微软向约四分之一员工提供自愿离职补偿,AI 关键团队被排除在外
微软向约 6 万名员工提供自愿离职补偿方案,约占其员工总数的四分之一,覆盖美国、加拿大、印度和英国的副总裁及以下级别员工。Xbox、Windows、Copilot 和财务部门全部纳入,数据中心、销售、网络安全和量子计算等对 AI 战略较为关键的部门被排除。
微软向约 6 万名员工提供自愿离职补偿方案,约占其员工总数的四分之一,覆盖美国、加拿大、印度和英国的副总裁及以下级别员工。Xbox、Windows、Copilot 和财务部门全部纳入,数据中心、销售、网络安全和量子计算等对 AI 战略较为关键的部门被排除。
随着 Alphabet、亚马逊、Meta 和微软今年资本支出规划合计超过 7400 亿美元,华尔街对巨额算力投入带来的负自由现金流与债务激增产生强烈担忧,引发纳斯达克及芯片股大幅下挫。
推荐理由:原文对比了各科技巨头激增的资本开支与恶化的自由现金流,有助于读者理解资本市场对算力基建回报率的担忧焦点。
OpenAI、Google、Microsoft 和 Anthropic 宣布将采用新的统一标准,允许出版商在 robots.txt 中配置共享策略 token,一次性退出多家厂商的 AI 数据抓取与训练。
推荐理由:统一的策略 token 改变了出版商逐家配置防抓取规则的繁琐现状,为跨厂商规范 AI 训练数据获取提供了可迁移标准。
微软构建 Industry Evaluation Data Generation Platform,通过全尺度合成企业环境评测 Microsoft Copilot,在不接触客户数据的前提下验证性能。该平台基于 O*NET、在线招聘与 SEC 申报等公开数据源,模拟具备真实时序的邮件、会议和组织架构。目前已针对制药、资本市场及 IT 软件构建三类仿真环境,用以发现通用基准难以覆盖的问题。
维基媒体基金会在《纽约时报》诉 OpenAI 与 Microsoft 等版权诉讼中提交法庭之友简报,呼吁法院采取折中方案:允许大语言模型基于受版权保护的内容进行无授权预训练,但聊天机器人直接向用户复述原文并替代原作品访问的行为不应算作合理使用。该组织指出,判决若过于偏向出版商将扼杀开源技术并限制维基百科自身的 AI 工具研发,而完全偏向 AI 公司则会破坏知识共享许可协议并削弱内容创作者生态。
微软研究院发布第 97 期《Research Focus》,汇总了 AI 智能体及科学计算等多项前沿研究成果。其中自改进智能体框架 ForkPilot 在 6 项基准测试中比肩现有最优方案,并将 AI 处理需求降低最高 59%。本期还展示了从操作日志学习技能的 TeleTune、代码智能体评测框架 CABRA 以及开启 public preview 的蛋白质模型 BioEmu2。
微软正面向美国、英国、加拿大和印度约 60,000 名员工提供自愿买断方案,旨在通过削减运营成本与人力规模以保障 AI 基础设施投资。受持续裁员影响,截至 6 月 30 日微软员工总数降至约 223,000 人,为十年来首次同比下降;符合资格的员工需在 12 月前决定是否接受该方案。
微软首次以美元形式披露 Azure 季度收入,7 至 9 月季度营收达 332 亿美元,同比增长 48% 并超出市场预期。该业务占微软季度总营收 923 亿美元的约 36%,略高于同季度 Google Cloud 的 307 亿美元。此次披露使投资者能够直接横向对比各头部云厂商在算力与 AI 模型承载上的具体体量。
推荐理由:原文提供了微软首次披露的云业务具体美元收入与横向对比,便于读者直接评估头部云厂商在算力与模型部署上的实际体量差距。
微软最新季度营收达 923 亿美元,同比增长 19%,连续 10 个季度创下营收纪录,净利润达 366 亿美元。微软云业务营收达 639 亿美元,其中 Azure 贡献 332 亿美元,并确认有 100 亿美元收入来自 OpenAI。同时,为满足 AI 合约需求,微软单季资本支出达到创纪录的 452 亿美元,商业剩余履约价值增长 73% 至 6770 亿美元。
