想象一个未来，一个 AI 代理不仅能帮你预订下一次度假行程，还能根据你的目的地、天气预报以及网络上最优惠的价格，为你提供购物清单。只需再点一下，它就能代表你完成购买，并确保这些商品在你的航班起飞前充足地送达。你再也不会忘记必备品，比如护目镜或防晒霜。
仅仅在一年之内，随着先进大语言模型和既能部署在云端又能部署在边缘的领域专用小型语言模型的出现，AI 和机器学习就达到了新的高度。虽然这种智能已成为我们应用程序中所期望的基础水平，但企业 AI 的未来在于结合强大模型、智能代理和人工决策指导的复杂多智能体工作流。这个市场正在迅速发展。根据 Deloitte 最近的研究，到 2027 年，50% 使用生成式 AI 的公司将启动 agentic AI 的试点项目或概念验证。
AI 领域正处于不断变革之中，这得益于 AI 代理的突破、 Azure AI Foundry 等前沿平台以及 NVIDIA 强大的基础设施的推动。展望 2025 年，这些创新正重新塑造技术格局，并彻底变革企业运营和战略。
AI 代理：主动、个性化且具情感智能
AI 代理已经成为现代企业的重要组成部分，它们不仅提升了生产力和效率，更通过智能决策和个性化体验释放出全新的价值潜力。最新趋势显示，AI 代理正显著转向主动型，能够预见用户需求并自主采取行动。这些代理越来越多地具备超个性化能力，根据个人偏好和行为定制交互体验。
多模态能力使代理能够处理并响应文本、语音和图像等各种形式的输入，这也在不断变得更为成熟，从而实现无缝和自然的互动。更令人兴奋的是，AI 代理的情感智能正获得关注。通过理解和响应人类情感，这些代理不仅提升了生产效率，而且显著改善了服务质量——使得交互过程更加个性化、更具人性化，并最终更有效，特别是在客户服务和医疗保健等领域。
Azure AI Foundry：赋能企业 AI 创新的智能体工厂
Microsoft 的 Azure AI Foundry 站在 AI 的最前沿，它提供了一个统一平台，用于大规模设计、定制、管理和支持企业级 AI 应用和代理。Azure OpenAI 最近推出的 GPT-4.5 模型以及 Microsoft 的 Phi-4 模型展示了自然语言处理和机器学习方面的重大进步。这些模型能提供更准确、可靠的响应，降低“幻觉”发生率，并增强与人的契合度。
Azure AI Foundry 同时简化了定制和微调的过程，使企业能够根据具体需求定制 AI 解决方案。该平台与 GitHub 和 Visual Studio Code 等工具的集成，简化了开发流程，使开发人员和 IT 专业人士都能轻松上手。此外，企业代理的升级推动了更强大、更灵活的 AI 代理的创建，这些代理能够应对复杂的任务和工作流。
案例分析：印度航空
印度航空，这个国家的旗舰航空公司，利用 Azure AI Foundry 提升了其客户服务运营。通过将虚拟助手的核心自然语言处理引擎更新至最新的 GPT 模型，印度航空实现了 97% 的客户查询自动处理，大幅降低了支持成本并提升了客户满意度。这一转型充分展现了 Azure AI Foundry 在推动运营效率和创新方面的潜力。了解更多。
NVIDIA NIM 与 AgentIQ 为 agentic AI 工作流注入强大动力
更进一步，Microsoft 与 NVIDIA 正通过将 NVIDIA NIM 微服务集成到 Azure AI Foundry 中，为企业 AI 带来全新效率。这些零配置、预先优化的微服务使得在从大语言模型到高级分析等各种工作负载中，轻松部署高性能 AI 应用成为可能。借助无缝 Azure 集成和企业级的可靠性，组织可以迅速且具有成本效益地扩展 AI 推理。
根据 NVIDIA 的说法，当 Azure AI Agent Service 与 NVIDIA AgentIQ（一套开源工具包）配对时，开发者现在可以实时分析和优化 AI 代理团队，以降低延时、提升准确性并降低计算成本。AgentIQ 提供丰富的遥测和性能调优功能，使开发者能够动态提升代理执行效果。
“在 Azure AI Foundry 中推出 NVIDIA NIM 微服务，为 Epic 部署开源生成式 AI 模型提供了一种安全高效的方式，这些模型能改善患者护理、提升临床和运营效率，并发掘推动医疗创新的新见解，” Epic 云和分析副总裁 Drew McCombs 表示。“我们还与 UW Health 和 UC San Diego Health 合作，研究利用这些先进模型评估临床摘要的方法。我们正共同运用最新的 AI 技术，真正改善临床医师和患者的生活。”
采用 NVIDIA TensorRT-LLM 优化的 Meta Llama 模型
通过 NVIDIA TensorRT-LLM 优化，性能和成本效益进一步得到提升，目前这些优化已应用于 Azure AI Foundry 上流行的 Meta Llama 模型，包括 Llama 3.3 70B、3.1 70B、8B 和 405B，无需任何配置即可实现瞬时吞吐量和延时改善。
像 Synopsys 这样的早期用户报告了变革性的成果：加速工作负载、降低基础设施成本并实现更顺畅的部署周期。这一性能提升得益于深度 GPU 级别的优化，能够实现更高的 GPU 利用率并降低总体拥有成本。
“在 Synopsys，我们依赖最前沿的 AI 模型来驱动创新，而 Azure AI Foundry 上经过优化的 Meta Llama 模型展现了卓越的性能，” Synopsys Central Engineering 工程副总裁 Arun Venkatachar 说道。“我们在吞吐量和延时上都看到了显著提升，这使得我们在加速工作负载的同时还能优化成本。这些进步使 Azure AI Foundry 成为高效扩展 AI 应用的理想平台。”
无论你是部署无服务器 API，还是利用 Azure 虚拟机或 Azure Kubernetes Service 自行管理基础设施，开发者现在都可以灵活构建 NVIDIA 的推理堆栈，并通过 Azure Marketplace 上的 NVIDIA AI Enterprise 获得企业支持。
NVIDIA 基础设施：驱动 AI 革命
NVIDIA 持续引领 AI 基础设施领域，有预测指出，未来将向量子计算和液冷数据中心转型。量子计算的进展，尤其是错误校正技术的提升，有望增强计算能力和效率，从而解决当前限制量子硬件的不稳定性问题。
向液冷数据中心的转变是另一项关键趋势，这一转变是由对更高性能和能效的需求推动的。与此同时，数据中心架构也在转型，向集成计算结构发展，以便促进数千个 AI 加速器之间的通信。凭借在 AI 硬件和软件领域的主导地位，以及与各大公司的战略合作，NVIDIA 正稳居企业 AI 领域的关键位置。
了解更多如何利用 Azure AI Foundry、NVIDIA NIM 和 NVIDIA AgentIQ 加速 agentic 工作流。
Mike Hulme Microsoft 数字与应用创新总经理
赞助文章是由某公司为该文章付费或与 VentureBeat 存在业务关系而制作的内容，并始终有明确标识。如需更多信息，请联系 sales@venturebeat.com。
