微软 Azure AI Foundry(国际版)十大重要更新
2025 年被广泛视为 “AI 智能体元年”。在过去半年,微软密集发布众多创新技术,构建起从基础设施层、开发工具层到场景应用层的完整技术矩阵,加速推动诸多具备自主决策能力的 “超级助理” 智能体落地,形成完整的 AI 赋能生态,助力企业在丰富员工体验、重塑客户参与、优化业务流程、推动创新曲线等四个方面全面进行 AI 转型。
在刚刚结束的 Microsoft Build 2025 微软开发者大会上,微软发布了多项新产品、新服务,目标是赋能每位开发者用 AI 技术创造未来。接下来就让我们一起盘点下 Azure AI Foundry(国际版)上的十大重要更新。
一、新模型体系
微软持续扩展模型目录,引入前沿模型为开发者提供更多选择。xAI 的 Grok 3 已在 Azure AI Foundry(国际版)正式可用,Black Forest Labs 中的 Flux Pro 1.1 以及 Sora 也即将发布。目前平台已集成超过 10,000 个来自 Hugging Face 的开源模型。微软还支持完整微调(含 LoRA/QLoRA 和 DPO 技术),可助力开发者按需定制模型。此外,微软推出了全新的开发者级别微调服务,开发者无需托管费用,即可零门槛测试和评估各种微调方法。
二、智能模型系统
现在,为任务选择正确的模型变得更加容易。微软全新上线的模型路由器,可以根据提示词自动匹配最合适的模型,并且在提升输出质量的同时,还可以做到降低成本。自下月起,微软还将预留容量扩展至更多模型,包括 Microsoft Azure OpenAI(国际版)以及精选 Foundry Models(包括 Black Forest Labs、DeepSeek、Mistral、Meta 和 xAI 的模型)。所有模型均可通过统一的 API 和 MCP server 访问,从而实现从原型开发到正式上线的无缝衔接。
三、Microsoft Azure AI Foundry Agent Service(国际版)正式发布
Microsoft Azure AI Foundry Agent Service 正式发布,可助开发者轻松设计、部署和扩展生产级智能体。包括喜力、Carvana 和富士通等行业领导者在内的超过 10,000 家企业,已通过该平台利用自有数据和知识,实现复杂业务流程自动化。这项全托管服务提供开箱即用的模板、操作组件,支持连接 SharePoint、Microsoft Fabric(国际版)等 1,400 多个企业数据源(含第三方系统),从而加快上下文感知智能体的开发速度。开发者只需点击几下,就能将智能体部署到 Microsoft 365(Teams 和 Office 应用)或 Slack、Twilio 等平台,让智能体直接融入到员工日常工作环境中。
四、多智能体协同编排
现实业务场景中往往需要多个智能体协同工作。Azure AI Foundry(国际版)现支持跨云环境的多智能体协同编排:智能体可作为连接型工具相互调用,通过专业分工协作解决复杂问题。新增的多智能体工作流引入状态管理层,实现上下文管理、错误处理与长周期流程维护的一体化管控,特别适合财务审批、供应链管理等场景。微软还实现了开放互操作标准:智能体间通信协议(A2A)支持不同智能体交换信息与任务协调,模型上下文协议(MCP)确保智能体间上下文数据的一致共享与解析。这些标准让智能体能在 Microsoft Azure、AWS、Google Cloud 及本地环境间无缝协作。底层架构方面,微软正在整合 Semantic Kernel 和 AutoGen 框架来支撑智能体编排。由于 Azure AI Foundry(国际版)与 Microsoft Copilot Studio 深度集成,开发者可以实现从模型选择、微调到预置智能体部署的完整闭环。例如,斯坦福医学院正在通过 Azure AI Foundry(国际版)的医疗智能体编排器与 Copilot Studio,利用定制化临床工作流优化肿瘤委员会会议效率。
五、智能体化检索
微软正在革新信息检索技术,以支持高阶智能体。Microsoft Azure AI Search 中的智能体化检索,是专为复杂问题设计的多轮查询引擎,通过对话上下文和嵌入式大语言模型,将用户查询拆解为子查询,并行执行多重搜索,最终生成带溯源引用的综合答案。早期测试显示,该方法在复杂多维度问题上的答案相关性提升达 40%。智能体化检索现在提供公共预览版,让智能体通过先进检索技术更精准对接企业数据,提供可靠答案。
六、全时观测能力
生产环境中的智能体,需要透明化监管。微软正在预览 Azure AI Foundry(国际版)的新观测功能(Foundry Observability),提供端到端监控与诊断。用户将获得延迟、吞吐量、使用率和质量的内置指标,以及每个智能体推理步骤与工具调用的详细追踪日志。开发阶段,智能体沙盒环境现支持评估基准与追踪可视化,助用户优化提示逻辑。进入 CI/CD 流程后,微软提供与 GitHub 和 Azure DevOps 的深度集成,实现测试与安全防护自动化。生产环境中,与 Azure Monitor 联动的统一看板,能够为用户提供模型与智能体的实时监控与预警。
七、企业级智能体身份
Microsoft Entra Agent ID 开创性地为企业智能体提供身份管理方案,让用户全面掌控 AI 智能体的行为权限。该服务为每个通过 Azure AI Foundry(国际版)或 Microsoft Copilot Studio 创建的智能体分配唯一身份标识,使其享有与人工账号同等级别的管理。智能体将出现在 Microsoft Entra 目录中,便于设置细粒度访问控制。即将推出的功能还将支持安全管理员为智能体配置条件访问策略、多因素认证和最小权限角色,并监控其登录行为。如果智能体尝试访问未授权资源,将像普通用户一样被拦截。
八、负责任的 AI 机制
负责任 AI 是微软与客户共同的底线承诺。微软新增多项能力从源头保障 AI 系统的安全可控:智能体评估器(Agent Evaluators)能够自动检测执行过程,判断是否符合用户意图和工具使用规范;AI 红队智能体持续探测系统漏洞与偏见,助用户在部署前修复缺陷。微软的内容过滤系统通过 “聚光灯” 技术(Spotlighting)实现智能化升级,这是对提示防护(Prompt Shields)的增强改进,能够更精准地检测并阻断恶意提示注入攻击,无论攻击来自用户输入还是外部数据流。微软还强化了防护机制,防止智能体泄露敏感信息(PII)或执行非授权任务。安全方面,平台与 Microsoft Defender for Cloud 深度集成,实时预警安全威胁。合规方面,微软提供与 Credo AI、Saidot 和 Microsoft Purview 等治理工具的开箱即用集成,助用户跟踪模型性能、公平性及法规遵从性。Azure AI Foundry(国际版)从设计之初,就内置了构建可信 AI 所需的安全防护与治理体系。
九、Microsoft Foundry Local 本地化运行
并非所有 AI 技术都需要云端运行,边缘场景往往更具优势。Microsoft Foundry Local 适用于面向 Windows 和 Mac 系统的 AI 模型与智能体本地化运行。通过该方案,用户可以构建离线运行的跨平台 AI 应用,实现敏感数据本地化处理并降低带宽成本。这为网络不稳定的工业场景、偏远地区的现场服务等创造了全新可能。微软正在推进与 Azure Arc 的整合,未来通过 Azure Arc 与 Foundry 的联动,用户将能集中管理和更新终端设备的 AI 部署。简而言之,Azure AI Foundry(国际版)将成为用户的 AI 技术工厂,无论数据在云端还是本地,都能高效交付生成式 AI 技术能力。
十、Microsoft Foundry Labs 的未来创新
微软正在与微软研究院在 Microsoft Foundry Labs 中探索下一个前沿领域。一个令人兴奋的发明是 Project Amelie,它由微软研究院的 RD Agent 提供支持,是一个能够通过单条提示构建完整机器学习管线的自主智能体。给它一个类似 “根据我们的数据集预测客户流失” 的任务,Amelie 将摄取数据、训练模型并生成可部署的解决方案 —— 这是一场 AI 开发 AI 的实验。
相关文章:

