1. 整體分析1.1 核心股價因素巨額AI積壓訂單（RPO）的交付轉化速度，與激進資本支出（CapEx）導致現金流承壓之間的博弈。1.2 業績指引 vs 機構觀點1.2.1 核心結論預計本次財報業績指引將“超出分析師預期”，但當季營收可能僅“與分析師持平”或微幅不及預期。核心理由在於：1. 供給側瓶頸：公司目前面臨的是“幸福的煩惱”。儘管手握OpenAI等巨頭的數百億美元長期合同（RPO激增），但資料中心建設（尤其是吉瓦級工廠）和GPU到貨安裝存在物理周期。上一季度（FY26 Q1）營收不及預期已驗證了這一點，產能爬坡速度很可能趕不上訂單簽署速度。2. 估值支撐點後移：市場目前的定價邏輯已從當期EPS轉移至長期成長性。只要管理層重申2029/2030財年營收翻倍的目標，並展示雲基礎設施（OCI）的高速增長，市場將容忍短期的交付延遲和自由現金流下滑。1.2.2 財報假設基於FY26 Q1的資料（營收增長7-8%，但RPO暴漲）及最新的市場動態，做出以下核心假設：假設1（營收與雲業務）：假設FY26 Q2總營收同比增長加速至**9%-11%**區間（約143億-146億美元）。其中，雲基礎設施（IaaS）營收增速維持在45%+的高位。這是支撐其50倍PE估值的核心支柱，任何低於40%的增速都將引發劇烈回呼。假設2（利潤與成本）：假設毛利率保持穩定或略有下降，但資本支出（CapEx）將繼續維持在歷史高位（單季80億-100億美元水平）。Q1的自由現金流（FCF）已因激進投資轉負（-3.62億美元），預計本季度FCF仍將承壓，甚至繼續為負，以支援OpenAI及其他AI客戶的算力需求。假設3（訂單積壓 RPO）：假設剩餘履約義務（RPO）繼續維持在**超高水位（4000億美元以上）**或進一步增長。這是甲骨文目前區別於其他軟體股的最強護城河，證明其AI訂單的真實性和未來的收入確定性。1.2.3 和機構分析對比股價與評級現狀：當前股價：217.58美元（接近歷史高點）。估值水平：PE高達50.25倍，遠超甲骨文歷史平均水平（通常在15-20倍）。這說明市場已將其完全重新定價為一家“AI高成長公司”而非傳統的“資料庫軟體公司”。分析師評級：市場情緒極度樂觀。根據最新研報，高盛（Goldman Sachs）等機構已將目標價上調至300美元-380美元區間，普遍評級為“買入”或“跑贏大盤”。機構觀點對比與前瞻建議：1. 關於營收增速的分歧：機構觀點：多數分析師預測隨著輝達GPU的到貨，甲骨文的營收轉化率將在下半財年顯著提升，FY26全年營收增速預期在10%-13%。我的觀點：機構對短期交付能力的預期可能過於樂觀。考慮到供應鏈和基建的複雜性，短期營收即使不及預期（Miss），只要歸咎於“產能不足”而非“需求不足”，股價仍可能上漲。投資者應更關注管理層關於“產能上線時間表”的表述，而非當季絕對營收數字。2. 關於利潤率與現金流：機構觀點：普遍認為隨著規模效應體現，雲業務毛利將提升。我的觀點：需警惕折舊費用激增對EPS的侵蝕。Q1資料已顯示巨額CapEx導致現金流轉負，財務模型發生質變。若管理層不能給出明確的現金流轉正時間表，可能會引發保守型投資者的拋售。3. 前瞻建議：重點關注財報電話會中關於Oracle與OpenAI合作的具體落地進度（如首批算力叢集何時點亮）。若股價因“營收微幅不及預期”而回呼，只要RPO資料堅挺且CapEx投向明確，是長期投資者的買入機會，因為其長期增長邏輯（AI基礎設施第二極）未變。附錄：近期新聞時間線分析新聞解讀重要提示： 提供的搜尋結果主要集中在宏觀市場新聞（Dow Jones Today）和一些與甲骨文公司無關的個別公司新聞（如Anthropic, Trump Media Group, Starbucks等）。在這些結果中，沒有直接提及甲骨文公司（Oracle）的具體新聞或分析師對其的直接評論。 因此，本分析將側重於從宏觀市場趨勢中推斷可能對甲骨文產生間接影響的因素，並強調缺乏直接資訊的情況。2025年12月2025年12月4日：Anthropic CEO 談論AI泡沫和競爭者的風險承擔 (TechCrunch)解讀：儘管這不是關於甲骨文的直接新聞，但它反映了當前AI領域的火熱態勢和對“AI泡沫”的擔憂。Anthropic CEO提到AI行業收入的快速增長（10倍/年），以及新晶片的快速迭代可能導致舊晶片價值下降。對甲骨文的影響：作為雲服務和資料庫巨頭，甲骨文在AI領域有大量投入，特別是通過其Oracle Cloud Infrastructure (OCI) 提供AI基礎設施和服務。AI市場的繁榮和對算力的需求增長對OCI是利多。然而，AI晶片技術的快速發展和競爭加劇，意味著甲骨文需要持續投入研發和合作，以確保其AI基礎設施保持競爭力。如果AI泡沫破裂，可能導致對雲服務和AI相關軟體的需求放緩。長期/短期影響：AI市場的整體發展趨勢對甲骨文是長期影響，其在AI基礎設施和軟體領域的佈局將決定其未來的增長潛力。