微软调整财务报表结构将AI与云基础设施相关业务归类为Agents and Infra标志着AI从技术项目转变为企业经营核心。企业需关注AI如何从回答问题升级为完成任务进入原有工作流程而非简单堆砌工具。重点在于识别重复性工作流程通过AI重新设计工作方式并衡量AI接管工作后创造的实际业务价值而非关注工具数量。AI对企业最大的影响是重新划分人机工作边界实现人机协同。当AI开始进入财务报表企业真正需要重新计算的是什么微软财报结构变化背后Agent正在从产品功能走向企业经营。很多企业还在讨论一个问题“我们到底要不要上Agent”微软已经开始讨论另一个问题“Agent到底能给公司带来多少钱”这个变化比又发布一个AI模型更值得关注。9月初微软宣布从2027财年开始调整财务报告结构。原来的三个业务板块Productivity and Business Processes、Intelligent Cloud、More Personal Computing变成两个Agents and Infra、Devices and Consumer。简单翻译一下就是Agent与基础设施以及设备与消费者。微软并不是把“Agent收入”单独切出来而是把Azure、Microsoft 365、GitHub等与AI和云基础设施密切相关的业务重新放进一个更大的“Agents and Infra”板块。与此同时微软开始单独披露Azure季度收入。2026财年Azure全年收入达到1019亿美元。这件事情表面看是一次财务报表调整。但如果站在企业经营的角度看它释放出的信号其实很明确AI已经开始从一个“技术项目”变成企业经营的一部分。01 微软真正改变的不是报表而是“AI的身份”过去几年企业谈AI通常是这样的老板问“AI能不能帮我们提高效率”IT部门说“可以上一个大模型。”业务部门试了几个月。最后留下几个工具写文案的、做PPT的、总结会议的、生成代码的。大家确实都在用。但公司到底因为AI多赚了多少钱很少有人能说清楚。这其实是企业AI一直绕不过去的问题。AI使用率很容易统计AI创造的经营价值却很难统计。微软现在做的事情恰恰是在改变这个逻辑。它开始把与Agent、云和AI基础设施相关的业务放进同一个大的经营板块。这意味着AI不再只是某个产品里的一个功能。它开始成为业务、基础设施和收入增长共同围绕的东西。这才是这次调整真正值得看的地方。02 为什么偏偏是Agent因为大模型解决的主要问题是“AI能不能理解和生成”而Agent解决的是另外一个问题“AI能不能把事情做完”这个区别非常大。比如一家企业要做销售跟进。以前的AI可能帮销售写一封邮件、整理客户资料、总结会议记录、生成一份销售方案。这些事情当然有价值。但它们本质上还是人干活AI辅助。Agent出现以后逻辑开始变化。它可以读取CRM里的客户信息判断客户状态查历史沟通记录生成跟进策略再调用邮件系统完成触达。如果客户回复再继续处理。遇到特殊情况再把问题交给销售。整个过程不再是“问AI一个问题。”而是“给AI一个任务。”这就是企业真正应该关注的变化。因为一旦AI从“回答问题”走到“完成任务”它就开始进入企业原来的工作流程。而工作流程恰恰是企业最值钱、也最难改变的东西。从“人问AI”到“人给任务”Agent的价值在于进入执行链路。03 企业真正要买的可能不是一个Agent这是很多企业现在容易踩的坑。看到Agent火了就开始问“我们是不是也应该部署10个Agent”然后开始列销售Agent、客服Agent、财务Agent、人事Agent、市场Agent……最后公司可能多了一堆Agent却没有少掉任何一个流程。这其实和过去买软件很像。工具增加了不代表企业效率增加了。真正重要的问题应该反过来哪些工作本来就不应该再由人一步一步完成比如客户线索进入系统之后为什么还要人工复制到另一个表格销售拜访结束之后为什么还要人工整理CRM财务发现异常之后为什么还要人工在多个系统之间来回查询招聘需求确认之后为什么还要HR自己筛掉几百份简历这些才是Agent真正应该进入的地方。所以企业做AI的顺序可能正在发生变化。以前是买工具→ 培训员工 → 希望员工用起来。以后更可能是找流程→ 拆任务 → 部署Agent → 接入系统 → 看结果。区别看起来不大。实际上完全是两种思路。前者是给员工增加工具。后者是重新设计工作方式。04 微软这次调整还有一个容易被忽略的细节微软预计新的“Agents and Infra”板块在2027财年第一季度收入约为751.5亿—757.5亿美元。这个数字当然不能理解为“Agent贡献了750多亿美元”。因为这个板块里面包含大量云、Microsoft 365以及其他基础设施和服务。但它仍然说明了一件事微软已经开始用新的业务结构来描述AI时代的公司。过去的软件公司可以按照办公软件、操作系统、云服务、游戏……这样划分。但AI进入以后产品之间的边界越来越模糊。一个Agent可能同时调用云计算、模型、企业知识库、Microsoft 365、CRM、代码平台、数据库、权限系统。最后完成一项具体工作。这时候再问“这个收入到底属于哪个传统产品”其实已经越来越难回答。所以微软干脆换一种方式。把Agent和支撑Agent运行的基础设施放在一起。这可能才是这次财报调整最值得企业管理者注意的地方。05 企业真正要重新计算的是“工作”如果Agent真的开始承担越来越多工作那么未来企业管理者需要重新思考一个很现实的问题一个部门到底需要多少人以前的答案主要取决于业务量。比如1000个客户需要10个客服10000个客户需要100个客服。但如果其中70%的标准化工作交给Agent呢答案就不一样了。可能不是“少招70个人。”而是“剩下的人做什么”客服不再只是回答问题而是处理复杂客户关系。销售不再每天整理名单而是处理高价值客户。财务不再花大量时间做数据搬运而是更多参与经营分析。HR不再把大量时间花在筛选简历而是把精力放到组织建设。这时候AI带来的变化才真正开始进入企业组织。所以我越来越倾向于认为AI对企业最大的影响不是替代某一个岗位。而是重新划分什么事情由人做什么事情由AI做。企业AI的终点不是工具堆叠而是人类团队与AI团队协同工作。06 所以企业现在不应该急着问“要不要上Agent”更应该问三个问题。第一公司里有哪些工作本质上是重复性的第二这些工作之间能不能被一个完整流程串起来第三如果AI真的接管这条流程公司最终能得到什么结果少一个人天少一次错误缩短多少交付时间多成交多少客户减少多少人工审核这些东西最后都应该能够落到经营指标上。因为到了Agent时代“我们部署了多少AI”已经不是一个好指标。真正有意义的是AI到底接管了多少工作以及这些工作最后创造了多少业务价值结语微软开始重新计算Agent的价值。企业也该重新计算AI的价值。不是看用了多少个工具而是看AI真正接管了多少工作、创造了多少结果。AI真正进入企业的那一刻不是它会回答问题而是它开始把事情做完。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。大模型入门到实战全套学习大礼包1、大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通2、大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。3、AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。4、大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。5、大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。适用人群第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】