我在自学新知识、或者给别人做培训时，总会遇到一个问题——大家学着学着就忘了前面学过的内容，要么就是对一些概念理解不够深入，结果花了很多时间，却没能真正把知识“吃透”。于是，我和团队的小伙伴们开始思考：有没有一种工具，既能让大家在自学过程中更好地记忆知识点，又能在培训现场为学员提供更沉浸、更有效的学习体验？于是，就有了 Brainwave 的雏形。

Brainwave 是什么？

简单来说，Brainwave 是一款结合了多种交互式学习方式的辅助平台，你可以把它想象成一个“智慧学习助理”。它能够帮助我们在学习新知识的时候，更系统地进行内容梳理、记忆强化和理解深化。在培训场景中，Brainwave 也可以通过一系列互动式的练习或游戏化设计，让学员更好地参与到课程当中，从而提升学习效果。

主要功能亮点

1. 交互式记忆卡片
   Brainwave 里有一个“记忆卡片”功能，可以把知识点拆解成更小的单元，配合提示、关键词等方式，让大家在反复练习中逐渐形成“肌肉记忆”。不仅适用于背单词、记概念，对一些技术性的操作步骤、流程记忆也很管用。
2. 可视化学习路径
   很多时候，我们在学习一个复杂主题时，往往需要先掌握基础概念，再逐步深入进阶内容。Brainwave 提供了可视化的“学习路径”，帮助我们明确先学什么、再学什么，避免一上来就被大量的高阶知识给“淹没”。
3. 互动式测试与反馈
   不管是自学还是在培训现场，测试和即时反馈都很重要。Brainwave 提供了多种测验形式，包括选择题、填空题、情景模拟等。完成测试后，会立即给出反馈，并根据你的答题情况提供个性化的复习建议，帮助你找出薄弱环节。
4. 多人协作与讨论
   学习不应该是孤立的。Brainwave 允许多人同时在线协作、讨论和共享笔记。对于培训讲师来说，也可以在课程中实时收集学员的答题数据和反馈，以便随时调整教学节奏和内容。

应用场景

• 自学：对于个人学习者而言，Brainwave 就像一个私人导师，既能给你提供清晰的学习路径，也能用测试、卡片、笔记等方式不断帮你巩固记忆点。
• 企业培训或教育机构：在培训过程中，讲师可以将培训内容、测验题库都搬到 Brainwave 上，学员可以随时随地通过手机或电脑进行互动式学习，并及时获取个性化反馈。对于培训管理者而言，还能查看整体学习数据，了解培训效果。

我们的愿景

我和团队希望 Brainwave 不仅仅是一个工具，而能成为帮助学习者深度理解和长久记忆的“伙伴”。在知识爆炸的时代，如何高效地学习和掌握信息，是我们每个人都要面对的挑战。Brainwave 的目标，就是通过不断优化的学习方法论和技术手段，让人们在学与用之间找到更紧密的结合点。

如何体验 Brainwave？

目前项目已经开源，并且有一个简易的演示站点，大家可以在 azurebrainwave.github.io 上了解更多信息。我们非常欢迎各位学习爱好者、培训讲师以及对教育科技感兴趣的朋友，来一起探索、提出意见或贡献代码。

结语

回顾整个项目的开发过程，我自己也收获颇丰。既学习了新的技术，又在实践中不断反思“学习体验”该如何被优化。希望 Brainwave 能给你带来更好的学习之旅，如果你在使用中有什么想法或者需求，也欢迎随时跟我交流。让我们一起让学习变得更有趣、更有效！

最近在推特上刷到一个链接（aka.ms/CopilotStudioDemos），点进去发现是Copilot Studio的一些演示和教程，觉得还挺有意思的。今天就想跟大家聊聊我的看法和体验，AI感兴趣的朋友可以看看，说不定会有点收获。

Copilot Studio是个啥？

简单来说，Copilot Studio是微软搞的一个平台，能让你自己动手做AI助手或者虚拟代理。比如想弄个智能客服，或者给自己整一个帮手，这个工具都能派上用场。而Copilot Studio Demos就是官方给的一些示例和教程，帮你快速摸清门路。基本上就是“看看、学学、试试”的节奏，很适合想上手又不知道从哪开始的人。

