富國銀行分析師麥可‧圖林首次給予甲骨文股票「增持」評級，目標價定為280美元，意味著該股未來可能上漲37%。甲骨文公司目前正處於風口浪尖，因投資者對其巨額借貸發出警告，同時人工智慧相關支出引發的更廣泛擔憂也影響了市場。該公司股價已較10月創下的近期高點313美元下跌了35%，較9月10日創下的歷史收盤高點328.33美元跌幅達38%。不過，這家AI基礎設施供應商至少還有富國銀行力挺。在周三的一份研究報告中，富國銀行分析師邁克爾·圖林首次覆蓋甲骨文股票，並給予其「增持」評級，給出了280美元的目標價。若以周三甲骨文203.73美元的收盤價（當日上漲1.3%）計算，這一目標價意味著該股可能上漲37%。甲骨文無疑正承受壓力，但圖林表示，這家雲端運算巨頭有望成為「基礎設施領域市場份額的明確獲得者」。他預計，到2029年，甲骨文的雲端基礎設施業務市佔率將從今年的5%提升至約16%。圖林表示，該公司目前已獲得近5,000億美元的AI相關訂單。憑藉與OpenAI、Meta Platforms和TikTok等依賴其基礎設施的客戶建立的緊密合作關係，甲骨文已經佔據了「領先位置」。其中，OpenAI扮演著非常重要的角色。今年9月，甲骨文與ChatGPT的開發商簽訂了為期五年、總額3000億美元的合約。圖林認為，除了現有的來自「各個AI實驗室」的750億美元承諾，以及OpenAI在Stargate計畫下（這是甲骨文、OpenAI及其他夥伴聯合的長期合作計畫）的長期目標，公司還有進一步成長空間。圖林指出，目前OpenAI 的「Stargate」計畫已經達到了8GW的算力，而到2033年，他們的目標是250GW，目前這數字還只是目標的冰山一角。雖然甲骨文的股價較歷史高點下跌了40%以上，但圖林認為，考慮到未來AI領域的巨大機遇，該公司的估值仍然合理。他表示，最近困擾市場的有關AI支出的擔憂只是暫時現象。圖林預計，隨著甲骨文逐步展現其在多種硬體類型上建立AI基礎架構的能力，公司將能逐步縮小與強勁對手亞馬遜和微軟之間的差距。如果他的觀點被證明正確，甲骨文有望成長為一個值得重視的競爭對手，但這並不意味著甲骨文的基礎與其競爭對手相比就很穩固。與亞馬遜和微軟都已承諾在AI領域投入數十億美元相比，這兩家科技巨頭能憑藉充裕的自由現金流來支持其資本支出，而甲骨文在這方面就顯得不那麼穩健。今年10月，投資人開始擔憂甲骨文的信用風險，質疑公司在現金流不足以涵蓋資本開支的情況下，如何為其投資所需資金籌措資金。今年9月，公司發行了180億美元的債券，使其現有債務總額增加到1,050億美元。不到五年前，在甲骨文將大量現金流轉向股東分紅之前，公司無擔保債券的信用評級還屬於高「A」級，但隨後因多次下調評級而大幅降低。目前，標普全球對甲骨文債務的評級為BBB，屬於投資級中的較低級別，且展望為負面。而微軟和亞馬遜分別被評為AAA和AA級，屬於投資等級中的較高水準。值得注意的是，就在圖林表達信心的前一天（周二），甲骨文債務的違約保護成本攀升至2009年3月以來的最高水平；五年期信用違約互換（CDS）費率攀升至每年1.3個百分點，即130個基點，創下16年來的新高。這一數字是今年6月的低點（0.36個百分點）的三倍多。(Barrons巴倫)

微軟因企業客戶對AI產品接受速度不及預期而下調銷售目標，股價一度下跌近3%，創下自11月18日以來的最大跌幅。公司已下調多款AI產品的銷售配額，其中Azure某銷售部門對名為Foundry的產品增長目標從50%大幅調降至25%。隨後，據媒體報導，微軟在一份郵件聲明中稱，公司並未下調銷售員的銷售配額，公司股價跌幅縮小至2.5%。微軟已下調部分AI軟體的銷售目標，由於企業客戶對新型人工智慧產品的接受速度不及預期。12月3日，據媒體報導，由於銷售團隊未能在截至今年6月的財年達成目標，微軟Azure雲部門已調低了針對特定AI產品的銷售配額。知情人士表示，此類針對具體產品的配額下調在微軟較為罕見，這反映出公司正基於市場實際接受度調整策略，以應對客戶在增加AI預算方面的謹慎態度。微軟Azure某銷售部門曾在上個財年要求銷售人員將客戶對名為Foundry的產品支出提升50%，但最終達成目標的銷售人員比例不足五分之一。因此，微軟已於今年7月將該產品在本財年的增長目標下調至25%左右。行業分析指出，此次調整揭示了企業在部署高階AI工具時面臨的共同挑戰：一方面，技術帶來的實際成本節約難以清晰量化；另一方面，在金融、網路安全等低容錯率領域，AI工具的可靠性與商業價值仍需更長時間驗證。儘管微軟雲基礎設施業務因承載OpenAI等大模型的訓練需求而保持增長，但在推動傳統企業採購更複雜的自動化軟體方面，實際進展仍未達到此前設定的樂觀預期。受此消息影響，微軟股價一度下跌2.9%，創下自11月18日以來的最大跌幅。隨後，據媒體報導，微軟在一份郵件聲明中稱，公司並未下調銷售員的銷售配額，跌幅縮小至1.7%。面臨類似挑戰的並非微軟一家。OpenAI近期將其未來五年內“AI代理”相關收入的預測大幅下調了260億美元，而Salesforce等企業則通過顯著折扣策略吸引客戶。這表明，儘管生成式AI的技術熱度不減，但其從概念演示走向規模化商業應用，仍面臨多重現實障礙。企業客戶遇到實施困難私募股權基金凱雷的案例凸顯了企業在採用AI工具時面臨的現實挑戰。該公司去年開始使用微軟推出的Copilot Studio，該工具允許企業通過編寫程式碼開發AI應用，以自動化會議紀要整理、Excel財務模型生成等任務。