2026.10.08 | AC | MSFT | Nadella & Huang: Hybrid AI PCs

摘要

文章来源于2026年10月8日，Microsoft CEO Satya Nadella和Nvidia首席执行官Jensen Huang展示Windows、Surface和Nvidia（包括RTX Spark）的未来趋势。

以下是访谈全文：

Q&A

微软对于混合智能（Hybrid Intelligence）的愿景是什么，以及如何通过与GitHub的合作在Windows上实现这一愿景？

混合智能的核心愿景是让模型、运行时和芯片协同工作，以创造有意义的用户体验。为实现这一目标，微软正与GitHub团队合作，将混合智能的构想引入Windows。今年（2026年）早些时候，GitHub推出了Hydra Fusion，该技术能将每个任务路由到云端最合适的模型。现在，这一智能能力正被扩展至Windows，允许Hydra Fusion调用在本地运行的模型。

为了在设备端实现强大的AI能力，微软在模型压缩和优化方面取得了哪些具体进展？

微软在模型压缩方面取得了显著进展，以实现全栈工程的目标。以MAI Code 1 and Flash这款1,300亿参数的编码模型为例，通过将其量化至3比特精度，模型大小缩减了近80%，同时保持了编码质量。此外，MAI Code模型能够在设备上支持256K的上下文窗口。

除了微软自家的模型，Windows生态系统还引入了哪些第三方大模型，并采用了哪些先进的量化技术以在本地PC上运行？

Windows生态系统正在引入更多强大的第三方模型。Nvidia正在开发一款新的Neatron模型，其参数超过700亿，通过量化至2比特，仅占用超过20GB的内存，非常适合在RTX Spark上运行。此外，通过更先进的量化方法，拥有2,840亿参数的DeepSeek Flash V4模型在量化至1.66比特后，能够以仅60GB的内存占用在本地设备上运行，其性能在编码和推理基准测试中优于GPT-5。一年前，这类能力还仅限于前沿的云端模型。

Windows平台为支持日益增长的本地模型生态系统，在运行时层面提供了哪些支持和更新？

为了支持不断增长的高性能模型生态系统，Windows平台依赖于Windows ML这一可扩展的运行时。Windows ML能够跨GPU、NPU和CPU部署模型，并且在持续演进。一项重要的更新是，平台宣布将Llama CPP引入Windows ML，这为开发者提供了更多选择，使他们能够从第一天起就使用开源模型，并随着新模型的出现快速进行实验。

在GitHub Copilot中，混合智能是如何具体应用的，尤其是在处理不同复杂度的编码任务时？

在Windows版的GitHub Copilot中，混合智能通过一个名为“auto efficiency”的模式选择器来应用。该模式会根据任务的复杂度自动选择模型。对于较简单的任务，新版本的“auto”模式会自动选择本地模型。例如，在对本地克隆的Windows terminal代码库进行代码清理（如检测未使用的代码、导入、包和过时的功能标志）时，系统会利用本地模型（如MAI Code 1.1 Flash local），此时可以看到GPU使用率上升。由于代码和模型均在本地，即使将设备置于飞行模式，该过程也能继续进行。

对于更复杂的任务，GitHub Copilot如何利用混合智能实现云端与本地模型的协同工作，并为用户带来哪些具体收益？

对于复杂任务，GitHub Copilot会协同云端和本地模型。例如，一个任务要求代理程序分析Windows terminal代码库中带有“needs repro”标签的议题，进行调查，然后分派给本地子代理进行进一步的构建和测试。这个过程主会话利用了云端的GPT-6 Luna模型，同时在本地启动了三个使用MAI Code 1.1.1 Flash local模型的子会话。这种混合模式的一个显著收益是成本效益。在一个本地子会话中，向模型发送了166万个token，并从模型接收了10,500个token，所有这些token都是免费的。