---

Demos里都有啥内容？

我点进链接（aka.ms/CopilotStudioDemos）随便逛了逛，内容还挺多的，涵盖了不少场景：

• 自定义AI助手：教你怎么做一个能处理日常任务的小帮手。
• 虚拟代理：适合自动化一些重复的工作，省时省力。
• 跟Microsoft 365联动：能把AI功能加到Word、Excel里，处理文档数据更方便。
• 多平台使用：做好助手后还能部署到网站或者APP上，随时用得上。

这些演示不光是展示功能，还有具体的步骤和案例，感觉挺实用的。

---

怎么用这些Demos？

用起来其实很简单。点开链接（aka.ms/CopilotStudioDemos），里面有视频、文档和教程，直接跟着学就行。我试了几个，感觉步骤讲得还算清楚，哪怕是AI新手也不会觉得太难。

---

看这些Demos有啥用？

看完这些演示，感觉还是有不少好处的：

1. 上手快：没啥基础也能通过这些教程快速入门。
2. 找灵感：别人的案例能给你一些点子，挺有启发。
3. 解决问题：卡壳的时候看看演示，多少能找到点思路。
4. 练手艺：跟着教程做几个项目，AI相关的技能也能慢慢提上来。

---

最后说两句

总的来说，Copilot Studio Demos是个不错的资源，尤其是对想试试AI能干啥的中国用户来说。里面的材料挺丰富，能学到东西也能上手试试。如果你对AI有点兴趣，可以去aka.ms/CopilotStudioDemos瞧瞧。我已经开始琢磨着做个小助手玩玩了，你要不要也试试？

有啥想法或者问题，欢迎在评论区聊聊，一起研究研究AI还能怎么玩！

最近我在给客户做 Copilot 培训的时候，发现一个挺普遍的现象：很多听众对 Copilot 的三个版本——Copilot、Copilot Pro 和 Copilot for Microsoft 365——之间的区别感到迷雾重重。他们很想搞清楚这三者到底有啥不同，但翻遍了 Microsoft 官网也没找到一个简洁直观的对比。为了帮大家解惑，我决定自己动手写一篇博客，用大白话把这三个版本的区别掰开揉碎讲清楚。希望看完这篇，你们能轻松选出最适合自己的 Copilot！

---

先来认识一下这三个版本

Microsoft Copilot 目前有三个版本，定价和定位都不一样：

• Copilot（免费版）：完全免费，适合想尝鲜 AI 助手的小伙伴。
• Copilot Pro（20 美元/月）：每月 20 美元，面向个人用户的高级版，功能更丰富。
• Copilot for Microsoft 365（30 美元/月）：每月 30 美元，专为企业用户设计，几乎是“全家桶”级别。

为了确保信息准确，我特意查了 Microsoft 官网最新的资料。放心，文中用到的产品名和功能名都是最新的，比如“Copilot GPT Builder”现在叫“Copilot Builder”，这些细节我都核对过了。下面就来详细聊聊它们的区别吧！

---

基础功能大比拼

先从大家最关心的基础功能说起，我把它们列得清清楚楚：

1. 网页内容支持（Web Grounding）

• Copilot（免费版）：✔ 支持
• Copilot Pro：✔ 支持
• Copilot for Microsoft 365：✔ 支持

小评：这点上三兄弟没差别，都能从网页抓取信息帮你解答问题或生成内容，基础体验很到位。

2. 商业数据保护（Commercial Data Protection）

• Copilot（免费版）：✘ 不支持
• Copilot Pro：✔ 支持
• Copilot for Microsoft 365：✔ 支持

小评：免费版没有数据保护功能，Copilot Pro 和 Copilot for Microsoft 365 则能保护你的工作数据不被乱用。尤其是 Pro 版，用工作账户（Entra ID 登录）时也能享受这待遇，挺贴心的。

3. 优先模型访问（Priority Model Access）

• Copilot（免费版）：✘ 不支持
• Copilot Pro：✔ 支持
• Copilot for Microsoft 365：✔ 支持

小评：高峰期用免费版可能会排队等响应，而 Pro 和 Microsoft 365 用户有优先权，速度更快，体验更丝滑。

4. 在 Microsoft 365 应用中使用 Copilot

• Copilot（免费版）：✘ 不支持
• Copilot Pro：✔ 支持（需额外订阅 Microsoft 365 Personal 或 Family）
• Copilot for Microsoft 365：✔ 支持

