的事物將可以被任何會講 MCP 的代理程式存取。
所以你真的可以將其視為 Agentic Web 的 HTML。我們已經與合作夥伴進行了一些工作，他們對能夠非常迅速地實現快速實施和原型感到非常興奮，他們使用 NL Web。我們與 Trip Advisor 合作，Trip Advisor，O'Media，許多偉大的公司，它們在網路上提供服務，以在它們的站點上添加 NL 功能，以便直接在它們的站點上提供這些 Agentic 體驗。
我想向你們展示的一件事，是為了讓你們了解其能力，就像你們現在如何能夠走出去，雖然現在不應該去，等等聽完 Satya 精彩的演講，拜託，但是講完之後，你們就可以從這個儲存庫中獲取程式碼。我們在這裡展示的是一種讓你們可以在任何你有權限存取的 GitHub 儲存庫上方放置一個 Agentic NL Web 使用者介面的方式。你運行一個腳本，它與 GitHub 進行通訊。你會看到 Jennifer，我的團隊成員，她是世界上最棒的演示建構者，她正在將她的儲存庫中的所有元資料和資料提取到一個 NL Web 儲存庫中。你做的第二件事是運行一個腳本，它處理這些資料。在這裡你有很多選擇，關於你使用哪個模型，使用哪個嵌入模型，使用哪個向量儲存供 NL 伺服器存取。一旦你計算出嵌入並將它們匯入到這個情況下運行在她筆記本電腦上的本地向量儲存中，你就可以對其進行一些真正有趣的查詢。
所以在這種情況下，你獲得的比資料庫查詢或某種資訊檢索能得到的更多。你可以說，比如，嘿，我寫了這段程式碼，它在某個 PR 中，我不記得了，比如我需要回憶這個算法的名稱。
這就是 NL Web 可以做到的事情。這些事情我們老實說無法想像，這就是為什麼我們將其開源，並且我們希望聽到你們所有人關於如何改進和使 NL Web 更好的大量回饋。再說一次，我們認為你們在 Agentic Web 上的想像力的總和將使 Agentic Web 成為一個比如果一個實體獨自嘗試做所有事情要有趣得多。所以你們可以從這兩個演講中了解更多這些內容。
今天下午 4:30 到 5:30 有一個很棒的演講，關於如何將你的網站變成一個 AI 應用程式。然後是我剛才提到的關於記憶的部分，今天下午 1:45 到 2:00 有一個演講，會非常精彩。所以在我將時間交還給 Satya 之前，我想說的最後一件事是強調這兩點，關於為什麼開放如此重要。所以，你知道，當簡單的組件和簡單的協議，它們可以相互組合，並且被暴露在世界上每個想要參與或有想法的開發者的全面審查和創造力之下時，世界上會發生令人難以置信的事情。我一直在玩的思想遊戲是嘗試想像，如果 Web 早期發展中的一個參與者，瀏覽器製造商，決定要垂直整合並擁有整個 Web，Web 會是什麼樣子。
100% 的 Web 將由他們的想像力限制決定。有了 30 年的歷史，顯然我們不會有一個非常有趣的 Web，因為 Web 之所以有趣，是因為數百萬、數千萬、數億的人正在參與，使它成為這個豐富動態的事物。這就是我們認為 Agentic Web 所需要的。這就是我們希望你們都能受到啟發，去努力做一點，去發揮創意，並充分利用你們的想像力來幫助使這個東西變得有趣。所以感謝所有來到 Build 的人。我們明年見。Z (掌聲)(掌聲)
謝謝 Kevin。你知道，Kevin 剛才描述的 Agentic Web 願景在某種程度上讓我們更接近於 Web 最初的願景和精神。無論是內容還是智能，現在都可以更分散，並在 Web 上更容易被發現，對吧。如果你看看 NL Web，它是一個非常迷人的東西。我真的很期待看到你們所有人能用它做什麼。但它同時民主化了智能的創建，對吧，適用於任何應用程式，任何網站。這裡有趣的是，它民主化了針對任何開發者的智能創建。給我一個推理模型、一個 NL Web，我就可以接收一個意圖，並開始使用推理模型來在分散的智能中進行組合和合成。這完全改變了人們如何去建構搜尋、動態消息等任何這些東西的方式。對吧。所以這就是我們想共同創建的平台。我認為這裡會產生一些巨大的變化。這不只是過去的重複。我知道過去 10、15 年一直都關乎聚合的力量。我認為一些重大的事情即將轉變。
資料平台：AI 應用程式的基礎
