Microsoft MAI 行为准则将 Satya Nadella 的超级智能主张变为可检验的承诺
Satya Nadella 宣布推出 Microsoft MAI 行为准则，同时欢迎以审慎放缓的节奏协调行业内相互竞争的超级智能计划。这位 Microsoft CEO 将后续开发与两项条件挂钩：先进 AI 必须造福人类，人类必须始终保有控制权。
这一立场使 Microsoft 处于两个日益鲜明阵营之间。一个阵营希望在系统获得更大自主性之前实施更严格的审查；另一个阵营则认为，广泛分发先进 AI 是防范控制权过度集中的最佳方式。
Nadella 正试图兼顾这两种立场。Microsoft 希望继续构建前沿模型，同时将人类控制视为进步的前提，而非阻碍。这种平衡听起来合理，但只有当公司公布可执行的规则、评估机制和发布边界时，才真正具有意义。
此次宣布正值 AI 领域领导者讨论安全系统能否跟上模型能力发展的步伐之际。Anthropic CEO Dario Amodei 曾呼吁放缓开发，以便安全防护措施能够赶上。与此同时，Meta 则为广泛分发个人超级智能辩护，称此举有助于维护个人权力。
Microsoft 的回应既不是暂停，也不是毫无限制地竞速。它承诺继续开发，但须遵守一套应明确界定公司不会部署何种系统的准则。核心问题在于，这项承诺是否会改变模型开发本身，还是仅改变 Microsoft 对其的表述方式。
Satya Nadella 实际宣布了什么
Microsoft 已将其超级智能理念转化为一项治理承诺，尽管具体执行细节仍不完整。
在 9 月 13 日的一份声明中，CEO 表示 Microsoft 欢迎实现对齐所需的审慎推进节奏，该声明由 Nadella 的公告重点报道。对齐指的是让 AI 系统的行为与人类目标和限制保持一致，尤其是在其能力不断增强时。
Nadella 将人类控制定位为追求超级智能的门槛。他认为，如果一个系统既不能帮助人类，也不能保持在人类指引之下，就不值得构建。他还表示，AI 的益处应惠及不同国家和社区。
这种组合很重要。呼吁控制可能支持更严格的限制，而呼吁广泛分发则可能支持更快部署。Microsoft 主张，这两个目标应属于同一项战略。
配套的 Microsoft MAI 行为准则旨在规范公司的内部模型家族。MAI 指由 Microsoft AI 开发的模型，而非由 OpenAI 或 Anthropic 等合作伙伴提供的模型。
Microsoft 已将 MAI 置于其产品路线图的核心位置。在 Build 2026 上，公司推出了由 MAI-Thinking-1 领衔的 七款 MAI 模型系列，其中 MAI-Thinking-1 是其首个内部推理模型。该系列还涵盖图像生成、转录、语音和编程。
Microsoft 表示，MAI-Thinking-1 使用了 350 亿个活跃参数，并支持 256,000 token 的上下文窗口。活跃参数是模型在特定推理过程中实际使用的组件，而上下文窗口决定了它能够考虑多少输入内容。
这些规格表明，行为准则的宣布并非抽象讨论。Microsoft 已将 MAI 模型部署到 Foundry、GitHub Copilot、PowerPoint、OneDrive 及其他广泛使用的产品中。
不过，现有公告尚未确立评估合规性所需的全部规则。它尚未提供完整的公开测试协议、执行流程、部署门槛或针对特定模型的风险分类。
这一区别十分重要。公布一套准则会形成预期；公布可衡量的义务才能建立问责机制。
目前，已得到证实的发展是 Nadella 已将 Microsoft 的超级智能计划与明确的人类控制原则联系起来。尚未解决的问题是，这项原则将如何约束实际的发布决策。
Microsoft MAI 行为准则为何此时推出
这套准则的出台，是因为 Microsoft 自身模型的重要性正在上升，其带来的风险已无法仅靠合作伙伴政策覆盖。
Microsoft 早期的生成式 AI 扩张高度依赖 OpenAI。这种关系让公司得以迅速为 Azure、Microsoft 365、GitHub 和消费级产品接入前沿模型。
如今，其处境更加复杂。Microsoft 仍提供 OpenAI 模型，但也通过自身平台分发 Anthropic、Mistral、Meta、DeepSeek、xAI 等模型家族。与此同时，它正将 MAI 打造成第一方替代方案。
这种多元化服务于商业和技术目标。当通用前沿模型的能力超出某项任务需求时，专用模型可以降低延迟、token 使用量或运营成本。它也让 Microsoft 对训练、部署和产品整合拥有更大控制权。
