微軟CEO：AI代理是新的Excel，而不是ChatGPT

微軟CEO納德拉表示，AI時代下，新的衡量單位已變成“每美元每瓦特的token數(shù)”；OpenAI的o1模型正在優(yōu)化AI開發(fā)，“我們正在使用 AI 來構建 AI 工具，以構建更好的 AI”。

當?shù)貢r間10月21日，在微軟AI之旅倫敦站活動上，微軟CEO薩提亞·納德拉發(fā)表主題演講，介紹Copilot、Copilot&AI全棧、Copilot設備三大平臺的創(chuàng)新。

納德拉認為，與摩爾定律類似，在AI領域Scaling law（縮放定律）也是存在的。定律表明，每六個月，計算性能都會翻倍，其中一部分是由于計算能力的提升，但更多的是由于對數(shù)據(jù)和算法使用技術的改進。AI時代下，新的衡量單位是“每美元每瓦特的token數(shù)”，這是新的貨幣，新的衡量標準。

納德拉稱，Copilot現(xiàn)在是所有AI的用戶界面，其交互的簡便性就像當年創(chuàng)建Excel表格一樣簡單。

就像創(chuàng)建一個財務預測的Excel表格，現(xiàn)在人們可以使用低代碼/無代碼工具在Copilot Studio中創(chuàng)建AI代理，并將其集成到Copilot中。用戶可以把這些看作是新型的應用程序，任何人都可以創(chuàng)建這些應用程序，不需要等待別人來為你創(chuàng)建一個應用程序。

納德拉強調(diào)，現(xiàn)有大規(guī)模的證據(jù)表明，這些工具正在從根本上改變工作模式，提升價值、減少浪費。過去工業(yè)公司通過精益管理實現(xiàn)的效果，現(xiàn)在終于在認知工作中以規(guī)?；姆绞綄崿F(xiàn)了。

納德拉同時透露，OpenAI的o1模型正在優(yōu)化 AI 開發(fā)，并已進入遞歸階段：“我們正在使用 AI 來構建 AI 工具，以構建更好的 AI”。

會上，微軟還宣布，使用Copilot Studio創(chuàng)建自主代理的功能將于下個月公開預覽，讓更多客戶能夠利用AI重新構想關鍵業(yè)務流程。

以下為納德拉講話原文，由AI翻譯：

早上好?；氐絺惗?，回到英國，感覺太棒了，尤其是在這樣一個新技術平臺誕生的時刻，能夠談論它，看到它在英國的影響，并探討這種平臺轉變所帶來的活力，令人興奮不已。

事實上，我今天早上還在回憶，微軟在英國已經(jīng)有40年了。我自己在過去30年里也經(jīng)常來英國，我想我第一次來，第一次主題演講的時候。

我在90年代初做了一個分會場的演講，我記得我做的是Excel和VB的演示。你知道，這很有趣。我來這里的時候，個人電腦客戶端服務器剛剛誕生，然后經(jīng)歷了互聯(lián)網(wǎng)的網(wǎng)絡時代，接著是云計算和移動時代。現(xiàn)在我們正處于至少是向AI這種新技術轉變的初期。

我覺得這總是有幫助的。我發(fā)現(xiàn)讓自己了解核心驅動力是什么是非常有幫助的。

我記得在92年加入微軟的時候，我對技術發(fā)展軌跡有一種隱含的理解，至少是基于摩爾定律，基本上我所需要知道的就是這個。事實上，我記得在91年參加PDC（專業(yè)開發(fā)者大會）時說，哇，接下來會發(fā)生什么很清楚，那就是x86和個人電腦架構不僅會贏得個人電腦市場，而且基本上會贏得服務器市場。

到90年代末，情況確實如此。

現(xiàn)在，在某種程度上，類似的事情正在發(fā)生，我們可以追蹤的新的“定律”是“Scaling law縮放定律”。

正如人們在AI領域所描述的那樣，它是一個經(jīng)驗定律，就像摩爾定律不是物理定律一樣，縮放定律也是經(jīng)驗觀察所得，但它被我們稱作定律，并且一直有效。同樣地，縮放定律表明，大約每六個月，我們的計算能力都會翻倍。

事實上，我經(jīng)常思考的一件事是性能。你甚至可以說，現(xiàn)在的貨幣單位是“每美元每瓦特的token數(shù)”，這是新的貨幣，新的衡量標準。每六個月，性能都會翻倍，其中一部分是由于計算能力的提升，但更多的是由于我們對數(shù)據(jù)和算法使用技術的改進。

