黄仁勋为微软站台：没有 Windows 就不会有英伟达，Satya 当场“讨市值”

AI摘要 微软将 Windows 升级为混合 AI 平台，支持本地与云端模型协同调度，GitHub Copilot 首次集成本地模型调用能力。

混合智能依赖模型路由与 Windows ML；Coding Agent 倒逼 OS 提供原生隔离、权限与可观测性支持；MXC 或成下一代 Agent 底层基础设施。

适合 AI 平台工程师、操作系统内核开发者、Agent 架构师阅读。

微软正在把 Windows 变成一个同时调用本地模型和云端模型的 AI 平台。

在北京时间 10 月 8 日的 Windows 发布会上，微软宣布将“混合智能”引入 Windows，通过模型路由、Windows ML 和本地 AI 能力，让 GitHub Copilot、Copilot 等产品能够根据任务复杂度、成本和隐私要求，在云端模型和本地模型之间自动切换。

其中，GitHub Copilot 的 HydraFusion 将首次能够直接调用运行在 Windows PC 上的本地模型。相关能力将在 10 月晚些时间陆续进入 GitHub Copilot 应用、CLI 和 VS Code。

现场，黄仁勋和 Satya Nadella 两人回顾了微软和英伟达长达数十年的合作。黄仁勋表示，英伟达的发展与 Windows 深度绑定：Windows 95、DirectX、GeForce 到 CUDA，共同推动了 GPU 从图形计算走向通用加速计算。

两人还回忆，Azure 早期建设基于 InfiniBand 的高性能计算（HPC）基础设施，后来恰好成为 OpenAI 训练 GPT 模型的重要底座。

对 Agent，两人判断一致：Agent 正在成为新的“电脑用户”。Satya 认为，Coding Agent 最早暴露出，即使模型运行在云端，本地 Harness 仍然需要访问文件系统、执行命令、调用软件。因此，操作系统必须原生提供隔离、身份、可观测性、治理和权限控制。黄仁勋进一步强调，MXC 这样的底层机制，可能会像当年的 Windows 和 DirectX 一样，成为下一代 Agent 构建与部署的重要基础设施。

两人对“混合智能”的理解也非常明确：未来用户不会再关心任务究竟运行在本地还是云端，而是希望系统自动调用最合适的模型和算力。

在本地 AI 价值上，两人并不只是强调“省 Token”。Satya 认为，更重要的是让计算靠近数据和工具。他甚至判断，未来 Agent 会成为文件系统最大的使用者之一。黄仁勋也认为，Agent 会比普通用户更会使用软件。

硬件层面，黄仁勋认为，AI PC 不应该只是“多一颗 NPU”，而是要同时承载传统应用、图形计算、CUDA、本地模型和 Agent。他把这种变化概括为：过去 PC 是人的工具，未来它既是人的工具，也是个人 Agent 使用工具的平台。

现场，Satya 打趣黄仁勋：“现在 Jensen 要把一点市值转回给我了。”不过，华尔街并没有立即给出激烈反应：发布会当天微软股价仅上涨约 0.1%，第二个交易日则下跌 1.35%。

微软认为，过去只能在数据中心运行的模型，正在被压缩到个人电脑上；未来 Windows 可以把高频、耗时或涉及隐私的数据处理放在本地，把真正复杂的任务交给云端前沿模型。微软称，这将成为 Windows AI 的一套通用架构，并用于编程、安全、内容创作和办公等场景。

为了把更大的模型带到终端，微软正在重点推进模型量化和 Windows ML。

微软此前推出的 MAI Code 1.1 Flash 是一款混合专家（MoE）编程模型，拥有 1370 亿总参数、68 亿激活参数。面向本地部署的版本经过约 3 比特量化后，模型体积缩小近 80%，同时保留 256K 上下文。

微软还表示，英伟达正在开发一款超过 700 亿参数的 Nemotron 模型，在量化至 2 比特后，内存占用仅略高于 20GB。而 DeepSeek V4 Flash 的参数规模达 2840 亿，经过 1.66 比特量化后，模型可以在本地运行，内存占用约 60GB。

与模型量化配套的是 Windows ML。微软正在把 Llama.cpp 引入 Windows ML，使开源模型能够更快接入 Windows，并在 GPU、NPU 和 CPU 之间运行。

在 GitHub Copilot 中，“混合智能”首先表现为模型自动路由。

新版自动模式可以根据任务复杂度决定调用本地还是云端模型。简单任务，例如代码清理、问题分诊，可以直接交给本地模型；更复杂的任务则继续使用云端模型。

微软现场演示了一个典型场景：主任务由云端 GPT-6 Luna 负责分析，同时启动 3 个本地子 Agent，使用 MAI Code 1.1 Flash Local 并行构建和测试。其中一个本地会话输入约 166 万 Token、输出约 1.05 万 Token，但不会产生额外的云端模型费用。微软希望把这类高频、长时间运行的任务尽可能放到本地，尤其是问题分诊、自动化检查等可以整夜运行的工作。

