微软正在将Windows系统改造为"AI画布",在Windows 11任务栏中集成全新的AI智能体。这些新的任务栏功能旨在让AI智能体成为Windows中的助手,只需点击按钮就能控制电脑并为用户执行任务。这是微软将操作系统改造为"智能体OS"的重要举措。
智能体集成:核心功能与用户体验
微软将多种AI智能体直接集成到Windows 11任务栏中,包括自家的Microsoft 365 Copilot和第三方选择。Windows体验企业副总裁Navjot Virk表示:"这项集成不仅仅是添加智能体,而是让它们成为操作系统体验的一部分。"
智能体能够在后台研究数据,同时用户可以专注于其他工作,或者访问电脑上的文件和文件夹来自动化繁琐耗时的管理任务。当用户要求AI智能体执行某些任务时,智能体会转移到任务栏并在后台运行。用户可以随时悬停在任务栏图标上查看智能体的工作状态。
新的Ask Copilot功能
这项AI智能体集成是任务栏中新的Ask Copilot功能的一部分,该功能将现有的本地文件搜索与Copilot功能相结合。用户不仅能获得文件和设置的快速搜索,还可以直接从任务栏启动与Microsoft 365 Copilot的对话并运行AI智能体。
微软为这些智能体添加了新的任务栏功能,用户可以通过查看任务栏图标了解智能体在后台处理任务的状态。系统会显示一个浮动窗口来与智能体或Microsoft 365 Copilot交互,而不是完整的应用程序。当智能体需要关注或完成任务时,会通知用户并更新其在任务栏上的状态。智能体任务栏图标上的徽章会显示任务进度:黄色感叹号表示需要帮助,绿色勾号表示已完成。
技术架构与安全性
开发者将为这些智能体创造大量用例,微软正在进行平台级工作来实现这些功能。通过模型上下文协议(MCP),AI智能体功能被嵌入到Windows的核心部分。Windows负责人Pavan Davuluri解释:"这为我们提供了标准化框架,让智能体能够通过安全管理的设备注册表发现工具和其他智能体。"
AI智能体还拥有独立于Windows 11桌面的专用工作空间。这是一个受控的策略控制可审计执行环境,为智能体提供与软件交互的安全沙盒环境。每个智能体使用自己的Windows账户运行,这样设计是出于安全考虑,也因为AI模型并非总是准确,需要将这些活动与主要Windows会话分离。
更广泛的AI功能整合
除了任务栏智能体,微软还将Copilot集成到文件资源管理器中。用户可以一键总结文档、回答有关文件的问题,或基于文档内容起草邮件。
在Copilot Plus电脑上,Click to Do功能也得到改进,能将网页或电脑其他位置看到的表格转换为Excel文档,用户可以自由操作数据并添加新列。虽然Click To Do在Copilot Plus电脑上使用本地AI模型,但数据导入Excel后,用户可以通过云端AI模型的Copilot和智能体模式进行修改。
微软的Windows AI功能正朝着本地AI(Copilot Plus电脑)和云端AI(Copilot)的混合模式发展。新的写作辅助功能正在进入预览阶段,让用户在Windows 11的任何文本框中重写和撰写内容,在Copilot Plus电脑上甚至支持离线使用。
Outlook将获得AI生成的摘要功能,Word将为Office文档中的图片自动生成替代文本。微软还在开发名为"流畅听写"的Windows新功能,可将语音转换为带有正确语法和标点的文本。
其他企业级功能
对于不感兴趣AI功能的用户,微软在本周的Ignite大会上还推出了一些IT导向的新功能。硬件加速BitLocker将在明年推出,需要基于未发布芯片的下一代Windows设备。Sysmon功能也将在2026年初集成到Windows中,让安全事件在事件日志中可用,便于安全团队管理Windows系统。
Q&A
Q1:Windows 11任务栏中的AI智能体有什么作用?
A:任务栏中的AI智能体可以在后台研究数据,访问电脑文件和文件夹来自动化繁琐的管理任务。用户可以随时查看智能体的工作状态,当智能体需要关注或完成任务时会收到通知。智能体图标上的徽章会显示进度状态。
Q2:如何使用Windows 11的Ask Copilot功能?
A:Ask Copilot功能结合了本地文件搜索和Copilot功能。用户不仅可以快速搜索文件和设置,还能直接从任务栏启动与Microsoft 365 Copilot的对话,运行AI智能体。系统会显示浮动窗口来交互,而不是完整应用程序。
Q3:AI智能体的安全性如何保障?
A:AI智能体拥有独立的工作空间,这是一个受控的策略控制可审计执行环境,类似安全沙盒。每个智能体使用自己的Windows账户运行,与主要Windows会话分离,确保安全性并防止AI模型不准确时影响主系统。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。