對AI泡沫的擔憂則可能帶來短期市場情緒波動。2025年12月1日：Yorkville Acquisition Corp. (MCGA) 宣佈Trump Media Group的CEO和CFO任命 (The Manila Times)解讀：這是一則關於特殊目的收購公司（SPAC）和Trump Media Group的人事任命新聞，與甲骨文無直接關聯。對甲骨文的影響：無直接影響。長期/短期影響：無。2025年11月2025年11月24日：股市在節日前漲勢強勁；納斯達克和標普500上漲 (Investopedia)2025年11月19日：股市在Nvidia財報前收高；道指、標普500結束四連跌 (Investopedia)2025年11月18日：股市進一步下跌；道指下跌500點；家得寶股價因前景下調而下跌；Cloudflare因中斷而下滑 (Investopedia)2025年11月17日：股市下跌，Nvidia和零售業財報即將發佈；道指下跌550點；Google母公司股價創歷史新高 (Investopedia)2025年11月14日：股市漲跌互現，科技股反彈；道指連續第二天收跌，但周線收高；比特幣跌至5月以來最低水平 (Investopedia)2025年11月13日：股市大幅下跌，科技股暴跌；道指在創紀錄後下跌800點 (Investopedia)2025年11月12日：道指因美國政府關門可能結束的希望而創歷史新高；納斯達克下跌 (Investopedia)2025年11月11日：標普500、納斯達克在周初上漲後失去陣地；Nvidia下跌，科技股下滑 (Investopedia)2025年11月7日：納斯達克面臨“解放日”以來最糟糕的一周，科技股壓力持續；特斯拉股價在馬斯克薪酬投票後下跌 (Investopedia)2025年11月6日：股市收低，AI估值擔憂重現；特斯拉在股東投票前下跌 (Investopedia)2025年11月5日：股市在科技股暴跌後反彈收高；AMD在強勁業績後上漲；Palantir進一步下滑 (Investopedia)2025年11月4日：股市大幅收低；Palantir引領科技股下跌；比特幣下跌 (Investopedia)解讀：11月份的市場新聞顯示了高度波動性，尤其是在科技股方面。月初出現對AI估值擔憂和科技股下跌，但月中在Nvidia財報前有所反彈，月末在節日前再次上漲。Nvidia作為AI晶片巨頭，其表現對整個科技類股有重要影響。對甲骨文的影響：作為大型科技公司，甲骨文的股價表現通常會受到整體市場情緒和科技股走勢的影響。如果市場對AI估值持續擔憂，可能會影響投資者對甲骨文雲業務（特別是AI相關部分）的信心。然而，如果Nvidia等公司的強勁表現預示著AI基礎設施需求的持續增長，甲骨文的OCI業務將受益。長期/短期影響：市場整體波動是短期影響，但科技股，特別是AI相關股票的長期趨勢將間接影響甲骨文的估值和業務發展。對AI估值的擔憂可能在短期內壓制股價，而AI基礎設施的實際需求增長則提供長期支撐。2025年10月2025年10月30日：主要指數大幅收低，科技股下滑；Meta、微軟在財報後下跌 (Investopedia)2025年10月28日：股市收於新高；Nvidia股價躍升至歷史新高 (Investopedia)2025年10月27日：主要股指因美中貿易樂觀情緒而創歷史新高；高通在新AI資料中心晶片方面飆升 (Investopedia)2025年10月24日：CPI通膨資料溫和後，股市收於歷史新高；道指首次突破47000點 (Investopedia)2025年10月22日：主要股指收低，投資者消化財報和中美貿易緊張局勢 (Investopedia)2025年10月21日：股市漲跌互現，財報繁忙；道指創紀錄收盤；黃金在新高後下跌 (Investopedia)2025年10月20日：股市周初大幅上漲；蘋果創歷史新高；黃金在美國政府關門持續後反彈 (Investopedia)解讀：10月份市場表現強勁，特別是科技股在AI資料中心晶片（高通）和Nvidia的推動下表現出色。美中貿易樂觀情緒也提振了市場。然而，月底財報季也帶來了部分科技巨頭的下跌。對甲骨文的影響：10月份的積極市場情緒和對AI資料中心晶片的強勁需求對甲骨文的雲基礎設施業務（OCI）是積極訊號。高通和Nvidia的上漲表明對AI算力的需求旺盛，這將直接推動對雲服務的需求。美中貿易關係的改善也可能減少宏觀經濟不確定性，對全球企業IT支出有利。長期/短期影響：宏觀經濟和科技行業的積極趨勢對甲骨文是長期利多，特別是AI相關技術的進步和應用推廣。美中貿易關係改善屬於短期情緒利多，但若能持續則有長期正面影響。總結： 儘管沒有直接關於甲骨文公司的新聞，但近三個月市場對AI技術和相關基礎設施的關注度極高，Nvidia、高通等晶片公司的良好表現，以及Anthropic CEO對AI行業增長前景的樂觀態度，都預示著對雲端運算服務（特別是提供AI算力支援的雲平台）的需求將持續增長。甲骨文的OCI業務正處於這一趨勢的中心，因此，這些宏觀趨勢對甲骨文的長期發展構成利多。然而，市場對AI估值過高的擔憂以及整體科技股的波動性，也提醒投資者關注潛在風險。 (老王說事)

