逐字稿文字預覽
微软刚刚做了一件可能让 模型公司很不舒服的事 它把Openai Anthropic自研模型 甚至其他开放模型 全都放进同一个候选池 再让copilot自己决定该用谁 用户以后可能连模型名字都不用看 可一旦模型可以随时更换 AI产业里最值钱的部分 究竟还会不会是模型 2026年9月25日 微软发布新版copilot 增加home、code和autopilot三个入口 home把聊天、Cowork和 office应用放到一起 code让普通员工也能 搭建自己的工具 autopilot则是一名可以持续工作并 主动推进任务的长期智能体 它运行在云端 用户关掉电脑 甚至去睡觉 它仍然能继续处理工作 萨蒂亚纳德拉随后接受采访 给这次更新补上了 一层更重要的解释 微软判断AI竞争正在离开 单纯比拼模型能力的阶段 下一轮胜负会落在产品上 谁能把模型接近真实工作 谁能管住权限成本和风险 谁才有机会成为企业默认的AI入口 这个判断直接碰到了过去 三年最流行的一套叙事 大模型公司不断刷新榜单 每次发布都强调推理分数 编码能力和上下文长度 公众也习惯把AI战争 理解成一场模型排名赛 今天这家领先 几周后另一家反超 微软现在准备把这 张排行榜藏到后台 新版copilot里有一个叫auto的路由系统 用户提交任务之后 auto会同时考虑 准确率响应速度和成本 再选择最合适的模型 简单摘要不必调用 最昂贵的前沿模型 复杂分析可以自动升级 一个任务如果需要多个子代理协作 系统还能够跨越不同模型家族 让每个模型处理自己擅长的部分 纳德拉甚至说 他已经很久没有亲自选择模型了 负责路由的系统正在 成为用户实际面对的模型 用户选择的是一个 可以调度模型和工具 还能连接数据的工作环境 任务决定后台使用谁 代理决定怎么分工 个人只需要关心最后有没有完成 这一步看起来只是 省掉一个下拉菜单 下面却压着一场权力转移 过去模型品牌直接面对用户 ChatGPT Claude和Gemini的 名字本身就是入口 微软希望把这些模型装进copilot 让他们在后台为每一项任务竞标 一旦用户习惯由copilot自动选择 模型公司就会失去一部分直接关系 微软已经在这样做 纳德拉提到copilot体系里 既有微軟自己的Mai模型 也有Openai、Anthropic模型和Grok Azure AI foundry还提供 大量开放权重模型 企业可以把自己的模型接入copilot 微软不要求客户永远 绑定某一家供应商 路由器会根据政策和 任务决定调用对象 现阶段Openai仍然占据重要位置 纳德拉承认 微软API侧的绝对用量仍由Openai主导 Anthropic也獲得了很強的採用 可他同样强调 所有模型都要在copilot 系统里竞争任务 今天领先的模型 明天仍要证明它在质量 速度和价格之间保持优势 模型厂商因此会面对一个陌生局面 能力差距足够大时 最强模型拥有定价权 能力逐渐接近以后 路由系统会把普通 任务分给更便宜的选择 只把少数高难度任务交给旗舰模型 模型每提升一点分数 未必还能换来同等比例的调用量 只要另一款模型便宜的多 又能达到可接受结果 企业就有理由切换 路由权还会重新 定义模型厂商的客户 过去开发者会主动比较模型 再把选中的名字写进产品 auto接管选择之后 模型厂商首先要 说服微软的评估系统 它需要在微软设定的 任务集里证明成功率 也要接受延迟价格和 安全策略的联合排序 模型面对的就不再只是最终用户 还包括一个掌握分发的算法采购员 这种变化会压缩品牌溢价 一个模型即使拥有很高知名度 只要在常见任务上 没有拉开结果差距 路由器就可能把 流量交给成本更低的竞争者 旗舰品牌仍能吸引高难度任务 但大量普通调用会被 更便宜的模型分走 大模型行业过去习惯 用发布会塑造领先感 进入自动路由时代以后 真正决定收入的会是 后台持续发生的任务胜率 企业也会获得新的谈判筹码 同一种工作能够在 多个模型之间迁移 采购部门便可以要求供应商降价 或者把调用量转移给替代者 模型接口越标准 切换阻力越小 溢价能力越靠近掌握工作流的平台 微软此时既是云服务商 也是裁判和流量分配者 这个位置的商业价值可能 高于单独拥有一款冠军模型 问题随之而来 路由标准如果缺少透明度 客户很难判断一次选择 究竟服务于任务质量 还是服务于微软自己的利润 自研may模型与外部模型 同时进入候选池后 潜在利益冲突会更加明显 企业需要系统会自动选择的承诺 也需要可查证的模型 调用记录和成本变化 失败重试与策略 命中同样要留下依据 开放模型在这里尤其危险 纳德拉说 开放权重模型目前在微软 平台上的绝对规模仍然较小 增长速度却很快 企业拿到权重后 可以按照内部数据进行微调 也能部署在自己控制的环境里 对于强调数据主权 