人工智能如何改变创业公司的数学，据微软副总裁所述

罗素·布兰多姆

周四，2026年2月12日 上午2:51 GMT+9 5分钟阅读

在本文中：

•                                       StockStory 最佳选择 
  

  MSFT

  -2.22%

微软核心AI副总裁阿曼达·西尔弗 | 图片来源：微软

24年来，微软的阿曼达·西尔弗一直致力于帮助开发者——近年来，这意味着为AI构建工具。在GitHub Copilot上工作多年后，西尔弗现任微软CoreAI部门的企业副总裁，负责部署企业应用和智能系统的工具。她的工作重点是Azure内部的Foundry系统，该系统被设计为企业的统一AI门户，让她能够深入了解公司实际使用这些系统的情况以及部署中遇到的短板。

我与西尔弗讨论了企业智能体的当前能力，以及为什么她认为这是自公共云以来创业公司面临的最大机遇。

本次访谈经过删减以增强简洁性和清晰度。

那么，你的工作主要集中在微软为外部开发者——通常是对AI不太关注的创业公司——提供的产品上。你怎么看待AI对这些公司的影响？

我认为这将是一个与向公共云迁移同样深远的转折点。如果你考虑一下，云计算对创业公司产生了巨大影响，因为它意味着他们不再需要拥有自己的场地来托管服务器，也不需要在硬件投入上花费太多。所有成本变得更低。现在，智能代理将继续降低软件运营的整体成本，因为许多启动新项目所涉及的工作——无论是支持人员、法律调查——都可以通过AI代理更快、更便宜地完成。我认为这将促使更多的创业项目和新公司涌现。未来，我们会看到估值更高、管理人数更少的创业公司。这是一个令人兴奋的世界。

实际操作中会是什么样子？

我们当然看到多步骤智能体在各种编码任务中变得非常普遍。例如，开发者维护代码库时必须保持依赖库的最新版本。你可能依赖旧版本的.NET运行时或Java SDK。我们可以让这些智能系统对你的整个代码库进行推理，并更轻松地将其更新，节省大约70%到80%的时间。这需要部署多步骤的智能体系统来实现。

实时站点操作也是一个例子——如果你维护一个网站或服务，出现故障时，夜里会有人被叫醒去处理。我们仍然有24/7待命的人员，以应对服务中断。但这曾经是一份令人厌烦的工作，因为你经常会被叫醒处理一些小故障。现在，我们建立了一个遗传算法系统，能够成功诊断并在许多情况下完全缓解这些现场操作中的问题，从而避免人们在深夜被叫醒，迷迷糊糊地去诊断问题。这也大大缩短了事件解决的平均时间。

文章继续  

另一个当前的难题是，智能体部署的速度没有我们六个月前预期的那么快。我很好奇你认为原因何在。

如果你考虑那些在构建智能体的人，阻碍他们成功的原因，很多时候是因为他们不太清楚智能体的具体用途。需要在构建这些系统的文化上进行变革。企业试图解决的业务用例是什么？他们想达成什么目标？你必须非常清楚这个智能体的成功定义是什么。还要考虑，你提供给智能体的数据是什么，以便它能推理出如何完成特定任务。

我们认为这些因素比单纯的部署不确定性更为关键。任何人只要观察这些系统，都能看到投资回报。

你提到的普遍不确定性，我觉得从外部看似乎是个很大的障碍。你为什么觉得实际操作中这个问题没那么严重？

首先，我认为智能体系统很可能会涉及“人机协作”的场景。比如包裹退货。过去，退货流程中，90%的步骤是自动化的，10%需要人工干预——有人需要检查包裹，判断损坏程度，然后决定是否接受退货。

这是一个很好的例子，现在计算机视觉模型变得如此出色，以至于在许多情况下，我们不再需要太多人工监督来检查包裹和做出判断。仍然会有一些边界情况，比如视觉模型还不够好，无法做出决定，可能需要升级处理。这就像你需要多频繁叫经理一样。

一些操作始终需要人工监督，因为它们关系到关键的法律或合同义务，或者部署到生产环境中的代码可能影响系统的可靠性。但即便如此，我们也在不断探索自动化剩余流程的可能性。

条款与隐私政策

隐私仪表盘

更多信息