这实际上改变了 Coding Agent 的成本结构。过去 Agent 工作时间越长、并行实例越多，Token 成本往往越高；如果部分子任务可以转移到用户自己的 GPU 和 NPU 上，本地算力就可以成为云端 Token 的替代品。

相比 GitHub Copilot，Windows Copilot 的变化更接近系统级 Agent。

微软为 Copilot 增加了 3 类能力：本地上下文、本地操作和本地模型。本地上下文意味着 Copilot 可以搜索和理解 PC 中的文件；本地操作允许它在获得授权后移动文件、修改设置等；本地模型则让 Copilot 在成本或隐私更加重要时，把部分工作直接下放到设备端，最困难的任务仍会交给云端模型。

这些能力首先被整合进 Copilot Home 和 Code。Home 现在能够理解用户 PC 上的本地文件，并将原本只保存在设备端的内容直接带入 Copilot，用于编辑和协作。

Copilot Code 则进一步把“本地 AI”延伸到软件开发。用户只需输入一条提示词，就可以直接生成原生 Windows 应用和小组件，无需开发经验；微软还为 Code 加入 MXC 支持，使本地运行的代码进入沙箱环境；与此同时，部分编程任务可以直接交给本地模型完成，以降低云端调用成本并提升响应速度。

微软将这套能力称为“个人软件工厂”：从应用生成、代码执行到部分模型推理，都可以直接在 PC 本地完成，而更复杂的任务则继续交给云端。

微软现场以报税为例展示了这一能力。Autopilot 可以先读取会计师邮件，确定需要准备哪些文件，再从用户电脑不同目录中寻找材料、重命名并整理文件，最终生成 ZIP 包。涉及税务信息的文件整理和重命名均由本地模型完成，数据不需要上传云端。完成整理后，Autopilot 还能生成回复邮件并附上压缩包，但在真正发送之前仍需要用户确认。

微软将 Autopilot 定义为一个企业级、可长时间运行的自主 Agent。其背后的方向是，让 Windows 不再只是运行 AI 应用，而是允许 AI 在操作系统层直接理解本地环境并执行任务。

微软没有把这套能力限制在 Copilot。目前，Hermes、OpenClaw、Perplexity 等 Agent 已经开始基于 Windows 构建本地 AI 体验，Muse 也将推出原生 Windows 应用。针对 OpenClaw 等常驻 Agent，微软还将提供新的 Windows 快速安装体验和原生 Windows Gateway，以降低部署门槛。

微软把迷你桌面 PC 称作适合 Agent 长期运行的“Claw Box”：设备可以保持常开，即使用户离开电脑，Agent 仍能够持续工作。这也是微软此次 Windows AI 战略中一个比较明显的变化：Windows 不再只强调“AI PC”，而开始争夺 Agent 的底层运行环境。

为了支撑更大的本地模型，微软同时扩大了 AI PC 的硬件覆盖范围。

微软透露，目前面向商用市场打造的笔记本中，超过 40%已经是 Copilot+ PC；所有 Copilot+ PC 每月在本地完成超过 2 万亿次推理。

面向开发者和创作者，微软还发布了 Surface Laptop Ultra。该设备基于英伟达 RTX Spark，最高配备 128GB 统一内存，AI 算力最高达到 1 PFLOP，目标之一就是让传统笔记本无法装载的大模型直接在本地运行。

更高一级则是运行 Windows 的 DGX Station。微软称，这类桌面级超级计算机能够本地运行 Llama 4 Maverick、Kimi K2.6，以及超过 1 万亿参数的 DeepSeek V4 Pro。

微软用一句话概括其硬件路线：有了 RTX Spark，可以把“去年的前沿”带到笔记本；有了 DGX Station，可以把“上个季度的前沿”带到桌边。

主持人： 我昨晚在 YouTube 上查了两位，发现很少看到你们两位同时站在一个舞台上。我就在想，这两家公司之间的历史已经延续了几十年，你们个人之间的合作也有几十年的积累。Jensen，你和 Satya、微软合作时，最喜欢的一段记忆或者最有趣的经历是什么？

黄仁勋： 英伟达的创立，本质上就是因为 Windows。那是 1992 年底，Windows 3.1 的时代。我们刚刚开始看到“个人电脑究竟可以成为什么”的愿景。说实话，在那之前我甚至没怎么见过 PC，我主要是在工作站上工作。我们有文件服务器、有超级计算机，用来做芯片设计。

当时，我和另外几位创始人就在讨论一种未来：也许一台拥有 3D 图形能力的个人电脑，既可以用来玩游戏，也可以成为工作站，还能进行设计。我们的想象就始于这样的世界图景。如果没有 Windows，英伟达不会以今天这种方式被创立。

然后到了 1993 年，我们正式开始，Windows 95 则真正重新定义了这件事。Windows 95 让 GPU 可以真正连接到个人电脑，而真正让 GPU 发生革命性变化的是 DirectX。Direct3D 这个 API 让我们第一次可以把 GPU 的能力真正暴露给应用。