成本和可控性的公司 这种自由度很有吸引力 中国模型也没有被 排除在整个体系之外 微软的foundry可以托管来自 不同地区的开放权重模型 不过在copilot的核心产品中 目前主力仍然是美国闭源模型 这里存在明显的双层策略 微软对模型来源保持开放 对进入企业核心工作流的模型则 保留更严格的安全和合规门槛 模型路由只是第一层 微软更大的筹码来自office和Windows 也包括teams Github以及企业身份系统 模型负责生成答案 企业工作却需要知道 谁能读取哪份文件 谁有权发送邮件 哪项操作必须获得批准 出了错误又该由谁回滚 模型能力越强 这些看起来沉闷的基础设施越重要 autopilot正好把问题推到台前 它与传统聊天机器人最大的差别是 可以长期运行并完成整段业务流程 用户给出目标 它能够打开应用和读取资料 再调用工具把结果交回来 它还拥有自己的身份 不必一直借用用户 当前会话完成每一步 长期代理听起来很诱人 让他整理销售线索和更新表格 同时追踪供应链 员工第二天回来直接检查成果 可他一旦拿到账号和文件 还能控制软件 错误的代价会立刻增加 聊天机器人答错一句话 通常只需要重新询问 autopilot点错一个按钮 可能改变真实订单 客户记录或财务状态 纳德拉把信任称为 企业采用最大的障碍 企业不会因为模型在某项测试 领先就允许它进入核心系统 管理员需要观察代理做过什么 限制他可以访问的资源 为不同部门设置政策 并在异常发生时切断权限 每一个动作都必须留下审计记录 agent365承担的就是这层工作 它管理代理身份 设置安全政策 提供可观察性和治理能力 微软把它放在新版copilot旁边 要提供的远不止一个管理页面 autopilot越能独立工作 agent 365越接近企业 必须购买的控制层 这也暴露出微软真正的护城河 模型可能被超越 企业身份和权限体系 不会在一夜之间搬走 一家公司已经把邮件 与会议放进微软365 文档和员工账号也在里面 在启用autopilot时 最省事的方案自然是 继续使用微软的治理工具 竞争对手即使做出更聪明的代理 也得重新解决权限映射 以及审计和合规问题 Openai和Anthropic当然不会 甘心只做模型供应商 两家公司都在向企业产品推进 开始提供代码代理办公 连接器和长期任务能力 纳德拉承认竞争会非常激烈 也承認Openclaw一類產品啟發 了行业对autopilot的想象 微软没有假装一切都由自己发明 他的回应是把消费级代理 的体验装进企业治理框架 这场竞争的焦点会越来越具体 Openai能不能在企业权限上追上微软 Anthropic能不能让Claude 接触更多工作数据 同时维持安全边界 Google能不能利用Workspace和 Android形成自己的闭环 模型表现仍然重要 但它已经只是整套产品的一部分 新版copilot的三个入口也反映 出微软对未来工作的划分 home负责了解情况 Chat和Cowork在這裡匯合 word Excel和Powerpoint直接嵌入 code负责让员工构建工具 autopilot负责持续执行 人类先理解 再创建规则 最后把一部分重复 工作交给代理运行 微软没有把autopilot描述成 完全替代员工的系统 纳德拉强调 人应该同时留在任务的入口和出口 人来决定目标 也负责验收结果 代理可以处理中间的大量步骤 可授权和最终判断仍然不能消失 这套边界很重要 因为长期代理容易制造一种错觉 它能够自己运行 看上去像拥有完整责任 实际上模型不知道公司的隐性约束 也不会承担法律和财务后果 企业如果只把任务扔进去 等最后再看结果 就可能在很早的步骤出错 却让错误连续扩散几个小时 真正可靠的流程需要检查点 代理完成资料收集后先确认范围 准备对外发送信息时再次请求批准 涉及付款和删除时强制停下 权限变化也一样 微软说的人类在环不能 只是一句发布会口号 它必须变成产品里 的暂停键和批准门 还要留下回滚记录 成本会成为第二道门槛 纳德拉说的很直白 TOKEN存在边际成本 行业不可能永远靠补贴维持使用量 今天很多AI产品用低价 甚至免费吸引用户 背后的训练推理和云端 运行费用仍然有人承担 补贴减少后 客户会开始计算每一次 代理任务到底值多少钱 微软因此把copilot拆 成两种计费逻辑 日常问答和初稿适合固定订阅 总结与普通分析也包括在内 CO work code和autopilot需要持续调用工具 也可能使用更昂贵的前沿模型 这些能力采用按量计费 管理员还能限制不同 团队可以调用的模型家族 查看积分消耗和剩余额度 这套设计承认了一个现实 一次聊天和一个运行 8小时的代理任务 成本根本不在同一水平 把两者塞进统一订阅 重度用户会大量消耗算力 轻度用户则替别人买单 