然而，使用數月後，凱雷向微軟反饋稱，該工具難以穩定地從Salesforce等其他業務系統中提取資料，而這對其部分自動化流程至關重要。據知情人士透露，今年秋季，凱雷已削減了相關工具的支出。這一調整是該公司整體AI支出最佳化與工具整合計畫的一部分。行業普遍調低預期調整AI代理收入預期的公司並非只有微軟。例如，OpenAI近期將其未來五年內AI代理相關收入預測大幅下調了260億美元。該公司計畫通過提升ChatGPT訂閱收入及推出可能包含廣告的新產品來填補這一缺口。事實上，其首席執行官Sam Altman 本周一表示，將暫緩推進廣告及健康等領域的代理業務，以集中精力解決ChatGPT現存的問題。對於Salesforce等企業軟體公司而言，提升AI代理收入面臨的挑戰更為顯著，因為它們缺乏微軟那樣的大型雲基礎設施業務作為支撐。為此，Salesforce與ServiceNow等公司正在向試用其AI代理產品的客戶提供大幅折扣，這些產品旨在實現IT工單處理或新員工入職等工作流程的自動化。與此同時，包括AWS和Anthropic在內的其他科技公司，正通過提供類似諮詢的服務，投入資源幫助客戶正確配置和部署AI應用。來源：華爾街見聞

最近，微軟CEO納德拉與Stripe聯合創始人約翰·科里森（John Collison）進行了一次對話。本次對話深入探討了AI時代的範式變革、技術架構與企業戰略。核心要點如下：1、建構企業AI護城河與隱性知識主權。納德拉認為，企業應建構自己的“AI工廠”，核心是利用 Microsoft 365 Graph（知識圖譜）將企業內部的非結構化資料（郵件、文件、會議）語義化，釋放長久以來丟失的隱性知識。在AI時代，真正的公司主權在於擁有捕獲自身隱性知識的模型微調層（LoRA），這是新的競爭優勢。2、智能體（Agent）架構與未來軟體形態。智能體要實現持續學習，必須將記憶、權限體系和行動空間這三大基石置於模型之外，並與模型深度結合。未來的軟體將是跨工作流的，核心UI（如表格、收件箱）將保持不變，但工作將由大量平行Agent在後台驅動，新一代IDE或收件箱將成為管理這些Agent的“抬頭顯示器”（HUD）。3、歷史教訓與範式轉變。微軟從錯過網際網路浪潮中吸取教訓：認清技術範式後，關鍵在於找到新的“組織層”（如搜尋引擎、應用程式商店，現在是聊天機器人）和正確的商業模式。同時，不能高估競爭的“零和”性質，必須堅持模組化和開放性（如Azure支援Linux），以最大化市場。4、AI基礎設施與文化。當前AI發展的最大瓶頸是“熱機房”（電力、土地等供應），而非需求不足。在企業文化上，CEO必須通過與客戶溝通保持“親民”，並堅持“成長型心態”，學習創始人基因，即始終關注開發者和創業公司，以保持技術平台的相關性。01. 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。02. 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。03. 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。04. 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。 (藍血研究)

11月30日，微軟首席執行官Satya Nadella接受海外播客MD MEETS的訪談。本次對話深入探討了探討了AI 智能的本質與“模仿”的侷限，Scaling Law 的邊際效應、AI 時代的企業主權與新工作流、生產力悖論與泡沫論的經濟學檢驗、微軟與 OpenAI 的競合形態、能源瓶頸下的全球算力博弈，以及 AI 時代人類“語境工程”與同理心的不可替代性。Satya Nadella指出，儘管 Scaling Law在文字資料上產生了驚人的指令跟隨能力，但目前的 AI 本質上仍處於“模仿遊戲”階段，尚未觸及真正的“認知核心”。他引用 Andrej Karpathy 的觀點提出，破解智能的下一個科學突破在於“扔掉所有訓練資料”，僅保留學習演算法本身。Satya 認為，現有模型是在機械複述中混合了強大的模式識別，未來在於將模型的“知識庫”與其“認知核心”徹底分離，這不僅是科學上的突破，更是解決能源效率的關鍵。Satya Nadella 重新定義了 AI 時代的商業護城河，提出了“企業主權”。他指出，未來企業的生存關鍵不在於接入一個通曉萬物的通用模型，而在於是否建立了自己的“AI 工廠”和獨特的“基礎模型”。他強調，如果一切都依賴於外部模型，企業將失去主權；真正的競爭力在於將企業獨有的知識複利化。針“AI 泡沫論”，Satya指出，唯一的檢驗標準是技術必須跑贏經濟增長，帶來廣泛的 GDP 提升。Satya還回應了微軟與 OpenAI 的競合關係，他將兩家公司比作“共享底盤設計”的兩家賽車製造商，雙方在系統與供應鏈層面共享核心引擎以獲取規模效應，但在產品端保持獨立競爭。關於未來工作，Satya 指出儘管 AI Agent 將接管大量工作，人類的“同理心”和“物理在場”不可替代。他認為，AI 尚未學會捕捉社交訊號的“語境工程”，而這種基於情感與協作的語境感知，正是人類的護城河。01 目前的 AI 仍是模仿，真正的突破在於將模型知識與認知核心分離Satya，我想和你聊聊人工智慧。你經常被問到這個話題，在這個領域裡你是否會感到厭煩？回顧這段時間，有什麼資訊或經歷讓你對人工智慧最感驚訝？