小评：想在 Word、Excel、PowerPoint、Outlook、OneNote 里用 Copilot？免费版不行。Pro 用户得再加个 Microsoft 365 个人或家庭订阅，而 Microsoft 365 版直接内置支持，省心不少。

5. 在 Teams 中使用 Copilot

• Copilot（免费版）：✘ 不支持
• Copilot Pro：✘ 不支持
• Copilot for Microsoft 365：✔ 支持

小评：只有 Microsoft 365 版能在 Teams 里用 Copilot，比如自动整理会议笔记，团队协作效率直接起飞。个人用户暂时只能羡慕了。

6. Microsoft Graph 内容支持

• Copilot（免费版）：✘ 不支持
• Copilot Pro：✘ 不支持
• Copilot for Microsoft 365：✔ 支持

小评：这个功能很强，能让 Copilot 访问你在 Microsoft 365 里的邮件、日历、文件，给你超个性化的帮助。遗憾的是，只有 Microsoft 365 版有这福利。

7. 企业级数据保护（Enterprise-Grade Data Protection）

• Copilot（免费版）：✘ 不支持
• Copilot Pro：✘ 不支持
• Copilot for Microsoft 365：✔ 支持

小评：企业级保护是为大公司量身定做的，安全性和合规性拉满，个人用户基本用不上，但对企业来说是刚需。

---

定制化功能谁更强？

除了基础功能，定制化也是很多人关心的一点，来看看吧：

1. Copilot Builder（原名 Copilot GPT Builder）

• Copilot（免费版）：✘ 不支持
• Copilot Pro：✔ 支持
• Copilot for Microsoft 365：✘ 不支持

小评：Copilot Builder 能让你自己动手打造专属 AI 助手，Pro 用户独享。我觉得这功能挺适合喜欢折腾的人，定制化空间很大。

2. Copilot Studio

• Copilot（免费版）：✘ 不支持
• Copilot Pro：✘ 不支持
• Copilot for Microsoft 365：✔ 支持

小评：Copilot Studio 是企业级的定制平台，能开发复杂的 Copilot 体验。Microsoft 365 用户可以用它做大项目，个人用户可能觉得有点“杀鸡用牛刀”。

---

哪个版本适合你？

聊了这么多，总结一下这三个版本的定位：

• Copilot（免费版）：基础款，适合想试试 AI 助手的小伙伴，功能简单但够用。
• Copilot Pro（20 美元/月）：个人用户的高级选择，多了商业数据保护、在 Microsoft 365 应用里用 Copilot（需订阅）、还有 Copilot Builder。我觉得 Pro 版挺适合我这种爱折腾又有点效率控的人。
• Copilot for Microsoft 365（30 美元/月）：企业用户的“全能王”，支持 Teams、Graph、企业级保护和 Copilot Studio，简直是公司团队的福音。

---

写在最后

总的来说，Copilot 的三个版本各有千秋，选哪个完全看你的需求。个人用户可以根据预算和功能需求挑 Copilot 或 Copilot Pro，企业用户直接上 Copilot for Microsoft 365 准没错。希望这篇对比能帮你理清思路，找到最适合自己的版本。如果你也对 Copilot 感兴趣，不妨试试看，相信它会给你的工作和生活带来不少惊喜！

协调世界时 (UTC) 是云解决方案数据层的建议时区。在全球化的应用场景中，尤其是在跨地域的云服务中，UTC 提供了一个统一的时间基准，能够有效避免因时区差异导致的数据不一致和计算复杂性。Azure SQL 数据库作为微软云平台提供的托管关系数据库服务，默认推荐使用 UTC 来存储和管理时间数据。然而，在我为客户提供 Azure SQL 相关培训的过程中，总有客户向我提出关于时区设置的疑问：既然数据库中存储的是 UTC 时间，如何在客户端显示用户的本地时区时间呢？为了回答这个问题，我整理了这篇文章，详细探讨 Azure SQL 数据库中时区问题的背景和解决方案：

由于标准化、一致性和跨地域数据管理的需求，Azure SQL 数据库中的时间数据通常以 UTC 格式存储。这种做法在多地域部署或需要数据可移植性的场景下尤为重要。然而，当企业需要在客户端显示本地时区时间时，就需要在 UTC 时间的基础上进行合理的处理。以下是几种可行的解决方案：

