“今天，我们正在见证新一代 Windows 智能体平台的诞生。”
旧金山当地时间10月7日，微软举行了一场Windows活动，微软董事长兼CEO萨提亚·纳德拉（Satya Nadella）用这句话来强调此次的重磅发布。他在台上回忆起1991年自己第一次参加微软开发者活动PDC(Professional Developers Conference)的经历，当时，他见证了Win32和x86架构正在形成的新计算世界，不仅改变了PC，也在影响服务器市场。35年后的今天，萨提亚认为，Windows可能再次站在一个类似的转折点上。
这个转折点来自AI Agent（智能体）。
眼下，Windows的使用者除了人类还有AI Agent。微软传递的信号是：Windows 正在为 Agent 重新设计，迎接以“智能体时代（Agent-centric）”与“混合智能（Hybrid Intelligence）”为中心的新计算周期。
这场活动的重点发布之一，就是搭载NVIDIA RTX Spark的全新Windows PC。其中，微软带来了Surface Laptop Ultra和Surface RTX Spark Dev Box，宏碁、华硕、戴尔、惠普、联想、微软、微星和技嘉等厂商也同步推出了相关设备。从轻薄笔记本、迷你桌面电脑、到能够在本地运行万亿参数模型的DGX Station，微软试图建立一条覆盖不同算力需求的AI PC产品线。
在活动压轴环节，英伟达CEO黄仁勋也走上舞台，与萨提亚同台对话。黄仁勋透露，两人大概从四年前就开始讨论，如何为智能体时代打造一台理想的PC。而为了实现这一目标，相关项目累计投入了超过4000个“engineering years”（可理解为4000个工程师一年的工作量）。
“我们重新发明了个人计算机。”黄仁勋这样总结英伟达与微软的此次合作。
接下来，我们梳理微软此次的一系列发布包括：
1、RTX Spark PC：推出Surface Laptop Ultra、Surface RTX Spark Dev Box及多家OEM合作伙伴的RTX Spark PC，最高支持128GB统一内存。
2、桌面AI超算：展示运行Windows的NVIDIA DGX Station，支持万亿参数模型的本地推理。
3、Windows智能体安全：Microsoft Execution Containers（MXC）在Windows 11正式推出，为Agent提供独立、受控的执行环境。
4、本地AI模型：展示MAI Code 1.1 Flash本地版本，通过3-bit量化将模型体积缩小近80%，并展示Nemotron、DeepSeek V4 Flash等模型的本地运行能力。
5、Windows ML：引入llama.cpp支持，扩展开源模型的运行选择。
6、GitHub Copilot：引入本地模型和HydraFusion智能编排，按任务需求自动调度本地与云端模型。
7、Copilot升级：新增本地上下文、本地操作和本地模型能力，让AI能够在用户授权下读取、整理文件及执行电脑操作。
8、Windows搜索：升级任务栏搜索，支持直接执行系统操作，并接入Copilot。
其中，部分软件能力仍将分阶段推出，并非全部正式上线。
“算力巨兽”RTX Spark开启Windows PC新序章
RTX Spark此次并非首次亮相，而是正式的产品交付开始启动：它将NVIDIA AI软件栈引入Windows笔记本电脑和紧凑型桌面主机，笔记本电脑即日起开启预售，10月16日上市；紧凑型桌面主机则将于11月上市。
从技术架构来看，RTX Spark将至高可达6144核的NVIDIA Blackwell RTX GPU 与20核的NVIDIA Grace CPU结合，并以最高600 GB/s的带宽高速互连，并共享最高128GB统一内存。1 PetaFLOP 的 FP4 AI 性能与最高 128 GB 统一内存，让 RTX Spark 能高效运行本地 AI。对于持续做模型推理和Agent开发的用户而言，它提供了一种不完全依赖云端的计算选择。
本次发布会最受关注的设备之一就是顶配的Surface Laptop Ultra。
Surface Laptop Ultra围绕RTX Spark构建，配备128GB统一内存和1 PetaFLOP算力。工艺设计层面，机身厚度不到18毫米，重量低于4.5磅（约2千克）。为了应对AI推理、图形渲染等长时间高负载任务，微软重新设计了散热系统，宣称其散热能力达到现有对应Surface Laptop产品的2.5倍。