此外，大語言模型在涉及情感，或者說是偽造情感，以及創造力甚至幽默時特別令人信服，這是否在你的預料之中？Satya Nadella:在這個領域是不可能感到厭煩的，只會感到興奮。每一天你都會感謝自己，慶幸我們能通過建構這些技術來完成使命。但歸根結底，值得慶祝的是這些技術的使用。你問到驚訝之處，回顧我在生成式 AI 領域的旅程，包括我們要如何與 OpenAI 建立合作關係，如何在當時顯然不符合傳統觀念的情況下贊助他們並下重注，這一切的關鍵在於要有一個有準備的頭腦。Bill Gates 在 1995 年創立了 Microsoft Research。他的想法是 Xerox PARC 曾啟發了許多公司，無論是 Microsoft 還是 Apple，如果沒有它，我們和整個 PC 行業就不會存在。所以他想建立一個基礎研究機構，事實上我們就職的第一個小組就是語音小組。我們一直在做這件事，甚至痴迷於自然語言。畢竟 Microsoft 是一家生產力公司，我們思考文字，思考自然語言，無論是語音還是文字形式。有趣的是，我們在這個方向上進行了多次嘗試，並且堅持不懈。後來 Sam Altman 團隊表示打算將 Transformers 應用於文字。有趣的是，2016 年時他們更專注於強化學習，儘管最近強化學習又重回視野，但他們最初的重點並不完全在文字上。到了 2019 年，他們決定真正追求應用於 Transformers 和自然語言的 Scaling Laws（縮放定律）。那就是魔法時刻。如果你問發生了什麼，雖然後來我們也加入了一些其他技術，現在新事物也在逐漸融合，但當時沒有人想到將 Scaling Laws 應用於文字資料會產生指令跟隨能力。其中一個神奇的時刻涉及兩個產品：GitHub Copilot 和 ChatGPT。GitHub Copilot 出現得更早，基於類似 Codex 的模型。我們可以看到連續敲擊 Tab 鍵就能獲得程式碼補全。看到那一幕時我真的感覺這太瘋狂了，它就像是在補全你的想法，不僅僅是拼寫糾正，而是在高速補全你的思維。那是第一個突破。隨後基於指令跟隨能力，聊天功能出現了。只需稍微教模型一點關於如何對話的知識，它就能進行交流。這就是 GPT-3.5 和 ChatGPT 時刻，之後的事情就順理成章了。如果要總結一個教訓，那就是算力，或者說算力的對數規模就是智能。顯然我們需要變得更有效率，因為對數級增長並不是一件輕鬆的事，這並非獲取智能的最佳算力花費方式。但話雖如此，Scaling Laws 確實正在起作用。（關於情感模擬與認知核心）我認為歸根結底這是一個模仿遊戲。目前這些仍是需要解答的重大科學問題。也就是說，我們並沒有發現所謂的認知核心。Andrej Karpathy 最近提到的一個思維模型我認為很貼切：如果你真的想破解智能，需要扔掉所有資料。本質上你不能只是機械複述，必須扔掉所有的訓練資料，只保留學會的學習演算法。試想一下，嬰兒出生後通過體驗世界來學習。我們今天擁有的這種准機器有時確實在機械複述，但在複述的同時也擁有強大的模式識別能力。它確實具有某種我稱之為湧現的認知核心，這種核心與它擁有的知識混合在一起。如果能將模型的知識與其認知核心分離出來，那將是下一個重大的科學突破。順便說一句，如果能做到這一點，能源效率將會高得多。畢竟人腦的功率只有約 10 瓦。因此我們需要更多的科學研究來幫助我們理解擁有一個認知核心學習演算法意味著什麼。02 微軟的再造與“無所不學”的領導力你在公開場合多次提到微軟的轉型，這基本上是公司的再造，同時也是你個人的再造。那麼對於Microsoft 和你自己，最艱難的部分是什麼？在這個過程中，你自己是否也需要改變技能組合？你發展了什麼以前沒有的能力，還是說用完全相同的技能就能管理這場轉型？Satya Nadella:這是一個很棒的問題，對於我們所有人來說都至關重要。對我而言有兩點。Bill 在創辦 Microsoft 時最初的前提，對於我們過去 50 年的成功是一個非常有益的框架。他說有一場軟體革命即將發生。他在 1975 年沒有軟體行業的時候就說了這番話。當時只有 IBM、DEC 這樣的系統公司，還沒有 PC 概念，微型電腦革命也未發生，甚至不清楚是否會出現軟體行業。但他當時就認為軟體是最具可塑性的資源，我們要成為一家軟體工廠。這並不是關於建構作業系統、語言工具或 Office 軟體，這些都是隨之而來的。Microsoft 的道路一直蜿蜒曲折。大多數人不記得我們是先為 Mac 建構了 Office，後來才推出 Windows。我們的第一個工具是 Basic 直譯器，在 Windows 之前就建構了飛行模擬器。所以我們主要是一家軟體工廠，致力於建構世界需要的任何東西。這就是幫助我們度過 50 年的態度。即使技術從 PC 時代演變到雲時代，根本的遊戲規則始終是：你是一家偉大的軟體工廠。但現在，我們必須幫助像 Axel Springer 這樣的公司建立你們自己的軟體工廠。遊戲規則變了，無論我們做什麼，都需要讓每個公司建立自己的 AI 和軟體工廠。這是一個巨大的範式轉移。所以必須回到核心使命：我們代表什麼？我們關於信任和賦能的品牌形像是什麼？並用一種學習新事物的文化來加強它。我總是回歸到目標感、使命感和文化，並在技術和商業模式轉變的新世界中對其重新詮釋。（關於個人技能的重塑）我們經常引用兒童心理學和 Carol Dweck 的成長型思維概念。提到技能組合，我認為為了保持長期相關性，最重要的技能是你如何做一個無所不學的人，而不是一個無所不知的人。這是核心所在。