2026.09.28 | AC | MSFT | Nadella on Copilot Pricing & Routing

摘要

纪要源于：2026年9月25日，ahoo Finance发布的主持人Deirdre Bosa对微软CEO Satya Nadella的专访。

以下为访谈全文：

Q&A

Microsoft新发布的Copilot产品似乎旨在打造一个全新的交互界面，能否介绍一下该产品的研发背景、当前发布的版本包含哪些核心功能，以及选择在当前时间点发布的原因？

我们一直致力于探索如何将AI与未来的工作方式及工作流相结合，此次发布是这一进程中的一个重要里程碑。最初，我们通过聊天功能革新了信息搜索方式，随后引入了Co-work等新形态以实现任务委派。今天的发布则标志着下一个重要阶段的到来，新产品不仅集成了Chat和Co-work，还加入了Code功能。这一整合实现了我们长久以来的一个设想，即消除创建网站、应用程序或文档之间的界限。现在，用户可以像在OneDrive上创建文档一样，构建一个完整的应用程序并进行托管。此外，我们还推出了Autopilot功能，这是一种能够长期运行的业务流程代理。随着模型规模和能力的持续扩展，我们预见到这一天的到来。Autopilot的设计核心是让其在完成工作的同时，确保人类始终处于输入和输出环节的控制中心。将所有这些功能（Chat, Co-work, Code, Autopilot）整合到一个强大的应用套件中，构成了AI时代的Copilot，其意义类似于个人电脑时代的Office套件。

Autopilot功能似乎是本次发布中最引人注目的部分，其体验类似于消费者已经开始使用的个人代理工具。考虑到消费者领域对这类工具的快速接纳，为何不直接推出Autopilot，而是将其作为套件的一部分，并计划逐步推广？

Autopilot在完成任务后，其输出结果仍需后续处理，因此它并非一个可以独立存在的终极形态。以Co-work与Excel的结合为例，Co-work可以生成功能强大的电子表格，但用户在某个阶段需要进行推理分析，这便形成了内部循环（Excel 内的代理循环）与外部循环（Co-work）的协同。同理，Autopilot作为一个具有身份标识、能完成任务的代理，在任务交接或接收指令时，仍然需要Co-pilot和Co-work的辅助。因此，我们不认为任何单一功能可以包揽一切，功能的组合才 是关键。尽管如此，Autopilot代表了企业自动化的新一代技术，将为采用它的企业带来极高的投资回报率。我们确实在2026年早些时候观察到以Openclaw为代表的代理工具在消费市场的爆发式应用，但企业级应用的推广必须将信任和安全放在首位。

在企业环境中推广Autopilot这类自主代理工具，面临的最大挑战是什么？尤其是在成本和商业模式方面，如何平衡持续在线（always-on）代理产生的Token消耗与客户价值？

信任是最大的挑战，这一点在消费领域同样适用。核心问题在于，用户是否能真正信任代理并授予其所有凭证以执行自主活动，以及如何确保用户始终感觉自己处于控制地位并能进行审计。在企业环境中，这些问题至关重要。因此，我们不会孤立地看待Autopilot等任何一种形态，像Agent 365这样的产品就显得尤为重要，它提供了全面的可观测性、治理、策略设置、安全保障和财务控制能力，是企业中采纳速度最快的产品之一。此外，当补贴停止后，Token的边际成本问题将凸显出来。软件首次出现了边际成本，这意味着任何补贴都是有限的。最终，商业模式必须回归到用户所获得的价值回报上，无论是消费领域还是企业领域。持续在线的代理会消耗Token，因此必须有可行的商业模式支撑，例如订阅制、按使用量付费，或是广告、交易抽成等双边模式。

Copilot产品套件采用了基于坐席（seat-based）和基于用量（usage-based）的混合定价模式，能否解释一下这种定价策略背后的考量，以及它如何帮助企业客户平衡成本与效益？

我们的目标是实现广泛的市场渗透，让Office 365或Microsoft 365的现有用户能够普遍部署并受益于Copilot，这正是引入坐席模式的原因。坐席本质上是一种使用权限的授权，为企业提供了一种比纯粹按用量计费更便于预算和采购的方式。我们致力于利用AI技术的进步和价格的下降，持续为订阅用户增加价值。因此，我们的订阅模式旨在随着模型的改进，为用户提供与日俱增的价值。在此基础上，我们还提供了基于用量的功能，任何用户可以随时使用，没有限制。这种组合模式使我们既能提供广泛的访问权限，又能实现客户预期的投资回报率，最重要的是，能够持续与客户看到的价值保持一致，而非固守于单一的用量或坐席模式。