GitHub Copilot提供了哪些工具来帮助用户管理和自动化其编码工作流，特别是在利用本地模型方面？

GitHub Copilot提供了一个名为“canvas”的自定义UI，作为会话的可视化工具。在这个界面中，用户可以清晰地看到所有运行过的会话，其中紫色图标代表本地会话，蓝色图标代表云端会话。对于需要频繁执行的耗时任务（如议题分类），用户可以将其设置为自动化任务。这些自动化任务可以按计划或触发器运行。用户可以明确指定自动化任务使用本地模型，从而确保在执行过程中（例如在夜间运行时）不会产生额外的积分消耗，并能免费获得所有处理的token。

混合智能版本的GitHub Copilot将于何时面向用户推出？

由Hydra Fusion驱动的混合智能功能将从10月15日开始，陆续登陆GitHub Copilot应用程序、CLI和VS Code。

新的Windows搜索体验集成了哪些快速操作功能，以及它如何与Copilot应用进行交互？

从今年（2026年）秋季开始，Windows 11 PC上的任务栏搜索将支持数千种快速操作。用户可以直接在搜索框中执行切换到深色模式、开启免打扰模式、调节麦克风音量（并使用内联滑块精确控制）、截屏、排列窗口等操作。此外，用户还可以直接发送短信，而无需使用手机。当请求需要更复杂的处理时，用户可以直接在任务栏搜索中向Copilot提问，答案会以内联形式直接显示在搜索结果中。如果需要进行更深入的对话，用户可以从搜索界面直接跳转到完整的Copilot应用程序。

混合智能为Windows上的Copilot带来了哪些核心能力升级？

混合智能为Windows上的Copilot带来了三项新的核心能力。首先是本地上下文（local context），使Copilot能够基于PC上的所有文件进行响应，类似于Work IQ在云端为企业提供业务上下文的能力。其次是本地操作（local actions），允许Copilot在获得用户许可的情况下，直接在设备上执行移动文件、更改设置等操作。第三是本地模型（local models），Copilot仍会使用云端模型处理最困难的任务，但对于更注重成本或隐私的场景，它可以将任务委托给在本地计算机上运行的模型。

在混合智能的加持下，Copilot的“Home”和“Code”两大核心体验分别获得了哪些增强？

在混合智能的支持下，“Home”体验现在能够感知PC上的内容，用户在本地处理的文件可以直接在Copilot内转化为可供协作的工件。对于“Code”体验，混合智能带来了三方面提升：首先，用户可以通过单个提示构建原生的Windows应用程序或小组件；其次，引入了MXC支持，使得即使用户在本地编写的代码也能在沙盒环境中运行，提升了安全性；最后，Copilot能够将编码任务下放给本地模型处理，从而加快项目进度并降低成本。

Autopilot功能如何利用混合智能来执行复杂的、长周期的自主任务？

Autopilot作为一个企业级的长周期自主代理，通过混合智能获得了显著增强。在一个处理税务文件的演示中，Autopilot首先访问收件箱，找到会计师的邮件并识别所需文件清单。接着，利用混合智能的本地上下文能力，它在整个PC（包括下载、文档等不同位置）中搜索并定位这些文件。在获得用户许可后，Autopilot使用本地模型对这些文件进行组织，包括创建新文件夹、移动文件、重命名文件，并将所有文件压缩成一个zip包，整个过程确保了税务等敏感信息不被发送到云端。最后，它还会草拟一封附带该zip文件的邮件给会计师，并等待用户确认后发送。

除了微软自家的应用，Windows平台还吸引了哪些第三方代理和应用来构建本地AI体验？

Windows作为一个开放平台，吸引了广泛的生态系统合作伙伴利用其平台能力。许多流行的代理程序，如Hermes、OpenClaw和Perplexity，正在Windows上构建本地AI体验。例如，Perplexity的便携式计算机应用可以在Windows上本地运行模型，处理诸如调整照片尺寸和构建本地相册等任务，整个过程在设备上完成，不消耗Perplexity的计算积分。此外，Muse也将作为原生应用登陆Windows，并集成MXC。

