快速构建。智能扩展。面向企业开展销售。

不要单独开发游离于临床工作流之外的单点解决方案。在医疗保健已开展服务的环境中构建方案。与 Dragon Copilot 集成，将差异化功能直接引入文档记录、患者入院、护理协调、预先授权、收入周期和临床决策支持，而无需要求临床医生另外学习使用一种独立的工具。将 Azure Health Data Services 用作 FHIR、DICOM 和医疗技术数据的基于标准的主干，以便产品能够连接到 EHR 与临床系统，同时满足企业对互操作性、治理与缩放的预期。然后使用 Azure AI Foundry 来选择和评估模型、生成和编排智能体、使用医疗保健数据搭建体验基础，并添加客户需要的负责任 AI 控制与监视。结果：节省重建 Microsoft 已有基础结构所需的时间，同时投入更多时间来打造只有你的初创企业才能实现的突破性体验，向买方展示更具说服力的案例，实现从试点到企业部署的更快路径。

健康与生命科学创新不会止步于价值链上的某个环节，你的创新愿景也是如此。从 Microsoft Discovery 入手，构建能够跨科技文献与专有研究数据进行推理的专用 AI 智能体，以助力团队更快从目标识别推进到可行性假设阶段。借助 Azure AI Foundry 选择并评估模型、编排智能体、基于可信数据落地体验，并从项目一开始就在开发中引入负责任的 AI 控制。随着疗法与设备进入临床开发阶段，Azure Health Data Services 可跨研究、试验与诊疗环境连接 FHIR、DICOM 和医疗技术数据。MedImageParse、MedImageInsight 和 CXRReportGen 等医疗保健特定模型可以加速影像工作流，而 Dragon Copilot 则可创造机会将差异化初创企业能力直接引入临床医生的日常工作。从发现到临床试验，再到诊疗现场，Microsoft 为初创企业提供了构建基块，可将突破性理念转化为可缩放的解决方案，最终助力客户改善患者诊疗结果。

健康和生命科学初创企业可通过企业部署推进人群健康、患者护理、医疗保健运营和临床研究。CueZen 与新加坡健康促进委员会合作，在全国范围内提供 AI 支持的个性化健康干预。经过在新加坡开展的一项为期 12 周的研究评估，借助其 NudgeRank 系统，接收个性化提醒的受试者的每日步数增加了 6.17%，每周运动分钟数则增加了 7.61%。Humata Health 与大型卫生系统（包括该国规模最大的五家卫生系统中的三家）合作，利用 AI 和自动化简化了事先授权流程。其平台可自动完成从下单到提交和状态监视的整个流程，并且据 Humata 报告，临床打包效率提高了 80%，同行评审减少了 60%，首次审批通过率则达到了 96%。Ignite Data 与 Mayo Clinic 达成了实现多中心肿瘤试验自动化的企业协议；同时还与 Memorial Sloan Kettering 和 AstraZeneca 合作，正在彻底革新临床数据从 EHR 流入研究的方式。Raapid 在 M12 (Microsoft Ventures) 和 UPMC Enterprises 的支持下取得了 Microsoft Healthcare AI Certified Software 认证，并报告称在各医疗保险客户中，每位成员额外产生 2,000-4,000 美元的收入，投资回报率达到 5 倍。Ema Unlimited 正在将 AI 员工嵌入财富 1000 强医疗机构的工作流，用于实现患者收治和管理自动化，并声称从第一天起即可实现超过 70% 的工作流自动化。这些技术已在全球最知名的医疗机构和医疗组织投入生产环境，证明采用企业级合规性构建的 AI 能够通过医疗行业最严格的安全性和隐私标准。

对创新进行评估期间，创新不会创造价值。对于初创企业而言，这会导致增长被推迟。对于企业而言，问题并未得到解决，并且平台也未能发挥全部潜力。双方都不乏创新愿景。但双方都时间有限。

