快速结论
Power BI AI 的核心不是让大模型直接查询任意数据库，而是让 Copilot for Power BI 在受治理的 semantic model 上创建或总结报告、生成和解释 DAX、回答数据问题。传统 Q&A、Smart Narrative、Key Influencers、Decomposition Tree 和异常检测仍是产品的一部分；Copilot 则把自然语言创作与消费体验带入 Microsoft Fabric 和 Power BI Service。
采购时必须把用户许可和计算容量分开。Power BI Pro/PPU 解决内容发布与消费权限，但 Copilot 工作区需要管理员启用租户设置，并位于受支持的付费 Fabric capacity（官方最低 F2）或符合条件的 Power BI Premium capacity；Fabric trial 和仅 PPU workspace 不能替代 Copilot capacity。Copilot 没有单独每用户附加许可，但会消耗承载工作区的 Fabric Capacity Units（CU）。因此“买 PPU 就能用 Copilot”与“只有 F64 才能用”都不准确。
核心功能
- 报告创作 Copilot：根据描述建议或创建报告页、视觉和摘要；结果仍需作者检查字段、筛选与交互。
- DAX 辅助：生成、解释和修改 measures 或查询，适合加速建模，不替代业务口径验证。
- 报告消费 Copilot：总结页面和视觉、回答自然语言问题，并在允许范围内基于 semantic model 生成答案。
- Standalone / app-scoped 体验：可在 Power BI 中查找与探索允许的内容，app-scoped 场景把回答限制到经策展的 app 内容。
- Semantic model grounding：模型所有者可准备名称、描述、同义词、relationships、measures 和 verified answers，并标记 Approved for Copilot。
- 经典 AI 分析：Q&A、Smart Narrative、Key Influencers、Decomposition Tree、异常检测、Forecasting，以及特定许可下的 AutoML/AI services。
- Fabric 统一治理：管理员控制租户开关、容量、工作区、地区和审计；capacity metrics 用于观察 Copilot CU 消耗与节流风险。
适合人群
- 已使用 Power BI、Microsoft 365、Azure 或 Fabric，且有成熟 semantic model 的企业。
- 希望业务用户在既有权限与指标口径内问数，而不是接触原始数据仓库的组织。
- 需要分析师更快创建报告、DAX 和叙事总结，同时保留评审与发布流程的团队。
- 不适合没有模型所有者、容量预算、数据分类或权限测试，只想让 Copilot 自动修复混乱数据的团队。
使用场景
- 用自然语言搭建报告页初稿，再由作者检查视觉选择、聚合、过滤器和交叉高亮。
- 生成 DAX measure 或解释遗留公式，通过已知结果和边界日期验证后再发布。
- 让管理者总结受控 app 中的销售、库存和服务指标，避免搜索整个 tenant 的未经策展内容。
- 在 semantic model 中补充 measure 描述、同义词和 verified answers，改善业务术语命中率。
- 用 Key Influencers、异常检测和 Smart Narrative 做辅助发现，再回到源数据验证因果解释。
- 通过 capacity metrics 和审计监控 CU、峰值、失败请求、敏感问题和越权尝试。
价格与版本
| 层级 | 官方公开价格/要求 | 与 AI 的关系 |
|---|---|---|
| Power BI Desktop | 免费 | 本地建模与报告创作；不等于 Service 中的 Copilot entitlement |
| Power BI Pro | $14/用户/月 | 发布、共享和协作许可；Copilot 仍需工作区容量 |
| Power BI Premium Per User | $24/用户/月 | 高级每用户功能；PPU workspace 本身不满足 Copilot capacity 要求 |
| Microsoft Fabric capacity | F2 或更高，按区域/计费方式定价 | Copilot 支持的最低 Fabric SKU；请求消耗 CU |
| Power BI Premium capacity | 符合条件的 P SKU | 既有企业容量可承载 Copilot；需核对当前合同与区域 |
| Fabric F64/P1 及以上 | 容量价格 | 允许没有 Pro/PPU 的 Free 用户消费已发布内容；不是启用 Copilot 的最低门槛 |