特別是當你已經獲得成功時這變得更加困難，因為你必須忘掉那些讓你成功的事情去學習新東西。即使這個周末我也花了所有時間試圖理解新公司是如何建構產品的，這與我們過去的方式不同。我們的規模是巨大的優勢，但也是巨大的劣勢。這是一個巨大的劣勢，因為為了讓我在產品、科學和基礎設施之間協調，我有三個部門負責人分別管理。而在初創公司，他們可能全部坐在一張小桌子上協調這三者。重新學習在從舊世界到新世界中創造生產力的魔法，你必須這樣做。要做到這一點，必須擁有好奇的心態，能夠埋頭苦讀，不讓自我成為阻礙。這是一件艱難的事情。03 企業的未來不在於依賴通用模型，而在於建立自己的 AI 工廠那些公司將在AI 轉型中生存或受益？對於其他公司的領導者以及公司本身來說，需要什麼樣的技能組合？此外，你認為有一天會有完全由 AI 發明和運行的公司嗎？Satya Nadella:我認為需要更多討論的是：在AI 世界裡公司的未來是什麼？之前大家都在談論數字系統，如 Office、ERP、CRM 等，它們數位化了圍繞人、地點和事物的資產，加速了知識流轉。Andy Grove 曾說，任何公司的好壞取決於它創造新知識並將新知識擴散到整個組織的能力。數位技術曾對此起到了推動作用。現在 AI 帶來了另一個層面的推動。我認為今天真正的問題是 AI 時代一家公司的主權。如果一切都依賴於一個通曉所有的模型，那麼每個公司需要回答的問題是：我知道什麼是獨特的？更重要的是如何參與這個遊戲？如何確保不會迷戀某一個模型公司？現實世界中的每個領導者必須最關心的是：我是否有自己的AI 工廠，能夠建立自己的基礎模型？這不是關於慶祝別人的基礎模型。每個公司的未來將是某種獨特的基礎模型，代表了他們的知識並且持續改進。你們 Axel Springer 會想要建構自己的基礎模型，這對你們公司的知識和複利能力是獨特的。無論是在軟體、內容還是製造業，我們所有人都必須建立自己的AI 工廠，建立對我們需要獨特的基礎模型。（關於全自動 AI 公司）我認為那有點太牽強了，難以想像。如果有人說我們將擁有熄燈工廠，但實際上即便我的資料中心在建造安裝後可以自主運行，前期仍需要很多人。五年或十年後自動化水平會令人震驚，但依然需要人。我更相信宏觀授權和微觀引導這一新範式。我授權給一群 AI Agent，早上對它們說幫我做這項工作。它們去執行，一天結束時回來報告完成了什麼、那裡卡住了、那裡需要指導。所以我需要一個新的收件箱，處理的不是電子郵件，而是所有 AI Agent 的微觀引導資訊。軟體的未來將圍繞新的收件箱、消息工具和空白畫布上的新游標。人類將需要一個與 AI 的介面，即使隨著自動化水平增加，人類的能動性仍是非常重要的一部分。04 檢驗 AI 是否為泡沫的唯一標準大家都在談論生產力和效率，Gartner 的一項調查顯示，74% 的大公司 CFO 相信通過 AI 能獲得顯著效率收益，但只有 5% 的人已經看到了實際效果，你怎麼解釋這個差距？該調查還預測到 2027 年 40% 的企業 AI 項目將會失敗，這種懷疑主義來自那裡？此外，目前市場上似乎多了一些對AI 能成為“不可阻擋的增長引擎”的懷疑，甚至擔心這是否是一個泡沫。特別是考慮到 Sam Altman 曾被問及一家營收 130 億的公司卻承諾 1.4 兆投入的合理性，這種趨勢將如何發展？是線性的單向增長，還是會有修正期？Satya Nadella:實際上，這可能是導致所謂“企業競爭力分水嶺”的根本因素之一。僅就 Microsoft 自身而言，這正在帶來巨大的生產力變革。無論是在客戶服務、供應鏈營運，還是你提到的財務預測領域，實際上，這不再只是自上而下的推行，而是一場正在發生的自下而上的革命。它消除了繁瑣的機械性工作，提高了產出質量，並改善了工作流。舉個小例子：我們已經變成了一個資本非常密集的行業，正在建設大量的資料中心。我們在全球擁有 500 多家光纖營運商。光纖歸根結底是物理資產，會被切斷或出故障，需要人工修理。以往與光纖營運商的互動非常依賴人工，所以負責管理這些事務的內部團隊建構了一個完整的 AI Agent 系統來處理這一切。這是唯一的辦法。我們在過去 18 個月裡增加的資料中心容量相當於 Azure 最初 15 年的總和。這種規模相當驚人，我們管理它的唯一方法就是利用這些 AI 工具。回到你的觀點，Mathias，這對你的 Gartner 報告非常重要。我認為企業必須學習四五件事。首先是思維模式。這不是簡單地把 AI 加到現有的東西上，而是必須用 AI 來重新構想變革管理。在 90 年代，我們常談論“業務流程重組”，現在是時候重拾這種思維模式了。第二，你需要建立新的工具體系。這是我們可以提供的，但你必須裝備一套新工具並將其應用到新流程中。第三，你需要應用工具的技能儲備。對我來說這是組合拳。此外，還需要資料資產。資料不能受限於現有的孤島系統，必須跨多個系統進行標準化。因此，如果你能組合思維模式、工具體系、技能儲備和資料資產，並加以應用，這才是建構AI 系統的方式。如果你打算像處理去年的普通IT 項目那樣去處理它，註定會失敗。這就是為什麼我認為在經濟層面必須進行大量艱苦工作，重塑 IT 技能棧。這很難，因為它涉及變革管理。它需要開明的領導力，需要人們重新掌握技能，適當地界定項目範圍並選擇合適的項目。（關於AI 泡沫的看法）Mathias，我的思考方式很簡單。歸根結底，測試標準只有一個：它需要在整個經濟中產生廣泛影響，改變生產力曲線並帶來廣泛的GDP 增長。