Nadella 曾表示，企业不应依赖单一模型完成所有任务。7 月时，他表示，组织应将其数据、记忆、工具和智能体框架与任何单独模型分离。
智能体框架是指为智能体提供指令、记忆、工具和反馈的周边软件。将这一层分离出来，可以让公司在无需重建完整工作流的情况下替换模型。
这种模型独立性的主张给 OpenAI 和其他前沿实验室带来压力。Microsoft 同时仍是它们的投资者、云合作伙伴、分销商、客户，并日益成为直接竞争对手。
MAI 的扩张也改变了 Microsoft 的责任。它不能再将模型层面的安全主要视为外部供应商负责的事项。当 Microsoft 训练模型、设定发布条件并将其部署到自家产品中时，公司承担了更多风险。
Microsoft 已为使用其 AI 服务的客户维护一套 企业 AI 准则。该文件要求采取输入和输出控制、披露合成内容、持续测试、设置反馈渠道、实施安全措施，并提供适当的人类监督。
它还限制有害用途、欺骗性操纵、某些生物特征推断、社会评分，以及在缺乏适当人类参与下作出的重大决策。自主系统必须包含监控、干预控制、故障警告及其局限性的文档说明。
这些客户义务具有参考价值，但并不等同于模型开发准则。服务协议规定客户可以如何使用系统；模型准则还应说明 Microsoft 将训练、测试、暂缓、修改或拒绝发布什么。
这一区别解释了为什么 Microsoft MAI 行为准则比又一份可接受使用政策更具分量。它应当在模型到达客户之前约束 Microsoft，而不只是规范客户部署后的使用方式。
这一时机也反映了公司为期五年的超级智能计划。Microsoft 在 2026 年 3 月重组 AI 领导层，以便 Mustafa Suleyman 能更直接地专注于前沿模型和面向企业优化的模型谱系。
一旦公司将人才、算力和产品战略投入这一目标，非正式的安全保证便不再足够。书面准则可以为研究人员、高管、产品团队和部署合作伙伴建立共同边界。
它还可以揭示 Microsoft 是否仅以基准测试表现定义进步。一套严肃的准则应将可控性、抗滥用能力、监控和现实世界影响，与能力表现一同作为发布标准。
Microsoft 真正的对手是没有发布边界的竞赛
主要冲突并非 Microsoft 与某一家竞争对手之间的对抗，而是 Microsoft 对控制权的承诺与竞相推出自主性日益增强系统的竞争压力之间的冲突。
每一家主要 AI 实验室都有快速推进的动机。更好的模型能够吸引开发者、企业合同、人才、投资和宝贵的使用数据。即便延迟能够提升安全性，公司也可能因此落后。
当竞争对手将超级智能描述为近在咫尺、足以影响当前决策时，这种压力会更强。公司因此投入更多资金、加速实验并公布雄心勃勃的时间表，因为它们担心错过一次平台转型。
Anthropic 的 Dario Amodei 通过主张安全防护需要时间追赶，凸显了这一紧张关系。美联社报道的一则 AI 安全警告称，他支持放缓开发，以加强围绕能力日益增强系统的审查。
根据该报道，Amodei 警告称，先进 AI 可能很快协调大批能够在互联网上运行的智能体。确切时间表属于预测，而非已被独立确立的事实。
不过，背后的担忧是具体的。AI 智能体可以执行多步骤任务、调用工具、编写并执行代码、与其他系统通信，并在有限监督下持续工作。
产生有害回答的模型会带来一类风险；根据该回答采取行动的智能体则会带来另一类风险。后者可能将错误、欺骗或遭利用的指令转化为外部行动。
Nadella 对审慎推进节奏的支持承认，能力与治理并不总是同步发展。这也避免了支持无限期停止。Microsoft 仍希望开发和分发先进系统。
Meta 则代表了不同的侧重点。其 个人超级智能主张认为，广泛赋能个人能够防止过多控制权集中于政府或少数公司内部。
Meta 也承认，那些能够自我改进或在缺乏有意义人类监督的情况下追求目标的系统存在危险。其提出的回应强调审查、隐私、权力分散，以及在有害行为出现时的协调机制。
Microsoft 的立场与两种观点均有重叠。与 Anthropic 一样，它将对齐和控制视为调整开发节奏的理由；与 Meta 一样，它表示先进 AI 的益处应被广泛分配。
难点在于，当这些原则发生冲突时应如何决断。广泛分发可以扩大获取渠道，但也可能扩大有能力滥用强大系统的人群。限制部署可以减少滥用，但也可能将权力集中于提供商内部。