1. 在应用程序层面处理时区转换

• 方法概述：将从数据库中查询出的 UTC 时间传递到应用程序层，然后根据用户的时区偏好进行转换。
• 实现方式：在应用程序代码中使用编程语言提供的时区转换工具。例如，在 C# 中，可以利用 TimeZoneInfo.ConvertTimeFromUtc 方法将 UTC 时间转换为目标时区；在 Python 中，可以使用 pytz 库进行类似操作。
• 优点：这种方式灵活性高，应用程序可以根据用户的实时时区需求动态调整时间显示。
• 注意事项：需要确保应用程序能够准确获取用户的时区信息，并妥善处理夏令时等特殊情况，以避免时间转换错误。

2. 在数据库中存储时区信息并进行转换

• 方法概述：在数据库中为每个用户或记录添加一个时区字段，并在查询时利用 SQL 函数将 UTC 时间转换为本地时区。
• 实现方式：Azure SQL 数据库支持 AT TIME ZONE 函数，可以在查询中直接将 UTC 时间转换为指定时区。例如： sqlCollapseWrapCopySELECT GETUTCDATE() AT TIME ZONE 'UTC' AT TIME ZONE 'Eastern Standard Time' AS LocalTime; 通过在表中存储用户的时区标识（如 “Eastern Standard Time”），即可动态生成本地时间。
• 优点：适合需要频繁查询和转换的场景，减少了应用程序的处理负担。
• 注意事项：需要确保数据库版本支持 AT TIME ZONE 函数，同时维护时区数据的准确性，避免因数据不一致导致转换错误。

3. 利用客户端设备的时区设置

• 方法概述：将时区转换的责任交给客户端设备，直接使用设备的本地时区设置来调整显示时间。
• 实现方式：在 Web 应用程序或移动应用中，客户端可以通过 JavaScript（如 Intl.DateTimeFormat）或设备系统 API 获取本地时区，并将从数据库接收的 UTC 时间转换为本地时间。
• 优点：简化了数据库和应用程序的逻辑，适用于客户端设备能够提供可靠时区信息的场景。
• 注意事项：如果客户端设备的时区设置不正确，显示的时间也会出现偏差，因此需要一定的验证机制。

4. 在数据传输过程中进行时区转换

• 方法概述：在数据从数据库传输到客户端的过程中，通过中间层（如 API 网关）完成时区转换。
• 实现方式：在 API 响应中，根据客户端请求头中提供的时区信息，将 UTC 时间转换为目标时区后返回。例如，API 可以读取 HTTP 请求中的时区参数，并在返回数据前完成转换。
• 优点：减轻了应用程序和客户端的负担，适合集中式管理的系统架构。
• 注意事项：这种方法需要额外的中间件支持，可能会增加系统的复杂性和维护成本。

总结

Azure SQL 数据库推荐使用 UTC 作为时间存储的标准化格式，以确保数据一致性和跨地域操作的可靠性。然而，为了满足企业在客户端显示本地时区时间的需求，可以根据具体场景选择合适的处理方式：在应用程序层面灵活转换、在数据库中利用 AT TIME ZONE 函数、在客户端设备上直接调整，或通过中间层在传输时转换。每种方法都有其适用场景和优缺点，企业应根据应用程序架构、性能要求和用户体验需求权衡选择。无论采用哪种策略，关键在于确保时区转换的准确性和一致性，从而避免因时间问题影响数据可靠性或用户满意度。

最近我在弄一个 Azure 项目的时候，碰到了 PaaS 服务的网络配置问题，觉得挺有意思的，想跟大家分享一下。Azure 的 PaaS 服务，比如 Azure AI 服务、App Service 这些，网络配置选项直接关系到服务的安全性和访问控制，怎么设置合适，真得好好琢磨一下。今天我就结合 Azure 门户里的实际界面，和大家详细聊聊这三个常见的网络配置选项。

我在 Azure 门户里配置一个 AI 服务资源时，看到网络设置页面里“类型”旁边的三个选项，分别是“所有网络”、“选定网络”和“禁用（专用终结点）”。这三个选项基本上涵盖了大部分使用场景，我会逐一讲解它们的含义、适用场景，还会带点实际配置的例子，让大家更容易上手。