如果基于 Azure 构建，你的解决方案可以实现企业就绪，可在企业已经拥有和信任的基础机构上运行。采用难度将会降低，从而将你的技术加速推向企业。由于在企业现有投资基础上进行扩展，而非独立并行部署，你的创新不仅能够解决新问题，还可提升已有投资的回报率。

计算领域的每一次重大变革都会催生出此前从未存在的安全类别。网络带来了防火墙。云则带来了态势管理。AI 正在重演这一过程，只不过这个类别仍处于定义阶段。组织采用 AI 技术的速度快于 AI 治理工具的实现，这一差距正是下一代安全企业的诞生之地。

邻近感应非常重要。在 Azure 上，企业强制实施标识、终结点和数据控制所利用的资产与你进行构建的资产相同，机密计算则意味着即使在用于训练时，所需的遥测数据也将始终处于加密状态。这正是仅报告问题的产品和能够解决问题的产品之间的本质区别。管理该领域的公司不会归入某个类别。而是定义这个类别。

网络安全初创企业正在利用涵盖财富 500 强企业、金融机构与政府部门的部署保护全球最关键的基础结构。Silverfort 为 Airbus、Ryanair、Rio Tinto 和 UPS 在内超过 1,000 家企业客户提供保护，每天分析 100 亿次身份验证，总留存率达到 94%。Abnormal Security 在 4 年内年度经常性收入突破 1 亿美元，保护超过 12% 的财富500 强企业，包括 Xerox、Maersk 和 Mattel。Cyera 在财富500 强客户方面实现 353% 的同比增长，赢得 AT&T、Paramount、Nordstrom、Peloton、Chipotle 和 DocuSign 等客户，年度经常性收入超过 1 亿美元，估值则达到 60 亿美元。Endor Labs 说服 Atlassian 替换其原有供应商，随后又签下 OpenAI、Robinhood、Cursor 和 Dropbox；根据 Robinhood 报告，发送给开发人员的安全问题数量减少了 95%。RegScale 为美国海军 NIWC Pacific 在合规自动化方面节省了超过 36 周的时间。Blink Ops 在 2023 年收入增长超过 600%，推动多家 财富500 强客户从试点转向生产。

在金融服务中，集成风险即业务风险。银行在采用新供应商时，将会面临支付通道中断、欺诈检测产生延迟以及审计线索中断的风险。这正是金融机构评估初创企业时，将评估其解决方案的集成方式作为优先工作之一的原因。这些问题即时且具体：它是否支持我们的核心银行平台？ 我们能否保持事务吞吐量？ 它是否会保留合规事件日志？ 从上线首日起，基于 Azure 构建的初创企业即可集成 Temenos、FIS、Jack Henry 等核心银行平台，SWIFT、ACH 和卡组织等支付网络以及欺诈检测系统。借助对加密、交易监视、API 驱动的集成以及全面的审计日志，金融机构可在现有工作流内部署解决方案，同时满足监管要求。解决方案将适配支付通道与结算系统，同时满足性能、审计及基础设施方面的要求。

基于规则的系统处理交易。AI 支持的系统则负责理解交易。金融机构正在从静态规则转向自适应智能模型，此类模型可基于行为检测欺诈、利用替代信号评估信用风险，并依据个人模式提供个性化金融指导。但构建金融级 AI 需要可基于数十亿笔交易开展训练、并可部署亚秒级延迟模型的基础结构。 借助 Azure 的 AI 基础结构，金融初创公司能够跨产品堆栈构建智能。欺诈检测模型有助于在开户阶段识别合成标识方案，并且有助于在资金划转前标记账户接管。信用模型可实时为薄档案申请人评分，从而支持实时放贷决策。个性化引擎可提供支出见解，并根据交易历史记录推荐产品。文档处理模型可自动执行 KYC 验证，有助于简化耗时数天的流程。这些功能依托相同的基础结构运行，基于交易级数据集进行训练，按照金融产品的低延迟要求部署，有助于检测始终领先于威胁，而不是在造成损失后才进行编录。