摩爾線程、沐曦、寒武紀雖同屬中國國產高端算力晶片賽道，但核心定位、技術路線和產品佈局差異顯著：1.技術路線與核心定位：寒武紀是AI專用ASIC晶片“專才”，自研MLU架構聚焦AI計算，針對大模型訓練、智能駕駛等場景精簡冗餘功能，能效比突出；沐曦是通用GPU“性能專家”，基於XCore架構主打全端異構計算，側重AI訓練推理+通用計算的高性能輸出；摩爾線程是全功能GPU“通才”，MUSA統一架構整合AI計算、圖形渲染等四大引擎，追求“一芯多用”，覆蓋消費級與企業級市場。2.產品佈局：寒武紀建構“雲端-邊緣端-終端”全場景AI晶片體系，思元系列主打AI推理（兼顧部分訓練）；沐曦形成曦雲C（訓推一體）、曦思N（推理）、曦彩G（圖形渲染）的產品矩陣，聚焦B端高性能計算；摩爾線程覆蓋消費級顯示卡（MTT S80）和資料中心加速卡（S5000），是中國唯一打通消費級與企業級GPU市場的廠商。3.商業與生態：寒武紀已實現盈利，政務/網際網路領域滲透率高；沐曦GPU出貨量領先，依託中國國產供應鏈實現全產業鏈閉環；摩爾線程軟體生態對CUDA相容性最優，商業模式最貼近輝達，但尚未盈利。一、技術層面：分層突破形成算力供給“組合拳”，填補中國國產替代空白 三家企業的路線分化，恰好適配了中國AI算力的多元需求：寒武紀的ASIC架構在AI推理場景（如智能駕駛、推薦演算法）實現能效比優勢，2025年前三季度淨利潤16.05億元的盈利表現，驗證了“專精型AI晶片”的商業化可行性；沐曦的通用GPU聚焦高端AI訓練（曦雲C600對標H100），全產業鏈中國國產閉環能力使其在省級智算中心規模化落地，成為突破輝達高端算力壟斷的核心力量；摩爾線程的全功能GPU則補齊了消費級、邊緣端算力缺口，是中國唯一覆蓋資料中心與消費電子的廠商，其Direct X12圖形加速能力還拓展了AI+工業設計、數字孿生等邊緣場景。這種“推理（寒武紀）+訓練（沐曦）+全場景（摩爾線程）”的分層佈局，讓中國國產AI算力從“單點可用”走向“全場景適配”，2027年中國雲端AI晶片中國國產替代率預計超80%，將徹底擺脫對輝達單一供應商的依賴。二、生態層面：從“硬體追性能”到“軟體建壁壘”，成長期陣痛與機遇並存 當前中國AI產業的核心挑戰仍在生態：輝達CUDA擁有2000萬開發者，而寒武紀MLU Rush僅10萬，摩爾線程MUSA架構雖實現CUDA高相容，但生態建構需長期投入。不過政策與市場正形成合力推動生態破局：六部門明確2025年建成105EFLOPS智能算力，科創板改革為未盈利的沐曦、摩爾線程提供融資支援；同時，字節、百度等大廠主動適配中國國產晶片（如寒武紀思元590落地字節推薦系統），倒逼開發者遷移至中國國產工具鏈。未來2-3年，生態增長速度將成為關鍵：若摩爾線程能將MUSA開發者規模提升至百萬級，沐曦完成大模型訓練場景的全流程適配，中國國產AI生態將從“政策驅動”轉向“市場自發”，真正具備與輝達抗衡的底氣。三、產業層面：自主可控成核心主線，商業化與供應鏈雙輪驅動 三家企業的進展印證了中國AI產業的兩大趨勢：一是商業化從“政務訂單”向“市場化盈利”轉型，寒武紀從安防、政務走向網際網路大廠，沐曦在金融、軍工等高合規要求領域形成替代方案，摩爾線程靠信創項目積累現金流，均說明中國國產AI晶片已過“實驗室階段”，進入規模化落地期；二是供應鏈自主化加速，沐曦的7nm Chiplet+ HBM3e架構、摩爾線程的12nm量產能力，結合中國國產3D混合鍵合技術突破（14nm晶片能效比肩輝達A100），讓中國AI算力擺脫“卡製程、卡封裝”的風險。 整體來看，中國AI發展已從“跟跑”進入“並跑”階段：短期靠政策與中國國產替代紅利實現規模擴張，中期靠生態建設鞏固市場壁壘，長期則有望憑藉全場景算力佈局+自主供應鏈，在全球AI競爭中形成“中國範式”——不再單純比拚晶片性能，而是打造適配本土需求的“算力+場景+生態”閉環。 (小趙聊期)

