整场2小时发布会，Agent成为了高频词。
昨晚，微软Build 2025大会开幕式上，纳德拉再次向全世界宣告——我们正式进入AI智能体时代。
五项重大发布，四个全与智能体有关：
Coding Agent：GitHub Copilot成为全能编程AI助手，修复bug、代码维护，皆可自主完成。
Microsoft Discovery：发现未知材料AI智能体，可生成想法、模拟结果、自主学习。
NLWeb：全新开源项目，用自然语言即可与任何网站交互。
AI Foundry：应用程序平台Foundry专为构建智能体打造，并将支持Grok、HF等更多模型。
Copilot Tuning：可学习企业数据中独特语气/语言的智能体。
会上，纳德拉连线奥特曼，话题同样是AI智能体，以及AI编码的未来。
奥特曼更是直言，「我们一直在谈论何时才是实现真正的智能编程助手，如今它真的来了，这感觉太不可思议」。
此外，微软和xAI同样官宣了合作：Grok系列模型，将正式接入微软Azure。
同时，马斯克还顺便剧透了一把Grok 3.5，表示它会从第一性原理进行推理，将物理学工具应用于思考。
Computex上的老黄，也出现在了大会现场。他透露说，英伟达GB200已大规模量产，将在Azure AI基础设施中大规模部署，实现比Hopper架构40倍的性能提升！
可以看到，如今Open Agentic Web已成为微软的愿景，让AI智能体像互联网一样，自由连接、自主运作。
Build大会上，重磅推出的50+新品和服务，正重塑计算堆栈的每一层。
五大核心发布
在编程的世界中，时间就是效率。
GitHub Copilot最新上线的Coding Agent，核心就是让程序员解放双手。
从功能开发到修复bug，Coding Agent全能胜任。大会现场，纳德拉亲自上阵演示。
他展示了代码库中，需要修复的所有bug，比如第一个「在社区页面添加用户群组规模的筛选功能」。
纳德拉将任务分配给Copilot后，AI很快拉取一个PR。
当你将一个/多个问题分配给Copilot时，它也会迅速做出反应，并使用GitHub Actions启动一个安全沙盒。
它会自动克隆仓库，配置环境，并用GitHub代码搜索支持的RAG分析代码库。
与此同时，Coding Agent还会利用本地配置的工具和MCP服务器去完成任务。
Coding Agent与GitHub无缝集成，只需简单操作即可启动，具体做到：
分配任务：自动将GitHub Issue分配给Copilot，或在VS Code中通过提示启动智能体。
自主运行：Copilot会在后台通过GitHub Actions创建一个安全、可定制的开发环境，自动处理任务。
PR提交：智能体会将代码提交到草稿Pull Request，开发者可随时通过会话日志追踪进展。
除此之外，Coding Agent还能够做到功能开发、修复bug、测试扩展、代码重构、文档改进等任务。
如下演示中，若发现代码库中存在容易混淆的命名，或不一致问题，直接交给Copilot，让其创建一个PR全面检查代码库，并提出更清晰统一命名的规范建议。
Copilot查询了41项参考之后，仔细分析了问题（FindBookingForm和FindYourTripForm同时存在），并给出一些建议。
在这个过程中，它会自动发起一个PR，并把查询生成器重构为独立类。
不仅如此，AI助手在工作中，会持续将代码改动提交到一个草稿PR中，并实时更新PR描述。
它的操作权限非常明确：智能推送到自己的专属分支，而且现有的分支保护策略依然生效。
最重要的是——所有改动都必须经过人工审核才能合并。
毕竟，真正的掌控权始终在开发者手中。
令人兴奋的是，微软今天宣布，即将开源其底层架构，与开发者们一起构建开放的智能体协作编程生态系统。
微软在Build 2025大会上推出的另一重磅，就是Microsoft Discovery平台了。
微软希望，能通过这个智能体平台，直接变革科学发现过程！
Microsoft Discovery的原理，是让研究人员与一组专业的AI智能体和一个基于图的知识引擎协同工作，从而快速、大规模、精准地加速科研产出。
平台效果如何？微软内部实测后发现，非常令人惊喜。
研究者利用其中的先进AI模型和高性能计算（HPC）模拟工具，仅在200小时内，就发现了一种新型冷却剂原型，可直接用于数据中心，应用前景巨大。
而如果用传统方法，这个过程需要耗时数月，甚至数年。
此外，微软还跟美国能源部的太平洋西北国家实验室合作，发现了一种新型的固态电解质候选材料，直接让锂用量减少了70%。
因为面临着以下艰巨的挑战，科学研发的过程往往并不容易：
科学知识浩瀚、错综复杂且分散。
发现过程多样化、动态，涉及多种高度专业化的方法和任务，很难让不同领域融汇贯通。
研发是迭代的，很少现成的简单明确的答案。只有在证据、研讨和进步中，科学知识才能不断演化。
因此，如果想用AI做好科研，就需要建立一种新范式。目的并不在于更快地做同样的实验，而是从根本上革新科研模式。
微软给出的设想是，让每个研究者都能和一个不知疲倦的AI智能体团队合作。