一套有用的准则必须明确谁来解决这种冲突。它应说明安全团队能否阻止发布、产品高管能否推翻该决定，以及外部审查者能否获得有意义的证据。
它还应从操作层面定义人类控制。如果操作人员无法理解系统行为、发现故障，或在不可逆后果发生前进行干预，那么一个停止按钮远远不够。
对于企业买家而言，控制包括模型选择、数据边界、审计日志、基于角色的访问权限、评估记录、回滚程序以及对自主行动的限制。它还包括将组织上下文保留在任何单一提供商之外。
这种架构类似于更广泛的知识融合原则：当系统在不抹去来源信息或用户控制权的前提下连接相关信息源时，就会更有用。对于企业级智能体而言，来源信息可能决定一项行动是被信任、审查还是拒绝。
因此，微软的准则将通过产品而非言辞接受检验。最有力的证据，将是一个可见的案例：公司因为某个模型未达到其既定门槛而推迟、缩小范围或取消发布。
一套准则的强度取决于其测试与执行
最大的未知之处在于，微软的原则是否会促成可由独立人士审查的决策。
微软多年来一直在推进负责任 AI 计划。其公开的负责任 AI 计划围绕透明度、问责制、公平性、包容性、可靠性、安全、隐私和安全防护展开。
该公司还描述了一套用于映射、衡量和管理风险的流程。这些实践为模型治理奠定了基础，但超级智能准则面临着更高标准。
首先，微软必须界定该准则覆盖哪些系统。MAI 系列包括推理、编程、语音、转录和图像模型。这些系统具有不同的失效模式，需要不同的评估方式。
语音模型涉及同意、冒充、欺诈和披露等问题。编程模型涉及网络安全、依赖项、执行和软件完整性等问题。连接工具的推理模型，则带来关于规划和自主行动的更广泛问题。
一项通用原则无法取代这些针对特定模型的控制措施。该准则需要一个共同基础，并针对每项能力和部署场景设立独立要求。
其次，评估必须贴近真实产品使用场景。一个仅在孤立基准任务上测试的编程模型，在能够编辑代码库、执行命令并访问凭证的智能体中，可能表现截然不同。
微软表示，其 MAI 模型围绕特定产品工作进行了训练和优化。这使得产品层面的评估尤为重要。相关评估单位往往是完整系统，包括运行框架、工具、记忆、策略和人工审批流程。
第三，结果需要清晰报告。如果外部人士无法看到测试定义、比较条件、模型版本、工具访问权限或失效类别，那么分数的价值就很有限。
微软无需公开敏感的模型权重或安全细节，也能提供有用证据。它可以发布评估方法、汇总结果、已知局限、部署限制以及重大缓解措施的说明。
第四，执行必须覆盖内部团队。客户限制更容易观察，因为微软可以暂停服务访问权限。内部执行则更困难，因为产品期限和营收目标同样存在于公司内部。
可信的治理结构应将风险审查与因发布速度获得激励的团队分开。它应建立有记录的升级路径，并明确当安全目标与商业目标发生冲突时由谁拥有决策权。
第五，该准则应处理上线后的变化。模型可能获得新工具、更长上下文、更新后的系统指令或更广泛的权限，而不会获得新的公开名称。
这些变化对风险的影响可能超过一次传统模型更新。因此，治理必须覆盖完整部署配置，而不仅仅是训练结束时产出的检查点。
独立研究人员也强调，失控风险仍然难以衡量。通过 2026 年新加坡共识发布的全球研究优先事项认为，该领域正变得越来越可测试，同时承认预测仍存在重大不确定性。
这种不确定性具有双向影响。它并不能证明灾难性后果迫在眉睫，也不意味着可以把尚未观察到失败当作系统安全的证据。
微软应避免暗示书面准则能够解决对齐问题。对齐仍然是一个技术、组织和政治问题，涉及存在争议的价值观以及不完整的测量方法。
批评者也应避免走向相反的夸张。一套自愿性准则并不必然毫无意义。当它包含具体测试、明确的决策负责人、发布关卡和有记录的后果时，便能影响工程决策。
恰当的标准是证据。这套准则是否改变了训练内容、测试方式、仍受限制的能力，以及停止部署的时机？
开发者和企业买家应提出的问题
在将 MAI 模型用于具有重要后果的工作之前，客户应将微软的人工控制承诺转化为采购问题。
第一个问题是适用范围。买家需要知道，Microsoft MAI Code of Conduct 是否仅适用于公开可用模型，还是也适用于微软产品内部使用的版本。
嵌入 Copilot 的模型可能影响从未直接选择它的用户。微软应披露由哪个模型执行任务、何时发生路由，以及管理员能否限制特定模型系列。
第二个问题是评估。组织应询问哪些安全和质量测试适用于自身使用场景，而不是只问模型是否在通用基准测试中取得高分。
客户服务助手需要测试无依据声明、升级处理、隐私和记录处理。编程智能体则需要测试不安全命令、存在漏洞的代码、密钥暴露、软件包完整性和未经授权的变更。