你可以說，這一轉折點始于2010年代初期的深度神經(jīng)網(wǎng)絡（DNN）時代，但在2018年到2019年，隨著大語言模型（LLM）和Transformer的出現(xiàn)，這一進展顯著加速，并且還在繼續(xù)。

這一變化體現(xiàn)在三個基本方面：

首先，計算接口的本質正在發(fā)生根本變化。一旦你有了自然語言處理，尤其是多模態(tài)的自然語言處理，包括圖像、語音、文本和視頻的輸入與輸出，這意味著每一個計算界面都會發(fā)生改變。

其次，推理能力在增強。如果你看看剛剛發(fā)布的o1，它顯示了越來越強的推理能力，無論是規(guī)劃還是推理能力。在過去70年的計算歷史中，我們一直在數(shù)字化人、地點和事物并理解它們，現(xiàn)在我們有了一個新的推理引擎來理解它。

最后，你可以輸入更多的上下文和記憶，把這三個方面結合起來，你就在建立一個非常豐富的AI或代理世界，在這個世界里你將擁有這些AI或代理。有些AI和代理是個人代理，有些將在團隊環(huán)境中工作，在組織或業(yè)務流程中工作，甚至跨組織工作。

所以這個豐富的AI代理生態(tài)系統(tǒng)會增強我們已經(jīng)建立的一切。整個數(shù)字基礎設施和我們今天擁有的工具都會在這個代理世界中得到增強，我們使用縮放定律作為基礎力量來構建這些AI代理。

當然，這很棒。所有這些技術都會存在。問題是，我們該怎么做？最重要的是，我們?nèi)绾螌⑵滢D化為我們作為公司、作為個人和組織所擁有的最重要使命，那就是能夠賦予人們能力，讓他們能夠用以前任何其他技術都無法做到的事情。

所以對我來說，這是最終的考驗，那就是我們能否利用，在這個國家，工業(yè)時代和工業(yè)革命的一些最重要的技術都是在這里創(chuàng)造的。問題是，我們現(xiàn)在能否回到那個時候，通過無論是科學發(fā)現(xiàn)還是生產(chǎn)力，真正對人類生活和狀況產(chǎn)生那種深遠的影響，我們能否看到因為技術而帶來的創(chuàng)新繁榮？

所以這就是我們的目標。這就是我們在這里賦予每一個人和每一個組織權力的使命，無論是小企業(yè)提高生產(chǎn)力，大型跨國公司在全球更具競爭力，公共部門提高效率，健康結果改善，教育成果提升。所以這就是這一切的真正意義所在。

現(xiàn)在對我們來說，為了實現(xiàn)這個目標，我們正在構建三個平臺。第一個是Copilot。

對我們來說，你應該把Copilot看作是AI的用戶界面。這是我認為最簡單的理解方式。然后我們有Copilot和AI堆棧。這樣你就能夠構建自己的AIS和AI智能體以及Copilots。我們有一個完整的堆棧。最后是這組新的設備，也就是這些Copilot設備。所以我想談談每個平臺，從Copilot開始。

現(xiàn)在，正如我所說，如果你從這個理念出發(fā)，即這個智能體世界最終需要與我們相遇，我們也需要與它相遇。這意味著你需要一個用戶界面，對吧？就像個人電腦或手機是用戶界面，或者手機或個人電腦上的應用程序是與數(shù)字技術的接口一樣。這些Copilots或者說Copilot是所有這些AI的用戶界面，對吧？

即使在一個有很多智能體自主工作的世界里，它們也需要提出異常情況，從我們這里獲得許可。問題是，這是如何發(fā)生的？

它通過這個新的組織層來實現(xiàn)，特別是關于工作是如何完成的。事實上，工作產(chǎn)物和工作流程將會改變。一個很好的例子是，就在幾個月前，我們推出了一個叫做Pages的東西。就像在90年代，我們推出了Excel或者Word，它們是創(chuàng)建新產(chǎn)物的編輯器。

Pages是第一個，我想說它是創(chuàng)建AI優(yōu)先產(chǎn)物的用戶體驗。我可以搜索網(wǎng)絡或我的工作來檢索信息，然后我可以把它放入Pages。它是一個我可以在組織內(nèi)分享的文檔，我可以和AI以及人類一起工作。

事實上，我使用的比喻是，我用AI思考，與我的同事一起工作，這就是新的工作流程。而之前的工作流程是我獨自思考，創(chuàng)建文檔，然后在組織內(nèi)部進行共享與協(xié)作。