因為沒有什麼能跑贏經濟增長，任何供給側的變革最終都必須滿足需求側的需求。隨著時間的推移，這些必須見效。否則正如你所說，它將是一個泡沫。但我們有信心的原因不是基於想像的未來，而是因為未來已經到來，只是分佈不均。如果我沒有在 2019 或 2020 年看到 GitHub Copilot 的實際效果，我不認為我們會進行那些投資。我看到了 Copilot 在推理能力上的改進速度。就在這個周末，發生了一些令人難以置信的事情，甚至是在回覆一封電子郵件時。它不只是按下按鈕生成一些英語回覆，而是真的對問題進行了推理。感覺就像一個思想夥伴在和我一起工作，幫我向發件人提出精確的問題。這很神奇，可以加速一切。正是這種信心讓我們相信這些工具和技術正在產生真正的影響。看看我們的收入，上季度財報顯示 Azure 增長了 40%，這是基於龐大基數的真實數字。如果沒有這些，我們甚至沒有信心進行那些巨額支出。所以我完全同意你的觀點，它必須產生廣泛的經濟影響。技能集需要更加普及，回報不能僅限於某個大陸、某個行業裡的少數幾家公司，必須是一個更廣泛的現象。否則，這將是一條死胡同。我對這條道路充滿信心，但發展不會是線性的。因此，我們非常自律。我們在資本支出方面做的關鍵事情之一，是在全球建立一個通用算力叢集，擁有所有合規控制權，既可以用它來訓練，也可以用來推理，處理介於兩者之間的所有任務，並且跨越多個代際。你必須在投資方式上保持極強的紀律，取得穩步進展，最重要的是，確保技術真正擴散到全世界和每一個公司。05 OpenAI 與內部賽馬我很想聽聽OpenAI 和 Microsoft 之間的真實關係，過去幾年發生了什麼，目前狀況如何？但這中間是否存在競爭張力，這還算是夥伴關係嗎？在 AI 經濟中，夥伴關係的角色是否發生了根本性變化？此外，你似乎同時押注了 Sam Altman 和 Mustafa Suleyman 兩匹賽馬，且其中一匹必須幫助另一匹，從長遠來看這如何運作？Satya Nadella:首先，考慮到起點，這種感覺很棒。最初它是一個非營利研究實驗室，我們贊助了他們的工作，幫助他們擴大規模，顯然我們也從中受益。雖然在邊緣業務上存在競爭張力，但在核心層面，他們現在是一家非常成功的公司，我們是主要投資者。我們擁有IP 權益，可以在此基礎上進行創新。我們也有建立自己模型的雄心。總的來說，我感覺非常好。此外，我很高興我們還建立了世界上最大的非營利組織之一。OpenAI Foundation 和蓋茲基金會是兩個與 Microsoft 緊密關聯的非營利組織。（關於競爭張力）這最初是作為對研究實驗室的贊助開始的。你可以這樣想：OpenAI 今天與所有人競爭，包括 Google，在 Sora 上與 Meta 競爭，他們要開發裝置，所以也會與 Apple 競爭。某種程度上作為投資者，我很高興 OpenAI 擁有巨大的雄心並展示出進步。但歸根結底，Microsoft 完全有能力執行我們需要做的事情。（關於夥伴關係的變化）我認為更重要的是人們為什麼要合作？是為了獲得槓桿效應。這總是關乎垂直整合與專業化的問題。每個人都可以說“我要自己發電直到產出產品”，但歸根結底，專業化有其作用。只要能將夥伴關係和專業化結合起來，進行組合創新，從而做成獨特的事情並獲得槓桿效應，這就是核心論點，也是正和博弈。我最擔心的是：未來的製藥公司、媒體公司、汽車公司，如何以聰明的方式與科技公司合作，以保持自身能力的主導權？科技行業天生就有合作、專業化和差異化的基因。但我擔心其他行業不僅僅面臨資料隱私問題，更重要的是是否有能力編排多個合作夥伴，最終建立我之前描述的東西：你自己的 AI 能力，你自己的 AI 工廠。這將是關鍵。就像我們沒有所謂的“電力行業”，而是每個人都使用電力一樣，每個人也都將使用 AI 來創造增值輸出。（關於 Sam 與 Mustafa）更好的隱喻是：我們各自有一套產品，這是我們競爭的地方，但我們共享核心引擎。就像兩家汽車製造商共享底盤設計一樣，因為底盤設計具有規模經濟效應。我們在系統層面大量合作，包括建設 AI 工廠的計畫。這就像擁有兩個品牌、兩個產品。在我們的產品中，我們將同時使用 Mustafa 的模型和 Microsoft AI。我們有一個很棒的團隊並正在擴張。我們甚至可能使用其他前沿模型，因為我們不想受制於人。我們喜歡 OpenAI，擁有對其技術的免版稅訪問權，所以我們想最大化利用這一點。但歸根結底，我們也有很多方式來共享核心引擎部件及其供應鏈。Bill Gates 真的在你打算進行第一筆十億美元投資時警告過不要投資 OpenAI 嗎？如果是這樣，他後來道歉了嗎？Satya Nadella:不，你知道，Bill 像我們所有人一樣，認為那是一個瘋狂的賭注。老實說，決定投入十億美元在當時並不容易，因為它絕對是一個未知數。他和其他人一樣，懷疑這種針對文字的 Scaling Laws 是否會起作用。坦率地說，即使在起步階段，他也是相當懷疑的，直到 GPT-4.0。我們在他家裡做了一個著名的演示，他用自己的 MCAT 醫學測試等題目進行了測試。那就是他改變態度的時候。Bill 的核心信念更傾向於符號邏輯，他不是神經網路派的人。他之前不相信神經網路可以直接學習，而是希望用符號邏輯來學習人、地點和事物之間的關係。這是我第一次看到他轉變觀念。如果你有機會和他交談，他肯定還會說：“這很棒，但它需要一個基於符號邏輯的認知核心。”老實說，我認為他是對的。因為你不能只依賴一台雖然令人激動但不可預測、能力參差不齊的機器。如果在任務關鍵型系統中部署 AI，而它偶爾犯錯你卻不知道何時發生，那是非常成問題的。