最大的 AI Agent 生态系统来了！微软推出适配 1800 种大模型的智能体，迈入自己的 Agent 时代

最新推荐文章于 2025-04-08 20:55:28 发布

小马不会过河

最新推荐文章于 2025-04-08 20:55:28 发布

阅读量1k

点赞数 15

文章标签：人工智能 microsoft 知识图谱数据库 java android

本文链接：https://blog.csdn.net/m0_59163425/article/details/143956033

版权

当地时间 11 月 19 日，微软在芝加哥举行的 Ignite 大会上发布了大量云和人工智能服务更新。这家科技巨头展示了其 Microsoft 365 Copilot 平台的多项改进。

此外，在会上，微软还重点说明了其在人工智能领域的客户增长。微软首席通讯官弗兰克·肖在一份声明中指出，“财富 500 强中近 70% 的公司现在都在使用 Microsoft 365 Copilot。”微软与其大型科技竞争对手一样，正在投入数十亿美元来扩展其人工智能能力，华尔街渴望看到这些投资获得回报。

而在本次会议上，最最值得注意的要属微软悄悄建立起一个超级 AI 智能体生态，规模之大让人难以忽视。

在 Ignite 大会上，微软公布了最大的企业 AI 智能体生态的发展状况。微软称，自推出以来，该生态联盟已有超过 10 万家组织通过其 Copilot Studio 创建或编辑过 AI 智能体——这一重大里程碑，也让微软在 AI 智能体这个最受关注且令人兴奋的企业技术领域当中身处市场领先地位。

微软公司负责智能体发展愿景的高管 Charles Lamanna 在采访中表示，“智能体生态的发展速度比我们想象中要快得多，也比我们以往发布过的任何其他前沿技术都要更快。这项业务每个季度几乎都在实现倍增。”

随着微软大幅扩展其智能体业务，企业客户的快速采用也随之而来。在 Ignite 大会上，微软公司宣布将 允许企业通过这些智能体随意挑选 Azure 目录所提供的 1800 种大语言模型（LLM）——这无疑也是微软摆脱对于 OpenAI 模型全面依赖的一项重要举措。软件巨头还推出了能够独立运作的自主智能体，它们可以检测事件并在最低程度的人为干预之下协调复杂的工作流程。

从严格定义上讲，所谓 AI 智能体就是能够依托生成式 AI 推理并执行特定业务任务的软件。这些智能体如今正成为企业自动化和生产力提升领域的强大工具。微软的平台使得组织能够针对客户服务、复杂业务流程自动化等各类用例场景构建智能体，同时保持企业级安全性和治理水平不受影响。

为企业级应用而生

微软在 AI 智能体领域的早期领先地位，源自其对于常在 AI 炒作周期中被忽视的企业切实需求的高度关注。尽管新型自主智能体和大语言模型灵活性等话题长期占据 Ignite 关注热榜，但微软公司真正的优势更多体现在其坚实的企业基础设施当中。

该平台集成了 1400 多种企业系统和数据源，范围从 SAP 到 ServiceNow、再到 SQL 数据库。这种广泛的连接性使得组织能够轻松建立起可直接访问并处理其现有 IT 环境内数据的智能体。企业除了选择从头开始构建自定义智能体之外，微软还提供十种专门面向销售、服务、财务、供应链等核心业务职能的预构建自主智能体，借此加快常见企业用例的推进速度。

微软方面并没有公布哪种智能体类型在客户群体当中最受欢迎，但 Lamanna 表示，除了针对 IT 部门特定核心任务构建的应用程序之外，还有第二类更强调自下而上的应用形式。员工可以创建 Copilot 智能体来与团队或其他合作伙伴共享文档或者演示文稿，而其他人则可据此参与内容交互并提出相关问题。

以往，安全和治理功能大多会在 AI 部署完成之后才被纳入考量，但如今这两大要素已被内置在微软的核心架构当中。该平台的控制系统将确保智能体始终运行在企业权限与数据治理框架之内。

Lamanna 具体解释道，“我们认为智能体将无处不在。因为每当出现一种能够将以往不可能的事情变为可能时，人们必然会惊讶于它的效果并最终加以广泛运用。”他还将 AI 智能体与互联网进行了比较，表示当初互联网的覆盖面就从浏览器一路扩展至操作系统，最终在根本上改变了客户端 - 服务器架构。

在 Lamanna 看来，大语言模型取得的重大突破让软件具备了理解非结构化内容（包括语言、视频或者音频）以及初步进行逻辑推理的能力，可以根据这些数据得出结论或者判断。“在这种能力的基础之上，浏览器、文字处理器、核心操作系统体验乃至销售流程与客户支持的实施方式，都必将迎来一波大洗牌……在我看来，随着各类智能体和 AI 功能的全面普及，计算堆栈中的每个部分都将有一些组件迎来重新设计。”

早期采用者们也普遍看到了成果。麦肯锡使用自动路由智能体成功将其项目接收工作流程从原本的 20 天缩短到仅需 2 天。Pets at Home 在不到两周时间之内部署了防欺诈智能体，每年节约下数百万美元。微软方面还透露，目前采用 Copilot Studio 的组织包括 Nsure、麦肯锡、标准银行、汤森路透、维珍金融、高伟绅律师事务所以及瑞士苏黎世。