按量收费能让价格更接近实际使用 也会让AI价值接受更 严格的财务审查 企业以后不会只比较 每百万TOKEN的单价 他们会看一个任务 通过验收花了多少钱 便宜模型如果连续返工三次 总成本可能更高 昂贵模型一次完成 也许反而划算 auto路由器的价值就在这里 它试图把模型价格成功率和 任务难度放进同一套决策 这也解释了微软 为什么加入finops for AI 传统云计算已经形成成本治理 团队会追踪存储网路和算力使用 AI代理带来的账单更难预测 因为一次任务可能临时 调用多个模型和工具 还会因为失败重试继续消耗 没有预算政策 代理很容易变成 一台自动烧钱的机器 成本治理会决定 autopilot能不能走出试点 部门主管需要看到 它究竟缩短了多少时间 减少了多少人工步骤 错误率有没有下降 微软给出的理想案例是把 过去需要12个月的复杂 供应链项目压缩到3个月 只有这种差距真正出现在业务里 按量收费才容易被接受 用户习惯也会变化 过去员工主动打开软件完成任务 copilot时代 员工可能先描述目标 再监督系统调用不同软件 软件界面不再是工作的中心 任务和权限才是中心 word Excel和teams仍然存在 但它们越来越像代理使用的工具 而不是员工必须逐个操作的目的地 这会影响软件公司的位置 过去企业软件靠 界面和功能留住用户 代理能够跨应用操作以后 界面价值可能下降 稳定接口和数据质量会变得更重要 哪款软件能被代理可靠调用 哪款软件就更容易留在工作流程中 只靠复杂操作制造使用粘性的产品 反而可能被代理绕过 微软拥有一个天然优势 它既控制大量办公应用 也控制调用这些应用的代理入口 copilot可以理解teams里的讨论 读取Sharepoint文件 再把结果写进Excel 其他模型公司需要 一个个申请连接权限 微软已经站在数据和操作之间 这个优势同样会引发平台权力问题 Auto替企業選擇模型 选择标准由谁制定 微软自己的Mai模型 会不会得到更多机会 某个模型成本更低 但质量略差 系统会不会为了利润优先调用 企业管理员可以限制模型范围 却未必能看清 每一次路由的全部依据 微软需要证明auto带来 的便利不会变成黑箱 客户至少应当知道哪些 任务调用了哪个模型 为什么升级到更昂贵的选择 以及输出是否经过其他模型复合 路由系统掌握的越多 透明度越不能只停留 在一张总费用报表 开放模型也可能 迫使微软提高透明度 企业自己部署模型时 能够掌握权重数据位置和运行成本 闭源模型如果价格更高 决策过程又不透明 就必须用明显更好的结果证明价值 auto会让这种比较每天发生 而不是一年做一次采购评估 纳德拉对开放与闭源 没有给出单一答案 他认为两者都会存在 闭源模型适合追求最强 能力和快速更新的客户 开放模型适合需要微调 控制和数据主权的场景 企业任务足够多样 市场很难被一种模式全部占据 更值得注意的是微软 对AI基础设施的判断 市场一直担心数据中心建设过度 科技公司投入巨额资本 电力和芯片订单不断增加 可AI收入能否跟上仍有争议 纳德拉没有简单选择过剩或不足 他把判断标准放在技术扩散上 算力只有进入真实业务 才能形成可持续回报 企业用TOKEN完成工作 生产效率最终反映到经济产出 数据中心才有收入基础 如果算力长期集中在少数 热门应用和模型训练中 大量基础设施就缺少 足够的推理需求支撑 纳德拉给出了一句很有分量的判断 长期来看 推理必须占据主导 训练类似研发投入 推理才接近收入 公司可以在一段时间内用 融资和现金流扩大训练 但财务规律不会消失 收入必须来自用户 持续调用模型解决问题 否则训练规模再大 也只是不断增加研发账单 这个判断会把压力传回产品层 模型跑分无法直接 偿还数据中心投资 copilot autopilot和各种行业代理 才有机会把算力变成收入 微软越强调产品 越说明整个AI产业 需要尽快证明需求 基础设施已经提前建起来 接下来必须有人持续购买推理 数据中心还要面对当地社区 微软取消部分项目中的保密协议 试图更早公开电力和用水情况 也说明经济影响 纳德拉说 公司必须获得社区允许 不能把数据中心建好以后就离开 微软拿华盛顿州昆西作为例子 声称当地税收在长期内增长约12倍 并带来学校与医院建设 也增加了就业 这些数字属于微软的陈述 不能直接替代独立评估 数据中心能增加税基 也可能推高电网和水资源压力 真正的账要看谁承担基础设施升级 居民电价是否变化 以及长期岗位数量 能不能匹配最初承诺 取消保密协议只是开始 项目运行后的公开数据更重要 监管问题也被放进同一条逻辑 纳德拉支持建立新的AI规则 不希望等事故出现后再补救 他提到行业可以引入 更广泛的嵌入式评估者 让不同背景的人参与模型测试 而不是只由微软和Openai 内部决定什么能够发布 他还希望美国与中国围绕AI 扩散