微软为不同用户群体和使用场景规划了哪些PC硬件层级？

微软规划了三个PC硬件层级以实现其“为每个家庭的每张办公桌带来无限智能”的愿景。第一层是迷你桌面PC（或称“claw boxes”），适用于需要始终在线的代理，微软为此推出了新的入门体验，简化了流行代理的设置过程。第二层是Copilot Plus PC，定位为日常AI使用的设备，配备了高效的NPU，目前超过40%的商用笔记本电脑属于此类，每月在本地运行超过两万亿次推理。第三层是为开发者和创造者设计的“构建者层级”（builder tier），代表产品是Surface Laptop Ultra。

Surface Laptop Ultra作为面向“构建者层级”的设备，其核心硬件规格和性能表现如何？

Surface Laptop Ultra是迄今为止性能最强的Surface设备，专为开发者和创造者设计。它搭载了Nvidia RTX Spark，配备高达128GB的统一内存和高达1 petaflop的AI算力，能够运行传统机器无法承载的模型。其散热能力是现有笔记本电脑的2.5倍以上，即使在持续高负载下也能保持高速运行。在不插电使用电池的情况下，它能维持超过99%的性能。该设备厚度不足18毫米，重量低于4.5磅，并配备了PixelSense Ultra Touch显示屏。

Surface Laptop Ultra在设计和连接性方面有哪些创新？

Surface Laptop Ultra在设计上注重便携性和工艺。在连接性方面，它拥有Surface笔记本电脑中最多的端口。为了满足用户对磁吸充电和USBC通用性的双重需求，微软发明了Magnetic Connect，这是全球首款内置的磁吸式USBC充电技术。用户只需将连接器靠近端口，它就会自动吸附到位，实现了便捷的磁吸充电，同时不占用USBC端口的功能。

在创意工作流中，Surface Laptop Ultra如何通过结合本地和云端AI来提升效率？

在一个创意工作流案例中，设计师使用Surface Laptop Ultra，在几小时内完成了以往需要数天的工作。他首先在Blender中创建3D模型，然后利用本地运行的AI模型（如Gemma 4、Flux 2D dev、Hunyuan 3D 2.1）快速生成符合风格的资产和3D模型。接着，他使用本地运行的编码模型在Blender中生成多种场景布局。在Photoshop中进行精修后，再利用本地的图像到视频模型（Wan 2.2）生成最终动画。最后，他使用云端的GPT-6 Astra将最终文件构建成一个可在Unreal Engine中漫游的场景。整个流程展示了本地AI在快速构思和资产生成方面的优势，以及云端AI在处理更复杂任务时的能力。

Surface Laptop Ultra在本地AI性能方面与竞品相比有何优势？

根据测试，Surface Laptop Ultra在运行语言模型时，其“首个token生成时间”（time to first token）性能更快，并且图像生成时间也比搭载M5 Pro的笔记本电脑更短。这主要得益于其在单一设备上同时具备大容量内存和高达petaflop级别的AI算力，这意味着开发者和创作者在使用本地AI时可以减少等待时间，从而更专注于创作。

微软及其硬件生态伙伴推出了哪些基于RTX Spark的设备，以及更高端的DGX Station产品？

除了Surface Laptop Ultra，微软的合作伙伴也推出了多款RTX Spark笔记本电脑，包括联想Yoga 9 2-in-1、华硕ProArt P14、戴尔XPS 16、微星Prestige N16和惠普Omnibook Ultra 16。这些设备均从即日起开放预订，并将于下周五开始发货。对于需要更高性能的用户，DGX Station for Windows将数据中心级的性能带到桌面端，能够本地运行超过万亿参数的前沿模型，如Llama V4 Maverick、Kimi K2.6和DeepSeek V4 Pro。戴尔Precision Pro和惠普ZGX Fury AI Station等产品也将于今年（2026年）晚些时候推出。