微软在最新监管文件中披露,在截至 9 月 30 日的季度中通过与 OpenAI 的商业合作获得 $10B 收入,占微软该季度 $92.3B 总营收的近 11%。整个 2026 财年微软来自 OpenAI 的相关收入达 $24.1B,截至 9 月底对 OpenAI 的应收账款升至 $7.2B。文件还显示微软在 OpenAI 的持股比例从 6 月的约 25% 略微降至 9 月的 24%。
推荐理由:原文披露了微软从 OpenAI 获得巨额收入的具体财务构成与持股变化,有助于评估双方在业务竞争与资本结盟间的实际依赖程度。
微软决定在 2026 年内终止对所有智能电视上的 Copilot 功能支持,LG 电视已通过屏幕通知向用户发出停用提示。该合作于 CES 2025 由三星与 LG 宣布接入,原本用于屏幕问答和影视推荐。随着微软推出整合智能体与编码的 Copilot 超级应用并转向生产力与办公定位,电视端数字陪伴功能随即被关停。
工业智能通过整合工人的实践经验、运营数据与物理 AI,正成为推动制造业效率提升与盈利增长的核心方式。应用案例显示,Toyota Industries 整合车间数据后将分析周期从 5 天缩短至 4 小时以内,相关缺陷减少约 25%;Rockwell Automation 新加坡工厂利用维护 copilot,使新员工掌握排错的时间从 9 个月降至 3 个月。
微软在美国、英国、加拿大和印度向最多 6 万名员工提供自愿离职补偿,希望通过这一方式缩减人员而不启动新一轮裁员。据 The Verge 消息源,AI experiences、Copilot、CoreAI、Windows + Devices、Xbox、财务和人力资源等团队均可参与,云 + AI 和 MicrosoftAI 团队部分参与,市场、商业业务、安全等团队不参与。
TechCrunch 汇总了一份持续更新的"AI 墓园"清单,记录已关停、转型或未达预期的 AI 产品与初创公司,并引用 S&P Global Market Intelligence 数据称约 42% 的 AI 项目最终被企业放弃。
拜耳作物科学基于 Amazon Bedrock AgentCore 构建了智能体决策引擎 ADE,作为 CDE 之上的多智能体自然语言界面,由 supervisor agent 将问题路由到专业 agent。
微软与 Hugging Face 发布 ThinkingBox-Training,把数据库终态的可执行校验结果当作强化学习奖励,对 Qwen3.8-27B 做 50 步 GRPO 后,pass@1 从 51.70% 升至 60.78%,20 次全部正确的任务从 38 个增至 107 个。
推荐理由:原文给出用数据库终态校验当强化学习奖励的完整训练流程与开源代码,读者可据此复现或迁移到自家 Agent 任务。
Microsoft Research 发布 Flint-interactive,这是一种构建在 Flint 之上的语言,让智能体和开发者用高层语义事件与更新算子描述交互,由编译器处理布局、渲染和依赖。
推荐理由:Flint-interactive 把交互逻辑交给编译器处理,读者可据此判断智能体生成交互式图表时能省下多少调试成本。
Microsoft Research 的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想,给出一项与维度无关的固定界。
推荐理由:这项证明本身是数学进展,更有价值的是把研究路径讲成了人机分工范式,读者可据此理解 AI 在科研协作中扮演的角色。
三位拥有 10 年以上 Java 经验的 Java Champion 分享了用 GitHub Copilot 在生产和开源项目中提效的实践。Vlad Mihalcea 用 Copilot 在 IntelliJ IDEA 中把原本需数周的应用开发缩短到两天,并按任务切换模型,复杂推理用带 100 万上下文窗口的 Opus。
微软研究院播客中,Principal Technical Program Manager Weishung Liu 对话 Catalyst Lab 负责人 Chris White,回顾他从哈佛博士后到在阿富汗领导先进技术运营、再到担任 DARPA 项目经理的经历,并讲述他转向暗网搜索工具以打击人口贩运的选择。节目还讨论了问题选择在创新中的作用,以及见识人性阴暗面后如何保持希望。
