微软Build大会一文看尽：9款自研模型、Windows版龙虾、“梦中情机”，黄仁勋猛夸

此外，微软发布新一代量子计算芯片Majorana 2，量子比特可靠度是上一代的1000倍，平均寿命为20秒，偶尔甚至超过1分钟。微软预计在2029年实现真正可规模化的量子计算机。

面向开发者，微软打造了Surface RTX Spark Dev Box。这是一款桌面工作站产品，使用英伟达的RTX Spark超级芯片，拥有1 Petaflop的AI计算能力、20个CPU核心和128GB统一内存，同样将于今年秋天推出。

Bathiche认为，下一代计算设备不一定是一台电脑、一部手机或一副眼镜，而是多个设备协同组成的系统。用户的智能体会根据场景需要，在最合适的时间和地点出现，并通过不同形态完成工作。

在Build大会上，微软首次展示了两类参考设备。

第一类是固定式设备。

这是一款面向办公桌场景设计的智能体终端，采用联发科平台，支持Windows Hello企业身份认证。用户走近设备即可完成安全登录，直接访问自己的智能体服务。

设备会基于用户的工作上下文持续提供信息和建议。例如提醒当天最重要的待办事项、协助规划工作流程，甚至帮助用户直接将任务委托给智能体执行。

与此同时，这一设备还能够与Windows PC和Windows 365云电脑无缝协同，成为现有办公环境的补充。

相比固定设备，第二种形态更加灵活，是一款类似数字工牌的可穿戴设备原型。

这款设备采用高通骁龙平台打造，体积小于传统移动终端。现场演示中，Bathiche通过指纹完成身份验证后，直接调用个人智能体执行任务。他按下录制按钮，设备侧边摄像头开始采集现场画面，并向智能体下达指令：整理Build大会现场素材，生成内容并发送给团队审核。

随后整个流程由智能体自动完成，包括内容收集、整理、归档和分发。

Bathiche强调，这类设备的价值并不在于硬件本身，而在于能够将智能体能力直接带到工作发生的地方。

以医疗场景为例，护士佩戴设备后，可以通过语音与智能体实时交互，自动完成病历记录、语音转写、发言人识别以及护理记录整理。同样的能力也适用于零售、制造业、金融服务、法律服务等众多行业。

这些设备是一类参考设计。企业可以在相同的软件架构基础上调整外观形态、屏幕尺寸、传感器配置甚至输入方式，并加载各自的智能体系统，从而快速构建针对特定场景的专用设备。

微软透露，目前已经有多家企业开始参与相关探索，包括Best Buy、CVS Health、Levi's、Target等公司都在研究如何将智能体设备引入自身业务流程。

微软首个推理模型MAI-Thinking-1采用混合专家（MoE）架构，拥有350亿激活参数、大约1万亿和256K上下文窗口。

微软AI CEO Mustafa Suleyman称，在与行业主流模型的对比测试中，MAI-Thinking-1获得了更高的人类评测偏好率。在多个推理基准测试中，其表现达到行业领先水平。

尤其是在软件工程基准SWE-bench Pro上，该模型取得53%的成绩，与Claude Opus 4.6处于同一梯队。

Mustafa特别强调：“MAI-Thinking-1完全从零开始训练，没有针对特定基准进行优化，也没有采用蒸馏技术。”这意味着模型拥有清晰、可追溯且具备商业授权的数据来源，更适合企业级生产环境部署。

图像模型方面，微软推出了MAI-Image-2.5及其轻量化版本MAI-Image-2.5-Flash。两款模型在图像质量和编辑能力方面实现了突破，MAI-Image-2.5在大模型竞技场图像编辑排行榜中排名第二，超过了多个主流竞争对手。

目前，两款模型已经集成至PowerPoint，并正在向OneDrive推广，同时已在Azure Foundry开放使用。

微软同时发布了新一代语音转录模型MAI-Transcribe-1.5。根据微软公布的数据，该模型支持43种语言，在转录准确率方面达到行业领先水平，并在多项测试中超过现有旗舰模型。

在语音生成领域，微软发布了MAI-Voice 2和MAI-Voice-2-Flash。

MAI-Voice 2支持15种语言，具备更加自然的语调、情感表达以及细粒度控制能力；而Flash版本则重点面向实时语音智能体场景，以更低延迟和更高效率满足企业需求。

微软还推出了专门针对编程任务优化的MAI-Code-1-Flash。

尽管仅拥有50亿参数，但该模型在SWE-bench Pro测试中取得51%的成绩，展现出较高的推理效率。该模型针对VS Code和GitHub Copilot CLI进行了深度优化，能够以更低成本提供接近大型模型的代码生成与推理能力。

除了Azure Foundry之外，微软宣布将把MAI系列模型同步提供给多个第三方AI生态平台，包括OpenRouter、Fireworks AI、Baseten等。开发者未来可以直接在这些平台上获取模型权重并进行个性化微调。

Mustafa还重点介绍了微软在模型与芯片协同设计方面的最新进展。

MAI-Thinking-1已针对微软自研的Maia 200 AI芯片进行了专项优化。MAI-Thinking-1+Maia 200的组合，每瓦性能是英伟达GB200的1.4倍。

微软计划将这些优化后的模型部署至即将推出的N1X设备平台，以进一步提升Windows端侧AI体验。

微软重点介绍了名为“Frontier Fine-Tuning（前沿微调）”的新能力。微软认为，未来企业竞争的关键不再是使用统一的大模型，而是拥有基于自身数据、工作流程和知识资产训练出来的专属模型。