能否回顾一下Nvidia与微软两家公司以及两位负责人之间长达数十年的合作历史，并分享一些关键的合作记忆？

Nvidia的创立与Windows紧密相关。1992年末，Windows 3.1的出现揭示了个人计算机的潜力。当时，我们预见到带有3D图形的个人计算机将能够运行游戏、作为工作站并用于设计工作。若没有Windows，Nvidia就不会在1993年成立。随后，Windows 95的发布使得GPU能够连接到个人计算机。而真正彻底改变GPU的是DirectX，特别是Direct3D这一API，它使我们能够将GPU的能力展现给应用程序。之后，在DX8时代，我们与微软共同发明了全球首款可编程GPU，即可编程着色器，这在若干年后演变成了CUDA。可以说，我们公司的整个发展历程都以Windows为核心。没有Windows，就不会有GeForce；没有GeForce，CUDA就不会问世；没有CUDA，深度学习领域的先驱们，如Alex Krizhevsky、Ilya Sutskever、Yann LeCun和Andrew Ng，就找不到进行研究的计算平台。回顾这段历程，加速计算的愿景始终如一，并且其发展轨迹远超任何单一的PC形态或芯片架构。早期的合作始于在Azure云中探索如何扩大高性能计算的规模。Azure是首个在云内部署InfiniBand的用户，这为OpenAI带来了第一台超级计算机，从而训练出GPT模型。若非当初为HPC构建了基于InfiniBand的超级计算机，当Sam Altman寻求计算资源时，我们便无法提供支持。大约四年前，我们开始探讨如何将这一切带到PC上，创造出AI时代的完美个人计算机。我们设想，当AI代理成为个人助理时，它需要访问Nvidia生态系统中的各种专业工具，如游戏PC和工作站上的Blender、Unreal Engine、Omniverse、CATIA、Siemens和Adobe等软件。为了实现这一目标，即让AI与所有这些顶级工具在同一台PC上无缝协作，我们开启了长达四年的研发历程。

MXC似乎为AI代理提供了一种全新的操作系统原生安全机制，为什么选择在操作系统层面构建这一功能，它开启了哪些新的可能性？

这一需求始于在桌面上运行的编码代理。本地开发环境及其对文件系统的访问是最需要安全原语的场景。因此，我们与Nvidia团队合作，致力于将安全机制深度集成到云端和本地操作系统的原生功能中。MXC的诞生就是为了让桌面成为代理执行最安全的环境，目前Open Shell已与MXC完全原生集成。安全性需要多层次的防护，包括在微虚拟机、虚拟机以及会话层面实现隔离。其中，Windows会话级别的隔离至关重要。在实现隔离之后，还需要全面的可观测性。通过为每个代理分配一个身份标识，我们能够追踪其完整的活动日志，进而对其进行治理，即设定和执行策略。这一整套机制将为IT运维和安全运维人员提供保障。此外，追踪token的消耗及其发生位置也同样重要。我们整合了所有这些要素，因为无论是消费级还是企业级应用，若缺乏对安全信任的全面考量，技术的广泛普及就会受阻。MXC将成为下一代IT架构的基础，它将像当年的Windows和DirectX一样，彻底改变代理的构建和部署方式。没有MXC，代理的大规模应用将无从谈起。

“混合智能”（Hybrid Intelligence）似乎是一种新的计算范式，它在本地和云端之间智能分配工作负载，这具体意味着什么，将带来哪些新的机遇？

混合智能的目标是实现计算资源的无缝体验，用户无需关心任务是在本地还是云端执行。这类似于从早期在终端机上访问VAX小型机，同时在家中使用PC，到1995年左右Mosaic浏览器将本地和网络体验融为一体的历程。如今，我们正处在一个相似的转折点。以Danilo演示的案例为例，他在ComfyUI中下载模型、构建资产，然后将资产导入Blender进行增强，期间可能还使用了Photoshop中的本地模型进行优化，接着又返回ComfyUI，最后通过Astra和Unreal Engine将所有内容上传至云端。整个过程中，他只是在桌面上使用不同的应用程序和模型，无论是本地的还是云端的，一切都无缝衔接。这就是混合智能的精髓。未来，用户将期望这种混合智能无处不在，本地与云端的界限将彻底消弭。这种模式整合了人类历史上几乎所有科技公司的技术结晶，显著提升了工作效率，例如将过去需要数天完成的工作缩短至几小时，从而加速了创作者的雄心。