医疗或金融工作流程需要更严格的人工审查，因为错误可能影响权利、机会或身体健康。微软现有的企业准则已将具有重要后果的决策视为需要适当监督的事项。
第三个问题是自主性。买家应记录智能体能够采取哪些行动、哪些行动需要批准，以及哪些行动在任何情况下都被禁止。
人工控制应存在于具有重要后果的行动之前，而不应只在失败之后介入。审查界面、权限边界、交易限额和可逆的预发布环境，比笼统要求系统安全行事提供更多保护。
第四个问题是监控。团队需要能够显示输入、检索到的上下文、工具调用、模型输出、策略干预、批准和最终行动的日志。
当一个工作流程使用多个模型时，这些记录仍应便于理解。如果平台悄然路由每一步且不保留可用的决策轨迹，公司便无法调查事故。
第五个问题是模型变更。当微软更新 MAI 模型或改变路由层时，企业部署应明确通知期限、回归测试、回滚选项和版本控制。
自动改进很有吸引力，但更新后的模型可能改变已验证工作流程中的行为。受监管团队可能需要在采用新版本前重新进行测试。
第六个问题是数据。纳德拉认为，企业必须保持对自身学习循环的控制，也就是员工和系统在执行工作时产生的信息。
买家应明确提示词、输出、反馈和工具追踪记录是否会用于训练微软模型。他们还应确定这些记录存放在哪里，以及如何导出或删除。
第七个问题是事件响应。准则需要报告渠道，但企业同样需要响应时间、升级联系人、遏制程序和事件后的解释。
开发者也有自身的实际责任。他们应将模型输出视为不可信，直到周边系统对其进行验证。当智能体编写代码、修改数据或对外沟通时，这一原则尤为重要。
这些问题无需等到超级智能出现才适用。它们同样适用于当前已将语言模型与工具和组织数据相结合的系统。
纳德拉的声明之所以重要，是因为它为客户提供了可援引的标准。如果微软称 AI 必须始终处于人工控制之下，买家便可以要求该公司展示这种控制具体存在于何处。
三个信号将表明微软是否言行一致
下一项考验在于执行，三个可观察信号将揭示该准则是否改变了微软的行为。
第一个信号是发布针对特定模型的要求和评估结果。微软应将该准则与各个 MAI 模型相联系，而非让它停留在一般性声明层面。
对于 MAI-Thinking-1，这可能包括推理可靠性、欺骗测试、工具使用边界、网络安全评估和智能体控制结果。对于语音和图像模型，则应涵盖冒充、来源信息、同意和有害内容防护措施。
决定性细节并非每个分数是否都显得理想。透明地披露局限性会使框架更可信，因为没有任何先进模型能在每种环境中都可靠运行。
如果微软发布可复现的方法、版本化结果和明确的部署限制，纳德拉的承诺就会更有说服力。如果它只发布原则，这项声明仍然难以审计。
第二个信号是发布关卡确实带来后果的证据。应关注微软是否因测试发现未解决风险，而推迟、限制或继续让某项 MAI 能力处于预览状态。
这样的决定将表明，审慎节奏能够抵御商业压力。它也会为评估后续发布的员工和合作伙伴树立先例。
单纯的延期并不能证明治理良好。公司可能因技术、财务或战略原因推迟产品。微软应说明其准则何时影响了决策，并在不暴露敏感安全细节的前提下指出相关门槛。
如果没有任何一次发布因该准则而改变，观察者就应质疑这一框架究竟是在治理开发，还是仅仅记录既有意图。
第三个信号是微软如何在 Foundry、Copilot 和 Microsoft 365 中处理自主智能体。一旦模型获得工具和行动权限，模型安全与智能体安全便不能再相互割裂。
关注更强的管理员控制、细粒度权限、审批要求、监控、回滚和一致的模型标识。这些功能将把人工控制转化为产品属性。
还应关注微软是否对通过其平台分发的合作伙伴模型采用同等标准。即使底层模型来自其他实验室，客户体验到的仍是完整的微软服务。
仅限于 MAI 的准则或许能改善微软的内部实践，却会在其更广泛产品目录中留下不一致的保护措施。平台级控制层可以缩小这一差距。
因此，Microsoft MAI Code of Conduct 为该公司的超级智能战略创造了一项有用测试。微软希望同时实现前沿进展、更低成本的专用模型、广泛分发以及有意义的人工控制。
这些目标并非天然兼容。它们之间的冲突将出现在发布会议、产品权限、评估报告和事件响应之中。
开发者和企业领导者应保存纳德拉的原则，并将其与这些决策进行对照。应询问哪些测试能够阻止部署、谁有权执行这些测试，以及客户能获得什么证据。
如果微软公开回答这些问题，审慎节奏就会成为一项运营纪律。如果它做不到，这套准则仍将只是附着于加速模型计划之上的价值声明。