06 能源瓶頸：每瓦特每美元的 Token 產出率電力似乎正變得稀缺。例如在弗吉尼亞有一個47 吉瓦容量的資料中心計畫，大致相當於 47 座核電站。這個問題能多快解決？是靠現有的能源技術，還是需要像核聚變這樣快速的新創新？為瞭解決這個問題，AI 公司某種程度上需要變成能源公司嗎？那你最看重未來那種能源技術的發展？Satya Nadella:我認為這一觀點是正確的。我們需要真正的全方位創新。我們要做好那些基礎性工作，比如如何最佳化審批流程，使其更快、更好？如何加快建設速度？這不僅僅關乎電網現代化。我們能否採用部署更快的使用者側解決方案，並在上線的同時助力電網升級？我們如何在加快建設許可的同時，確保符合包括環保在內的所有法規？歸根結底，我所處的這個行業需要贏得消耗能源的社會許可，前提是我們能為世界帶來積極影響。畢竟這回到了你之前的問題。我們不能僅僅說“我要消耗全球 4-5% 的能源”。好消息是我們的起點很低。你看資料的話，目前大概是 3-4%，也許到本十年末會達到 5% 或 10%。大部分的能源增長都發生在這一領域，這也是為什麼我認為它帶來了巨大壓力。但這必須轉化為廣泛的經濟增長，這樣我們才能獲得消耗能源的社會認可。回到你的觀點，我們需要能源來源的創新，也需要在使用方式上的創新，即我所說的能效。在這個領域有很多工作正在進行。（關於 AI 公司是否轉型能源公司）我不這麼認為。我覺得這將是新價值鏈融合的另一個領域，在這個鏈條中會有巨大的創新和高度的專業化，並產生複利效應。或許有一兩個領域我們會做一些所謂的“使用者側”項目，看起來像涉足了能源業務。但我堅信，你不能垂直整合進每一個你不擅長且缺乏專業知識的領域。但針對你的觀點，換個角度想：我們作為超大規模雲服務商的能源承購需求，對於下一個偉大的能源企業家或現有的能源公司來說，可能是一個巨大的激勵因素。（關於看好的能源技術）坦率地說，目前我們簽署了一些核能購電協議，還要看具體進展如何。顯然我們目前也在利用各種形式的可再生能源。實際上，我們可能是全球最大的可再生能源承購方。因此我覺得我們不會對任何一種能源形式持教條主義態度。但我還要說的是，當我看資料中心帳單時，有趣的是我們在電網現代化上的投入也很大。因為最終，電網供電和穩定的基荷電力才是最重要的，所以我們需要多管齊下。我們必須談談歐洲，特別是德國棄用了核能，這是否限制了你們在歐洲的擴張計畫？德國應該重啟核能嗎？如果不回歸核能且沒有新技術，德國是否會錯過AI 帶來的價值創造？Satya Nadella:我不太清楚具體的細節，但我們正在德國建設資料中心。我們在德國需要能源，顯然我們將依賴德國的政策和德國生產能源的能力。因為歸根結底，我認為任何國家都必須衡量自己：如何能成為“每瓦特電力每美元成本生成 Token”的高效生產者？好消息是我們樂意投入資本。從某種意義上說，我們和其他公司會來建設資料中心，讓德國經濟從中受益。但問題是，你需要具備競爭力的“每瓦特每美元 Token”產出率，因為定價最終是本地化的。即使是德國公司，如果無法獲得最優定價，他們就會轉向荷蘭或其他價格更具優勢的地方。（關於德國是否應重啟核能）這不只是一個技術問題。所以與其由我來說，不如讓德國人民自己決定。但我會說，我認為擁有能源能力至關重要。看看美國，本屆政府關注的重點是確保有真正的能源上線。他們擔心兩件事：一是他們不想因為 AI 的新建設需求而增加美國公民的用電成本，二是我們如何建設更多能源以成為 AI 時代的領先者？我認為這是每個國家都需要做的事。（關於德國的機遇）我有幾點想法。你看德國，它很獨特。德國的競爭力不僅源於本土市場，更源於其遍佈全球的智慧財產權。我一直覺得德國很成功，德國本身是個大市場，應該成為 AI 工廠以及能源等領域的偉大生產者。但每次我去看珠寶商或牙醫，我都被德國中小企業的產品包圍。這讓我意識到德國的輝煌所在。這意味著德國更多是一個出口導向型經濟體，比人們談論的還要顯著。因此，坦率地說，對於德國在 AI 時代的競爭力，最重要的是：他們能否利用其世界級的專有技術，將其與 AI 結合，創造出更多世界級的技術、知識、突破和創新，並出口到世界各地？比如看我們的資料中心建設。西門子正在做的事情，以及他們如何真正成為關鍵的一環，我們與他們建立了數字孿生，看到他們推向市場的創新真是太棒了，例如能加速一切的冷卻解決方案。我認為所有這些都非常有利於德國的經濟增長。07 AI競賽中最終的贏家往往不是技術的發明者談到歐洲，你認為歐洲應該追求AI 主權嗎？還是說這是一個錯誤的目標？但讓我們現實一點，在 AI 競賽中，歐洲似乎並沒有扮演什麼關鍵角色。如果是這樣，歐洲難道不應該重新思考自己的策略嗎？Satya Nadella:我認為每個國家，無論是歐盟層面還是像德國這樣的國家層面，主權都是一個重要的考量。對美國也是如此。每個國家都想確保其供應鏈的連續性、韌性，以及在運作中的自主權。這也是我們做出所有這些承諾的原因之一。首先，我們在德國、在歐盟投入資本，承擔風險。這些AI 工廠或雲工廠不是坐落在美國，而是在歐洲大陸，在這些國家境內。這是第一點。第二，我們現在提供主權服務，無論是在公共雲中，確保所有資料受到保護、加密，即資料平面和控制平面都要是主權的。我們在德國甚至有主權雲和私有雲選項。所以基本上，我覺得無論是在技術側、治理側還是法律側，我們都建立了一個框架來履行主權承諾。但有一點我覺得很重要，大家都在談論這個。但我感覺主權的新篇章是我之前提到的那個，它與上述這些無關。