據韓媒報導，三星全力投入矽光子技術，旨在顛覆“AI晶片代工”格局，利用光來提高資料傳輸速度，全力投入人才和技術，挑戰台積電。報導指出，三星電子已向台灣台積電發起挑戰，力圖在矽光子學市場佔據主導地位。矽光子學被認為是未來人工智慧（AI）半導體市場的顛覆性技術。它利用光的強度和波長來傳輸資訊，因其速度快、發熱量低、能耗低等優點，被認為將改變未來的半導體市場。據業內人士30日透露，三星電子器件解決方案（DS）事業部已將矽光子學選為未來的核心技術，並開始為其位於新加坡的專屬研發中心招募經驗豐富的專家。該新加坡研發中心由副總裁兼前台積電員工崔景建領導，正與總部技術開發辦公室（由晶圓代工事業部總裁兼首席技術官南錫佑領導）緊密合作，共同推進這項技術的發展。半導體公司正轉向矽光子技術，以提高人工智慧半導體的傳輸速度，同時降低發熱量和功耗。與將資料資訊儲存在銅線上的傳統半導體不同，矽光子技術將資訊封裝在光中，然後通過光纖（波導）傳輸。由於幾乎沒有電阻，矽光子技術不僅能夠實現更快的傳輸速度，還能顯著降低發熱量和功耗。鑑於這些優勢，輝達、AMD 和英特爾等公司均已開始研發，並與台積電簽署了代工協議。三星也計畫迅速提升其技術實力並吸引客戶。一位業內人士表示：“2030 年後，當矽光子技術應用於人工智慧伺服器之後的單個晶片時，它將決定代工市場的競爭力。”市場研究公司 Modo Intelligence 預測，到 2030 年，矽光子市場規模將增長至 103 億美元（約合 15 兆韓元）。十多年前，矽光子學還只是一種理論。它需要將電訊號注入雷射產生的光中，通過光的狀態變化將電訊號表示為0和1，並用矽波導而非導線傳輸光訊號，然後在接收器處將其轉換回電訊號。這一切都不容易實現。然而，隨著人工智慧（AI）半導體市場的興起，對海量資料進行快速處理的需求日益增長，輝達和AMD等全球半導體設計公司都對這項技術趨之若鶩。僅僅掌握這項技術就能同時解決銅線傳輸速度慢、發熱大、功耗高等諸多侷限。矽光子技術最早將於明年應用於AI伺服器晶片。這也為代工行業開闢了新的市場，代工企業負責實現這些公司委託的設計方案。矽光子學將半導體的主要材料矽與光子學（即光學）相結合。矽具有高折射率，這意味著它可以捕獲光。通過建立超細光通道，矽光子學可以防止光逸出，從而實現精確的資料傳輸。與銅線不同，矽光子學利用光進行無電阻資料傳輸，因此速度更快、效率更高。資料傳輸單元的容量將從現有的千兆字節 (GB) 提升到太字節 (TB)，速度提升超過 1000 倍。這需要大量的新技術。為了有效地將攜帶資料的光載入到波導上，必須在晶片和光之間的邊界處放置高性能透鏡。此外，還需要一種稱為“諧振器”的器件，它將進入晶片的光轉換為 0 或 1 的數字訊號。一旦通過諧振器區分了光訊號，就必須將其轉換回電訊號並傳輸到外部。這代表了利用光的“尖端微技術集合”。英特爾是首家將矽光子技術商業化的公司。2016年，它成功地將矽光子技術應用於“收發器”中，這種裝置允許遠端伺服器通過光進行通訊。然而，由於市場需求低，這項技術並未引起太多關注。人工智慧的蓬勃發展使矽光子技術重獲新生。這是因為它是唯一能夠解決人工智慧半導體三大難題——速度慢、發熱量大和功耗高——的技術。實現最新的人工智慧模型需要數千億個數值（參數），但傳統的銅線布線會造成嚴重的瓶頸，就像道路上的交通堵塞一樣。雖然高頻寬記憶體（HBM）顯著增加了傳輸通道的數量以緩解這一瓶頸，但矽光子技術就像在這條路上鋪設了一列高鐵。隨著近年來尖端封裝技術（一種允許多個晶片像單個晶片一樣運行的技術）的飛速發展，矽光子器件的設計也發生了改變。收發器，這種原本安裝在伺服器外部的光傳輸處理器件，現在被放置在半導體基板上。這項技術被稱為“共封裝光學器件（CPO）”。CPO技術的引入，省去了連接進入伺服器的光和計算晶片的銅線，並縮短了光與晶片之間的距離。台積電宣佈，“這項技術明年實現商業化後，資料傳輸速度將比傳統方法提高十倍，功耗將降低一半。”這項技術尚未成熟。CPO比收發器更難製造。首要難題在於光對溫度的敏感性。一旦出現問題，價值數千萬韓元的整個AI半導體晶片就必須更換。這凸顯了合理設計的重要性。台積電是CPO市場的領導者。這得益於其最大的客戶之一NVIDIA積極開發矽光子技術。在3月份的開發者大會“GTC 2025”上，NVIDIA首席執行官黃仁勳介紹了一款採用矽光子技術的交換晶片，並表示：“它將顯著降低資料中心公司的成本，因為它省去了收發器的成本並降低了電力消耗。”為了進一步提升其技術實力，台積電正與矽谷的獨角獸企業（估值超過10億美元的初創公司）合作，例如Ayar Labs、Celestial AI和Lightmatter。三星電子也在全力以赴。該公司正調動其遍佈韓國、新加坡、印度、美國和日本的全球研發網路，致力於矽光子技術的研發。三星近期將負責矽光子技術研發的高級主管李康浩晉陞為副總裁，並聘請了英特爾前首席產品官研究員朴賢大。半導體行業正密切關注三星位於新加坡的研發子公司。新加坡擁有新加坡科技研究局（A*STAR）等政府資助的研究機構以及晶圓代工企業Compoundtech，被譽為矽光子技術強國。為韓國提供HBM封裝裝置的裝置公司ASMPT的總部也設在新加坡。三星正在擴大其在新加坡的研發規模，並從台積電（TSMC）挖角工程師。與此同時，三星還與人工智慧半導體設計公司博通（Broadcom）合作，共同推進矽光子技術的商業化。三星認為，矽光子技術是贏得更多大型晶圓代工客戶的關鍵。這是因為這可能是一張反擊王牌，能夠扭轉三星目前在2.5D和3D等尖端封裝市場落後於台積電的局面。業內人士預計，鑑於矽光子技術的市場潛力，三星已將其定位為“代工市場的HBM”。一位半導體行業內部人士解釋說：“由於三星電子宣佈CPO的商業化日期為2027年，與台積電的真正競爭將從那時開始。”他還表示，“代工市場的核心戰場很可能從2030年開始，屆時矽光子技術將應用於單個晶片。” (半導體行業觀察)