通过强化学习环境（RLE）和定制训练平台，企业能够持续优化模型，使其更加贴合自身业务场景。微软披露，在内部测试中，经过前沿微调的MAI模型在部分任务上已达到与最新旗舰模型相当的效果，同时实现约10倍的成本效率提升。

为了充分挖掘这些计算潜力，微软宣布扩大本地AI推理框架Windows ML和Windows AI API（无需自备模型即可使用的内置AI能力接口）的支持范围。这样一来，任何开发者都能利用设备上已安装的GPU，为本地AI构建应用，并在整个系统环境中流畅运行。

同时，微软还发布了两个将在Windows本地运行的小语言模型（SLM）：一个是更高效的文本模型Aion 1.0 Instruct，支持日常文字处理工作，还集成到了Edge浏览器中。

另一个是规划模型Aion 1.0 Plan。这一模型拥有140亿个参数，可以作为本地智能体引擎，帮助开发者构建完全离线的智能体循环，实现意图识别、工具调用、文件管理和多智能体编排，无需云端参与即可完成任务执行。

在开发工具方面，微软推出了一系列更新：无干扰开发环境、内置GitHub Copilot的智能终端、70多个Linux实用工具。

此外，微软还发布了WSL容器，让开发者在本地构建和部署时不会被复杂的环境依赖等问题干扰。其中一个WSL配置文件能在Windows上支持Mac用户熟悉的Starship、Zsh和Homebrew等工具和命令行环境。未来几个月WSL容器将进行公开预览。

4、Agent 365

针对大规模部署智能体的管理需求，微软强调了可观测、可治理与可防护的重要性，并通过今年5月发布的Agent 365作为智能体的管理控制中心。

微软将现有的Entra（身份）、Defender（防御）与Purview（合规）等企业级服务扩展至智能体，确保每个智能体都能以特定身份运行并受到完整保护。

围绕这一趋势，微软发布了Microsoft IQ，这是一个统一的上下文层，在GitHub Copilot、Microsoft Foundry、Copilot中普遍可用，将智能体构建于世界知识和企业知识中。

Microsoft IQ由四大部分组成：

（1）Web IQ：一个与模型无关、MCP原生的网络搜索栈，可为AI模型和智能体提供即时、可验证的网络数据，包含新闻、图片、视频等等，返回相关段落的速度是次优选择的近2.5倍。Web IQ于今天正式发布。

（2）Work IQ：面向工作场景的智能层，捕捉工作在 Microsoft 365、组织系统和外部来源中实际发生的方式，涵盖人员、邮件、文档、会议，以及它们之间的关联。

（3）Fabric IQ：在结构化业务数据之上提供了共享的语义基础。

（4）Foundry IQ：将上述能力串联起来，实现对企业知识与实时互联网信息的统一检索与调度。

在开发者工具方面，微软推出了全新的GitHub Copilot应用程序，支持“智能体编程会话”（Agentic coding sessions），开发者能同时启动多个会话来处理不同的问题，并利用技术建立隔离环境，实现多任务平行开发且互不干扰。

此外，它提供多模型支持，允许用户在OpenAI、Anthropic和谷歌等厂商的模型间切换。

为了超越传统聊天界面，微软引入了Canvas（画布）概念，让智能体能建构自定义UI与用户沟通。

针对后端整合，微软推出了Rayfin SDK，让智能体能轻松连接至“后端即服务”（BaaS）与Microsoft Fabric租户，解决开发中常见的身份识别、存储与数据库架构挑战。

目前，Azure已经在全球80个区域部署了超过500座数据中心，构成全球覆盖最广的超大规模云网络之一。过去18个月里，微软新增的数据中心容量已经超过Azure创立后第一个十年的总和。

这种设计带来的直接收益是更高的网络带宽、更低的节点通信延迟、更高效的GPU利用率。

与此同时，微软还重新设计了供电体系，并优化了冷却系统。Fairwater能够在接近零耗水的状态下运行，其全年平均每日用水量大致只相当于一家普通餐厅。

在硬件层面，微软正在同时推进自研芯片和开放生态两条路线。

微软已经成为首家验证英伟达下一代Vera Rubin平台的云服务商，并持续与AMD合作推进MI300及后续产品。

与此同时，微软自研的Maia AI加速器也在快速推进。纳德拉透露，新一代Maia 200已经在美国爱荷华州投入运行，并计划于今年晚些时候扩展至更多区域。

按照微软内部测试数据，Maia 200相较当前主流GPU可实现约30%的Token/美元性能提升，并已在GPT-5.5上完成验证，未来将用于支撑Microsoft 365 Copilot等核心AI服务。

随着AI系统逐渐从单次推理转向持续运行的智能体形态，越来越多任务需要由CPU负责调度、工具调用和状态管理。纳德拉称：“未来智能体系统中，CPU和GPU的比例甚至可能接近1:1。”

面向这类工作负载，微软推出了Cobalt 200虚拟机的预览版。Cobalt 200是微软基于Arm架构打造的新一代云端CPU，于去年正式发布。与Cobalt 100相比，这款CPU在云原生工作负载上的性能提升超过50%，智能体响应延迟降低33%，执行速度提升14%，吞吐量提升23%。

网络正在成为AI基础设施的关键竞争点。纳德拉称，微软已经用MRC网络架构重构了Azure内部流量调度方式，以适应AI训练所需的大规模同步数据并行计算。同时，微软也在建设跨区域AI专用网络。

Fairwater等AI超级工厂将通过微软全球骨干网络互联，形成一个统一的计算池，实现跨数据中心资源调度和弹性扩展。