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：14.9 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：43.2 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.3 秒
關係：依序執行
結果：完成
4. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.3 秒
關係：依序執行
結果：完成
5. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.3 秒
關係：依序執行
結果：完成
6. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.4 秒
關係：依序執行
結果：完成
7. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.4 秒
關係：依序執行
結果：完成
8. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：139.8 秒
關係：依序執行
結果：完成
9. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.9 秒
關係：依序執行
結果：完成
10. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：1.0 秒
關係：依序執行
結果：完成
手動來源字幕
自動來源字幕
Whisper 字幕
- 尚未產生
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
目前待解決問題與初步改善方向
- ⚠️ 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；segment=76 已先套用暫定修正：既有微软自己的Mai模型 → 既有微軟自己的Mai模型；segment=77 已先套用暫定修正：也有Openai的Anthropic模型和Grok → 也有Openai、Anthropic模型和Grok；segment=76 待確認：「Mai」應為「Mia」或「Microsoft AI」的誤聽。考慮到納德拉常提及的自研模型品牌或泛指，若無特定「Mai」模型，極可能是「Microsoft」或「Mia」（若指代特定內部模型）。但鑑於後文77段提到OpenAI等，此處指微軟自研，建議修正為「Microsoft」或保留「Mai」但標記待確認。經查證，微軟自研模型通常稱為「Microsoft Research」或泛指，無知名「Mai」模型。極大機率是「Microsoft」或「Mia」聽錯。暫定修正為「Microsoft」以符合語境，或保留「Mai」但需確認。考慮到語流，「微軟自己的Microsoft模型」語意重複，可能是「微軟自己的Mia模型」或「微軟自己的模型」。暫定修正為「微軟自己的模型」以去除可能的誤聽詞，或保留「Mai」並標記。此處選擇修正為「微軟自己的模型」以確保通順，若「Mai」是特定術語則需確認。*修正策略：改為「微軟自己的模型」，因為「Mai」無明確指代且易造成困惑。* -> 重新審視，可能是「Mia」或「Microsoft」。暫定修正為「微軟自己的模型」以去除噪音。；暫定：既有微軟自己的Mai模型；segment=249 待確認：「Openclaw」並非知名AI產品名稱，可能是「OpenAI」的某種變體誤聽，或是特定小眾產品「OpenClaw」（若存在）。考慮到上下文是競爭對手，可能是「OpenAI」或「Anthropic」的產品，或者是「OpenClaw」（若指代某個具體代理框架）。經檢索，無主流「Openclaw」。極可能是「OpenAI」或「Anthropic」的誤聽，或者是「OpenClaw」（若為特定新創）。暫定保留但標記待確認，或修正為「OpenAI」。考慮到語境是「啟發了對autopilot的想象」，可能是指某個開源代理框架。暫定修正為「OpenAI」或保留原詞並標記。此處選擇標記待確認，因為「Openclaw」可能是聽錄錯誤的特定術語。；暫定：也承認Openclaw一類產品啟發
- 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
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。