微软四大IQ详解:为AI智能体提供上下文的接地能力

微软四大IQ是为AI智能体提供企业级上下文的四条独立接地通道,分别覆盖知识、业务数据、办公协作和实时网络。
微软在 Build 大会推出的 Foundry IQ、Fabric IQ、Work IQ 和 Web IQ,本质上都是"接地能力"——让 AI 智能体不再依赖静态训练知识凭空作答,而是连接到真实数据源获取上下文。四条通道各有分工:Foundry IQ 通过搜索索引器检索 SharePoint 等知识库中的非结构化文档;Fabric IQ 将 OneLake 中的结构化业务数据以智能体可消费的方式暴露,而非直接提供 Power BI 报表;Work IQ 打通 Outlook、Teams 等办公协作系统,让智能体理解组织内部动态;Web IQ 则提供实时网络搜索,弥补内部数据的时效性缺口。企业可按需选择接入哪些通道,灵活组合构建符合具体场景的智能体。
在微软 Build 大会上,被问得最多的一个问题是:这四个 IQ 到底是什么?微软如今推出了 Foundry IQ、Fabric IQ、Work IQ 和 Web IQ 四种能力,名字相似却各司其职。要理解它们,关键要抓住一个共同点——它们都是接地能力(grounding capability),也就是为 AI 智能体提供上下文的不同方式。
什么是接地能力
所谓接地(grounding),是让 AI 智能体不再"凭空作答",而是基于真实、可靠的数据来源来生成结果。孤立的大模型只能依赖训练时的静态知识,容易产生幻觉或过时信息。而接地能力的作用,就是把智能体连接到企业内部知识、业务数据、办公协作系统乃至实时网络,让它真正"知道该看哪里"。

微软把这套接地体系拆分成四条独立通道,分别对应知识、数据、办公应用和网络四个维度。这种模块化的设计思路,本质上是承认单一数据源无法满足企业级智能体的复杂需求——不同场景需要不同的上下文来源。
接地能力在技术上对应的是 RAG(Retrieval-Augmented Generation,检索增强生成)架构的核心思想。RAG 的基本做法是:在大模型生成回答之前,先从外部数据源检索相关内容,将其作为上下文注入提示词(prompt),再由模型基于这些"实时检索到的事实"来回答问题。这样做的好处是双重的:一方面显著降低模型"凭空编造"的幻觉风险,另一方面让模型无需重新训练就能访问最新或私有数据。微软将四个 IQ 设计为独立通道,本质上是针对企业不同数据孤岛(knowledge silos)分别建立了检索管道,确保每种数据类型都能以最适合的方式被索引和召回。
四大IQ各自的定位
Foundry IQ:面向知识库
Foundry IQ 负责的是知识层面。它面向存储在知识库中的内容,通过搜索索引器(search indexer)对 SharePoint 等系统中的资料进行索引。简单说,当你的企业文档、内部资料需要被智能体理解和调用时,Foundry IQ 就是那条通道。它解决的是"智能体如何检索到正确知识"的问题。
搜索索引器(search indexer)在这里扮演的角色类似于传统搜索引擎的爬虫与倒排索引机制:它定期抓取 SharePoint 等内容源中的文档,将文本切分成向量(embedding),存储到向量数据库中。当智能体发起查询时,系统将问题同样转化为向量,通过相似度检索(如余弦相似度)找到最相关的文档片段,再将其送入大模型生成最终答案。这一流程让智能体能够"读懂"企业内数以万计的非结构化文档,而无需把所有文件都塞进模型的上下文窗口——后者既昂贵又受限于 token 数量上限。
Fabric IQ:面向业务数据
Fabric IQ 处理的是存放在 OneLake 目录中的数据——也就是你平时用来制作 Power BI 报表的那类结构化业务数据。

这里有一个很实际的洞察:你不会把一堆 Power BI 报表直接丢给智能体,因为那对它毫无意义。智能体需要的是以智能体方式(agentic way)访问数据的能力,而不是给人看的可视化报表。Fabric IQ 正是把业务数据以适合智能体消费的形式暴露出来,让它能够真正理解和运用这些数据。
OneLake 是微软 Fabric 平台的统一数据湖存储层,设计理念类似于"数据的 OneDrive"——整个组织的结构化数据(如销售记录、财务报表、运营指标)集中存放于此,供 Power BI、Synapse Analytics 等工具消费。Fabric IQ 的关键挑战在于,智能体消费数据的方式与人类截然不同:人类通过图表和仪表盘理解趋势,而智能体需要能够执行语义查询、动态聚合计算,甚至生成 SQL 语句来提取所需数据切片。因此 Fabric IQ 的工作是在 OneLake 数据之上建立一层"智能体友好"的访问接口,使自然语言查询能被转译为结构化数据操作,而非简单地把 Power BI 报表截图喂给模型。
办公与网络:Work IQ 和 Web IQ
Work IQ:面向微软办公应用
Work IQ 可以理解为所有微软应用的智能体版本——包括 Outlook、Teams、SharePoint、Word 等。它让智能体能够访问邮件收件箱、Teams 聊天记录等日常协作内容。

这一层的价值在于打通了办公场景。企业中大量有价值的上下文其实散落在邮件和即时通讯里,Work IQ 让智能体得以进入这些原本封闭的协作系统,从而理解组织内正在发生的事情。
Web IQ:面向实时网络
顾名思义,Web IQ 面向的就是网络。它是一种面向智能体的超快网络搜索能力,让智能体能够接入实时信息。

有了 Web IQ,智能体不再局限于企业内部数据,而是能够了解外部世界正在发生什么。这对于需要最新动态、市场信息或时事背景的任务尤为关键,弥补了内部数据源的时效性短板。
四条通道的整体逻辑
把四个 IQ 放在一起看,微软的设计逻辑就清晰了:Foundry IQ 管知识,Fabric IQ 管业务数据,Work IQ 管办公协作,Web IQ 管实时网络。它们覆盖了企业智能体可能需要的绝大多数上下文来源,共同构成一套完整的接地体系。
对企业而言,这种拆分意味着可以按需组合——根据具体智能体的用途,选择接入相应的数据通道,而不必让每个智能体都背负所有数据源的负担。这既是灵活性的体现,也反映出微软对企业级 AI 落地的理解:智能体的价值上限,很大程度上取决于它能接触到多丰富、多准确的上下文。
相关推荐

Jackbox新游《Hear Say》试玩:用声音制造混乱的派对游戏
Yogscast试玩Jackbox新作《Hear Say》:玩家需在极短时间内录制声音诠释提示词,靠即兴与搞笑取胜。这款派对游戏门槛低、笑料足,适合多人聚会与直播互动。

LLM时代如何学编程:AI辅助下的能力构建之道
LLM时代该如何学编程?AI降低了写代码的门槛,却提高了理解代码和系统判断的价值。本文分析AI辅助学习的正确方式,以及未来程序员的核心竞争力所在。

用任务定制PPO让拟人机械手学会"行走"
探讨如何用任务定制化PPO强化学习算法训练拟人机械手完成行走动作,分析PPO在高自由度控制中的优势、奖励函数设计要点以及sim-to-real迁移等开放问题。