內容來源：微軟CEO納德拉與Stripe聯合創始人約翰·科裡森（John Collison）的對話。商業思維筆記君說：如今的微軟，已是市值全球第一的科技巨無霸。但在納德拉眼中，輝煌之下始終潛伏著危機。回望90年代，微軟坐擁一群天才，卻差點錯失網際網路；2000年市值登頂，卻在此後陷入迷茫。歷史總是驚人的相似，但納德拉不想重蹈覆轍。面對AI浪潮，大多數人還在焦慮模型參數，納德拉卻在思考更深層的問題：當AI成為新的“組織層”，企業的“主權”還在嗎？當機器掌握了知識，組織的邊界在那裡？在這場與Stripe創始人的對話中，納德拉毫無保留地拆解了微軟的AI焦慮、技術堆疊佈局以及他對未來軟體、商業與文化的終極思考。一、與其羨慕別人 不如建構自己的護城河1.知識圖譜，將是“殺手級”應用對微軟來說，要確保AI真正“滲透”到企業內部。不是讓大家去仰望別人家的AI工廠或 AI Agent，而是思考“如何建構屬於你自己的AI 工廠”。其中最複雜的部分是組織企業內部的資料層，這需要跨越整個企業體系，並讓資料能夠與智能層真正對接。我想這會是我們重點推進的方向。我們要做的最大一件事建立了圖譜，把那張隱藏在企業最重要資料庫之下的關係圖釋放出來。那些資料庫就是包括你的郵件、文件、Teams會議等等背後的系統。所有人都不是臨時、無結構地工作，而是在圍繞某個業務事件進行協同。這將是一種“殺手級應用”，以前，語義關係一直都只存在在人腦裡，也一直都丟失掉了，而現在你第一次可以真正呼叫起來。當然，這一切其實剛剛開始。和我們以往推出 Office 套件相比，這次算是歷史上“最快”的一次變革。但歸根結底，這屬於“變革管理”。你得真正把它部署進去，人們得真正用起來。而且在企業環境中，一切還必須滿足審計要求，資料治理要能跑通。這是很大的工程，但我們現在終於開始看到加速的跡象。另一點是：讓它在Microsoft 365 Graph（圖譜）內部工作是一回事，那 ERP 系統怎麼辦？現在的連接器“能用但很弱”，就像一根細吸管。你需要的是一個更好的資料架構，把所有東西語義化嵌入在同一個層裡。如果我沒記錯的話，Bill（比爾·蓋茲）90 年代就提出了“information at your fingertips（資訊觸手可及）”。他一直非常執念。我記得很清楚，我那時還只是個新人，他說過一句話：“軟體只分一個類別：資訊管理。你只需要結構化人、地點和事物，就夠了。”他討厭檔案系統，因為它不結構化。若所有東西都是SQL資料庫，那他就能寫 SQL 來處理所有資訊，那才是優雅的解決方案。問題是人是混亂的。即便資料結構化了，它也不可能真的給你一個統一的索引或 SQL 查詢把所有內容都調出來。這就是過去時代最大的挑戰。我們以前從來沒想過，最後解決這個問題的不是某種極複雜的資料模型，而是一個規模巨大的深度神經網路，靠算力堆出的參數的“捕捉模式”。2.agent的三大基石模型有兩個關鍵——“上下文學習”和“持續學習”。如果你把模型的認知能力和知識分離，那麼從本質上，你就得到了一個持續學習的架構：演算法是獨立的，知識可以被更新。不過模型執行階段，有三樣關鍵東西必須放在模型之外：記憶：包括短期、長期，以及人類擅長的長期信用分配。權限體系：模型必須遵守角色權限、訪問規則。行動空間：模型可執行的操作必須被系統定義。這三個就是“環境”。如果模型擁有行動、權限管理和記憶，就能持續學習。而這些都必須在模型之外、但又與模型深度結合。例如， Copilot 今天用的是 OpenAI 模型，也能用 Claude，系統必須讓它們都能工作。我認為下一階段的突破就在這裡。3.微軟的AI技術堆疊微軟的AI佈局分為三層：第一層：基礎設施業務（token 工廠）。我們必須極其擅長打造“token工廠”，也就是以最低的“成本/能耗”生產最多的 token。第二層：智能體工廠（agent 工廠）。與 token 工廠不同，agent 工廠的目標是用token 驅動真實業務價值或消費者價值。這就像新的應用伺服器（App Server），是 AI 時代的新“應用層”。第三層：AI 系統（Copilot 家族）。包括資訊工作（Office）、軟體開發（GitHub Copilot）、安全（Security）這是三個水平層。除此之外，我們在業務應用上也深度投入到醫療與科學領域。二、微軟的歷史教訓 範式正確不代表一定會贏1.差點錯過網際網路浪潮1994 年，我住在微軟園區旁邊的公寓，那裡聚集了一大幫天才，我們卻錯過了網際網路。