---

网络配置的三大选项

Azure PaaS 服务的网络配置主要就这三个选择，简单来说：

1. 所有网络（包括 Internet）均可访问资源
   就是完全开放，谁都能访问你的服务。
2. 选定网络，为您的 Azure AI 服务资源配置网络安全
   只让指定的网络访问，比如某个公网 IP 或者 Azure 虚拟网络。
3. 禁用，任何网络都无法访问资源，可以配置专用终结点
   彻底关掉外网访问，只能在 Azure 内部网络里用。

下面我来详细拆解一下这三个选项。

---

1. 所有网络（包括 Internet）均可访问资源

这个选项的意思很简单：你的 PaaS 服务对全世界开放，不管是 Internet 上的用户，还是 Azure 内部的资源，都能直接连进来。Azure 门户里写的是“所有网络（包括 Internet）均可访问资源”，一看就懂。

适用场景

• 公开服务：比如你开发了一个面向公众的 API，或者一个电商网站，这种情况下你希望全球用户都能访问。
• 开发测试：项目刚起步的时候，可能还没想好安全策略，或者需要从各种地方测试服务，这个选项就很方便。

优缺点

• 优点：配置最简单，创建完服务就能用，不用额外设置。
• 缺点：安全性几乎为零，谁都能访问，容易被恶意攻击。生产环境里一般不会这么用。

小贴士

很多 PaaS 服务刚创建时，默认就是这个选项。所以如果你的服务上线了，记得赶紧检查一下，别忘了改成更安全的配置。

---

2. 选定网络，为您的 Azure AI 服务资源配置网络安全

这个选项稍微高级一点，意思是只有你指定的网络才能访问服务。怎么指定呢？可以在 Azure 门户里设置允许的公网 IP 地址，或者关联一个 Azure 虚拟网络（VNet）。界面上会显示“选定网络，为您的 Azure AI 服务资源配置网络安全”，选了这个之后，下面会多出配置区域。

具体配置

• 公网 IP：你可以输入具体的 IP 地址或者 IP 范围。比如你公司的公网 IP 是 203.0.113.5，就可以只允许这个 IP 访问。
• 虚拟网络：如果你有 Azure VNet，可以选一个 VNet 或者某个子网。比如我在配置时选了“(New) vnet01”，子网是“subnet-1”，IP 范围是 10.0.0.0 – 10.0.0.63。

适用场景

• 内部使用：比如服务只给公司员工用，可以设置公司网络的 IP 或者 VNet。
• 合作伙伴访问：如果你需要让特定客户访问服务，也可以把他们的 IP 加进来。

优缺点

• 优点：比“所有网络”安全多了，能有效限制访问来源。
• 缺点：还是通过公网访问，只是加了防火墙规则，安全性不算最高。而且 IP 管理起来可能有点麻烦，尤其是 IP 经常变的情况下。

实际例子

我之前配置的时候，选了“选定网络”，然后在“虚拟网络”里选了“vnet01”，子网是“subnet-1”。这样，只有在这个子网里的资源能访问我的 AI 服务。如果还想让公司办公室访问，就可以在“防火墙”里加个 IP 范围，比如 203.0.113.0/24。

---

3. 禁用，任何网络都无法访问资源，可以配置专用终结点

这个选项是安全性最高的。选了之后，服务就完全不能通过公网访问了，只能通过所谓的“专用终结点”（Private Endpoint）连进来。专用终结点会给你的 PaaS 服务分配一个内网 IP，外面的人完全看不到。Azure 门户里写的是“禁用，任何网络都无法访问资源，可以配置专用终结点，访问受限制的网络连接方式”。

具体配置

• 创建私有终结点：你得先在 Azure 里建一个 VNet，然后在这个 VNet 里创建一个私有终结点。服务会拿到一个内网 IP，比如 10.0.0.5。
• 访问限制：只有在这个 VNet 里的资源，或者通过 VPN、VNet 对等连进来的资源，才能访问服务。

适用场景

• 企业内部服务：比如公司内部的财务系统或者 HR 系统，不希望任何外网能碰到。
• 合规需求：有些行业要求数据不能走公网，这个选项就很合适。
• 敏感业务：涉及核心数据或关键任务的服务，用这个能睡得更踏实。