現在轉到 Stack 的下一層，資料。畢竟，對於任何 AI 應用程式來說，資料層都是重要的。我們正在建構完整的資料 Stack。有無數的例子，無論是 Fabric 幫助節省超過 10,000 小時，因為他們可以更快地加速 SaaS 資料，還是 Sitecore 利用我們的資料 Stack 提高了 10 倍的速度。我最喜歡的例子之一是 NFL，他們使用我們的資料 Stack 進行最近的聯合訓練營。讓我們看看影片。
在 NFL 的成功往往取決於一場比賽、一秒鐘、比對手做得更好的一件事。數據是其中的重要部分。
聯合訓練營是匯集前 3% 合格選秀球員的活動。在早期我們收集同樣多的數據，但它分散在不同的系統中。
我們沒有辦法在不深入挖掘多個報告的情況下過濾、搜索和比較這些統計數據。AI 是獲得完整候選人資料的一種方式。
我們在開始之前只有很短的時間來完成這項工作。
Azure Foundry 為我們提供了啟動它所需的一切。我們從 Azure AI GPT 模型開始進行微調。我們有 Azure Container Apps 來無縫部署工作負載。這就像一個巨大的挑戰，我們在短時間內解決了。
現在球隊可以詢問特定球員的問題，並獲取包含球員之間比較分析的數據。這為評估者提供了我們以前沒有的優勢。
能夠問一個我會問你的問題。過濾數據原本需要數小時，現在只需幾秒鐘即可完成。
在球員在你面前時，能夠實時收集數據並深入細節，這讓你對你的決策更有信心。(掌聲)
體育和數據是最有趣的。我太喜歡了。我們在 Build 上發布了很多數據方面的新聞。從即將推出的 SQL Server 2025 開始。更重要的是，我們正在將資料層和智能比以往任何時候都更緊密地整合在一起，對吧。對於任何真實世界的代理程式，都需要儲存。這就是為什麼我們將 Cosmos DB 直接整合到 Foundry 中。人們可以恢復對話歷史記錄。很快他們將能夠將 Cosmos 用於所有 RAG 應用程式需求。我們正在通過 Azure Data Stacks 將其進一步推進，將你在 Spaces 或 AI Functions 中的數據連接到 Foundry。另一個很酷的功能是你可以直接整合 LLM 回應。你可以將自然語言和 SQL 結合在一起。談到 Fabric，這是我們兩年前在 Build 推出的產品，它是我們數據和分析 Stack 的核心。Fabric 將你的所有數據、所有工作負載整合到這個統一的體驗中。去年秋天我們將 SQL 整合到 Fabric 中。今天我們也將 Cosmos 整合到 Fabric 中。AI 應用程式需要的數據不僅僅是結構化數據。它們需要文字、圖像、音頻。有了 Cosmos 和 Fabric，你的數據可以立即與 SQL 一起使用，你可以統一你的整個數據資產並使其準備好用於 AI。還有很多其他內容。事實上，我們甚至將我們的 Digital Twin Builder 直接整合到 Fabric 中。現在你可以非常輕鬆地以無程式碼、低程式碼的方式建立 Digital Twin。正如你在此處看到的，你可以非常快速地對映來自你實體資產和系統的數據。
基礎設施：最低成本、最高規模的 AI 運算
我們也宣布推出 Shortcut Transformations。你可以在數據進入時提供預先建構的 AI 轉換，如音頻轉文字或情緒分析，還有摘要功能，所有這些都由 Foundry 直接提供到 Fabric 中。只需點擊幾下。你知道，最後我想談談我現在最喜歡的功能之一，即即將在 Power BI 中推出的 Power BI Copilot，它允許你與所有數據進行聊天。你可以提問關於數據的問題，視覺化探索，並跨多個 Power BI 報告和語義模型進行分析。這個代理程式將在 Microsoft 365 Copilot 中提供。想像一下，你辛勤建構的語義模型和 Power BI，再加上在其上層的推理模型和聊天介面，這將帶來什麼樣的變革。我們對此感到非常非常興奮。(掌聲)
