纳德拉表示微软的目标是通过自研 MAI 模型，在 3 到 6 个月内以低得多的训练成本追平领先模型。
我们的目标是推进成本与效果的前沿，即在领先模型发布后 3 到 6 个月内，以远低的训练成本提供可比能力，从而把成本优势转让给客户。原文 (en)
Our goal is to advance the cost-to-outcome frontier, which means delivering capabilities comparable to leading models within 3 to 6 months of their release at a fraction of the training cost, thereby allowing us to transfer those cost benefits to customers.
纳德拉表示微软总人力成本将下降，人均成本上升，同时每位研究员可用的 GPU 将增加。
“我们的总人力成本会下降，”他说。“人均成本会上升。而我为每位研究员配备的 GPU 会增加。”原文 (en)
"Our total people cost will go down," he said. "Our cost per head will go up. And my GPU per researcher will go up."
Nadella 表示 Maia 200 已实现最高 1.7 倍每瓦 token 产出，Maia 300 将比领先 GPU 系统高 40%。
Maia 200 已在 Teams 和 Copilot 的 AI 体验中实现最高 1.7 倍的每瓦 token 产出。Maia 300 将带来进一步提升，每瓦 token 产出比领先的基于 GPU 的系统高 40%。原文 (en)
Maia 200 is already delivering up to 1.7 times more tokens per watt across AI experiences in Teams and Copilot. Maia 300 will drive further gains, delivering 40% more tokens per watt compared to leading GPU-based systems.
纳德拉表示，随着AI智能体承担更高价值的工作，按消耗计费将释放由业务部门出资、与智能体价值直接挂钩的需求，而不再只依赖IT预算。
“通常由IT部门出资，为整个组织整合前沿进展。随着智能体承担更高价值的工作，按消耗计费将释放由业务部门出资的需求，支出与这些智能体创造的价值直接挂钩。”原文 (en)
"Typically, IT funds this, consolidating frontier advances for everyone across the organization," Nadella said of the changing spending models within enterprises. "As agents take on higher-value work, consumption opens up business-funded demand with spending tied directly to the value these agents deliver."
纳德拉称 Microsoft Execution Containers（MXC）是跨 Windows 及其他平台管控和约束 AI 智能体的策略驱动执行层，OpenAI、Anthropic 和 Muse 都在采用。
一个由策略驱动的执行层，可在 Windows 及其他平台上管控并约束智能体。原文 (en)
a policy-driven execution layer that governs and contains agents across Windows and other platforms.
纳德拉表示随着智能体获得更多企业数据和系统访问权，安全更为关键，微软的方法是将智能与权限分离，在模型之外执行权限、监控和隔离。
将智能与权限分离原文 (en)
separate intelligence from authority