考虑到Autopilot的强大功能，如果未来大量用户倾向于只使用Autopilot，这将对成本结构产生何种影响？

Autopilot的使用确实会带来成本，但其成本足迹会随着时间的推移而降低。对于微软推出的任何新功能，我的预期是，一部分使用权限会包含在坐席订阅中，而另一部分则会基于用量计费。这种组合模式让我们有信心在保持创新速度的同时，向客户承诺这项技术 将无处不在，确保新模型能力催生的新形态能够快速落地。

在Copilot产品中，系统如何选择使用哪种AI模型？目前在不同功能（如Chat、Co-work）中，哪些模型的采用率更高？

用户手动选择模型的时代已经过去，现在产品本身，即自动化系统，会进行选择。无论是GitHub Copilot还是Copilot，其核心理念已转变为模型路由（model routing），我们甚至在开发能够自我学习的路由器。真正的“模型”是我那个能够为困难任务分配合适模型的路由模型。这种路由是动态的，尤其是在处理代理集群（swarms of agents）或子代理时。系统需要能够跨越多个模型家族，并最大化KV缓存命中率，这一点在编码领域已相对容易实现，我们正努力将其推广到知识工作和网络安全等领域。从客户采纳行为来看，趋势并非关注某个特定模型，而是任务的强度决定了模型的选择。简而言之，是代理根据任务需求智能地选择模型，而非用户。

从微软客户的模型使用仪表盘来看，哪些模型目前被使用得最多？开源模型是否正在占据更多份额？

在开源模型方面，MAI系列模型的使用率较高。有趣的是，我们自己的一些模型正成为向更强大模型分发任务的中转站。我们构建了一个模型系统，其中包含一个模型路由器和一个我们自己训练的模型，这个系统能够调用所有其他模型，因此它本身的使用量是最大的。在 闭源模型方面，OpenAI的模型，特别是随着Astra的推出，表现出非常强劲的牵引力。此外，我们也集成了Anthropic的模型，甚至在Excel中使用了Grock。让所有这些模型在一个系统内可用并相互竞争，对客户而言是极大的益处，因为每个 模型都需要在Copilot系统内竞争处理任务的机会。

除了美国的主流模型，Copilot系统是否集成了中国的AI模型？开源模型在API调用中的份额增长情况如何？

在我们的Foundry产品中，确实包含了许多开源模型。但在Copilot产品中，目前主要使用的是美国的闭源模型。不过，我们支持客户将任何开源模型（无论是西方的还是其他的）引入我们的系统。这是我们开放式架构的一大优势：客户不被锁定在任何单一模 型上。客户可以部署Copilot并自带模型，然后由我们的路由系统决定使用哪个模型，这其中也包括开源模型。从API调用量来看，开源模型的份额在增长率上有所提升，但从绝对值来看，OpenAI的模型仍然占据主导地位。

您如何看待未来一年内开源模型与闭源模型在企业应用中的竞争格局？

未来的格局将取决于这些模型在能力上趋同的速度。我认为，与所有事物一样，开源模型和闭源模型各有其适用场景。最终的决定因素将是定价和客户对控制权的需求。在企业领域，当客户需要针对特定业务流程进行精细化调整（fine-tune）时，开源模型的价值 会更加凸显。

随着OpenAI和Anthropic等公司日益关注企业市场，您如何看待它们在企业级代理产品领域的竞争？

Openclaw的出现确实启发了我们所有人，让我们看到了Autopilot这类产品的可能性。但在企业领域，关键在于确保运行时环境的信任度。我们投入了大量工作来创建Agent 365这样的托管环境，以确保Autopilot活动的完全可审计性，这才是企业应用的核心。市场竞争无疑会非常激烈，创新也将层出不穷，这是我们乐于见到的。这也标志着一个产品创造的黄金时代可能正在重新到来。

关于本周举行的中美AI会谈，您认为两国领导人应在AI领域达成哪些共识？

Bessant国务卿近期的表态是一个很好的起点，即两个超级大国之间应建立一套行为规范。他提到的通报机制，类似于网络安全事件的热线，是一个很好的开端。随着强大AI代理的出现，我们首次面临一种“内部人风险”，攻击可能直接来自代理本身，因此两国间 的通报机制至关重要。美国在引领构建安全框架方面也发挥了重要作用。AI安全包含多个层面：第一，防范不良行为者利用AI；第二，确保需要被控制的环境得到有效控制，通报机制即服务于此；第三，应对AI对齐这一科学挑战，目前这仍是一个实验性科学领域，我 们尚未完全掌握其科学原理。这三个方面都是需要取得实质性进展的首要议题。

