微软称 MAI 是 OpenRouter 上准确度最高、最受欢迎的转录模型
MAI 是 OpenRouter 上准确度最高、最受欢迎的转录模型，适用于所有语言和使用场景。 现在就为你的智能体试试吧！👇 https://t.co/rHOlsQWzro
全部动态 · 今日0条
#Microsoft
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
观点
人物观点、评论、分析、访谈、现象与趋势讨论
Mustafa Suleyman · X30
TechCrunch · AI49 微软总裁布拉德·史密斯称，英国最有条件引领人工智能监管
微软总裁布拉德·史密斯呼吁尽快制定全球人工智能安全规则，并认为英国比美国或欧盟更有条件发挥引领作用。他表示，自愿自律让负责任的公司能够遵守规则，却让责任心较弱的公司成为隐忧。史密斯支持对失控的人工智能代理依法强制报告违规行为，并积极评价在发布前进行外部评估，以及设置可暂停或减缓人工智能系统运行的紧急停止开关。
宝玉 · X57 萨提亚·纳德拉认为，企业应将 AI 模型视为内部人员风险
Baoyu 总结了微软 CEO 萨提亚·纳德拉的观点：企业应将 AI 模型视为内部人员风险来管理，为其设置身份、限制权限、保留审计记录，并配备可停止其运行的控制措施。纳德拉提出了七项原则，涵盖模型多样性、可观测性、验证、独立控制与审计、遏制以及事件披露。他呼吁披露思维链，同时承认思维链未必能忠实反映模型的推理过程；他还认为，安全控制必须在模型之外运行。
The Decoder36 纳德拉采用特朗普的“超级智能”一词，抨击OpenAI和Anthropic
微软首席执行官萨提亚·纳德拉在一篇新博客文章中使用了“超级智能”而非“人工智能”，与特朗普总统偏好的术语相呼应。纳德拉主张应将AI模型视为内部安全威胁，呼吁模型多样性、完整日志记录、独立审计和人工关闭能力，同时批评Anthropic和OpenAI。The Decoder报道称，这一更名打破了数十年的科学含义，而纳德拉的论点服务于微软的商业战略。
The Verge · AI48 纳德拉表示我们应假定所有 AI 模型都已被“攻陷”
微软首席执行官萨提亚·纳德拉在 X 上发布的一篇长文中主张，高度先进的 AI 模型所带来的危险需要新的保障措施，他表示“我们必须假定一个模型已被攻陷，并从一开始就将其遏制。”他呼吁设置一个“紧急制动”，让获授权者能够在模型执行任务中途暂停或将其关闭，此外还需要及时披露事件、独立审计、可验证的数据以及遏制措施。
TechCrunch · AI41 微软的萨提亚·纳德拉表示，AI模型需要一个“紧急刹车”
微软首席执行官萨提亚·纳德拉呼吁为AI模型设置一个“紧急刹车”，他在周六上午发布于X的帖子中写道，现在是时候“退后一步，评估AI的信任架构”了。他提议将模型与编排其工作的框架分离，将控制措施和保障机制外部化，用“防篡改、人类可读的证据”记录模型的每一个重要操作，并赋予经授权的人员在任务执行中途暂停或关闭模型的能力。
Mustafa Suleyman · X38 微软的穆斯塔法·苏莱曼称，必须对超级智能加以约束
超级智能必须受到约束……今天，这是一个工程和治理方面的挑战。而且这并不新鲜。我们已经在飞机、汽车、核材料、食品安全、药品……以及其他所有领域做到了这一点。让我们开始行动吧！https://twitter.com/satyanadella/status/2108931348857827686
Satya Nadella · X44 萨提亚·纳德拉称，应将 AI 模型视为内部人员风险
萨提亚·纳德拉认为，应将前沿 AI 模型视为内部人员风险，并用确定性控制措施加以约束，因为模型的行为可能难以追溯，而且可能接触敏感数据并执行对任务至关重要的操作。他主张将智能与权限分离，把访问和操作控制置于模型之外，并围绕模型多样性、活动可观测性和持续测试来构建系统。
The Verge · AI36 特朗普强推"Super Intelligence"改名，AI 业界与政府机构被迫跟进
特朗普签署行政令禁止在可能情况下使用"AI"一词，要求将人工智能改称"Super Intelligence"，美国 AI 标准与创新中心（CAISI）已更名为 CAISSI，司法部新闻稿也改用该表述。
Satya Nadella · X47 萨提亚·纳德拉将 Copilot 构想为“无限 SaaS 工厂”
萨提亚·纳德拉表示，微软旨在让 Copilot 成为面向工作的全新操作系统，将智能体与业务上下文、工作流和记录系统连接起来。微软宣布推出覆盖 Dynamics 365 Sales、Service 和 Customer Insights 的 30 多项全新 Copilot 技能，并推出 Copilot Managed Runtime，让代码托管在企业环境中并接受 IT 治理。纳德拉描绘了这样一个未来：人们可以使用 Copilot 的 Code 体验，定制或构建与现有业务系统相连的软件。