金融机构面临实现现代化的压力，同时还要满足全球最严格的监管和安全标准。依托 Microsoft 构建的初创公司正在涌现，以同时满足全球银行、金融科技领军企业和专业服务公司的这两项需求。Laurel 已成功获得 Ernst & Young、Grant Thornton 和 Crowell & Moring 等超过 100 家顶尖法律、会计及咨询企业客户；在完成 1 亿美元 C 轮融资前的 12 个月内，实现了 300% 的年度经常性收入 (ARR) 增长，使用量则提升了 500%。Endor Labs 签约 Robinhood，并据报道已将发送给开发人员的安全发现减少了 95%。Wonderful 已在 Banco Caja Social 和 Bank Hapoalim 部署了生产 AI 智能体。在 Banco Caja Social，其催收智能体将联系承诺还款转化率从 45% 提高到 65%。Ema Unlimited 正在为包括 TrueLayer 和 Moneyview 在内的财富 1000 强金融科技公司实现工作流自动化，其部署最多可自动解决 80% 的工单。Moderne 在 2024 年签约五家北美顶级银行，实现了 250% 的客户群增长，从而实现了对支撑金融基础结构的数百万行旧版代码的现代化。

商店运营团队通过一项测试来评估新技术：它是否适用于每个商店、每一天，以及我们已运行的内容？ 自助结账、机器人技术与 AI 规划引擎必须跨数千个位置可靠地接入 POS、库存及员工系统，而不会中断交易或人员排班工作流。 基于 Azure 的初创企业可以支持 SSO 和 SAML 身份验证、基于角色的访问控制以及与 POS、库存和 ERP 系统的 API 集成。多区域部署支持全局运营，而可用时间 SLA 和供应商就绪风险评估则可帮助 IT 团队推进评估。通过此方式，零售商可将全新业务体验接入现有运营，而无需仅为和初创企业开展合作而重新构建技术基础。

大型全渠道零售商具备开展 AI 创新的理想条件：庞大的交易量、丰富的运营数据以及复杂的商店网络（在此类网络中，即使效率提升幅度较小，也能够转化为客观的毛利和利润）。如果 AI 能够跨数百或数千个位置优化库存、劳动力与定价，其影响将会快速叠加。 依托 Azure 和微软 AI 构建的初创企业可接入零售商的现有数据与系统，以更无缝地解锁这一价值。通过整合 POS、库存、电子商务及传感器数据，企业可训练模型来优化需求预测、自动补货，并依据预测的影响确定商店任务的优先级。在实际工作中，AI 可保障关键商品库存充足、减少无效的员工巡场、优化定价与促销，并缩短结账流程，所有这一切都会因现代全渠道零售业的规模效应而进一步放大。

零售业正以前所未有的速度实现转型。从自助商店到店内 AI 支持的规划和机器人技术，依托 Microsoft 构建的初创企业正在助力部分全球最大零售企业大规模重塑客户体验与运营。Auger 正在为 Meta Reality Labs、Fanatics 和 Kimberly-Clark 的供应链引入智能体 AI；在 Fanatics，Auger 管理的流程中，约 85% 的决策是自主完成的。AiFi 与 Microsoft 合作开展 Smart Store Analytics，并为 Carrefour、Albert Heijn 和 Żabka 等零售商以及 Ford Field 的 Detroit Lions 部署了自主商店技术，使平均交易时间缩短了 50%，人均收入提高了 170%。Toolio 加入了 Microsoft for Startups Pegasus 计划，并获得 Microsoft for Retail AI Certified 认证，为 Boll & Branch、MeUndies、Magnolia 和 Rothy's 等品牌提供服务，同时提供与 Dynamics 365 和 Power BI 的集成。Typeface 为包括 Microsoft、ASICS、Marks & Spencer 和 Johnson Controls 在内的客户提供支持。General Robotics 正在通过 GRID 将 AI 扩展到实体运营领域。该公司表示，这可将新机器人载入时间从约一个月缩短至最短两小时。