在持续迭代的发现循环中，人类和智能体就能实时提炼知识、优化实现。
为此，做科研的AI智能体必须能够做到——
对连接所有知识源、上下文相关的复杂图进行推理
跨越不同领域和任务
从结果中学习，调整整个研究计划
要做到上述第一点，并不容易，因为如今的LLM往往缺乏必要的上下文理解能力。
这种情况下，如何能让它们对微妙、时常相互矛盾的分散科学数据，进行深度推理呢？
为此，微软提出了一种基于图的知识引擎。这样，就能通过知识图谱的构建，呈现出专有数据和外部科学研究之间错综复杂的关系。
由此，AI能深入理解相互冲突的理论、多样化的实验结果，乃至跨学科的潜在假设。
而且，这种基于上下文的推理过程，并非输出单一固化的答案，而是能通过详尽的来源追溯和推理过程，确保专家始终参与其中。
通过Microsoft Discovery，研究者就可以指挥一支专业的AI智能体团队了！
它们不仅能推理，还能亲自开展科研。
不用写代码，只用自然语言，研究者就可以把自己的专业知识和方法论编码到智能体中。
比起数字模拟工具的硬编码行为，这要灵活得多，研究者不再需要计算专业知识，就能发现关键成果了。
科研人员可以自定义智能体，比如「分子特性模拟专家」或「文献综述专家」。
这就颠覆性地改变了科研：智能体不仅为人类工作，还与他们协同，让人类的独创能力大大增强，能够既见树木，又见森林。
此外，微软大会上还发布了一个全新开源项目NLWeb，可将任何网站变成智能体应用程序。
不用编码，仅通过对话，即可与网页内容直接问答互动。
每一个NLWeb端点都是MCP服务器，因此网站可以选择是否让其内容更容易被AI智能体发现和访问。
与此同时，微软还全面上线AI智能体工厂Foundry。
Windows AI Foundry覆盖了AI开发全周期的训练和推理；
Azure AI Foundry专为开发者设计、定制与管理AI应用及智能体的统一平台。目前，Grok 3等模型已在平台上线。
还有Copilot Tuning智能体允许企业使用自家数据、工作流和专业知识对Microsoft 365 Copilot进行微调，无需编码。
总之，Build大会上，除了智能体，还是智能体。
奥特曼、马斯克、黄仁勋在线“打Call”
在每个产品发布之间，纳德拉与奥特曼、马斯克远程连线，分别谈论了AI编码智能体未来，Grok 3.5第一性原理的推理性能。
与几天前OpenAI Codex类似，微软Coding Agent同样用AI去革新编程工作流，提升开发者的编码效率。
现场，奥特曼分享了自己对软件工程未来发展方向，以及开发者如何整合运用不同工具形态的愿景。
2021年在GitHub上提交Codex后，OpenAI团队一直在讨论，我们将如何实现真正的AI智能体式编码体验。
「如今，它终于实现了，这对我来说有点不可思议」。
奥特曼着重强调，「这是我所见过编程领域最大的变革之一」。
这就相当于，每个人现在拥有一个真正的虚拟队友，可以为它分配工作，即便是复杂的任务也能拿下。
甚至，你可发出多个并行请求，让AI修复bug、实现新功能、回答关于代码的问题。
这种智能式编码体验，让开发者将繁琐的实现细节交给AI，并专注更高层次的创造性工作。
最重要的是，它还能让开发者保持「心流状态」，与AI智能体、其他程序员，以及团队无缝协作，加速整个开发生命周期。
而且，奥特曼还指出，AI模型已变得更加智能、可靠，也更加易用。
人们不再需要从众多模型中挑选合适的工具，AI会自动做出正确的判断和操作，带来真正的「开箱即用」的体验。
两年前的AI与今天相比，功能已不可同日而语，未来一两年的技术飞跃更是难以想象。
对于所有人来说，拥抱这种变革至关重要。
奥特曼惊叹道，那些早期采用Codex的开发者，能快速转变工作流，完成远超以往的惊人工作量。
与此同时，微软与xAI联手，在Azure正式上线Grok模型，以及即将发布的Grok 3.5模型。
对谈中，马斯克提前剧透了Grok 3.5：
它试图从第一性原理进行推理，也就是将物理学的工具应用于思考。
Grok 3.5的核心理念是，植根于物理学基础，将物理学工具应用于所有的推理领域，力求在最大限度减少错误的前提下探寻真理。
当然，它也会犯错，但会在不断承认和纠正错误的过程中，逐步逼近真理。
在AI安全问题上，马斯克直言——诚实为上策。这也算是对最近Grok各种问题做出了回应。
他表示，「错误不可避免，但xAI会以最快速度纠正错误，并期待更多来自开发者社区的反馈」。
黄仁勋刚在大洋彼岸的Computex上参加活动，也被纳德拉远程拉到了Build大会的现场。
他在连线中提到，英伟达最新的GB200系统已进入大规模生产，并在微软Azure平台的AI基础设施中完成大部分部署。
黄仁勋表示Hopper架构过去两年性能提升了40倍，而所有这些都不是硬件单打独斗的胜利，而是软硬协同的成果。
黄仁勋说，“从 Pascal 到 Ampere，从 Hopper 到 Blackwell，再到下一代架构，我们的软件架构始终保持兼容。这促使开发者深入优化模型、算法，这些工作将帮助到整个集群，现有集群能够受益于全栈的软件升级。”