所以讓我們來到 Stack 的最底層，即基礎設施。你知道，作為一名開發者，你面臨著經典的優化問題，如何在性能和延遲方面提供最佳的 AI 體驗，同時當然還要以不斷降低的成本來提供。這就是為什麼我們正在採取系統性方法，與整個行業合作優化整個 Stack，對吧，無論是資料中心、晶片、系統軟體，還是應用程式伺服器。將它們全部整合為一個系統，並利用軟體的力量進行優化。我們的目標是提供最低成本、最高規模的基礎設施，以建構雲端和下一代 AI 工作負載。最終都歸結為以每瓦每美元提供最多的 Token。這就是我們的終極方程式。我們正在書寫多條 S 曲線。將其視為經典的摩爾定律加上系統軟體優化和模型優化。這是這三條 S 曲線的複合效應。我們正在以真正的速度做所有這些事情，對吧。所以當有任何東西準備就緒時，你都希望將其引入到機群中。事實上，Azure 是第一個將 NVIDIA 上線並大規模部署的雲端。Azure 在性能方面領先，一個單一的 72 機櫃產生了驚人的 Token 數量，對吧。每秒 86.5 萬 Token。這是任何雲端平台的最高吞吐量。談論這個問題沒有比 Jensen Huang 更合適的人了。讓我們播放影片。
與 NVIDIA Jensen Huang 對談
非常感謝 Jensen 再次參加我們的 Build 開發者大會。歸根結底，我們的共同目標是為世界提供更多智慧。從某種意義上說，您可以將 Sandy Hook Elementary - MRAP 從某種意義上理解為每瓦每美元的 Token 數。也許這是我們行業摩爾定律的開端。
Satya，來到這裡真是太令人興奮了。事實上，兩年前我們剛剛一起推出了世界上最大的 AI 超級計算機。就在 Azure 上。這是現在計算工作方式的巨大變化。藉助我們新的 CUDA 算法和你們在 Azure 上的新 AI 基礎設施中的新模型技術，所有這些加在一起，比 Hopper 快 40 倍。這僅僅在兩年內就是一個驚人的加速。
您想談談軟體的複合效應是如何增加我們共同所做的一切的嗎？
我們仍然希望架構兼容。我們希望豐富的生態系統能夠穩定。這樣軟體開發者的投資以及所有 AI 開發者的投資以及你們所有基礎設施客戶的投資都能在整個機群中分佈並攤銷。
您想談談什麼會被加速嗎？
CUDA 的另一個優點是，一方面它是一個加速器架構。另一方面它對於一些最繁重的工作負載來說是相當通用的。我們的兩個團隊正在努力加速數據處理。將數據處理加速 20 倍、50 倍。轉碼影片。圖像處理。各種模型。所有這些不同類型的算法都能在 CUDA 之上完美映射。我們的工作是確保機群和工作負載得到全面加速，整個機群在整個生命週期內得到充分利用。
不只是 Token，而是所有工作負載的每瓦每美元。我們能否在硬體和軟體邊界不斷創新時，真正加速它們？
Satya，感謝您的合作和領導力。我們兩個組織之間的協調一致，共同打造世界上最先進的基礎設施，世界上最先進的 AI 工廠，最好的時光還未到來。
謝謝你，Jensen。(掌聲)事實上，世界上最大的基於 GB200 的超級計算機將在 Azure 上運行。我們很高興能夠擴展它，並將其提供給你們所有開發者使用。事實上，我們正在繼續擴展 Azure。我們現在擁有 70 多個資料中心區域，比任何其他供應商都多。僅在過去三個月，我們就在各國和各大洲開設了 10 個資料中心，當然，我們正在建構一個完整的 AI 系統，這意味著它包括了滿足 AI 工作負載需求的冷卻系統。你知道，藉助 Maya，我們引入並設計了這個側掛式液體冷卻單元，它也以這種封閉的方式支援 GB200，你知道，封閉迴路的方式，這樣你就可以真正實現零耗水。在網路方面，我們為 AI 建構的最新資料中心擁有的光纖數量，比去年之前所有 Azure 中新增的光纖數量還要多。我的意思是，想想看，對吧。所以這——甚至資料中心的設計對我來說也是令人驚嘆的，當我回去看它們時。它與我成長的時代完全不同。我們正在將我們的資料中心與這條 AI 就緒的 400 TB 骨幹網路連接起來。想想看，所有這些工作負載類型，對吧。無論是推論還是訓練需求，當你將它們分散開時。AI 連接了這個資料中心足跡。當然，AI 應用程式本身，對吧。這不只關乎擁有 AI 加速器或 GPU，你需要所有的計算資源，每個應用程式都需要儲存和計算，這也是我們正在推動 S 曲線效率的地方。我們推出了 Cobalt，覆蓋了我們自己的許多工作負載，並具有巨大的規模。Teams 在其上運行，Defender 在其上運行。我們有合作夥伴，Adobe、Databricks、Snowflake 正在 Cobalt 上擴展規模。談到在我們的 AI 加速器機群上運行的新工作負載，Met Office 是一個令人難以置信的例子。他們正在更好地預測氣候。讓我們看看。
