影片筆記：微软瘋了？！微軟竟背叛 OpenAI！這招「AI 陽謀」將徹底終結大模型時代！😱

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=12 已先套用暫定修正：增加home code和autopilot三个入口 → 增加home、code和autopilot三个入口；segment=13 已先套用暫定修正：home把聊天Cowork和 → home把聊天、Cowork和）
• 待修正：逐字稿可先使用，但有待校正清單（segment=76 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=249 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

⚠️ 警告：逐字稿辨識疑點與校正待辦

根據可讀性檢核結果，以下片段存在高風險辨識錯誤，尚未回聽或交叉比對，不得視為確定事實：

* Segment 76: rapid_semantic_review — 全文速讀上下文判斷；尚未回聽或交叉比對

* Segment 249: rapid_semantic_review — 全文速讀上下文判斷；尚未回聽或交叉比對

請使用者特別留意以下內容可能與實際影片內容有出入，建議回聽確認。

一句話總結

微軟於 2026 年 9 月 25 日發布新版 Copilot，透過引入「Auto 路由系統」將多模型納入同一候選池並自動調度，標誌著 AI 競爭從比拼模型能力轉向產品化、工作流整合與權限治理，未來最有價值的將是掌握任務入口與數據的平台層。

核心重點

1. Auto 路由系統與模型競標：新版 Copilot 引入自動路由機制，將 OpenAI、Anthropic、微軟自研模型及開放模型放入同一候選池。系統根據準確率、速度和成本自動選擇模型，簡單任務使用便宜模型，複雜任務升級至旗艦模型，實現跨模型家族協作。
2. 三大新入口架構：

• Home：整合聊天、Cowork 與 Office 應用。
• Code：讓普通員工也能搭建工具。
• Autopilot：運行於雲端的長期智能體，具備持續工作與主動推進任務的能力，即使用戶關閉電腦也能繼續處理工作。

1. 產業價值觀轉移：競爭階段從單純比拼模型能力（推理分數、編碼能力、上下文長度）轉向產品化。模型品牌邊緣化，模型廠商需說服微軟的評估系統而非直接面對用戶。路由權重新定義了模型廠商的客戶，從開發者變為掌握分發的算法採購員。
2. 企業治理與 Agent 365：Autopilot 作為長期智能體具備獨立身份，但也帶來錯誤代價增加的風險。Agent 365 作為企業必須購買的控制層，管理代理身份、設置安全政策、提供可觀察性和治理能力，解決權限映射、審計和合規問題。
3. 成本治理（FinOps for AI）：計費邏輯拆分為固定訂閱（日常問答）和按量計費（Cowork、Code、Autopilot）。企業將比較任務通過驗收的總成本，而非僅看每百萬 Token 單價。缺乏預算政策可能導致代理變成自動燒錢機器。
4. 納德拉的戰略意圖：微軟 CEO 薩蒂亞·納德拉強調，未來 AI 產業最有價值的將不再是模型本身，而是掌握任務入口、數據權限、路由系統及執行記錄的平台層。此舉可能削弱模型公司的品牌溢價，並減少客戶離開微軟體系的理由。

詳細大綱

一、 新版 Copilot 的核心功能與架構

• 發布時間與背景：影片指出於 2026 年 9 月 25 日發布，納德拉接受採訪闡釋戰略意圖。
• 三大新入口：
• Home：整合聊天、Cowork 與 Office 應用。
• Code：讓普通員工也能搭建工具。
• Autopilot：運行於雲端的長期智能體，可持續工作、主動推進任務，即使用戶關閉電腦或睡覺也能繼續處理工作。
• Auto 路由系統：
• 用戶提交任務後，系統同時考慮準確率、響應速度和成本，選擇最合適的模型。
• 簡單任務不調用最昂貴的前沿模型；複雜分析自動升級。
• 支持跨模型家族協作，讓每個模型處理擅長部分。
• 路由系統成為用戶實際面對的「模型」，用戶選擇的是調度模型和工具的工作環境。

二、 AI 產業價值觀的轉移：從模型到產品

• 競爭階段轉變：離開單純比拼模型能力（推理分數、編碼能力、上下文長度）的階段，勝負落在產品上。
• 模型品牌的邊緣化：
• 微軟將模型裝進 Copilot 後台競標，用戶習慣自動選擇後，模型公司失去直接關係。
• 模型廠商需說服微軟的評估系統，而非直接面對最終用戶。
• 路由權重新定義模型廠商的客戶：從開發者變為掌握分發的算法採購員。
• 品牌溢價壓縮：能力接近時，路由系統將普通任務分給更便宜的選擇，僅高難度任務交給旗艦模型。
• 企業談判籌碼增加：工作可在多個模型間遷移，採購部門可要求降價或轉移調用量。