优缺点

• 优点：安全性拉满，服务完全隔离在私有网络里，外网攻击基本没戏。
• 缺点：配置麻烦点，需要懂点 VNet 和网络基础。而且访问范围小，客户端必须在 VNet 里。

小贴士

配置私有终结点时，记得检查 DNS 设置，确保服务名称能正确解析到内网 IP。不然可能会连不上。

---

配置页面一览

为了让大家更直观，我简单描述一下 Azure 门户里的网络配置页面。页面标题是“为您的 Azure AI 服务资源配置网络安全”，下面就是“类型”部分的三个选项。选“选定网络”时，会多出“虚拟网络”和“防火墙”配置区。我的截图里选的是“选定网络”，虚拟网络是“vnet01”，子网是“subnet-1”，IP 范围是 10.0.0.0 – 10.0.0.63。防火墙部分还有个提示，可以加 IP 范围控制公网访问。

---

怎么选？看需求！

这三个选项其实没有绝对的好坏，关键看你的需求：

• 公开服务或者临时测试：选“所有网络”，简单粗暴。
• 有限制的访问：选“选定网络”，兼顾安全和灵活性。
• 高安全要求：选“禁用 + 专用终结点”，放心又省心。

我个人建议，如果是生产环境，最好从“选定网络”起步，能满足大部分需求。如果涉及敏感数据或者合规要求，那就直接上“专用终结点”。

---

总结

Azure PaaS 服务的网络配置选项给我们提供了很大的灵活性，从完全开放到彻底封闭，总有一款适合你。弄清楚这三个选项的区别和用法，能帮你在安全性和便利性之间找到平衡。希望这篇文章能给大家一点启发，如果有啥疑问或者经验，欢迎留言交流！

在人工智能（AI）技术迅猛发展的今天，OpenAI 公司提供的模型如 GPT-3.5、GPT-4 等因其强大的语言处理能力而备受瞩目。然而，对于企业用户而言，安全性、合规性和可扩展性等因素同样重要。微软的 Azure OpenAI 服务应运而生，它将 OpenAI 的先进模型与 Azure 平台的强大功能相结合，为企业提供了一个安全、可靠且易于集成的 AI 解决方案。本文将详细探讨 Azure OpenAI 服务与 OpenAI 公司直接提供的服务之间的主要区别，帮助您了解为何 Azure OpenAI 服务是企业级 AI 应用的首选：

1. 模型运行在微软的数据中心中

Azure OpenAI 服务的一大特点是其模型完全运行在微软的数据中心中。这意味着所有 AI 推理和处理都在微软的云基础设施上进行，无需将数据发送到外部服务器。这种部署方式不仅提高了数据处理的速度和效率，还为企业提供了一个更加可控和安全的 AI 环境。

2. 数据安全与隐私保护

在 Azure OpenAI 服务中，数据安全和隐私保护是重中之重。所有数据都会被加密并保存在微软的数据中心中，确保数据不会被未经授权的第三方访问。微软承诺不会将用户数据用于训练模型或任何其他目的，保障了企业数据的机密性。此外，Azure OpenAI 服务符合多项国际安全和合规标准，如 ISO 27001、SOC 2 等，为企业提供了一个值得信赖的 AI 平台。

3. 与企业内部网络和数据的私密连接

Azure OpenAI 服务支持与企业内部网络和数据的私密连接，这意味着企业可以在不暴露敏感数据的情况下，将 AI 功能集成到其现有的 IT 基础设施中。通过 Azure 的虚拟网络和私有链接等功能，企业可以安全地访问和使用 OpenAI 模型，同时保持对数据流的完全控制。这一部分将在后续文章中详细展开。

4. 自定义内容过滤

为了满足不同行业和应用场景的需求，Azure OpenAI 服务提供了自定义内容过滤功能。企业可以根据自身的业务需求和合规要求，设置特定的内容过滤规则，确保 AI 生成的内容符合企业的标准和价值观。这一功能在 OpenAI 公司直接提供的服务中并不常见，为企业提供了更大的灵活性和控制权。

5. 与 Azure 其他服务的原生集成

Azure OpenAI 服务与 Azure 平台上的其他服务（如身份验证、存储、计算等）进行了原生集成。这意味着企业可以轻松地将 AI 功能与现有的 Azure 资源和服务相结合，构建出功能强大且高度集成的 AI 应用。例如，企业可以使用 Azure Active Directory 进行身份验证，使用 Azure Blob Storage 存储数据，使用 Azure Functions 进行无服务器计算等，从而实现无缝的 AI 应用开发和部署。