但現(xiàn)在，當我工作時，不僅有AI作為認知放大器幫助我，還可以與AI共同創(chuàng)建文檔，并與同事合作完成任務。這就是Copilot時代的開端，它不僅僅是一個聊天界面，它展示了如何通過聊天這一模式來檢索信息，同時也引導我們走向更復雜的工作流程和協(xié)作方式。

現(xiàn)在你可以擴展。所以另一件事是，這不僅僅是關于我們創(chuàng)建的任何特定的產(chǎn)物編輯器或工作流程，你可以用你構建的任何智能體來擴展Copilot。

事實上，Copilot Studio是一種低代碼、無代碼的方式，讓你能夠構建智能體。這些智能體實際上是基于一組豐富的數(shù)據(jù)源。

例如，誰在為誰工作，誰是我在某個項目中的同事，與某個團隊或項目相關的文檔有哪些，這些文檔、人員和項目之間的關系是什么，所有的電子郵件和Teams對話都屬于這一數(shù)據(jù)庫。這個數(shù)據(jù)庫被稱為Microsoft Graph或M365圖譜。你可以將這些數(shù)據(jù)與業(yè)務流程數(shù)據(jù)結合起來，例如用Fabric收集的數(shù)據(jù)。這些數(shù)據(jù)源可以為代理提供支持。

事實上，一個很好的簡單例子是，假設你想構建一個現(xiàn)場服務智能體，你想讓它與Copilot對接。你所要做的就是給它一個系統(tǒng)提示。告訴它，嘿，我想讓你成為一個現(xiàn)場服務智能體，指向一個Sharepoint站點，那里有一堆與現(xiàn)場服務相關的文檔。再給它添加其他數(shù)據(jù)源，在這種情況下，他們的Dynamics是現(xiàn)場服務的記錄系統(tǒng)，然后你就會得到一個輸出，本質上就是一個現(xiàn)場服務智能體，現(xiàn)在你可以和它交談，就像和任何其他普通的Copilot對話一樣。

所以這種簡單性有點像過去我們創(chuàng)建一個Excel電子表格。它沒有比那更神秘的了。就像你可以創(chuàng)建一個Excel電子表格來做預測一樣，你現(xiàn)在可以使用像Copilot Studio這樣的低代碼、無代碼工具來創(chuàng)建AI智能體，并把它放入Copilot中。你甚至可以把這些看作是我們?nèi)魏稳硕伎梢詣?chuàng)建的新應用形式，對吧？所以你甚至不需要等待別人為你創(chuàng)建這個應用你才能使用它。所以這就是我們正在構建的Copilot和Copilot + 智能體生態(tài)系統(tǒng)。

其影響是巨大的。實際上，如果你看一下微軟內(nèi)部，例如銷售和營銷職能部門，我們已經(jīng)有了定量的結果，表現(xiàn)為工作效率提高了兩位數(shù)。這是對營收增長的影響。

再比如，客戶服務、IT幫助臺、HR幫助臺，這些部門的員工參與度、員工滿意度、客戶服務代理滿意度都在提升，而浪費和成本在下降。法律部門、財務部門也是如此。

因此，我們現(xiàn)在有了大規(guī)模的證據(jù)表明，這些工具正在從根本上改變工作模式，提升價值、減少浪費。過去工業(yè)公司通過精益管理實現(xiàn)的效果，現(xiàn)在終于在認知工作中以規(guī)模化的方式實現(xiàn)了。

而且它也正在英國這里發(fā)生。

事實上，我有機會看到已經(jīng)在使用這個的客戶。我看到了各種各樣的客戶，看到本地的Copilot例子真是太棒了。所以我有機會見到了高偉紳律師事務所（Clifford Chance），這是一家律師事務所，他們正在做一些很了不起的事情。是的，他們解釋了圍繞并購交易發(fā)生的工作流程。事實證明，使用Copilot和Copilot Studio，你可以創(chuàng)建這些智能體來簡化整個流程。

我也有機會見到了聯(lián)合利華（Unilever）。你知道，我之前沒有意識到，但是對于像聯(lián)合利華這樣的組織，它有大量的營收用于營銷，因為畢竟他們的多種產(chǎn)品要面向全球30多億用戶。