显示层面，配备了15英寸PixelSense Ultra触摸屏，以及新一代PixelSense Ultra Touch显示屏，峰值HDR亮度达到2000尼特。接口层面，微软在现场用“Surface笔记本史上最多接口”的表述来概括，并提供了Magnetic Connect磁吸式USB-C充电方案，可以通过磁吸连接充电，同时保留USB-C接口的数据与视频传输能力。
微软通过Surface Laptop Ultra的几段演示，呈现了RTX Spark的另一面“Windows体系的生态丰富性”。
演示中，Surface Laptop Ultra同时运行GitHub Copilot开发任务、DaVinci Resolve视频处理工作流、以及游戏场景。其中，游戏兼容性是一项优势，微软宣布，《使命召唤》（Call of Duty）计划于2027年登陆RTX Spark平台，并展示了Windows on Arm在光线追踪、着色器处理和更多游戏兼容性方面的进展。
另一段演示则是通过Blender、ComfyUI、Photoshop与云端AI模型的组合，从零创作复杂的科幻场景，“以前这要花费我几天，现在只要几个小时，全部在Surface Laptop Ultra上完成。”工作人员强调。微软希望借此证明，用户不必为本地AI单独准备一台机器，同时再用另一台电脑做日常开发、创作和娱乐，传统Windows软件、GPU图形加速能力和本地模型推理，可以在同一台设备上协同工作。
黄仁勋在圆桌讨论中透露，团队已经对超过1200款应用进行测试，涉及性能、兼容性等方面。对于Arm架构Windows设备来说，这项工作同样重要，因为再强的AI算力，如果不能运行开发者和创作者现有的软件，也很难取代他们原来的主力PC。
Surface Laptop Ultra起售价为2599美元，基础版本采用18核CPU、5120个CUDA核心的RTX Spark N1X芯片，配备24GB统一内存和512GB存储。
微软同步开放了Surface RTX Spark Dev Box的预售。这是一款定位AI开发者的紧凑型桌面设备，搭载20核RTX Spark N1X、128GB统一内存及2TB SSD，售价5999美元。
从PC到桌面超算，Windows还想成为本地Token工厂
目前RTX Spark覆盖了笔记本和紧凑型桌面计算设备，但微软与英伟达并没有把本地AI的算力上限停留在这一层级。
会上，微软首次现场展示了运行Windows的NVIDIA DGX Station，并宣布相关设备将于今年晚些时候进入市场。
DGX Station主要面向更高强度的AI开发和企业工作负载。它采用NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip，配备748GB统一内存，理论FP4 AI计算性能最高达到20 PFLOPS。
按照英伟达和微软的介绍，DGX Station for Windows能够支持万亿参数模型的本地推理，让一些原先需要大型远程计算资源的AI任务，在桌面设备上获得新的运行选择。此次微软展示了戴尔Pro Precision和惠普ZGX Fury AI Station两种设备方向，其中惠普的演示展示了同时运行32个智能体的场景。
微软把这种场景称为“Windows Token Factory”，意思是运行在Windows平台上的Token工厂，它把本地计算设备变成多个智能体可以持续共享的推理资源。例如，一支研发团队可以在同一套本地系统上运行多个编程、测试、研究或分析智能体，由这些智能体持续处理任务，而不是每次都依赖云端API完成全部推理。
这也解释了微软为何同时强调从迷你桌面电脑、Copilot+ PC、RTX Spark Builder PC、到DGX Station的不同产品层级。它希望把本地AI扩展为可以根据不同需求部署的计算基础设施。
微软判断“混合智能”的结构
除了带来为 Agent 重新设计的Windows硬件之外，微软这次还强调了另外一个技术理念“混合智能（Hybrid Intelligence）”。萨提亚开场时就抛出了一个判断，他说行业当下习惯性用“大模型发布”和“能力跃迁”来理解前沿AI，但他认为，模型只是系统的一部分，云端模型、本地模型、Agent、应用、记忆和计算资源会越来越协同工作。换句话说，AI正在重新把“分布式计算”推到台前。