它是關於：一家德國汽車製造商或德國工業公司，如何擁有他們自己獨特的 AI 工廠和基礎模型？對我來說，這才是主權的真正定義。而不是說“我有一個控制平面和資料平面，我可以把虛擬機器推送到那裡”或者“我有加密資料”。這些都很重要，但如果你做了所有這些，卻在公司層面沒有在 AI 世界中實現主權的能力，即擁有自己的模型，那麼我認為，這是主權的新前沿。（關於歐洲的角色與策略）關於這一點，我是Jeffrey Ding 學派的堅定信徒，該學派的核心觀點是技術的擴散。今天大家更多關注的是對某一種 AI 技術的炒作。但坦率地說，真正獲勝的國家將是那些能夠廣泛提升 AI 技能、並在經濟中廣泛應用 AI 的國家，包括醫療、製造、教育等領域，並以此推動經濟增長。甚至可以說，具有諷刺意味的是：最終的贏家可能不是技術的生產者，而是技術的使用者和擴散者。Jeffrey 的書很值得一讀，因為他的核心觀點是：歷史證明通用技術的關鍵不在於誰擁有領先的行業，而在於技術的擴散。如果你接受這個論點，我會說德國或歐洲可能成為大贏家，只要他們肯下苦功夫，真正把技術引進來，進行再技能化並加以應用。事實上，等到下次 Gartner 報告發佈時，如果報告說在使用 AI 方面成功率最高的公司是德國公司，那就是你可以大舉押注的那一天。08 人類的護城河：語境工程與 EQSatya，你說過技術越重要，同理心就顯得越發重要。這是不是你現在讓員工回歸 Microsoft 辦公室辦公的主要原因？但看起來人們確實比以往任何時候都更渴望面對面的互動，各種現場活動都在蓬勃發展。那麼，你是否認為這代表了一種文明的總體趨勢：隨著 IQ 逐漸成為機器的特長，EQ 變得比 IQ 更重要？Satya Nadella:其實這非常有意思。在這個充滿AI、自動化和自主智能體的時代，我們更需要意識到人類之間是如何協作的。事實上，作為最佳的協作工具，“實體工作場所”是無法被替代的。歸根結底，我們確實從遠端辦公中學到了很多關於異地協作的經驗，但確實有一種真實的感覺：如果不把大家聚在一起，就會失去一些東西。當我思考我所謂的“新生產函數”時，關鍵在於如何讓產品人員、科研人員和基礎設施人員以全新的方式真正協作，去建構產品。這正是迷人之處：AI 尚未學會必要的“語境工程”，而人類卻具備這種能力。我可以捕捉社交訊號，感知情感暗示，並將這些融入到我積累知識、協作和創新的方式中。所以我認為，物理空間確實很重要。但我並不教條，我們將始終保持更大的靈活性。正如你所說，同理心要求我們更好地理解語境，同時不要在任何一端過於極端。（關於IQ與EQ的博弈）我一直覺得 IQ 和 EQ 都很重要。Mustafa Suleyman 甚至喜歡談論社會智力，也就是 SQ。我認為所有這些在人類社會中都至關重要。事實上，如果我們要擁有能夠與人類互動的 AI，它們也需要進化出更好的感知力，懂得如何跨越這三個維度來滿足我們的需求。所以我認同這一觀點。IQ 有它的一席之地，但不是這個世界上唯一需要的東西。我一直認為，至少作為領導者，如果空有 IQ 而沒有 EQ，那簡直是對 IQ 的浪費。 (數字開物)

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)

對於備受關注的AI投資狂潮，被稱為“泡沫預言家”的克里斯托弗·伍德（Christopher Wood）再次敲響警鐘。他指出，市場已陷入非理性的狂熱，完全無視基本面，這幾乎註定會以一場崩盤告終。問題不在於是否會發生，而在於這場狂歡何時會突然中止。科技巨頭亞馬遜、Alphabet、微軟和 Meta的報告稱，它們在 2025 財年的AI相關支出預計高達 3640 億美元，高於此前約 3250 億美元的預期。然而，在本月舉辦的《財富》創新論壇上，伍德表示，誰能將所有這些資本開支最終貨幣化並實現盈利，仍是未知數。“目前AI的‘殺手級應用’是什麼？是那些用來幫孩子寫作業的應用嗎？”伍德調侃道。在伍德看來，真正在AI領域賺到錢的，仍然只有提供底層基礎設施的“賣鏟人”——首當其衝是輝達，在亞洲則包括海力士、台積電等公司。伍德是傑富瑞集團全球股票策略主管及《貪婪與恐懼》市場評論的作者。他被公認為亞洲最具影響力且見解獨到的市場策略師之一，在識別投機泡沫方面擁有令人矚目的履歷。伍德曾在網際網路泡沫、日本信貸泡沫和美國房地產泡沫初現端倪時便發出預警。伍德指出，中國在AI發展領域比美國更具優勢。這一判斷也直接體現在他的投資策略上——重倉中國，而非美國。“過去三年，我的全球股票組合中一直持有輝達，但約一個月前我已將其剔除。我並非斷言這只股票已經見頂，但其漲幅已達約五倍。”伍德押注中國的原因在於，雖然美國在算力上領先，但中國在能源上的優勢遠大於美國在算力上的優勢。伍德稱，過去一年多的所見所聞表明，中國電池儲存技術的進步令人矚目，太陽能發電成本已經低於煤電，“這是巨大的轉變。”伍德陳述的是一個事實：在過去，中國的煤電因其穩定和廉價被稱為“基載電力”的首選，但現在，太陽能的“度電成本”在光照好的地區已經比新建燃煤電廠還低。他甚至斷言，基載電力這個概念在中國幾乎變得無關緊要，因為中國幾乎擁有無限的廉價能源獲取途徑。“反觀美國，你會發現他們正倉促地計畫建設各種能源設施，包括核能。這個國家面臨著巨大的能源瓶頸。”伍德指出，如果美國想快速解決這個問題，真正應該做的是直接引進中國技術。“中國的公司，比如寧德時代，應該在美國設廠。在我看來，美國在這個方面的覺醒只是時間問題。但顯然，整個局面在一定程度上被美國國內受政治驅動的、反ESG運動所扭曲。”