Met Office 在 Azure 上的 AI 超級計算機
它已經存在了 170 年，提供了世界上最準確的天氣和氣候變化預測。我們每天處理超過 500 億個資訊點，3400 TB 的營運數據。我們需要龐大的儲存和計算能力來做到這一點。
模型的分辨率非常重要。它們需要大量的超級計算能力。我們擁有越多的超級計算能力，將有助於提高我們的預測準確性，它將幫助人們做出更好的決策。
天氣和氣候科學是一門大學科。這些模型產生的數據支撐著我們所有的產品和服務。
我們能夠可靠地提供超級計算服務，這只能在 Azure 中做到。這將科學超級計算機納入 Azure 更廣泛的基礎設施中，並且完全整合。這意味著隨著我們向前發展，我們將開始開發新的、目前不可能的計算服務。它將是世界上第一個完全基於雲端的天氣預報超級計算機。
它使我們能夠運行具有準確預測的計算模型。客戶將注意到我們的天氣預報有所改進。
我們為公眾和企業提供天氣預報和氣候預測。這關乎誠信並建立信任，以便在惡劣天氣發生時人們相信你所說的話，最重要的是他們能採取行動。
展望未來，我們有令人興奮的計劃，我們正在擴展預測範圍，提高模型分辨率，這一切都將有益於天氣預報的準確性、及時性和實用性。
這將增強我們在 Met Office 的所有工作，並改善每個人的生活。[掌聲]
你知道，這當然不只關乎性能和效率。它關乎數位韌性。我們在雲端擁有最全面的合規性能力。我們提供主權控制，如資料在地化、雲端中的機密計算，包括 AI 加速器在 GPU 中以及 PaaS 工作負載。這確保你能夠維護對系統治理、誰有權限存取的完全控制。現在，雖然我們的雲端提供了全面的覆蓋，但仍然有許多需要極低延遲和明確控制的關鍵用例，關乎你的應用程式和資料的儲存位置和方式。這意味著能夠運行離線的服務。這就是為什麼我們也提供 Azure Local。
Microsoft Discovery：科學領域的突破
到目前為止，我們已經談論了開發者和知識工作流程。我還想談論一個領域作為結尾，那就是科學。我認為未來幾年最令人興奮的事情之一是我們將在科學過程本身實現真正的突破。這將真正加速我們創造新材料、新化合物、新分子的能力。這就是為什麼我們將今天我談到的整個 Stack 匯集起來，並說，看，讓我們將其應用於科學。科學工作流程，科學過程。這就是我們今天宣布的 Microsoft Discovery 的雄心。[掌聲] 是的。如果你將 GitHub 比作軟體開發者，Microsoft 365、Copilot 和 Copilot Studio 比作知識工作和業務流程，那麼 Microsoft Discovery 就是針對科學的。它建立在一個非常強大的基於圖的知識引擎上，即 Graph RAG。它不僅僅是檢索事實，它理解來自公共領域以及你自己的數據（如果你是一家生物製藥公司）的科學領域的微妙知識。Discovery 建立在 Foundry 之上，帶來了進階代理程式。高度專業化於研發領域，不僅用於推理，還用於進行研究本身。這些代理程式不是真正的靜態管線，它們在一個持續的迭代循環中協作，產生候選者，模擬它們。並從結果中學習。這是一個科學代理程式。讓我將時間交給 John，向大家展示這一切的實際運作。John？
Microsoft Discovery 示範
謝謝 Satya。我是 John。我是科學平台團隊的化學負責人。今天我將向您展示如何為 Microsoft Discovery 的浸入式冷卻液探索，領導一個代理程式團隊。這些冷卻液用於冷卻資料中心。大多數基於 PFAS 和其他對環境有害的化學物質。