微软 Azure AI Foundry(国际版)十大重要更新
2025 年被广泛视为 “AI 智能体元年”。在过去半年,微软密集发布众多创新技术,构建起从基础设施层、开发工具层到场景应用层的完整技术矩阵,加速推动诸多具备自主决策能力的 “超级助理” 智能体落地,形成完整的 AI 赋能生态&…...
Realsense D435i 使用说明
D435i 驱动安装 及 ROS使用 Ubuntu16.04适配https://blog.csdn.net/lemonxiaoxiao/article/details/107834936 过程中遇到fatal error ; 需要添加标签。 使用下面网址的博客解决了。https://blog.csdn.net/xuzhengzhe/article/details/135407342 最终如下: target…...

PostgreSQL如何更新和删除表数据
这节说下怎样更新和删除表数据,当然认识命令了,可以问AI帮忙写。 接上节先看下天气表weather的数据,增加了杭州和西安的数据: 一.UPDATE更新命令 用UPDATE命令更新现有的行。 假设所有 杭州 5月12日的温度低了两度,用…...
【leetcode】704. 二分查找
二分查找 题目代码 题目 704. 二分查找 给定一个 n 个元素有序的(升序)整型数组 nums 和一个目标值 target ,写一个函数搜索 nums 中的 target,如果目标值存在返回下标,否则返回 -1。 示例 1: 输入: nums [-1,0,3,…...