作為當年一個新人，回看那段歷史，我的感覺是：我們其實理解網際網路，但又不完全理解。比如我們不相信TCP/IP 能成，我們覺得必須有服務質量保證，所以建構的是資訊高速公路。MSN 最早還是X.25 網路，因為我們在和AOL的撥號上網競爭。但 Bill在 95 年果斷轉向了。就在 Windows 95 推出時，他說：“一切都會改變。”所以大概93–95年之間，技術堆疊到底會不會是開放網際網路，還不清楚，但 Mosaic 瀏覽器出來之後，一切變得清晰，然後微軟全面轉向。還有另外一個教訓。我一直關注的一件有趣事情是——我認為這可以遷移到 AI 上：首先你得把“範式”認清楚。但即使你認清了範式，也不意味著你能找到那個殺手級應用，甚至不意味著你能找到正確的商業模式。歷史上一直如此。比如網際網路，誰能想到在開放 Web上，一個具有網路效應的搜尋引擎竟然會成為“組織層”？我常說，根本不存在所謂的“開放網頁”，只有“Google的網頁”，因為Google徹底統治了它。回頭看很有意思：AOL和MSN輸給了開放Web，大概可以這麼說。但它們又被新的 AOL 和 MSN 形式替代了：它們叫搜尋引擎、叫應用程式商店。移動 Web 就是一個非常迷人的例子。對我來說，更深刻的觀察是：即使在開放生態中，“組織層”仍會不斷出現，而大量的品類力量會流向這個組織層。只是每一次這個組織層是什麼都不確定，上一代是搜尋引擎，今天是聊天機器人。它能持續多久？沒人知道，但今天它毋庸置疑存在。ChatGPT 的成功不可否認，它已經成為一種新的聚合點。搜尋引擎、應用程式商店也曾經是組織層。那麼下一步是什麼？在“智能體市場”或“智能體電商”中，電商又會變成什麼？這些都是未來要討論的問題。2.做“顯然該做的事”遠遠不夠2000年，我們成為了市值最大的公司，超過了GE。我記得那個時刻。回頭看，即便拋開金融周期，當時的長期趨勢非常明確：網際網路會成為主導。因為那個時候商業模式已經開始出現。對微軟來說，當時最大的教訓是：天啊，連我們的第一反應（做瀏覽器、做 Web 伺服器、把網際網路協議塞進所有產品、用 FrontPage 做網站建構器……）這些“顯然該做的事情”都不夠。我們意識到不能只做顯然的事情，我們必須重新發明自己正在做的東西，同時理解新的商業模式。從某種意義上講，那輪泡沫周期確實像是從天而降，由某種非理性繁榮驅動的。但當泡沫破滅時，它也確實洗掉了一堆糟粕。但真正好的點子都活了下來。現在我看這次浪潮，有兩個特點：一是基礎設施這次是“立刻就需要”的，不像以前那樣——你建好一條暗光纖，還得等某家公司十億使用者才能把它點亮。說實話，這一次我們是落後的一方。我們不是坐在那裡說“我 GPU 都架好了但沒有人用”。完全不是。我只希望更高的利用率……但我沒有“資源空著沒人用”的問題。恰恰相反：我必須趕緊拿到更多的供應。而且不可能做到供應鏈完全匹配需求，因為這次建設周期很長。長周期部分包括：土地批准、電力批准、站點位置……我們現在甚至需要給華爾街解釋：這些資產，有的使用周期20年，有的4–5 年。你必須用不同思路做決策。一個冷機房空在那裡根本沒什麼——就像一個公司有五座空樓，不會成為資產負擔。所以，現在最大的瓶頸就是“熱機房”，能接上電、馬上裝機、馬上點亮。如果我沒有足夠多已經通電的機房，我就無法把機架推進去、裝機、投入營運。3.高估競爭的“零和”我們經常高估了競爭是“零和”的。你需要很敏銳地判斷那些生意天然是“多玩家”。例如云：當年Azure啟動時，大家都說AWS已經太領先，第二名沒有空間了。但我從與 Oracle 和 IBM 競爭的經驗中知道：企業永遠不會只要一家雲。所以我們堅持做 Azure。如果你“捆綁過度”，反而會縮小市場。例如Azure 原來叫Windows Azure，問題巨大，因為雲不可能只支援 Windows。我們必須把 Linux 當作頭等公民，把 MySQL、Postgres 當頭等公民，這是贏下 TAM 的必要條件。我對模組化的原則是：什麼配置能最大化市場？什麼能真正滿足客戶？什麼能保持競爭力？我們必須先贏下來，至於未來他們是否願意遷移，那是另一回事。Outlook把郵件、日曆、聯絡人整合在一起，Teams則是把聊天、頻道、視訊等功能組合成一個“工作空間”。這類集束本身就是一種產品形態，但你仍然需要在底層保持足夠的原子化能力：確保模組化不會犧牲競爭力。如果你做了一個“超級雲”，但只能跑 Windows 和 SQL，那只能佔市場的一小塊而已。AI 堆疊也是一樣，我希望基礎設施、應用伺服器、應用層，三個層次都能獨立站得住。使用者可以從任意一層進入。三、對未來的思考1.未來的軟體是跨工作流的從某種意義上說，表格這種東西……我覺得它體現了“列表與表格的力量”。它和軟體的可塑性結合在一起，才成為一個完美的存在。我們可能會加很多花裡胡哨的功能，但它的核心不會變。電子表格也是一樣，我們從來沒有給它足夠的重視。