我將展示三個步驟：基於知識進行推理、產生假說和運行實驗。所有這些都在一個迭代循環中。我的第一步是進行研究。我想了解最新的知識。我將從詢問關於冷卻液的問題開始，讓它告訴我並識別起始候選物質。該平台使用一個代理程式網路，對來自公共來源和內部可信研究的科學知識進行推理。在後台，它使用知識圖譜來提供比單獨使用 LLM 更深入的洞察和更準確的答案，LLM 在連接點上可能會遇到困難。這可能需要幾分鐘，所以讓我們跳過。我們看到左側有一個摘要，右側有一個綜合報告，涵蓋了冷卻液研究的最新進展，並提供了可信研究的鏈接。我可以在繼續之前驗證發現並進行迭代。我們今天的目標是基於知識進行推理。我們想真正發現一種冷卻液。我們需要進入第二步，即產生假說。我將要求一個根據這項研究定制的計畫，特別是針對我的研究的，例如，知道我應該尋找一個特定的沸點和一個不會損壞我的電子設備的介電常數。我的代理程式團隊正在努力建構正確的工作流程。我沒有指定要使用哪些方法或編寫任何程式碼，Microsoft 為我處理了一切。您可以使用來自 Microsoft 的工具和模型。它們可以整合開源或第三方解決方案，甚至是我自己組織的解決方案。我可以根據需要調整這個計畫，添加額外的步驟或更改標準，以便我始終處於控制之中。如果我們看看這裡，我可以看到我的代理程式形成的計畫。它創建了數百萬個可能符合我標準的新穎候選物質。它使用 AI 模型來快速篩選這些物質。我們對我們的發現進行驗證。我喜歡這個計畫。這看起來是一個好方法。讓我們運行它。點擊那裡的「繼續」。第三步，實驗。Microsoft Discovery 執行完整的計畫，在 Azure 中選擇和管理最佳的 HPC 資源，未來還會整合量子計算的進展。我們可以實時看到 Discovery 代理程式一起工作，推動所有這些密集的計算。這可能需要數月甚至數年的試錯。Microsoft Discovery 可以將時間壓縮到幾天甚至幾小時。讓我向您展示這個過程的最終結果。這些是 Microsoft Discovery 為無 PFAS 浸入式冷卻液識別的候選物質集。我可以分析這些結果，決定是否準備好前往實驗室進行另一次迭代。如果我查看其中幾個，確實，沸點符合我的預期，介電常數也符合。這非常有前景。我知道您在想什麼。我們真的發現了什麼嗎？這不只是一個演示。我們真的這樣做了。我們提取了最有前景的候選物質之一並進行了合成。他們不允許我將一種人類未知的新材料帶到舞台上。但我有實驗室的影片。您可以看到那裡的我的冷卻液，我們將一台標準 PC 放入其中，它正在全速運轉。它保持溫度穩定，沒有風扇。這真是非常酷。[掌聲]
我們為浸入式冷卻液找到了一個有前景的候選物質。想像一下 Microsoft Discovery 在跨領域的應用，用於治療學、半導體或新材料。它對我們有效。下一個突破由您來發現。謝謝。Build 順利。Satya，交給你了。[掌聲]
總結與未來機會
謝謝 John。這確實非常非常酷。
很高興看到他們在研發中使用 Discovery。我迫不及待想在世界各地的研發實驗室看到這個。這是一個快速全面的 Stack 完整介紹，以及我們如何跨 Agentic Web 為你創造新的機會。我們正在採取系統性方法，這是你對 Microsoft 在 Stack 每一層的期望。無論是透過軟體開發週期的生態系統，Microsoft 365 Copilot 和 Teams 以及 Copilot Studio 讓代理程式在每個角色和流程中發揮作用。Foundry 這個代理程式工廠讓你能夠使用任何代理程式建構任何 AI 應用程式，使用任何代理程式在所有類型的基礎設施中運行。所有這一切都建立在強大的軌道上，包括身份管理和安全。最終，所有這一切都是為了創造機會，激發你的雄心。回顧過去一年我們遇到的開發者，一位西班牙的父親使用 Foundry 幫助加快診斷像他兒子所患的那樣的罕見疾病。建立一個遊戲化健康狀況的應用程式。一家日本航空公司使用 Foundry 幫助空服員在 30,000 英尺高空完成報告。
像這樣的例子正是我感到興奮並引以為傲的。贏家將是像你們這樣建構應用程式的人，而不僅僅是像我們這樣建立平台的人。贏家需要跨越經濟的每個部門和世界的每個角落。這就是我們的目標。對我們來說，這從來不是關於技術。而是關於人們可以用它做什麼。這就是我們使命的核心。我想用這個真正強大的例子來結束。今年早些時候，世界銀行在尼日利亞進行了一項針對學生的研究，使用 Copilot。
他們發現的結果令人矚目。根據他們的分析，這是涉及技術的最佳、最有效的教育干預。這是我一生都在 Microsoft 努力的工作。看到它最終能在尼日利亞這樣的國家，交到人們手中，並在統計學上產生積極影響，這真是太棒了。世界銀行將其擴展到了秘魯，教師們正在使用 Copilot 來增強教案，改善成果，並在他們的職業生涯中成長。讓我們播放影片。非常非常感謝你們。祝 Build 順利愉快。[音樂][掌聲]