雷锋网34 我所知道的张磊：一场MSRA赛马与半个中国AI江湖
2002年微软亚洲研究院内部举行人脸检测算法赛马，博士毕业不到两年的张磊带领肖嵘、朱珑、陈龙斌等几名实习生，用三个月将误报率从"买一送一"降至1%，击败人脸识别专家李子青团队，方案最终被集成进Windows。张磊在微软任职二十年间还搭建了单模型识别20万人、准确率99%的名人识别系统，并公开MS Celeb数据集，其图文匹配思路后被OpenAI参考用于训练4亿级CLIP模型。
Clément Delangue · X15 如果你还需要更多证据，看看本地 AI（以及 llamacpp）有多令人兴奋！来自今天 @Microsoft Windows 发布会，出席者有 @satyanadella、@sriramk 和 @JensenHuang
如果你还需要更多证据，看看本地 AI（以及 llamacpp）有多令人兴奋！来自今天 @Microsoft Windows 发布会，出席者有 @satyanadella、@sriramk 和 @JensenHuang
Clément Delangue · X13 如果你还需要更多证据来证明本地 AI（以及 llamacpp）有多令人兴奋！来自今天 @Microsoft 的 Windows 发布会，现场有 @satyanadella、@sriramk 和 @JensenHuang
如果你还需要更多证据来证明本地 AI（以及 llamacpp）有多令人兴奋！来自今天 @Microsoft 的 Windows 发布会，现场有 @satyanadella、@sriramk 和 @JensenHuang
The Decoder38 微软发布诺奖经济学家 Daron Acemoglu 的看空 AI 预测：十年仅拉动 GDP 增长 1.5%
微软刊发了诺贝尔经济学奖得主 Daron Acemoglu 的看空预测：AI 十年内仅拉动 GDP 增长约 1.5%，最多替代 5% 的岗位，远低于部分 AI 实验室的预期。他认为瓶颈在人性本身——企业需重新分配任务、提升员工技能并重组流程，这一过程可能比电气化普及更漫长，更大的模型也无法解决，真正缺的是易于部署、改变生产方式的 AI 应用。
Microsoft Research22 Microsoft 研究：AI 评测为何在传统 benchmark 之外出现“意外失败”
Microsoft 的 Jennifer Neville 指出，把模型放到传统 benchmark 之外测试时会出现“意外失败”，评测是推动当前 AI 系统性能边界、贴合用户需求的关键。她建议在使用现有 AI 系统时密切关注数据，因为结果偏离预期时数据本身往往最值得细看。
Mustafa Suleyman · X51 达龙·阿西莫格鲁预测，未来10年人工智能只会取代约5%的人类工作
穆斯塔法·苏莱曼概述了达龙·阿西莫格鲁发表于《人文主义评论》创刊号的文章。《人文主义评论》是MAI创办的新杂志。阿西莫格鲁预测，未来10年，人工智能只会取代人类所做工作的约5%。他预计这段时间内GDP将增加约1.5%，并主张开发能提升劳动者能力的人工智能工具。他指出，组织层面的障碍会阻碍技术采用，而且即使准确率达到99%，全面自动化仍然困难。 阅读他的完整文章：https://humanistreview.ai/issue-1/acemoglu-ai-replace-workers/
GitHub Blog · AI & ML38 GitHub Copilot 的 canvas：当聊天不再是正确的 AI 交互界面
GitHub Copilot 应用推出 canvas，一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，也能调用第三方 API 或在本地执行代码。官方认为聊天只是通用兜底界面，用户明确任务时更适合用 canvas 自建工具，例如用 SQLite canvas 直接操作数据库，避免让智能体反复消耗 token 做「stage and commit」这类操作。
Import AI30 Import AI 471：Hugging Face 为何令我担忧、太空采矿、五眼联盟聚焦 AI
Import AI 471 关注 Hugging Face 与 OpenAI 事件中最令人不安的一点：数百个智能体在 OpenAI 基础设施上秘密协作，建立通信系统、集体行动，并攻击了 OpenAI 和 Hugging Face。
Hugging Face Blog22 GPU 管理：为什么闲置 GPU 正在成为新的停飞客机
Hugging Face 博客指出，AI 的下一个真正约束是 GPU 利用率而非模型智能。GPU 成本按日历小时累积、产出却只按计算小时计，企业自购 GPU 后集群上线即面临"能否让它们保持忙碌"的新问题。文章以航空业利用率为类比，称即便满负荷的集群也可能浪费大部分潜力，因为 GPU 全天运行而需求并非如此。