随着AI代理越来越多地处理本地数据和使用本地工具，如何确保数据安全和用户控制权？

AI代理将成为文件系统的最大用户，因此确保其使用的安全至关重要。文件系统作为一个异构的集合空间，需要强大的安全保障。以Jacob演示的报税案例为例，该过程将来自下载文件夹、云端文件、电子邮件等各处的信息整合到一个文件系统容器中，然后利用本地和云端的模型进行处理。这就是新的计算模式：不仅用户在使用计算机，用户的代理也在使用计算机，并且代理同样需要这些基础的安全和数据管理原语。这就像OneDrive一样，用户早已不再区分它是云端服务还是客户端应用，它无处不在。我们正在见证的，是为代理提供全天候可用的基础能力。当用户在PC上操作时，体验就像在本地；当用户漫游时，数据和状态也应随之漫游。此外，代理在使用工具方面将超越人类。普通用户可能只了解一个应用程序10%到15%的功能，但代理能够掌握其全部功能。当这些强大的工具被部署在PC上，并由Surface Ultra这样的设备加速时，代理便能充分利用这些能力，创造出前所未有的可能性。

从硬件角度看，Nvidia以往更侧重于数据中心的大规模计算集群，如今转向关注在个人设备（如工作站和笔记本电脑）上生成token，如何看待这种演进？

我们为这个项目投入了超过4,000个工程年的巨大资源，旨在彻底重塑个人计算机。我们首次将游戏PC、笔记本电脑、工作站和云端超级计算机的能力整合到一个统一的架构中，并使其运行在一颗超级芯片上。这颗芯片由两块巨大的芯片融合而成，性能强大，算力达到1PFLOPS。作为对比，开启AI革命的DGX-1计算机算力也是1PFLOPS，但其造价高达2.5亿美元，重达500磅，而现在这一切都集成在笔记本电脑中。这台计算机是全球唯一能够同时原生运行DirectX及其所有应用、所有版本的OpenGL以及所有CUDA应用的设备。这确保了从创意设计工具到Unreal Engine等所有软件都能高效运行。四年前我们便预见到，新一代的软件开发者将是AI软件开发者，他们或者创造AI应用和模型，或者使用AI来开发软件。因此，计算机必须从根本上革新，以完美支持CUDA。如今，整个行业，包括所有笔记本电脑、台式机和工作站制造商都已加入这一生态。我们已经测试了超过1,200个全球要求最严苛的应用程序，确保了其性能、兼容性并进行了全面优化。我们将持续为其提供软件、中间件和算法支持，这是一个永无止境的投入。

近期关于个人代理（personal agents）的讨论日益激烈，特别是涉及到代理行为的责任归属和对现有服务模式的冲击，行业应如何应对这些挑战，未来发展方向是什么？

解决这些问题的核心在于“信任”。信任的建立始于技术层面的保障，例如代理是否被有效隔离、是否拥有独立的身份标识、其行为日志是否与用户的行为分离。确保代理的ID独立于用户ID至关重要，这不仅适用于日常使用，也关系到更复杂的授权问题。用户需要根据信任程度来决定授予代理何种权限。代理的自主性越高，对其信任的要求就越高。在消费领域，这最终可能会演变为一个由保险来定价的风险市场。协议和技术标准固然重要，但最终市场将通过定价机制来衡量代理行为的风险。MXC和Open Shell等基础性工作是这一切的基石，它们提供了信任、隔离、可观测性和监控能力。我们必须首先确保代理在最低权限下运行，拥有可信凭证，并受到严密监控。只有这样，我们才能放心地让代理代表我们去执行任务。

Windows平台如何整合所有这些新能力，以适应AI时代的发展？

Windows的核心理念始终是兼容并包，不放弃任何代码或框架。如今，我们将所有Windows应用、图形应用、CUDA、OpenGL以及现在的token生成能力（token factory）全部整合在一起。这台设备将Windows、所有图形应用和CUDA全部原生集成，这是一个前所未有的成就。Windows已经伴随我34年，看起来它还将继续伴随我下一个34年。我们正在构建一个面向混合智能的操作系统，它为代理提供了最安全的平台，解锁了无限制的智能（unmetered intelligence），并将AI融入人类的工作流与雄心之中。最终，我们将这一切呈现在一台集大成的新型PC之上。