您认为这些AI安全议题能取得实质性进展吗？除了通报机制，像AI对齐这样的议题是否会被推迟？

我认为，比本周两国间的会谈更重要的是，美国自身需要认真应对这三个层面的挑战并找到政策解决方案。同时，除了政府，我们行业内的所有参与者也需要尽到自己的责任。例如，在微软内部，我们正在进行大量的工程工作来构建AI的“遏制”环境，Autopilo t的运行环境就是为此投入巨大努力的结果，旨在让企业能够信任、审计、观测并实施治理策略。在科学层面，多年来我们与OpenAI通过一个联合安全委员会进行合作，双方内部都有所谓的“嵌入式评估员”，这种合作模式在确保AI安全方面一直非常有帮助。

面对AI带来的新挑战，我们是否需要新的法规？

对未来需要建立何种技术和法规措施保持开放态度是正确的，这样才能让我们社会广泛使用的系统获得信任。我们不应在坏事发生后才去制定法规，而应预见风险，并首先在工程和产品发布过程中尽一切可能防范。就像我们有食品安全法来确保食品供应链的信任一样，我们 也需要在AI供应链中建立同样的信任。因此，我认为随着时间推移，我们将需要新的法规。例如，目前“嵌入式评估员”机制只是微软和OpenAI内部的决定，未来我们应该建立一个由更多元化群体组成的、覆盖全行业的评估员体系。

近期社会上对数据中心的反对声浪渐增，微软为此调整了与当地社区的合作方式，例如放弃了保密协议。这一转变的初衷是什么，效果如何？

根本上，我们必须获得社区的许可。建设数据中心会消耗电力和水资源，我们必须赢得当地的接纳。我们在华盛顿州昆西市（Quincy, Washington）的实践就是一个很好的例证。通过一项长达20年的纵向研究，我们看到该社区的税收收入增长了约12倍，县域和乡村社区都得到了发展，新建了医院、学校和市中心。我们还创造了近1,000个就业机会。数据中心并非建完就走的静态建筑，它需要持续的翻新和建设。只要我们能为当地经济做出贡献，并以惠及当地居民的方式进行，就能获得许可。我们做出了一系列承诺，包括支付应付的费用、确保用水承诺等，我们的目标不是一次性的建设，而是成为社区持续欢迎的一份子。

微软在数据中心社区合作方面的新标准，是否会引领行业变革？

是的，如果行业内的竞争能够演变为所有公司都竞相争取在社区中更受欢迎，那将是一种极好的发展。我们希望我们的做法能成为一个新的标准，并被全行业采纳。

在当前的AI基础设施建设浪潮中，您认为更大的风险是过度建设还是建设不足？

对我而言，最终的目标是实现技术的普惠。目前市场仍然高度集中于少数热门应用及其对算力的消耗。因此，很难划定一条明确的过度或不足的界线，真正的目标是建立一个前沿的生态系统，让企业能够通过使用Token获得真实的投资回报，并最终体现在GDP的增长 上。这种增长是否会是线性的，我无法确定，但我的关注点在于如何为此进行建设。我们的核心商业模式也正是围绕这一点，确保我们不是为了技术而庆祝技术，而是将像Copilot这样的产品交到真正需要完成工作的人手中，无论是小企业、非营利组织还是大型跨国 公司，让他们通过AI辅助，将原本需要12个月的复杂供应链项目缩短到3个月，这才会真正体现在GDP中。

微软的AI基础设施建设策略与其他超大规模云服务商有何不同？如何平衡提前数年布局与未来需求的不确定性？

每家公司的起步时间不同，有些可能正在追赶。我们在华盛顿州雷德蒙德很早就开始规划建设数据中心并为AI分配大量算力，这比其他超大规模云服务商要早。因此，我们已经建设了很长时间，并且我们的目标是为广泛的普惠应用而建设。我们对自己的算力增长计划充满 信心。最终，无论是训练还是推理，推理必须占据主导地位，否则训练就失去了意义。从任何公司的资产负债表或利润表来看，研发投入占收入的比例是有限的，可能是10%、15%或20%。训练就像研发，而推理则直接关系到收入。最终，我们所有人都将受到收入报 表规律的约束。一段时间内，或许有人可以不计成本地进行建设和训练，但最终，研发投入必须是收入的一个合理百分比。

近期关于AI安全和对齐的讨论进入了公众视野，这场辩论对微软的产品开发和发布策略有何影响？

在某种程度上，这场辩论让我们所有人重新聚焦于一些显而易见但重要的原则。明确声明任何不服务于人类或不受人类控制的技术都是不值得去做的，这是我们必须坚守的核心原则。这意味着，随着这项实验性科学的发展，我们不应向世界发布任何我们认为不具备这两个属 性的产品。这必须成为公司个体、整个行业以及社会共同坚守的底线。政治经济环境不会允许任何人违反这一常识性规则。事实上，自从我们观察到模型规模定律开始生效以来，我们就投入了越来越多的时间进行测试，并采取分阶段的推广方式。因为这是一门实验性科学， 你必须在安全的环境中进行实验，从中学习并改进。