Windows和Surface业务部门负责人、执行副总裁Pavan Davuluri之后完整阐述了这套逻辑：模型能力和体量持续增长，企业对 AI 的使用需求无止境，云端推理的成本也在持续发生。微软因此没有把“本地 AI”和“云端 AI”当成二选一，“我们的目标，是让混合智能始终可用：该在本地运行时就在本地运行；需要云端时再调用云端，并把两者无缝结合起来。”他因此给出了“混合智能”的结构：智能路由、模型、运行时和芯片，任何一环缺失都难以形成稳定可用的体验。
我们先来看模型层，此次微软介绍了三款模型，每款都对应着不同的工程进展节点。
第一款是MAI code 1.1 Flash，拥有约1370亿参数，这是微软此前推出的“面向开发者工作负载的编码模型”，此次微软通过3-bit量化，将模型体积缩减了接近80%，同时尽量保持原有的编码能力。“这是了不起的工程成就。”Pavan说，他同时指出：MAI code 1.1 Flash在本地仍可支持256K上下文窗口。
第二款是新一代英伟达Nemotron模型，超过700亿参数，通过2-bit量化可以将内存占用控制在略高于20GB。
第三款是DeepSeek V4 Flash，2840亿参数，在1.6-bit精度下占用60GB内存。“这个模型在编码推理基准上表现超群，一年前这样的能力还只属于前沿云端模型，现在这些能力可以跑在你的PC上。”Pavan说。
所以，这个环节我们能接受到了一个值得注意的信号，在于微软开始把原来主要依赖云端提供的一部分模型能力，系统性地转移到个人PC上。三款模型分别用上了3-bit、2-bit、1.6-bit的量化方案，接近香农信息论的下限，意味着同样的硬件可以承载更大的模型，或者同样的模型可以跑在更低端的设备上。
现在，模型的丰富性越来越高，也让智能路由层也变得更为重要。也就是说，要为合适的任务，选择合适的模型。
今年早些时候，GitHub推出了HydraFusion，可以根据任务需求选择不同云端模型。此次微软将HydraFusion扩展到了Windows本地模型，让GitHub Copilot可以根据任务复杂程度，在本地和云端模型之间进行分配。
现场演示提供了两个颇有代表性的场景。
第一个是代码清理。工程师要求GitHub Copilot检查Windows Terminal项目中的无用代码、导入项、软件包和过时配置。由于任务相对简单，系统自动选择了笔记本上的本地模型执行，GPU随之开始工作。整个过程不必将任务发送给云端模型，即便进入飞行模式也可以继续。
第二个场景更复杂，工程师要求智能体调查Windows Terminal中一批尚未复现的问题，并组织子智能体继续分析、构建和测试。在这一过程中，系统调用云端模型处理较复杂的任务，同时将部分子任务交给运行在设备上的MAI Code本地模型。工作人员还展示了其中一个本地子任务的Token统计：超过160万个输入Token，以及约1.05万个输出Token。这些调用没有消耗云端模型的使用额度。
对于经常进行代码分析、测试、问题分类的开发团队来说，这可能带来直接的经济价值。大量重复性工作不再必然产生按次或按Token计算的云端推理费用，而高难度任务仍然可以使用性能更强的云端模型。
微软表示，支持混合智能的HydraFusion能力将在10月晚些时候通过实验性预览引入GitHub Copilot应用、CLI及Visual Studio Code。同时，Windows ML也将支持llama.cpp，为开发者运行开源模型提供更多选择。从这个角度看，微软正在尝试让用户不再需要频繁区分“本地AI”和“云端AI”，而是由软件根据任务需求、算力资源和成本约束完成调度。
拆解来看Pavan提出的“混合智能”结构，此次发布的HydraFusion对应智能路由，MAI Code 1.1 Flash、DeepSeek V4 Flash等则落在模型层，Windows ML对llama.cpp的集成覆盖运行时，RTX Spark则在芯片层提供端侧算力支撑。
Windows怎么让智能体用起来：MXC筑底、Copilot上行
除了让更多大模型在PC本地运行，微软此次对Windows的另一项重要改造，是让AI Agent能够像人一样使用电脑，同时又不至于因为获得过多权限而带来安全风险。
萨提亚在开场时提出，未来AI生态需要三个核心支柱：信任（Trust）、智能（Intelligence）以及让AI融入人类的远景与追求(AI in the flow of human ambition）。
围绕这三个方向，微软正在将Agent 365、Microsoft IQ和Copilot的能力进一步融入Windows。其中，Agent 365负责智能体的安全与管理，Microsoft IQ为模型提供上下文、记忆和工具调用等能力，Copilot则把这些技术变成用户能够直接使用的产品。