6. 微软提供的文档、工具和开发环境

微软为 Azure OpenAI 服务提供了丰富的文档、工具和开发环境，帮助开发者和企业快速上手并高效地使用 AI 功能。Azure 门户、Azure CLI、SDK 等工具为开发者提供了熟悉的开发体验，同时微软的技术支持和社区资源也为企业提供了强大的后盾。

7. 模型可用性

需要注意的是，Azure OpenAI 服务并不提供 OpenAI 公司所有的模型。微软会根据市场需求和合规要求，选择性地在 Azure 平台上提供 OpenAI 的模型。因此，企业在选择 Azure OpenAI 服务时，需要确认所需的模型是否可用。

8. 价格与计费

Azure OpenAI 服务的价格与 OpenAI 公司直接提供的服务略有不同。在 Azure 上，AI 服务的费用会根据使用量进行计费，并与其他 Azure 服务的费用一起在 Azure 订阅中进行结算。这种计费方式为企业提供了一个统一的账单管理平台，简化了财务管理流程。

9. 地域可用性

对于中国大陆和香港的用户，Azure OpenAI 服务提供了直接访问的便利。由于 Azure 在全球多个地区设有数据中心，包括中国大陆和香港，企业可以选择就近的数据中心部署 AI 服务，降低延迟并提高性能。但是OpenAI公司提供的服务则不包含中国大陆和香港。

以下是 OpenAI 公司提供的 API 与 Azure OpenAI 服务在功能和特性上的主要差异汇总表格：

特性/功能	OpenAI 公司服务	Azure OpenAI 服务
模型运行位置	OpenAI 的数据中心	微软的数据中心
数据安全与隐私	数据由 OpenAI 处理和存储	数据加密保存在微软数据中心，不会被微软和第三方访问
与企业内部网络的连接	不直接支持	支持私密连接，保护敏感数据
内容过滤	标准内容过滤	支持自定义内容过滤
与云服务的集成	有限	与 Azure 其他服务（如身份验证、存储）原生集成
文档、工具和开发环境	OpenAI 提供的文档和工具	微软提供的 Azure 文档、工具和开发环境
模型可用性	提供所有 OpenAI 模型	不提供所有 OpenAI 模型，仅提供部分模型
价格与计费	直接向 OpenAI 支付	在 Azure 订阅中进行计费，价格略有差异
地域可用性	中国大陆和香港不可访问	中国大陆和香港可以直接访问

Azure OpenAI 服务是企业级 AI 应用的理想选择，能够帮助企业在保护数据安全和隐私的同时，充分利用 AI 技术提升业务效率和创新能力。

最近我在为客户做 Power BI 培训时，发现很多非 IT 专业的 Power BI 用户对一个新功能——DirectLake 数据连接模式表现出了浓厚的兴趣。他们经常问我：“DirectLake 到底是什么？它有什么用？我们能用它做什么？”今天，我就用通俗易懂的语言为大家解答这些问题，帮助大家快速了解 DirectLake，并激发你们在工作中尝试它的兴趣。

什么是 DirectLake？

简单来说，DirectLake 是 Power BI 中的一种全新数据连接模式，它的特别之处在于能让 Power BI 直接从数据湖（lakehouse）中加载数据，而不需要像传统方式那样先把数据导入到 Power BI 数据集中。这种方式既提高了数据加载的效率，又让分析变得更灵活，尤其适合需要处理大量数据的场景。

想象一下，数据湖就像一个巨大的“数据仓库”，里面存放了企业的各种数据。通过 DirectLake，Power BI 可以直接去这个仓库里拿数据，用来生成报表或仪表板，而不需要把数据搬到自己的“小房间”里。这样既省时间，又能保证数据最新。

---

先认识一下 Power BI 的老朋友

在讲 DirectLake 之前，我们先来回顾一下 Power BI 里常见的两种数据连接模式，这样大家就能更好地理解 DirectLake 的独特之处：

• 导入模式（Import Mode）
  这是大家最熟悉的方式。数据会从源头（比如 Excel 文件或数据库）导入到 Power BI 的内存中。导入后，数据就“住”在了 Power BI 文件里，查询速度很快，特别适合数据量不大的情况。但有个小缺点：数据不是实时的，每次数据有更新都需要手动刷新。
• DirectQuery 模式
  这种模式下，Power BI 不导入数据，而是直接向数据源“喊话”，实时请求数据。适合需要最新数据的场景，比如监控销售变化。但如果数据量很大，查询可能会变慢。