Agent 网格：

让 AI 智能体间的协作更简单

微软战略的核心，正是 Lamanna 所说的“智能体网格”——这是一套互联系统，各 AI 智能体间通过相互协作来解决复杂问题。各智能体并非孤立运作，而可以在整个企业之内无缝传递任务、消息和知识。

到目前为止，Copilot Studio 所关联的还仍然是通过聊天触发的 AI 智能体，但微软正努力把操作类型扩大到更广泛的区间。设想一下企业在实现智能体间无缝协作后会如何：销售智能体可要求库存智能体检查库存情况，而后通知客户服务智能体为客户提供更新信息。这套架构的特点包括：

自主智能体，无需人工监督即可检测事件并触发操作；
建立起能够协调多个专业智能体的业务流程层；
提供实时监控工具，为智能体工作流程提供良好透明度。

微软研究部门最近发布了基于该公司 Autogen 框架的 Magnetic-One 系统。这套系统建立起一套复杂的智能体层次结构：由管理智能体在“外循环”中维护任务清单，而专业智能体在“内循环”中负责工作执行。这套架构有望很快采用微软的 OmniParser 等工具，由智能体解释各类 UI 元素，由此展现微软在通过智能体操作计算机方面掌握的领先技术储备——同时也是在与 Anthropic 和谷歌正在开发的功能正面竞争。微软公司表示正努力将这项研究成果投入生产，但没有具体说明相关产品将以何种形式或者何时投放市场。

微软研究院的 Magentic-One 多智能体系统强调通过内、外两套循环来解决开放 Web 和基于文件的操作任务。

微软的方案帮助企业客户解决了一项关键挑战：如何在保持控制的同时，将智能体规模从数百个扩展至数百万个。该平台使得企业能够借助其编排功能协调多个专业智能体，这种方法明显也更符合各行业对于多智能体系统的依赖和广泛应用趋势。

该平台的计费模式也反映出这种以企业为先的定位理念。与大多数 AI 提供商按 token 计费的思路不同，微软 Copilot Studio 的定价基于实际交换的消息数量——即强调业务成果，而非原始计算量。Lamanna 解释称，如今的企业客户不再纠结于哪种模型最好，更多要求提供具备现实商业价值的用例，“这代表着市场正在发生显著转变。”

企业 AI 智能体竞争加剧

虽然其他科技巨头也都在大力投资 AI 智能体，但微软将传统企业功能与广泛集成相结合使其获得了早期优势。Salesforce 和 ServiceNow 等竞争对手已经发布了自己的 AI 智能体平台，例如 Agentforce（号称已经建立起上万种智能体）和 ServiceNow Agents。但这些产品相对较新，缺乏微软广阔且稳固的企业覆盖范围：长久以来，全球数亿企业员工都在使用微软打造的生产力套件。

此外，各竞争对手的战略思路也各有不同。OpenAI 专注于开放 API 直接访问，但尚未建立起企业 AI 智能体部署框架。但其最近发布的 o1 预览模型展现出了卓越的推理能力，有望在未来支持智能程度更高的 AI 智能体。而 Crew 等新晋厂商则提供实验性智能体框架，但缺乏企业级应用规模。LangChain 的模块化框架在开发者群体中仍然广受欢迎，但其更注重实验而非企业级部署。亚马逊云科技通过 SageMaker 等平台保持以开发人员为中心的方法；谷歌的 AI 平台在特定垂直领域则表现出色，只是缺乏一套适合企业广泛采用的统一智能体框架。

相比之下，微软将企业安全、低代码工具、预构建模板以及面向开发人员的专业代码 SDK 结合起来，使其成为面向不同团队的更具包容性的选项。软件巨头还花费大量时间努力整合旗下各种应用程序和分析数据库，以确保 AI 智能体可以本地调用任何企业数据，消除出于检索增强生成（RAG）需求而单独调用数据库的繁琐流程。

当然，AI 智能体技术目前仍处于起步阶段。大语言模型仍会产生幻觉，必须对基于这些模型的 AI 智能体保持谨慎的部署和管理态度，以避免陷入无限循环或者造成不必要的成本。部分客户也对 Copilot 在定价和实践应用层面的挑战表达了担忧。

这部分市场也有可能长期各自为战。财富五百强企业中有很大一部分往往更倾向于选择多供应商方法，例如采用微软的 Copilot 智能体来提高员工工作效率，同时针对敏感应用场景选择其他框架。

得 AI Agent 者，得天下？

虽然微软目前在企业 AI 智能体部署方面处于领先地位，但这项技术仍处于早期发展阶段。微软方面的优势并不在于任何单一功能，而在于其全面的效能实现方法：高度关注企业级基础设施、广泛集成以及业务成果本身——而非原始 AI 功能。

微软能否保住这份领先地位，无疑要看新一年中其解决方案的市场表现。竞争对手们正争相增强自家产品，企业客户也开始从试验阶段转向全面部署。可以想见，AI 智能体正在跨过炒作周期，进入企业 IT 架构的现实应用——而这段转型期也必然带来各种复杂因素与严苛挑战。

对于技术领导者来说，现在正是评估 AI 智能体如何改变固有工作流程的最佳时机。从自动执行重复任务到实现新的协作模式，大家应当于小处入手、关注可量化结果，并优先考虑使用预构建智能体来加快这段变革旅程。相信谁能在这场智能体驱动型业务的转型浪潮中占得先机，谁就能在下一阶段的市场竞争中建立优势。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述