首先要解决的是安全问题。Windows过去主要服务于人，用户打开应用、修改文件、运行程序。但现在，Agent可以独立编写代码、调用工具，甚至在无人监督的情况下连续工作数小时。如果一个Agent拥有与用户完全相同的系统权限，一旦受到恶意指令诱导，就可能访问不该访问的文件，甚至修改系统配置。
为此，微软宣布Microsoft Execution Containers（MXC）正式在Windows 11上推出。可以把它理解成一个为Agent准备的受控工作空间，开发者和企业能够事先规定Agent可以访问哪些文件、连接哪些网络、执行哪些操作，而这些限制由系统负责实施，不依赖模型自己遵守指令。
微软还展示了Windows面向Agent的多层隔离体系，涵盖进程隔离（Process）、会话隔离（Session）、WSL容器（WSLc）、微型虚拟机（Micro VM）、虚拟机（VM），以及Windows 365云端环境。不同任务可以选择不同的隔离方式：例如，简单的代码执行可以使用轻量级进程隔离；需要操作桌面的Agent可以在独立的Windows会话中运行；涉及更高风险的任务，则可以使用虚拟化环境，将Agent与用户系统进一步隔离。MXC提供统一的策略控制和执行机制，帮助开发者根据任务需求选择合适的隔离环境，并限制Agent能够访问的资源。
在现场演示中，工程师要求GitHub Copilot按照网页上的说明升级Python版本，但网页内容实际上藏有试图诱导Agent执行危险操作的恶意指令。Microsoft Defender识别并阻止了这次攻击。微软还展示了如何针对出现风险的Agent限制其SharePoint访问权限，同时保留用户本人的访问权限。
需要说明的是，目前MXC的执行隔离能力已经正式可用，部分智能体身份管理和企业级治理能力仍将陆续推出。
有了这些安全基础，微软开始让Copilot真正使用Windows上的工具和资源，这就体现在Copilot的更新上。
新版Copilot此前已经整合为Home、Code和Autopilot三个核心体验，此次则进一步引入本地上下文（Local Context）、本地操作（Local Actions）和本地模型（Local Models）三项能力。
其中，Home负责日常交流、文件处理和协作。微软此前已经把Office的文档编辑与协作能力带进Copilot，现在又加入对本地文件的理解能力，让用户可以直接把电脑中正在处理的材料转化为可继续编辑、共享的文档。
Code则进一步降低了创建软件的门槛。用户可以直接描述需求，让Copilot生成Windows原生应用程序；生成的代码可以借助MXC在受控环境中运行，部分编程任务还能交给本地模型处理。微软希望让普通用户不必具备专业开发经验，也能在自己的电脑上制作定制工具。
Autopilot则面向更加复杂、需要连续执行多个步骤的任务。现场一个很有代表性的演示，是让Copilot帮助用户准备报税材料。它首先查看会计师发来的邮件，再从电脑的下载目录、文档文件夹等位置寻找所需文件，利用本地模型完成整理、分类和重命名，最后将材料打包成ZIP文件，并生成一封附带材料的邮件，在用户确认后发送。
这段演示体现出本地AI的两个实际价值：一是减少某些任务对云端推理的依赖，二是让敏感资料的部分处理步骤直接在电脑上完成。微软强调，演示中税务文件的本地整理不需要将这些材料上传云端，但这不代表Autopilot的全部操作都只在本地进行。
与此同时，Windows任务栏搜索也开始从查找入口向操作入口升级。微软展示了通过搜索框直接切换深色模式、开启勿扰模式、调整音量、整理窗口等功能。未来，用户还可以从搜索入口获得Copilot的简短回答，或者进一步跳转到完整的Copilot应用。
现场，微软还展示了Perplexity如何利用本地模型和电脑上的工具，把摄影师的12张照片整理为一个可以浏览的客户画廊，整个演示没有消耗Perplexity的云端推理额度。对于OpenClaw，微软推出了原生Windows Gateway，并简化了智能体的初始配置流程。Meta旗下的个人智能体Muse也将推出Windows原生应用，并计划接入MXC。
在开发者生态方面，GitHub Copilot、OpenAI Codex、OpenClaw等已经支持MXC，Anthropic Claude Code、Manus、Perplexity等也计划陆续加入。微软希望让第三方Agent能够使用Windows上的工具和计算资源，同时遵守操作系统提供的安全规则。
黄仁勋：“如果没有Windows，就不会有英伟达”