三、 模型生態與競爭格局

• 模型來源多樣化：
• 微軟自研模型（提及「Mai」模型，疑點見下文）。
• OpenAI、Anthropic 模型。
• Grok。
• Azure AI Foundry 提供的開放權重模型。
• 中國模型未被排除在 Foundry 託管之外，但 Copilot 核心產品主力仍為美國閉源模型。
• 雙層策略：對模型來源保持開放，但對進入企業核心工作流的模型保留嚴格的安全和合規門檻。
• 競爭對手動態：
• OpenAI 和 Anthropic 向企業產品推進，提供代碼代理、辦公連接器和長期任務能力。
• 納德拉承認競爭激烈，並承認 OpenClaw 一類產品啟發了對 Autopilot 的想象。
• Google 可能利用 Workspace 和 Android 形成閉環，複製微軟結構。

四、 企業治理、安全與信任

• Autopilot 的雙刃劍：
• 優勢：長期運行、完成整段業務流程、擁有獨立身份、不必借用用戶會話。
• 風險：點錯按鈕可能改變真實訂單、客戶記錄或財務狀態，錯誤代價增加。
• Agent 365 的治理角色：
• 管理代理身份、設置安全政策、提供可觀察性和治理能力。
• 是企業必須購買的控制層，解決權限映射、審計和合規問題。
• 微軟的護城河在於企業身份和權限體系，而非單一模型。
• 人類在環（Human-in-the-loop）：
• 人決定目標並負責驗收結果，代理處理中間步驟。
• 需要檢查點：資料收集後確認範圍、發送前請求批准、涉及付款/刪除時強制停下。
• 必須變成產品裡的暫停鍵和批准門，並留下回滾記錄。

五、 成本治理與商業模式

• 計費邏輯拆分：
• 固定訂閱：適合日常問答、初稿、總結與普通分析。
• 按量計費：適合 Cowork、Code 和 Autopilot，因需持續調用工具或使用昂貴前沿模型。
• 管理員可限制團隊調用的模型家族，查看積分消耗。
• FinOps for AI：
• AI 代理賬單難預測，可能臨時調用多個模型和工具，並因失敗重試消耗資源。
• 缺乏預算政策，代理易變成自動燒錢機器。
• 企業將比較任務通過驗收的總成本，而非僅看每百萬 Token 單價。
• 便宜模型若連續返工，總成本可能高於昂貴模型一次完成。
• 數據中心與經濟影響：
• 納德拉判斷：長期來看，推理必須佔據主導，訓練類似研發投入，推理才接近收入。
• 算力需進入真實業務形成可持續回報，否則僅增加研發賬單。
• 微軟取消部分項目保密協議，公開電力和水資源情況，探討對當地稅基、就業及基礎設施壓力的影響。

六、 監管、透明度與未來展望

• 透明度問題：
• 客戶難以判斷選擇是服務於任務質量還是微軟利潤。
• 自研模型與外部模型同時進入候選池，存在潛在利益衝突。
• 需要可查證的模型調用記錄、成本變化及失敗重試依據。
• 監管與規範：
• 納德拉支持建立新 AI 規則，引入廣泛的嵌入式評估者。
• 希望美中圍繞 AI 擴散和安全建立共同規範，避免高風險研發移向監管寬鬆地區。
• 不服務於人類或脫離人類控制的系統無發布價值。
• 結論：
• AI 產業最值钱的部分向任務入口、數據權限、路由系統和執行記錄移動。
• 競爭規則從「造出最聰明的大腦」轉向「讓所有大腦在自己的產品裡工作」。
• 微軟正在搭建 AI 企業操作層，減少客戶離開微軟體系的理由。

工具 / 模型 / 名詞整理

• 微軟產品/服務：
• Copilot (新版)
• Microsoft 365
• Office 應用 (Word, Excel, PowerPoint)
• Teams
• GitHub
• Azure AI Foundry
• Agent 365
• Autopilot
• Auto (路由系統)
• Cowork
• Home (入口)
• Code (入口)
• FinOps for AI
• Mai 模型 (納德拉提及的自研模型，疑點)
• Sharepoint
• Windows
• 昆西 (Quincy, 華盛頓州地點)

• 競爭對手/第三方模型與產品：
• OpenAI
• ChatGPT
• Anthropic
• Claude
• Google
• Gemini
• Grok
• OpenClaw (提及啟發 Autopilot 想象)
• Workspace (Google)
• Android (Google)

• 概念/術語：
• 智能體 (Agent)
• 路由系統 (Routing System)
• 候選池 (Candidate Pool)
• 開放權重模型 (Open Weight Models)
• 閉源模型 (Closed Source Models)
• 推理分數 (Inference Score)
• 上下文長度 (Context Length)
• 定價權 (Pricing Power)
• 品牌溢價 (Brand Premium)
• 數據主權 (Data Sovereignty)
• 提示注入 (Prompt Injection)
• Token (計費單位)
• 邊際成本 (Marginal Cost)
• 嵌入式評估者 (Embedded Evaluators)