Golang | 运用分布式搜索引擎实现视频搜索业务
把前面所设计好的搜索引擎引用进来开发一个简单的具体的视频搜索业务。代码结构: handler目录:后端接口,负责接收请求并返回结果,不存在具体的搜索逻辑。video_search目录:具体的搜索逻辑存放在这,包括reca…...
针对Helsinki-NLP/opus-mt-zh-en模型进行双向互翻的微调
引言 题目听起来有点怪怪的,但是实际上就是对Helsinki-NLP/opus-mt-en-es模型进行微调。但是这个模型是单向的,只支持中到英的翻译,反之则不行。这样的话,如果要做中英双向互翻就需要两个模型,那模型体积直接大了两倍…...

【笔记】Trae+Andrioid Studio+Kotlin开发安卓WebView应用
文章目录 简介依赖步骤AS(Andriod Studio)创建项目AS创建虚拟机TRAE CN 修改项目新增按键捕获功能 新增WebViewWebView加载本地资源在按键回调中向WebView注入JS代码 最终关键代码吐槽 简介 使用Trae配合Andriod Studio开发一个内嵌WebView的安卓应用, 在WebView中加载本地资源…...
Github 2025-05-30Java开源项目日报Top10
根据Github Trendings的统计,今日(2025-05-30统计)共有10个项目上榜。根据开发语言中项目的数量,汇总情况如下: 开发语言项目数量Java项目10C++项目1TypeScript项目1Keycloak: 现代应用程序和服务的开源身份和访问管理解决方案 创建周期:3846 天开发语言:Java协议类型:Ap…...

Github上一些使用技巧(缩写、Issue的Highlight)自用
1. GIthub中的一些缩写 LGTM ! 最近经常看到一些迷之缩写,感觉挺有意思的,但是有时候看到一些没见过的缩写还是有点懵逼,不过缩写确实也是很方便去review,这里就记录汇总一下;顺便加了一些git的基操单词(加…...

TextIn OCR Frontend前端开源组件库发布!
为什么开源 TextIn OCR Frontend 前端组件库? 在 TextIn 社群中,我们时常接到用户反馈,调取 API 进行票据等文件批量识别后,需要另行完成前端工程,实现比对环节。为助力用户节省工程成本,TextIn 团队正式开…...
GitLens 教学(学习更新中)
GitLens 是什么? GitLens 是安装在 Visual Studio Code (VS Code) 中的一个功能极其强大的扩展程序,它直接内嵌在您的代码编辑器中,极大地增强了 VS Code 内置的 Git 功能。它的核心目标是: 深刻理解代码历史: 让您轻…...

C#中数据绑定的简单例子
数据绑定允许将控件的属性和数据链接起来——控件属性值发生改变,会导致数据跟着自动改变。 数据绑定还可以是双向的——控件属性值发生改变,会导致数据跟着自动改变;数据发生改变,也会导致控件属性值跟着自动改变。 1、数据绑定…...

VR 技术在农业领域或许是一抹新曙光
在科技日新月异的今天,VR(虚拟现实)技术已不再局限于游戏、影视等娱乐范畴,正逐步渗透到各个传统行业,为其带来全新的发展契机,农业领域便是其中之一。VR 技术利用计算机生成三维虚拟世界,给予用户视觉、听觉、触觉等多…...

【JVM】Java程序运行时数据区
运行时数据区 运行时数据区是Java程序执行过程中管理的内存区域 Java 运行时数据区组成(JVM 内存结构) Java 虚拟机(JVM)的运行时数据区由以下核心部分组成: 线程私有:程序计数器、Java虚拟机栈、本地方…...
NVIDIA英伟达describe-anything软件本地电脑安装部署完整教程
describe-anything是英伟达联合其他大学开发的一款图片视频内容分析总结软件,可通过AI描述任意图片视频选中区域内容,非常强大,下面是describe-anything本地电脑安装部署教程。 首先电脑上安装git https://github.com/git-for-windows/git/…...