黄仁勋和萨提亚的对话自然是本场活动受关注度最高的。这个环节由白宫科技政策办公室（OSTP）人工智能高级政策顾问Sriram Krishnan主持，两位CEO透露了两家公司为什么要在此时推动PC架构变化，以及他们如何理解智能体对个人计算机的长期影响。
1）30余年合作史，从图形革命到AI革命的原点是什么？
圆桌开始时，Sriram首先把话题引向两家公司的历史。
黄仁勋回忆，英伟达之所以创立，与Windows早期的发展有着直接关系。1992年前后，个人计算机开始展示出更大的可能性，他和其他创始人设想，如果能够把强大的3D图形计算能力带到PC上，个人计算机或许就不再只是办公工具，还可以成为游戏、设计甚至专业工作站的平台。
随后的1993年，英伟达正式成立。再随后，Windows 95、DirectX以及Direct3D的发展，为GPU进入个人计算机应用生态提供了重要基础。微软与英伟达在可编程图形处理方面的合作，也构成了后来GPU通用计算能力发展的技术背景。
“如果没有Windows，就不会有英伟达。”黄仁勋这样回顾两家公司的关系。
萨提亚则从另一个角度补充了双方的合作历史。他提到，微软早期在Azure中推进高性能计算和超级计算基础设施时，就与英伟达展开了合作。后来，Azure的相关算力资源也成为支持OpenAI发展的重要基础。
但比回顾历史更重要的是，黄仁勋讲述了两人几年前的一次讨论。约四年前，两人开始思考，面对不断发展的AI，个人计算机究竟应该是什么样子。当时，功能强大的工具散布在不同计算设备和软件生态中：游戏PC上有强大的图形处理能力，专业工作站可以运行Blender、Autodesk等创作软件，云端超级计算机则承担大型AI模型的训练和推理。
黄仁勋提出的问题是，能不能把这些能力尽可能整合到同一台个人计算机上，让AI智能体既拥有足够的计算能力，又能够直接调用用户日常使用的工具。
这正是RTX Spark与Windows深度合作的初衷。
2）端侧 or 云端，这不是一个问题。
随后，他们也开始讨论混合智能的重要性。
萨提亚回忆自己在20世纪80年代末使用终端和PC的经历。当时，本地DOS、Windows程序与通过远程连接使用的计算资源之间存在明显区隔，但随着图形界面和互联网的发展，用户逐渐不再需要关注每项计算究竟发生在哪里。
在他看来，AI也正在经历类似变化。今天人们仍然会讨论一个模型是在本地运行，还是在云端运行，但未来用户真正关心的，可能只是自己的任务能否完成。他特别提到了前文提及的使用ComfyUI、Blender、Photoshop以及不同AI模型进行创作的演示，设计师在不同工具和计算资源之间切换，最终将原来需要数天的工作缩短到几个小时。
萨提亚认为，这种跨端侧与云端的协作方式，可能就是未来计算体验的典型形态。
黄仁勋则进一步提出了一个值得关注的判断：“未来智能体可能比人类更擅长使用电脑上的软件工具。”因为普通用户往往只掌握一个复杂应用程序中少量常用功能，而智能体理论上可以通过工具接口调用更多能力。
萨提亚则把目光投向了一个非常基础的计算概念：文件系统。他认为，智能体未来可能成为文件系统最主要的使用者之一，它们需要读取、整理、转换和生成文件，还要把不同工具的结果组织起来，再交给其他智能体或用户继续处理。
3）当智能体替人买东西，责任究竟归谁？
圆桌最后一个话题，落在了AI伦理上。Sriram提出，当一个智能体代表用户在网上购买商品、调用服务，甚至进行交易时，这个行为究竟应该算用户做出的决定，还是智能体自己的行为？如果交易出现问题，又应该由谁承担责任？
萨提亚的回答落在了“信任”层面。他认为，首先需要明确智能体的身份与权限，以及用户究竟授予了它多少代理权，只有在这些基础机制建立之后，人们才可能逐步扩大智能体能够自主执行的任务范围。
对于更长期的责任划分，萨提亚提出了一个颇有意思的判断：除了技术标准和协议，未来市场可能还会通过保险及风险定价等方式，逐步解决智能体代理行为的责任问题。换句话说，当AI能够代表人完成越来越多具有现实后果的操作时，产业需要考虑的，还包括这些操作产生的风险由谁承担，以及市场如何为风险定价。
黄仁勋对此的回应也非常明确：智能体必须拥有最低限度的必要权限，必须能够被监控和追踪，并且拥有可信的身份凭证。只有这样，用户和企业才可能放心地让智能体自主完成更多任务。
对话的最后，萨提亚再次强调了微软与英伟达合作的目标：让传统Windows应用、专业图形软件，以及CUDA、OpenGL等计算和图形技术，都能与AI模型的本地推理能力在同一台电脑上协同工作。
黄仁勋则用一句话回应了两家公司长达数十年的合作：“Windows已经陪伴我34年了，看来还会再陪我34年。”