Fabric capacity 价格按 SKU、Azure 区域、预留或按用量变化，不能把 F64 的某个地区月价写成通用起步价。Copilot 生成请求与其他 Fabric 工作负载共享容量，可能触发平滑、节流或额外扩容。采购前查看 Power BI 价格页、Fabric 定价 和管理员文档。
国内访问与使用体验
Microsoft 全球版、由世纪互联运营的服务、Azure 区域和 Copilot 可用区域并不等价，应由租户管理员核对官方 availability。中文问数效果高度依赖字段、measure、同义词和描述是否中文化。跨区域调用、数据驻留和模型端点可能限制 Copilot；不要仅凭 Power BI 页面可打开就判断企业租户可用。
优点
- 建立在 Power BI semantic model、RLS/OLS 和既有发布流程上，容易复用企业治理资产。
- 报告作者、DAX 开发和业务消费者都能在同一生态获得辅助。
- F2 起即可技术上承载 Copilot，团队可先做容量可观测的小试点。
- app-scoped 和 Approved for Copilot 帮助缩小内容范围，提高回答相关性。
- 与 Fabric 数据工程、数据科学、实时分析和 Microsoft 365 生态联动紧密。
不足
- 用户许可、工作区模式、capacity、tenant setting、region 五个条件容易混淆。
- Copilot 与 ETL、刷新、查询等工作负载共享 CU，突发使用可能影响容量性能。
- semantic model 元数据差时，Copilot 会用流畅语言放大口径问题。
- 生成的 DAX、视觉和解释仍可能错误，必须保留验证与发布门禁。
- 功能和 preview/GA 状态变化快，旧博客很容易给出错误容量门槛。
替代品对比
| 工具 | 更适合谁 | 主要差异 |
|---|---|---|
| Tableau AI | Salesforce/Tableau 与可视分析团队 | Pulse 指标推送、Tableau Agent 和 Tableau Semantics 路线 |
| Looker AI | Google Cloud 与 LookML 团队 | Git/LookML 管理的代码化语义层 |
| Qlik Sense AI | 关联式探索与复杂数据集成 | Associative Engine 与 Qlik 平台能力 |
| Domo AI | 数据应用和 agent 工作流 | 更强调端到端数据产品和外部 AI 工具连接 |
常见问题 FAQ
Power BI Pro 是否包含 Copilot？
Pro 是用户许可，不单独赋予 Copilot capacity。工作区还必须分配到受支持的付费 Fabric/Premium capacity，管理员开启相应租户设置，并满足区域等条件。
Copilot 最低需要 F64 吗？
不需要。官方文档将付费 Fabric F2 或更高列为 Copilot 最低容量。F64/P1 的不同点主要是允许 Free 用户消费其上发布的 Power BI 内容，而不是 Copilot 最低门槛。
PPU 可以直接使用 Copilot 吗？
不能把 PPU 当作容量替代。PPU 提供高级每用户权益，但 Copilot 不支持仅 PPU workspace；需要将工作区放入符合要求的 Fabric 或 Premium capacity。
Copilot 是否另收每用户费用？
目前没有单独的 Copilot per-user add-on，但生成请求消耗 Fabric CU，用户还需适当的 Power BI 许可。总成本由席位、容量规模和实际使用共同决定。
为什么要准备 semantic model？
Copilot 依赖表、列、relationships、measures、描述和同义词理解业务。模型所有者应隐藏技术字段、提供 verified answers，并用 Copilot 模型准备指南 验证典型问题。
客户数据会用于训练基础模型吗？
Microsoft 的 Fabric Copilot 文档说明租户数据有企业隐私和安全边界，但采购仍应审阅 Fabric Copilot 隐私与安全、地区处理、保留、abuse monitoring 和合同条款，不能用一句宣传替代合规评审。
如何防止 Copilot 越权问数？
先在 semantic model 和工作区落实 RLS、OLS、敏感度标签、最小权限与 app 策展，再测试不同身份。Approved for Copilot 是发现和信任信号，不会自动修复错误权限。
总结
Power BI Copilot 的成败取决于“受治理语义模型 + 正确用户许可 + 可观测容量”，不是提示词技巧。先选一个有明确 owner、RLS 和验收答案的模型放入小容量试点，记录准确率与 CU；再决定扩容、开放 app-scoped 消费或向更多工作区推广。这样才能同时控制客户数据、成本和业务口径。