其實你可以認為它是全世界最容易上手的程式設計環境，甚至在“不知道自己在程式設計”的情況下就開始用了。這是它的另一重美妙之處。反過來看，現在的AI，我們依然把它“神秘化”得太厲害。你我都討論過：天啊，我們需要變革管理、組織重構等等……但當年電子表格剛出現時，沒有人說“需要變革管理”。大家直接用就完了。我們現在處在一個類似的時代，即將出現新的“工作產物與工作流程”，從底層重塑、重新發明。某種程度上，我們已經能生成所有程式碼，所以也就能生成更定製化的 UI 框架。實際上我們過去就在討論：文件、網站、應用之間到底有什麼本質區別？都是不同形式的表達而已。同樣有趣的是，雖然大家說“應用會消失”，但看看我們的老朋友 Excel 和 VS Code——它們其實又回來了。因為 AI 會生成內容，而我需要理解和編輯這些內容。我需要一個優秀的編輯器，能夠讓我對AI生成的結果做 diff、做迭代。因此，IDE 會迎來全新的一代，它們會與智能層有遙測循環，同時像“抬頭顯示器”（HUD）一樣，幫助我管理數千個平行的 agent。我得理解它們的工作，並對其進行“微調度”。這就是未來 IDE、收件箱、消息工具的樣子。我在思考：未來我們如何與大量 agent 協作？我會發佈大量指令，agents 會執行數小時甚至數天，然後不斷回報進度。我又如何在有上下文的情況下進行微調？絕不能是今天這種“通知地獄”——給我 5 個字，我完全不知道上下文。未來的軟體必須是跨應用、跨工作流的。最終，大多數軟體在成熟後都會變成：一個 inbox（收件箱）、一個消息工具、一個畫布，螢幕上不斷閃爍結果，但大量工作已在後台完成。我認為仍然是少數幾個。甚至從“極簡主義”的角度看，可能還是那幾個，只是它們執行的任務變了。比如說：人類喜歡表格、喜歡線性的文件、喜歡 inbox / messaging，這些 UI 其實是經過驗證的。2.智能體電商我們一直以來都有一個想法：什麼樣的“基礎設施”對商家最友好？什麼樣對消費者最友好？有沒有一種完美匹配？“對話式電商”大家談了很多年，而現在靠你們與其他團隊的工作，我們真的能把商家、使用者，通過一個智能體式的體驗連在一起。當然現在還很早，必須做得“有品位”、能贏得使用者信任。但我真的非常激動。我經常在各個平台上找東西。亞馬遜、沃爾瑪 等等的站內搜尋真的不太行。但聊天式體驗真的太好用了。而且關鍵是，它會回到商家的商品目錄。目錄依然是王，但如果我能把“目錄 + 支付”結合起來，那體驗就完全無縫了。目前，“關鍵詞搜尋”是最合理的找東西方式，本質上是一個“定製化商品目錄”。它的結果不像搜尋引擎結果頁那樣機械。現在有一個巨大問題：目錄質量參差不齊，缺少可推理的資料結構。解決這個問題之後，每一個商品都能找到屬於它的搜尋請求。那對每個商家來說，怎樣才能以最低摩擦接入“智能體工作流”？最終每個商家可能都會說：“我有商品目錄，我有支付系統。請幫我以最簡便的方式接入所有智能體。”“通用介面”的方式正在流行，讓他們點一個按鈕就能啟用“智能體電商”，而不是跑去自己搭MCP伺服器。而誰把這件事做得“優雅、有品位”，誰就贏得未來。在智能體世界裡，這些流程可以完全打通，不再像今天這樣處處是縫。3.重新定義“公司主權”：隱性知識的權重化所有國家與政策制定者都非常關注資料主權的話題，也確實有合理原因。但在 AI 時代，我對“主權”的看法有些變化了。真正的主權問題其實是：公司的未來是什麼？按照科斯定理的邏輯，如果模型是那個掌握所有知識的東西，那為什麼組織內部還需要存在？組織存在是因為內部交易成本更低、存在“隱性知識”。但如果模型知道一切，這會被徹底顛覆。所以我現在認為：未來核心主權，是企業對其自身模型的主權，不是別人家的基礎模型，而是你的公司是否擁有一個屬於自己的基礎模型，它能夠吸收你的隱性知識，使組織內部知識的積累與擴散成本更低。這就是未來意義上的“主權”。我最關心的是“隱性知識到底存在於那裡”。它顯然存在於人腦中，是通過時間積累的 know-how。但它也會以權重的形式存在於某些屬於你的 LoRA（模型微調層） 層中。未來的智慧財產權，不僅是員工和檔案，還有一些“嵌在模型裡的東西”。但你怎樣保護這些能力不會“洩漏”回基礎模型？我認為未來公司形態是這樣的：基礎模型提供通用能力，而公司自己通過多個模型、記憶、工具呼叫、獨特的資料，建構出屬於自己的“智能層”。4.打造模型選擇器在消費產品領域，這是我們第一次看到：當你切換模型時，變化並不一致，而且每個人受到的影響都不一樣。人格、風格等等，會成為全新的維度。從另一個角度看，這說明：AI 模型的差異化不止IQ，還有EQ，還有風格偏好等維度。但從長期來看，我認為關鍵是模型必須持續提升，尤其是在最難、最高價值的任務上。然後你要不斷根據任務進行最佳化。對我們這種產品建構者而言，我的目標是讓最強的模型上線，但真正投入生產的，會是一組“多模型陣列”。我最終希望有一個“模型選擇器”。