操作流程整理

1. 任務提交：用戶在 Copilot (Home/Code/Autopilot) 提交任務。
2. Auto 路由系統評估：系統同時考慮準確率、響應速度和成本，將任務放入候選池。
3. 模型選擇與調度：

• 簡單任務：調用便宜模型。
• 複雜分析：自動升級至旗艦模型。
• 跨模型協作：讓每個模型處理擅長部分。

1. 執行與監控：

• Autopilot：在雲端持續運行，主動推進任務。
• Agent 365：管理代理身份、設置安全政策、提供可觀察性。
• 人類在環：在關鍵節點（資料收集確認、發送前批准、付款/刪除時）暫停並請求批准。

1. 計費與治理：

• 固定訂閱：覆蓋日常問答、初稿、總結。
• 按量計費：覆蓋 Cowork、Code、Autopilot 的持續調用。
• 管理員監控：限制模型家族調用，查看積分消耗，比較任務總成本。

值得注意的限制或風險

1. 透明度與利益衝突：客戶難以判斷模型選擇是服務於任務質量還是微軟利潤。自研模型與外部模型同時進入候選池，存在潛在利益衝突。
2. Autopilot 的錯誤代價：作為長期智能體，點錯按鈕可能改變真實訂單、客戶記錄或財務狀態，錯誤代價增加。
3. 成本不可預測性 (FinOps)：AI 代理賬單難預測，可能臨時調用多個模型和工具，並因失敗重試消耗資源。缺乏預算政策，代理易變成自動燒錢機器。
4. 品牌溢價壓縮：路由系統將普通任務分給更便宜的選擇，僅高難度任務交給旗艦模型，壓縮模型廠商的品牌溢價。
5. 監管與安全規範：納德拉支持建立新 AI 規則，引入廣泛的嵌入式評估者，希望美中圍繞 AI 擴散和安全建立共同規範，避免高風險研發移向監管寬鬆地區。

逐字稿辨識疑點

• Mai 模型：逐字稿中納德拉提到「既有微軟自己的 Mai 模型」。微軟目前公開的自研模型系列通常稱為 Microsoft Phi 或 Microsoft Maia (Maia 是較新的研究模型名稱，但公眾認知度較低，或為聽寫錯誤)。逐字稿顯示為「Mai」，標記為需查證。
• OpenClaw：逐字稿提到「納德拉承認 OpenClaw 一類產品啟發了行業對 autopilot 的想象」。目前市場上較知名的代理相關產品或公司包括 OpenClaw (可能指代某個特定開源項目或新創公司，或非主流聽寫)，需查證具體指代何種產品。
• Cowork：逐字稿中多次出現「Cowork」，在 Copilot 的語境下，通常指代 Microsoft Copilot Studio 中的 Copilot Workspace 功能，或是微軟內部代號。逐字稿顯示為「Cowork」，標記為需查證是否為聽寫錯誤或特定內部名稱。
• Auto 路由系統：逐字稿稱之為「auto 的路由系統」。在微軟官方術語中，可能指代 Copilot Studio 中的路由功能或特定的 Orchestrator 組件，但逐字稿僅顯示為「auto」，標記為需查證。
• Agent 365：逐字稿提到「agent365 承擔的就是這層工作」。目前微軟有 Microsoft 365 Copilot 和 Microsoft Entra (原 Azure AD) 等產品，「Agent 365」可能是指代某種新的代理治理產品或聽寫錯誤（如 Copilot Agent 或 Microsoft 365 Agent），標記為需查證。
• 2026年9月25日：逐字稿明確指出發布日期為「2026年9月25日」。若當前時間早於此日期，則為未來發布計劃或聽寫錯誤（如 2024 或 2025），標記為需查證。

可延伸追問

1. Auto 路由系統的具體算法邏輯：系統如何權衡準確率、速度和成本？是否有公開的評估指標？
2. Agent 365 的具體功能與定價：作為企業必須購買的控制層，其具體功能模組和定價策略為何？
3. 自研模型「Mai」的實際性能與定位：該模型在候選池中的競爭力如何？與 OpenAI、Anthropic 模型的對比數據為何？
4. FinOps for AI 的實施案例：企業如何實際部署預算政策以防止代理自動燒錢？有哪些最佳實踐？
5. OpenClaw 產品的具體指代：該產品具體是什麼？與 Autopilot 的具體差異和啟發關係為何？
6. 2026 年發布日期的準確性：該日期是否為影片口誤或特定戰略發布計劃？