微软推出 Azure AI Foundry Labs：把前沿研究和智能体搬上云

以前一项前沿技术从实验室走到普通人手里，可能要熬上十几年。比如 GPS 卫星定位，从上世纪 70 年代军用起步，直到 2000 年代初才真正变成手机和汽车的标配。

现在的 AI 研发显然不想等这么久。2025 年 2 月 19 日，微软宣布上线 Azure AI Foundry Labs，把微软研究院压箱底的前沿实验项目打包做成了一个专区，直接让开发者、初创团队和企业上手试用。

伴随这个中枢上线的，还有微软最新的大模型 Muse。微软称它是首个「世界与人类动作模型」，也就是所谓的 WHAM 模型，现在已经能在 Azure AI Foundry 里直接体验。

实验室里的硬核项目一次性端出来

如果仔细看 Foundry Labs 首批放出来的名单，会发现微软这次端出来的东西横跨了多个极硬核的垂直领域，不只是常规的文本聊天。

在自然科学和材料领域，有用来预测高分辨率天气和空气污染的大规模大气模型 Aurora，它的预测表现号称超过了传统气象工具；还有面向原子模拟的深度学习模型 MatterSim，能高精度预测材料特性；以及针对药物研发的 TamGen，用类似 GPT 的化学语言模型来做分子设计与优化。

智能体也是这次的重头戏。开源项目 ExACT 专门用来让智能体从以往的交互历史中学习，动态优化搜索效率；基于 AutoGen 框架搭建的 Magentic-One 则是一个多智能体协同系统，负责拆解和搞定复杂的长链条任务。

还有一个让不少做自动化工具的开发者眼熟的项目，那就是 OmniParser v2。这个视觉模块能直接把屏幕截图解析成结构化的 UI 元素，让 AI 真正看懂电脑和手机屏幕，为屏幕操作型智能体提供底层支持。

微软提到，如今训练 AI 的算力大概每 12 个月就会翻 10 倍，模型突破的周期也从几年前的四到六个月，缩短到了现在的四到六天。把研究直接丢给外部开发者跑原型，反而是最快验证技术可行性的方式。

为什么重要

我们认为，微软做 Foundry Labs 最聪明的地方，在于改变了前沿研究的变现逻辑。以往大厂研究院很多厉害的论文最后都成了学术资产，工程化周期太长，等变成 Azure 上的正式服务时，市场早变天了。现在直接在半成品阶段开辟一个实验区，既能让急需新技术的开发者尽早吃到红利，又能拿现实世界的数据和反馈快速迭代。

对于开发者和企业来说，这里面的东西值不值得试，得看你的具体赛道。如果你在做制药、气象预测或者新材料研发，TamGen 和 MatterSim 这种垂直模型非常值得立刻接入测试；而对于做 AI Agent 的团队来说，OmniParser v2 和 Magentic-One 几乎是现成的工业级积木，能省掉大把自研 UI 理解和任务编排的力气。

但这里的隐患也很明显。这些挂着「实验」标签的项目大多不是成熟的生产环境服务，接口变动、准确率波动甚至突然下线的风险都存在，目前并不适合直接当作核心业务的单一依赖。看起来，微软是把 Azure 变成了一个大型的公开试验场，能不能接得住这些粗糙但前沿的工具，就看开发者自己的工程化实力了。