微软花了3天告诉全世界：智能体需要一个"家"，而不是一个对话框

6月2日，微软在旧金山举办了 Build 2026 开发者大会。CEO 萨提亚·纳德拉上台的第一句话，没有讲产品，没有讲数据，而是讲了一个框架："智能体需要一个完整的工作环境，而不只是一个聊天窗口。"

这句话，是微软这两年所有 AI 动作的总结，也是整个企业 AI 行业下一阶段的核心问题：当智能体开始替你做事，它住在哪里？谁来管它？出了问题谁负责？

这次 Build，微软的答案是：Windows 就是那个家。

从"Copilot按钮"到"智能体操作系统"

过去两年，微软一直在往 Office 里塞 AI 功能，Copilot 的按钮出现在了 Word、Excel、Teams 的每一个角落。但这次 Build 宣告的，是一次更彻底的转向。

纳德拉的原话是："Windows 不只是运行智能体，Windows 成为智能体。"操作系统本身要学会推理、规划、代表用户采取行动。

具体来说，微软这次发布了七款自研 MAI 模型（涵盖推理、代码、图像、语音、转录），以及一套叫做 Microsoft Execution Containers（MXC） 的隔离运行环境——把智能体和你的桌面、剪贴板、输入设备严格隔离开，每一个智能体都绑定一个身份（Entra ID），每一步操作都可审计、可追溯。

微软还发布了 Surface RTX Spark Dev Box——一台专为本地运行智能体设计的开发机，算力达到 1 Petaflop（即 1000 万亿次浮点运算/秒）。以及 Project Solara，一个探索"当智能体不再需要屏幕时，设备应该长什么样"的概念项目。

这些组合在一起，说的是同一件事：微软要把"部署一个企业级智能体"的时间，从以前的数周压缩到数小时。

整个大会最重要的词：治理

如果要从这次 Build 提炼出一个关键词，我会选"治理"（Governance）。

微软正式发布了 Agent 365——一个横跨 Entra（身份）、Defender（安全）、Purview（合规）的统一控制平台，专门用来回答企业 IT 最头疼的问题：当公司里跑着几百个智能体，我怎么知道它们在做什么？

NTT DATA 集团 AI 战略负责人在发布会上说的话很直白："有了 Agent 365，我们才能真正有信心地规模化推进 AI，而不是停留在试验。"

治理之外，微软还发布了 Frontier Tuning——用企业自己的业务数据和工作流，对模型进行强化学习微调，让模型在合规边界内持续自我优化。测试结果显示，经过 Frontier Tuning 的 MAI 模型处理 Excel 任务的表现追上了 GPT-5.4，而成本只有十分之一。麦肯锡参与测试的调优版本，在多模型竞争中胜率最高，成本同样降低了约十倍。

这个信号很重要：微软不是在卖"更大的模型"，而是在卖"更适合你的模型"——用你的数据训练，在你的环境里运行，归你控制。

国防部 96.9 亿美元的"投票"说明了什么

Build 开幕同一天，美国国防部宣布了一笔微软有史以来最大的单一政府合同：约 96.9 亿美元，覆盖 280 万名军政人员的 Microsoft 365、Azure 和 AI Copilot 服务，预计节省 4.22 亿美元成本。

这个时间节点显然不是巧合。Build 2026 的每一个公告——Agent Mode、Copilot Workspace、Azure Agent Mesh——同时也是对国防部 280 万用户的产品路线图。

如果说过去两年是企业在"试用" AI，那么这笔合同代表的是：最谨慎的那类买家已经开始下重注了。

STARBOX视角：智能体需要"家"，更需要"管家"

微软这次 Build 的核心逻辑，在我们服务企业客户的实践中早已印证：智能体不是插件，是员工。既然是员工，就需要岗位职责（工作流定义）、行为准则（治理规则）和绩效考核（效果可量化）。

微软给出的答案是 Agent 365 + Frontier Tuning，解决的是"智能体住在哪、谁来管、怎么让它越来越懂你"的问题。但这套方案的前提，是企业已经有了清晰的业务流程和知识体系——而这恰恰是大多数企业最薄弱的环节。

在 STARBOX 的三层架构里，"组织 → BOX（智能工作台）→ 智能体"解决的就是这个问题：在智能体开始运行之前，先把企业知识结构化，先把工作流标准化，先把评估标准量化。这样，无论是接入微软的 MAI 模型，还是 Claude，还是 Gemini，底层的业务逻辑和知识资产始终在企业自己手里。

Frontier Tuning 用企业数据训练出"最懂自己业务的模型"，这个方向完全正确。而我们的四维知识体系（预训练 + 行业 + 企业专属 + 实时数据），做的是同一件事的应用层版本：让每一个智能体，天然就只用它应该用的知识，说它应该说的话。