他們做的最大的事情之一是這些創(chuàng)意簡報。而創(chuàng)意簡報的準確性對他們來說非常關鍵，這樣他們才能有營銷影響力。但關鍵是創(chuàng)建創(chuàng)意簡報所涉及的繁瑣工作，或者它的效率，或者它的準確性。他們在這方面下了功夫，創(chuàng)建了一個很棒的工具，這個工具改變了創(chuàng)意簡報的準備工作和質量。

所以這些只是我們的兩個客戶的例子，他們已經(jīng)在部署這些AI智能體和Copilots，以在他們的組織內(nèi)部推動真正高影響力的生產(chǎn)力。

今天令我們感到興奮的是，我們與英國政府部門達成了合作，希望不僅在私營部門，也能在公共部門推動技術的普及。因為歸根結底，我認為我們能產(chǎn)生最大影響的領域可能是公共服務，無論是醫(yī)療、教育，還是能源，或其他任何政府部門，都會因為這項技術發(fā)生轉變。而這一切的起點就是讓公務員掌握并使用這項技術。畢竟，當我提到減少繁重工作、提高生產(chǎn)力時，最終受益的將是英國人民，因此，這是我們可以產(chǎn)生巨大影響的領域。所以我們對此次宣布的合作感到非常激動。

談到英國的AI技能提升，這里引用了一些來自LinkedIn的數(shù)據(jù)。昨晚我看到這些數(shù)據(jù)，覺得非常了不起。數(shù)據(jù)顯示，AI技能的獲得率自2019年以來增長了88%，這印證了英國經(jīng)濟中所具備的結構性優(yōu)勢，如開場發(fā)言中提到的人才儲備和基礎設施正在逐步完善。我相信這將推動英國在AI時代的進一步發(fā)展。這是一個非常令人振奮的景象。

當然，我們并沒有就此止步，真正讓我們感到興奮的是接下來的進展。今天，我非常高興地宣布，我們正在AI平臺上邁出下一步，推出Copilot Studio自主代理創(chuàng)建工具。

你們將看到我們發(fā)布的新工具，幫助大家創(chuàng)建這些自主代理，更重要的是，我們將推出一些已經(jīng)內(nèi)置到Dynamics 365中的代理產(chǎn)品，它們能夠在需要用戶界面時與Copilot對接，但也可以獨立運行。

為了展示這些內(nèi)容，我想請我的同事賈里德·斯帕達羅（Jared Spadaro）上臺。

（Jared開始現(xiàn)場展示麥肯錫的創(chuàng)新，播放Clifford Chance、聯(lián)合利華、Pets at Home等客戶使用視頻）

希望這可以讓大家對Copilot的發(fā)展有所感受，Copilot正逐步成為工作流程和工作成果的組織層。Copilot Studio加上代理則是協(xié)調(diào)層，它與Copilot協(xié)同工作，幫助這些代理在個人工作、組織工作或業(yè)務流程中共同運作。

接下來，我想介紹下一個平臺，也就是Copilot加上代理的堆棧，或者說AI平臺。

最終，我們希望每一層技術棧都能為開發(fā)者所用，包括我們構建的Copilot、Copilot Studio和代理，所有這些都可以為每一個軟件開發(fā)者提供支持，讓他們能夠構建自己的AI系統(tǒng)。

這首先要擁有最廣泛的原始基礎設施。

所以當我們想到Azure時，我們把Azure看作是世界的計算機。我們正在英國的 60 多個地區(qū)構建它。事實上，去年我們并投入了 25 億多美元用于擴展。而且這將持續(xù)進行。

我們將為英國帶來最好的基礎設施，包括傳統(tǒng)計算和 AI 計算，這樣你就有了可用的基礎基礎設施。我們正在做很多工作以確保這個基礎設施針對 AI 工作負載進行了優(yōu)化。

從芯片級別開始，例如我們與NVIDIA的合作。我剛剛看到GB200的上線，它采用了全新的液冷技術。事實上，我們借用了液冷技術，因為我們也在為自己的 Maia芯片進行液冷，現(xiàn)在這項技術已應用于不同的芯片上。我們還與AMD(154.09, -3.81, -2.41%)有著很好的合作關系，因此在芯片層面上有著很強的合作。

接著，我們將進行優(yōu)化，無論是訓練還是推理，都為你構建Copilot提供了最好的基礎設施。大量核心基礎設施方面的工作正在進行。

現(xiàn)在，對于任何構建人工智能應用的開發(fā)者來說，另一個非常重要的考慮因素是數(shù)據(jù)。因為最終，無論是訓練還是推理，以及進行檢索、增強生成等操作，你都需要真正整理好你的數(shù)據(jù)資產(chǎn)。