DirectLake 就像是两者的“升级版”，它结合了两者的优点：既能快速加载数据，又能保持数据的实时性，同时还能应对大规模数据的需求。

---

DirectLake 是怎么工作的？

DirectLake 的核心在于，它让 Power BI 直接从数据湖中读取数据，而不需要把数据复制到 Power BI 服务中。这里提到的“数据湖”是微软 Fabric 平台的一部分。Fabric 是一个强大的数据平台，里面有数据湖、数据仓库等功能，而 DirectLake 正是利用了 Fabric 数据湖的能力。

打个比方：传统导入模式就像你去超市买菜，把菜带回家再做饭；而 DirectLake 像是直接在超市的厨房用现成的食材做饭，不仅省去了搬运的麻烦，还能用最新鲜的材料。

具体来说：

• 数据存储在 Fabric 的数据湖中。
• Power BI 通过 DirectLake 直接访问这些数据。
• 不需要复制数据，查询速度更快，数据也能保持最新。

---

DirectLake 有什么好处？

DirectLake 不只是技术上的新玩意儿，它还能给业务用户带来实实在在的价值。以下是几个主要优点：

1. 速度更快
   因为省去了数据复制的步骤，DirectLake 可以直接从数据湖加载数据，查询速度明显提升。尤其是在处理大批量数据时，你会感觉到报表加载“嗖嗖”的快。
2. 数据更实时
   DirectLake 支持实时或近实时的数据访问。也就是说，你看到的报表或仪表板数据几乎是最新的，非常适合需要快速决策的场景，比如监控库存或销售。
3. 更灵活
   你可以根据需求随时调整数据源或模型，甚至结合 Fabric 的其他功能（比如数据仓库）来做更复杂的分析，灵活性大大提高。
4. 省钱又省力
   不用复制数据，就意味着少占用存储空间，也减少了管理数据的成本。对于数据量大的企业来说，这可是个不小的福利。

---

DirectLake 和 Fabric 的“默契配合”

DirectLake 能这么厉害，和微软 Fabric 平台的配合密不可分。Fabric 是一个统一的数据平台，里面集成了数据湖、数据仓库、数据科学等功能。DirectLake 就像是 Power BI 和 Fabric 数据湖之间的“桥梁”，让 Power BI 可以轻松访问 Fabric 里存储的数据。

举个例子：你的公司可能有来自不同系统的数据（销售、库存、客户信息等），这些数据都存在 Fabric 的数据湖里。有了 DirectLake，你就能直接在 Power BI 里分析这些数据，不需要费力把它们搬来搬去。

---

在工作中怎么用 DirectLake？

为了让大家更直观地感受 DirectLake 的价值，我来分享几个实际应用场景：

• 快速生成销售报表
  假设你是一家连锁店的业务分析师，每天需要查看最新的销售数据。使用 DirectLake，你可以直接从 Fabric 数据湖加载数据，生成实时报表，马上看出哪家店卖得好，哪些产品需要补货。
• 实时监控仪表板
  如果你负责工厂的生产线，想实时监控设备运行状态，DirectLake 可以帮你从数据湖中抓取最新数据，打造一个实时更新的仪表板，随时发现问题。
• 处理大项目的数据分析
  在一些大数据项目中，比如分析全国客户的购买习惯，DirectLake 能让你直接访问数据湖里的海量数据，快速完成分析，不用担心导入数据耗时太长。

---

总结

DirectLake 是 Power BI 的一项超级实用新功能，它通过直接从数据湖加载数据，让数据分析变得更快、更实时、更灵活。对于非 IT 专业的 Power BI 用户来说，这意味着你们可以用更简单的方式处理复杂数据，做出更及时的业务决策。

如果你正在用 Power BI 做报表或仪表板，不妨试试 DirectLake。它不仅能提升你的工作效率，还能让你的分析结果更贴近业务需求。希望这篇文章能帮大家解开对 DirectLake 的疑惑，下次培训时我们再一起聊聊怎么上手用它吧！