AI应用不一定把所有数据都发往云端，也不一定全部压在个人电脑上。微软10月7日公布Windows“混合智能”路线，AI任务将在本地电脑与云端之间动态分配，并通过容器、身份和管理能力控制智能体行动。

微软把Windows定位为连接本地模型、云端模型和AI智能体的平台。系统将根据任务需要、设备算力、响应时间、数据敏感度和管理策略，决定工作负载在哪里运行。此次发布覆盖Windows、Copilot、Surface以及与生态伙伴共同开发的新一代AI设备。

本地执行与云端能力不再二选一

本地AI的优势是低延迟、离线可用，并能减少敏感数据离开设备的机会；云端则能提供更大的模型、更多算力和持续更新的服务。混合智能的目标是让应用在两者之间做任务级路由，而不是要求企业为整个应用选择单一架构。

例如，文件索引、个人设备上下文和简单推理可以在本地完成，需要更大模型或跨系统信息的步骤再调用云端。理想情况下，用户不必理解背后的部署差异，但企业管理员仍能设定哪些数据不得离开设备、哪些操作必须经过云端审计。

智能体获得本地上下文，也需要更强隔离

微软表示，未来Copilot能够使用用户电脑中的本地上下文，代表用户执行部分操作，并调用本地AI模型。这让AI从回答问题进一步进入打开文件、组合信息和执行任务，但也使权限边界更重要。

Microsoft Execution Containers（MXC）目前已在Windows上正式可用。微软称，Windows的隔离、身份和设备管理能力可以帮助组织限制智能体能够访问的资源，识别是哪一个智能体执行了操作，并在企业范围统一治理。

对企业而言，关键问题不是“智能体能不能操作电脑”，而是它以谁的身份运行、能访问哪些目录和应用、操作记录保存多久，以及高影响动作是否需要人工确认。容器能够缩小影响范围，但不能替代权限设计和审批。

从普通办公电脑到桌面级AI工作站

微软将混合智能覆盖范围从日常生产力电脑延伸到AI工作站和桌面级高性能系统。合作设备包括始终在线的小型台式机、配备本地AI算力的工作站，以及面向企业桌面的DGX Station类系统。

微软同时公布可预订的Surface Laptop Ultra，采用NVIDIA RTX Spark，并与生态伙伴推动更多本地模型和智能体工具。Windows Search也增加了可直接从任务栏完成工作的操作入口，希望缩短从“找到内容”到“执行任务”的路径。

硬件能力提升并不意味着所有企业都需要购买最高配置。文档摘要、会议整理和轻量分类可能只需要普通NPU或GPU；大型模型推理、代码智能体和专业创作才可能需要更高本地算力。设备选型应从任务、数据和使用频率出发。

混合路由需要明确的决策规则

本地与云端协同会带来新的工程问题：同一任务在不同位置运行，模型版本和输出可能不同；网络中断时需要降级策略；设备资源不足时要避免影响前台工作；数据在本地、边缘和云端之间流动时还需保持日志与权限一致。

企业可以先为任务建立四类标准：数据敏感度、最大允许时延、所需模型能力和单位成本。敏感度高且模型要求不高的任务优先本地运行；需要大模型或跨企业系统的任务进入云端；无法满足策略的任务则暂停并请求人工处理。

编辑观察：AI PC的竞争将从算力转向调度和治理

过去AI PC主要强调芯片每秒能完成多少运算。混合智能把竞争扩展到工作负载调度、应用接口、智能体隔离和企业管理。真正的体验取决于系统能否在用户几乎无感的情况下，选择合适算力并维持安全边界。

微软目前公布的是平台路线和首批能力，具体功能的地区、设备、许可和管理要求仍需逐项确认。企业更适合从一类低风险工作流开始，比较本地、云端和混合三种方案的速度、质量、成本与数据暴露，再决定规模化部署。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：微软官方Source EMEA（2026年10月7日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。