為了做到這一點，意味著你要能夠將所有數(shù)據(jù)上傳到云端并與人工智能對接。所以實際上，哪里有人工智能計算，數(shù)據(jù)就會被吸引到哪里。

因此，我們正在做的一件事是，無論你使用的是甲骨文(175.31, 1.55, 0.89%)（Oracle）的數(shù)據(jù)資產(chǎn)，還是Snowflake的數(shù)據(jù)資產(chǎn)，或者其他任何數(shù)據(jù)，你都應該能夠將其上傳到云端。

在此基礎上，我們自己正在構建一種一流的、我稱之為云原生的基礎設施 —— 數(shù)據(jù)基礎設施，用于從聯(lián)機事務處理（OLTP）的所有方面，無論是 Cosmos GB，還是 SQL，或者是 Postgres，又或是為人工智能時代構建的一流分析數(shù)據(jù)庫 Fabric。

所以數(shù)據(jù)狀態(tài)處于一個可能正在發(fā)生一些最佳工作的地方。實際上，考慮到人工智能和數(shù)據(jù)，要知道不存在無狀態(tài)的人工智能應用。人工智能應用程序接口（API）是無狀態(tài)的，但一旦它們在實際工作負載中與實際應用相結合，就會變得非常簡單明了。例如，順便說一下，ChatGPT 是 Cosmos DB 等的最大客戶或用戶之一，或者像 Azure 搜索也是一個例子。這只是向你表明，一旦你構建像 Copilot 或 ChatGPT 這樣的應用，你需要強大的數(shù)據(jù)資產(chǎn)。

我們還在構建應用服務器，因此，基礎設施和數(shù)據(jù)準備好后，下一步就是應用服務器。我還記得以前來這里的時候，談到．NET，而今天斯科特（微軟 CTO）也會來討論AI，他就是．NET項目背后的關鍵人物之一。

現(xiàn)在，我們又回到了另一個應用服務器時代。這一次，我們?yōu)樵圃鷳贸绦驑嫿藨梅掌鳎瑹o論是容器、應用服務，還是AKS和函數(shù)計算，這些都依然是必需的。事實上，當我回顧ChatGPT的架構時，它的基礎計算資源提供方案是GPU配比常規(guī)計算AKS的方式。

然后我們進入AI應用服務器時代，AI應用服務器首先提供了最廣泛的模型選擇。我們非常興奮地與OpenAI合作，不斷推出最新的前沿模型，無論是GPT 4.0還是o1。此外，開源社區(qū)中，包括LLaMA、Mistral等，甚至一些閉源的供應商，如Anthropic，我們都支持它們的模型。因此，開發(fā)者可以選擇最廣泛的模型。

在擁有廣泛模型選擇的基礎上，我們還提供了“微調(diào)即服務”功能，你可以對這些模型進行監(jiān)督微調(diào)，從而將其集成到你的應用程序中。我們還提供了一些工具，比如檢索增強生成（RAG），通過Azure搜索幫助你將應用程序與數(shù)據(jù)對接，并將其與大型語言模型（LLM）的使用結合起來。

此外，我們還提供了確保應用程序安全性的服務。例如，我們?yōu)殚_發(fā)者構建了一些安全措施，幫助他們在使用這些AI工具時設置防護欄。因此，我們對應用服務器和AI應用服務器上正在進行的創(chuàng)新感到非常興奮。

當你有了應用服務器、AI應用服務器后，就需要最好的開發(fā)工具鏈。這也是微軟自1975年創(chuàng)立以來最為驕傲的一點：我們最關心的始終是為軟件開發(fā)者構建工具。Visual Studio Code、GitHub和GitHub Copilot是開發(fā)者生產(chǎn)力的新前沿工具之一。

實際上，我最近看到的一件非常酷的事情是，o1進入GitHub Copilot后，你可以使用AI進行下一層次的優(yōu)化。屏幕上的內(nèi)容展示了GitHub Copilot的自動編碼器正在被o1優(yōu)化。想象一下這種遞歸性：我們在用AI構建AI工具，以打造更好的AI工具。這種前沿生產(chǎn)力的創(chuàng)新非常令人激動。

未來兩周內(nèi)將舉辦GitHub Universe大會，我非常期待它的到來，因為屆時我們將在GitHub Copilot Workspace中展示更多令人驚嘆的新功能。實際上，英國現(xiàn)在有370萬GitHub開發(fā)者，增長非常迅速，目前已是全球第五大開發(fā)者社區(qū)，增速達到22%，這非常令人欣慰。