你需要建構一組模型，中間由 agent 來協調，根據使用者偏好和任務來決定使用什麼。它要足夠智能，能夠知道這個任務需要多少算力、需要那種智能——如同GitHub裡的Auto功能。我們都很難改變自己的默認設定，這就是為什麼“預設值”如此重要。甚至連模型選擇介面，如果你拿掉，人們都會不滿。但從長期來看，如果我能信任某個系統，它每次幫我選模型時都能做出“令人愉悅的選擇”，我就會把選擇權交出去。四、微軟的企業文化1.最親民的工作方式，是與客戶保持溝通我日常工作的核心其實有兩個部分：首先，是與客戶相關的事情。基本上沒有那一天我不跟客戶開會，這是讓我保持“親民”的最好方式。然後，就是大量的會議。作為 CEO，我逐漸意識到，其實會議分兩種：一種是我只需要召集大家，然後閉上嘴，不要表現過度，因為召集本身就是這次會議最重要的事。所有的工作要麼已經在會前完成了，要麼會在會後繼續。而另一類會議則很重要，我必須學習、必須做決策、或者必須傳達某些重要內容。然後我必須說，我花大量時間在Teams的頻道里“閒逛”，這對我幫助最大。我從那裡學到的最多，認識的人也最多。最棒的就是，我能在裡面建立最多聯絡。我能知道：“哇，他原來是做Excel Agent的人；哦，那是他們在看的評估結果。”我從裡面學到的東西比別的任何方式都多。其實我覺得我們權限體系太嚴格了，我希望自己能有更多存取權。事實上，我最大的抱怨就是我不能隨便進入所有地方。但能偶爾進去看看確實很有趣，而且它讓一切變得更“正常化”。而且今天的員工可不羞於表達意見。2.創始人是一家公司最強基因我一直都有一種“開發者關係/技術布道”的基因，微軟文化裡本身也有這個傳統。我對事情的看法一直是：如果你不跟著開發者走，你就很難保持技術平台的相關性；而如果你不瞭解新的工作負載，你也建不好技術平台。這兩件事深深刻在我腦子裡。所以如果你不關注創業公司，你就很難真正理解平台和工作負載的變化。這一直是我非常在意的。還有一點：我可以從中獲得巨大的能量。我一直覺得創始人是能“從無到有”創造東西的魔法師。這簡直像魔術。所以我一直好奇，他們到底是怎麼做到的？例如，我從Stripe學到的最重要的一件事，就是重新發現微軟當年的優勢：跟著開發者、跟著創業公司走。這也是我後來推動 GitHub、NAT 等等的原因之一。GitHub 不只是一個戰略資產，它是整個開源生態的核心，而且每家創業公司的程式碼倉庫都在那裡。我覺得必須參與那條“循環”，不僅是為了戰略地位，而是為了學習、為了建構更好的產品。否則，你很容易丟失那種“低摩擦、快速獲得價值”的產品美學，而創業公司對耐心最少、對效率要求最高。創始人很特殊的一個群體。因為他們從零開始一起成長，這種工作記憶和直覺是獨一無二的。作為繼任CEO，你不可能完全複製創始人的方式。我1992年加入微軟，沒經歷八十年代早期，所以有些認知只能創始人CEO才能把握。所以我認為，要尊重創始人獨特能力，創始人也要尊重繼任者，知道他們不能完全照搬自己做法。這就是所謂的“創始人模式”與繼任CEO模式的微妙差別：你可以部分沿用創始人的模式，但不能把自己當作創始人。3.文化是團隊塑造的我想，微軟應該追回八十年代的那些精神。八十年代，微軟的願景是“軟體工廠”，不是某個單一平台。九十年代微軟太龐大了，我們的產品自然傾向於繫結。我在上任時意識到：我們沒有移動平台，如果不擁抱更開放的市場，我們就會失去自身的重要性。幸運的是，“把軟體帶到所有平台”本來就是微軟的DNA，不是我憑空指令。我從“部門互相拿槍指著彼此”的著名漫畫中學到兩點。首先，我是微軟的“老內部人”，過去三十多年公司的好壞我都經歷過。那張漫畫反映的問題之一是：我們失去了自己的敘事權，讓別人來替我們定義文化。這就是社交媒體時代的風險。當然，組織間確實有真實的張力，那是必要的，不是壞事。目標不是“內部和諧”，而是“贏得市場”，有時候甚至需要刻意設定兩個競爭團隊。領導者的挑戰是：在一個員工從外界獲得絕大部分資訊的時代，如何讓組織堅持自己的內在力量，而不被綁架？另一個文化誤解是，很多人認為權力高度集中在上層。事實上權力是分散的，文化是“微文化”的集合。我之所以能在微軟一直待下去，是因為我幸運地加入了那些“讓人能成長的團隊”。所以作為CEO，我的任務是：需要提供一個一致的敘事（如“成長型心態”），讓每個團隊能塑造自己的正向文化，不讓社交媒體標籤決定公司是誰，這才是文化真正的關鍵。當你接手創始人建立的公司時，Steve 和 Bill 打下了基礎，Paul 和 Bill 擴大了公司，我算是第一批“非創始人CEO”。我很快意識到：你需要一支團隊。不僅是管理範圍的問題，還包括清楚CEO自己需要做什麼；那些業務需要CEO 來綜合判斷；為文化設定標準；建立績效文化。你不能只關注長期，也不能只關注短期，你必須兩者兼顧。但核心是把只有你能做的四五件關鍵事抓好，然後打造團隊。即便在500人的公司，這也是必須做的，只不過在小公司你還能把細節記在腦子裡。 (筆記俠)