# Microsoft 發布 MAI 讓使用者在工作環境發揮效益

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Satya Nadella (@satyanadella) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥 · 日期：2026-07-24

> 原始來源：https://x.com/satyanadella/status/2080329851127669104

## 證據與延伸閱讀

- [Microsoft 發布 MAI 讓使用者在工作環境發揮效益。](https://microsoft.ai/news/hill-climbing-mai-models-for-github-copilot-and-excel/)

## 中文摘要

Microsoft 發布 MAI 讓使用者在工作環境發揮效益。

**核心背景與動機**
在軟體開發成本首次具備實際邊際成本的時代，如何確保前沿優勢得以擴散至整個生態系統成為關鍵。這需要透過最佳化真實世界情境中的成本與成果邊界，具體作法包括針對每個任務選擇合適的模型，並圍繞其最佳化 context、skill、tools 以及 agent harness。MAI 模型系列正是基於此動機從頭打造，具備乾淨的資料 lineage，並針對企業 RLEs 中從通才模型到專門 skill 的學習遷移進行最佳化。

**架構設計與模型策略**
在 Microsoft 的產品中，來自 OpenAI 與 Anthropic 的頂尖模型與 MAI 共同組成協調系統，但模型僅是爬山系統的一部分。系統效能受到多個層面的影響：
- 包含 harness、memory、context、tools、skill 與使用者互動。
- 確保掌控權的另一個關鍵在於，即使移除特定模型，評估機制仍應持續提升。
- 透過在產品系統內部讓模型學習，並以完成客戶真正在乎的任務作為獎勵，藉此建立 RLEs。
- 針對實際產品 harness、互動與預期結果來訓練模型，並在策略上將 harness、memory、context 與 skill 外化於模型之外。

**實際應用與成效**
透過產品專屬的評估與模型獨立性，團隊得以掌握主導權並持續精進，直到達成正確的品質與成本目標。在許多使用情境中，MAI 模型已經能以極少的 token 消耗超越通用頂尖模型。目前在 GitHub Copilot、Excel 以及 Outlook 中皆已看到令人振奮的早期成果，並正逐步推廣至 Copilot Chat 與 PowerPoint 等產品中。

**企業級工具與延伸資源**
Microsoft 正將這些在自家第一方產品中實踐的作法，轉化為所有企業客戶在真實世界 agentic 系統中可行的模式，結合專屬評估、RLEs、工作流程與 context。相關技術與工具鏈已透過 Foundry 提供給大眾，詳細資訊可參考 [Microsoft AI 官方新聞稿](https://microsoft.ai/news/hill-climbing-mai-models-for-github-copilot-and-excel/)。

## 標籤

新產品, LLM, 企業文化, Microsoft, OpenAI