今天早上我還見到了許多合作伙伴，首先是英國心臟基金會。他們多年來一直使用機器學習和AI，取得了非常好的成果。甚至像使用Azure語音服務來模擬緊急呼救電話這樣的事情，也讓我意識到，讓人們習慣打緊急電話有多么重要。這是一個很好的例子，說明如何在關鍵時刻幫助人們。

匯豐銀行展示了多個客戶旅程中的一個案例，展示了客戶關系經(jīng)理如何進行信貸審批的整個過程，這一過程通過一些AI工具得到了徹底的改造。他們有效地構建了自己的AI代理，這些代理與他們的移動應用程序以及關系經(jīng)理使用的應用程序進行交互。

我還與Mondra的開發(fā)人員見面，他們的工作令人難以置信。他們正在為整個食品安全和供應鏈構建一個數(shù)字孿生系統(tǒng)，這項工作涵蓋了英國及其他地區(qū)的所有零售商，以此來提高可持續(xù)性。這款產(chǎn)品的影響力將會非常驚人，能夠極大地改善食品供應鏈的可持續(xù)性。

另一個令我長期感到興奮的初創(chuàng)公司是 WAYVE。他們采用了一種AI優(yōu)先的方式來解決高級駕駛輔助系統(tǒng)（ADAS）問題，真正從零開始，重新思考如何利用AI來構建自動化解決方案。

很明顯，我們可以看到，人工智能已經(jīng)不再是“未來會來臨”的技術，而是已經(jīng)開始在一些非常復雜的應用場景中得到使用。

現(xiàn)在讓我們來看一下這些AI平臺在實際中的應用。接下來，我想介紹第三個平臺——Copilot設備。我們在半年前剛剛推出了Copilot PC，這標志著一個全新時代的到來。在這個時代，CPU、GPU和NPU（神經(jīng)處理單元）同時在邊緣設備上可用。

到目前為止，縮放定律在云端表現(xiàn)得非常出色，而在未來，這個AI時代不僅僅局限于云端，還將涵蓋邊緣計算。

我們將看到一些根本性的突破，甚至在某些模型架構上允許在分布式計算架構中實現(xiàn)混合使用。因此，不能再以過去的客戶端-服務器模式來思考問題，而是要將其視為一個連續(xù)的分布式架構。

這就是我們的設計方法。我們不會把Copilot PC看作是獨立的設備，當然你可以將其用于隱私保護，但更重要的是，你可以將其與所有云端的工作結合使用。這就是這些設備將要帶來的革命性變化。

我想在結尾談談可能支撐這三個平臺的東西，我認為這非常關鍵，那就是可信的人工智能、可信的隱私和可信的安全。因為對技術的信任最終將是我所談到的所有技術擴散的核心。因為如果你不信任它，你就不會使用它，這對任何人都沒有好處。

所以我們所做的事情很簡單。首先要有一套核心原則。無論是在安全方面，還是在隱私方面，或者在人工智能安全方面，都要有一套具體的原則。但不僅僅是我們做出的承諾，更重要的是我們正在構建哪些實際能力來推進我們所做出的承諾。

實際上，即使在今天，當你考慮，比如說，安全方面，當你部署一個新的人工智能模型時，在安全方面你首先要做的真正事情是測試對抗性攻擊。這不僅僅是查找漏洞，更重要的是，比如像提示注入這樣的情況，它對這個模型有什么影響？所以能夠模擬對抗性攻擊是一個重要的考慮因素，

或者是我們在隱私方面圍繞機密計算所做的事情。這是在與最新和最先進的模型相結合時必須要做的另一件事。

至于AI安全性，我們知道大語言模型會產(chǎn)生幻覺，因此在AI安全性方面，我們正在使用AI來測量輸出結果的可靠性。這些都是我們平臺中內(nèi)置的具體功能，它們幫助軟件開發(fā)者建立信任，也讓使用這些AI工具的用戶能夠信任這些產(chǎn)品。

所有這些都回到了我最初的觀點：技術必須轉化為現(xiàn)實世界的影響，影響一個人、一家組織，從英國開始，推動經(jīng)濟增長，真正改善經(jīng)濟體中的各項成果。

因此，我對所有這些創(chuàng)新將帶來的未來充滿期待，期待與你們以及合作伙伴一起推動這些創(chuàng)新的發(fā)展，期待未來幾年回來時，能看到這些創(chuàng)新的成果。

非常感謝大家。