在 VS Code 中选择 Open in VS Code,即可打开 GitHub Copilot 应用中的会话,任务、计划和对话上下文与 worktree 均保持不变。
微软研究院发布零知识证明虚拟机 Magnetar,可证明用 Rust、Go、C 编写的程序,在 15 个基准程序上平均比现有最快的同类 zkVM 快 10 至 39 倍。它基于 RISC-V 架构,开发者无需手写密码学电路,安全性仅依赖 SHA-256、SHA-3 等标准哈希函数,不依赖椭圆曲线、格或可信设置。其证明校验时间约 12 毫秒,笔记本上每秒可证明 7.2 至 8.7 百万条处理器指令。
推荐理由:微软研究院的新零知识证明虚拟机宣称比现有最快同类的 zkVM 快 10 至 39 倍,并仅依赖标准哈希函数,读者可借此理解这条技术路线的取舍。
GitHub 披露其密钥扫描模型采用正则候选生成加 ModernBERT 分类的两阶段流水线,替换此前的 LLM 方案。在线上 A/B 测试中,仓库所有者加权接受率提升 11.5%,push 后扫描中位执行时间降低 86%,服务成本降低超过 98%。离线评估显示,同流量下新流水线精度提升 13%、召回率提升 19%;模型以 8-bit 量化导出为 ONNX 用于推理。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式:在 .github/copilot-instructions.md 写入仓库级约定,在 .github/instructions 下用 applyTo 指定路径级规则,在 .github/skills 中以 SKILL.md 打包可复用流程,在 .github/agents 定义自定义智能体。
Microsoft Research 提出 StudentSim,可用公开的去标识学习者记录为每个学生训练个性化 AI 学生模拟器,在真实学习者测试前评估和改进 AI 辅导系统。该研究报告在 chess、第二语言英语写作和数学上,StudentSim 优于领先基线,并提供有用的反馈信号。团队还发布 StudentSimEval 评测基准,从行为保真度与指导响应性两个维度评估模拟器。
GitHub 介绍其与 Microsoft Applied Sciences 合作构建的 ModernBERT 分类器,用于把推送保护扩展到非结构化密钥,可在不到 2 毫秒内评估一批候选密钥,并称有望把可拦截的密钥数量提高一倍以上。
微软研究院开源 Agent Lightning v1.0,这是一个约 3500 行代码的轻量 agent 强化学习框架,提出 Harnessed Agentic RL 范式,让部署时使用的 agent harness 直接参与训练。
推荐理由:微软研究院开源这个框架,可以直接解决真实 agent harness 接入 RL 训练时重复实现的问题,并给出了可复现的编码智能体训练流程。
Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈,讨论评估如何推动当前 AI 系统突破传统基准的性能边界,以及模型在超出传统 benchmark 测试时出现的"意外失败"。她同时分享了使用当前 AI 系统的实用建议,并强调当结果出乎预期时应仔细检查数据。
GitHub 发布 AI 代码审查离线基准 ReviewBench,包含 219 个公开 pull request、覆盖 19 种语言,并配有公开数据集和排行榜。
推荐理由:GitHub 公布 ReviewBench 的构建方法与 96.6% 专家标注一致率,并给出离线结果与线上 A/B 实验的对应案例。
微软研究院实习生开发了一套端到端机器学习系统,为美国本土66,935座变电站提供提前30-60分钟的空间天气风险预报。该系统结合L1太阳风观测、AE与Dst指数预报、地质电导率及电网数据,在2020-2026年评估期内识别出近80%的重大空间天气事件。GIC风险阶段对≥10 nT/min事件的检测率为76.5%,对≥50 nT/min的极端事件为64.1%。
GitHub Copilot app 介绍了用 canvases 构建自定义工作流的方法:在 agent 会话中输入 /create-canvas,再用自然语言描述工作流、自己可做的操作和 agent 可做的操作,agent 就会生成界面并打开在右侧面板。