计算机视觉入门:OpenCV与YOLO目标检测
计算机视觉入门:OpenCV与YOLO目标检测 系统化学习人工智能网站(收藏):https://www.captainbed.cn/flu 文章目录 计算机视觉入门:OpenCV与YOLO目标检测摘要引言技术原理对比1. OpenCV:传统图像处理与机器学…...
Java 中的 ThreadLocal 详解:从基础到源码
Java 中的 ThreadLocal 详解:从基础到源码 引言 在 Java 多线程编程中,ThreadLocal是一个经常被提及的概念。它提供了一种线程局部变量的机制,使得每个线程都可以独立地存储和访问自己的变量副本,而不会与其他线程产生冲突。本文…...
(二)开启深度学习动手之旅:先筑牢预备知识根基
1 数据操作 数据操作是深度学习的基础,包括数据的创建、索引、切片、运算等操作。这些操作是后续复杂模型构建和训练的前提。 入门 :理解如何使用NumPy创建数组,这是深度学习中数据存储的基本形式。掌握数组的属性(如数据类型dt…...
Spring Boot3.4.1 集成redis
Spring Boot3.4.1 集成redis 第一步 引入依赖 <!-- redis 缓存操作 --> <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <!-- pool 对象池 …...

【Prometheus+Grafana实战:搭建监控系统(含告警配置)】
什么是Prometheus和Grafana? Prometheus:一款开源的监控告警工具,擅长时序数据存储和多维度查询(通过PromQL),采用Pull模型主动抓取目标指标。Grafana:数据可视化平台,支持多种数据…...
操作系统原理第9章 磁盘存储器管理 重点内容
目录 (一)外存的组织方式种类 (二)FAT 系统(计算) (三)文件存储空间的管理方式 (一)外存的组织方式种类 连续组织方式 原理:在磁盘等外存上&…...

一文速通Python并行计算:11 Python多进程编程-进程之间的数据安全传输-基于队列和管道
一文速通 Python 并行计算:11 Python 多进程编程-进程之间的数据安全传输-基于队列和管道 摘要: Python 多进程中,Queue 和 Pipe 提供进程间安全通信。Queue 依赖锁和缓冲区,保障数据原子性和有序性;Pipe 实现点对点单…...

LangChain-Tool和Agent结合智谱AI大模型应用实例2
1.Tool(工具) 定义与功能 单一功能模块:Tool是完成特定任务的独立工具,每个工具专注于一项具体的操作,例如:搜索、计算、API调用等 无决策能力:工具本身不决定何时被调用,仅在被触发时执行预设操作 输入输出明确:每个工具需明确定义输入、输出参数及格式 2.Agent(…...
HTML、XML、JSON 是什么?有什么区别?又是做什么的?
在学习前端开发或者理解互联网工作原理的过程中,我们经常会遇到三个非常重要的概念:HTML、XML 和 JSON。它们看起来有点像,但其实干的事情完全不同。 🏁 一、他们是谁?什么时候诞生的? 名称全称诞生时间谁…...
C++中IO文件输入输出知识详解和注意事项
以下内容将从文件流类体系、打开模式、文本与二进制 I/O、随机访问、错误处理、性能优化等方面,详解 C 中文件输入输出的使用要点,并配以示例。 一、文件流类体系 C 标准库提供三种文件流类型,均定义在 <fstream> 中: std…...

centos7.6阿里云镜像各个版本介绍
(水一期) Index of /centos-vault/centos/7.6.1810/isos/x86_64/ File NameFile SizeDateParent directory/--0_README.txt2.4 KB2018-12-01 21:21CentOS-7-x86_64-DVD-1810.iso4.3 GB2018-11-26 07:55CentOS-7-x86_64-DVD-1810.torrent86.0 KB2018-12-…...

InnoDB引擎逻辑存储结构及架构
简化理解版 想象 InnoDB 是一个高效运转的仓库: 核心内存区 (大脑 & 高速缓存 - 干活超快的地方) 缓冲池 Buffer Pool (最最核心!): 作用: 相当于仓库的“高频货架”。把最常用的数据(表数据、索引)从…...
KVM——CPU独占
文章目录 机器现况信息配置CPU独占(pin)启用 CPU 独占(隔离)验证 机器现况信息 [rootkvm-server ~]# virsh list --allId 名称 状态 --------------------------- CULinux-VM 关闭- ubuntu20.04 关闭- ubuntu24.04 关闭[roo…...

第4讲、Odoo 18 模块系统源码全解与架构深度剖析【modules】
引言 Odoo 是一款强大的开源企业资源规划(ERP)与客户关系管理(CRM)系统,其核心竞争力之一在于高度模块化的架构设计。模块系统不仅是 Odoo 框架的基石,更是实现功能灵活扩展与定制的关键。本文将结合 Odoo…...

pytorch简单线性回归模型
模型五步走 1、获取数据 1. 数据预处理 2.归一化 3.转换为张量 2、定义模型 3、定义损失函数和优化器 4、模型训练 5、模型评估和调优 调优方法 6、可视化(可选) 示例代码 import torch import torch.nn as nn import numpy as np import matplot…...