當然，美國在算力上依然是領先的。但他認為，拜登政府在2022年出台的試圖阻止中國獲得先進半導體的政策，已從根本上對美國產生反效果，違背了其國家利益。首先，它讓輝達等美國科技公司失去了中國這個大客戶。其次，政策出台後帶來巨大衝擊，極大地激勵了中國自主發展半導體產業鏈。輝達創始人黃仁勳明確表示，華為相比三年前已成為強大得多的競爭對手。從美國立場看，這個政策堪稱一記“烏龍球”。目前看來，中國在稀土問題上的籌碼，遠多於美國在半導體問題上的籌碼，伍德補充道。伍德認為，中國在AI發展方面也採取了更明智的策略，即聚焦開發出具有商業可行性的實際AI應用，這將引領 “推理繁榮”（inference boom）——隨著成千上萬個成功的AI應用被部署到各行各業，社會對“推理”計算的需求將呈現爆炸式增長。伍德透露，在幾個月前訪問北京時，一位中國AI業內人士對他說：“如果達到八分（滿分十分）的水平，對我們來說就足夠好了。”根據他的觀察，中國的AI公司並非執迷於建構完美的大語言模型以達到理論上的通用人工智慧（AGI），他們的重心在於開發出具有商業可行性的實際應用。而在美國，每家公司都在耗費巨資，試圖建構自己完美的、封閉的大型語言模型以期達到AGI。“而根據我與AI專家的交流，我認為，僅通過擴大大語言模型的規模永遠無法達到AGI。”為何美國科技巨頭仍在持續巨額投入？“他們極度害怕被顛覆，”伍德直言，“強烈的錯失恐懼症正在驅動這場軍備競賽。”最後，伍德向在場聽眾推薦《AI帝國》（Empire of AI）一書，該書揭示了OpenAI的內部運作和權力鬥爭，並批判性地分析了當前AI發展模式帶來的全球性影響。“我今年夏天在峇里島海灘上讀了它。讀完那本書後，我不會向OpenAI投資那怕1美元。” (財富Fortune)

當《商報》記者在雷德蒙德總部見到薩蒂亞·納德拉（Satya Nadella）時，微軟正經歷驚心動魄的日子。2025年10月28日，微軟股價創下50年歷史最高點542美元，此後卻與其他科技股一起持續下跌。市場瀰漫著一種恐懼：圍繞人工智慧（AI）的狂熱是否即將終結？源自《商報》作者: Felix Holtermann正是人工智慧，讓納德拉在過去幾年把微軟重新變成華爾街最耀眼的明星。2014年，這位現年58歲的印度裔經理接任首席執行官，成為50年歷史上繼創始人比爾·蓋茲（Bill Gates）和“大嗓門推銷員”史蒂夫·鮑爾默（Steve Ballmer）之後的第三位掌門人。他接手的是一家明顯走下坡路的巨人：智慧型手機革命徹底錯過，個人電腦銷量連年下滑，Windows 8成了公認的災難，鮑爾默時代那種咄咄逼人的企業文化更讓內部部門之間彼此敵視。當時幾乎所有人都認為，微軟的命運已經註定：像IBM、惠普（Hewlett Packard）一樣，慢慢退到平庸的陰影裡。可納德拉卻讓這家老牌公司徹底重生。在他領導下，微軟股價漲了18倍。他只下了兩個激進的大賭註：第一，把微軟轉型成雲服務商，即經營巨型資料中心幫客戶管理資料。如今自家的Azure雲僅次於亞馬遜AWS，穩居全球第二；第二，比幾乎所有同行都更早all-in人工智慧。如果沒有2019年他對當時還默默無聞的OpenAI實驗室的那筆投資，就不會有ChatGPT，也就不會有今天的AI熱潮。ChatGPT改變世界認知整整三年後，納德拉在西雅圖附近雷德蒙德總部一間播客錄音室裡接受了《商報》近40分鐘的獨家專訪。他提前五分鐘到場，輕聲握手，先關心記者身體，才開始正式對話。納德拉《商報》：分析師預計，到2026年美國科技巨頭（也稱“超大規模營運商”）將在AI上累計投資超過5000億美元。就在昨天，GoogleCEO桑達爾·皮查伊（Sundar Pichai）公開批評AI熱潮“非理性”，並警告如果泡沫破裂，所有企業都會遭殃。您怎麼看，我們現在真的在泡沫裡嗎？納德拉：在我們行業，大約每十年就會發生一次巨大的平台變遷：個人電腦、客戶端-伺服器、網際網路、移動網際網路、雲端運算。現在我們正在經歷我職業生涯中至少第四次這樣的巨變。這次變革和雲端運算一樣，需要巨額資本和知識投入。當年為了雲端運算我們也要建資料中心、研發軟體，AI這波只是把速度開到了極限。關鍵是要有長遠的耐心。五年後，無論在德國、美國還是世界任何地方，技術佔GDP的比重一定會更高。如果我們相信這一點，就不該太在意季度之間的股價波動。投資必須最終帶來回報，但更重要的是，這是一場影響整個經濟的長期結構性變革。歸根結底，AI必須為世界創造真實價值，我們已經看到這一點正在發生。《商報》：您在亞特蘭大的新型“Fairwater”資料中心性能是目前全球最大超級電腦的十倍，裝了數十萬塊輝達晶片。本財年微軟在AI基礎設施上要燒掉超過800億美元。這些錢什麼時候能回本？如果泡沫真的破裂，對微軟、對整個經濟意味著什麼？納德拉：首先，您不能只看資本開支，還要看自由現金流和收入。我們之所以敢這樣花錢，唯一原因是我們不是在靠未來的收入過日子——我們現在就已經賺到了。單是Azure這一塊業務的規模，就已經超過十年前整個微軟的總和。這給了我們繼續大規模投資的底氣，也包括把AI真正變現。事實上，即便在所有超大規模營運商裡，微軟也是獨一無二的：我們已經實現大規模AI收入，這一點直接體現在Azure的增長數字上。隨後納德拉介紹了微軟AI產品矩陣：每月活躍使用者超過1.5億，包括消費端Copilot、企業端Microsoft 365 Copilot、程式設計師專用的Github Copilot、醫療領域改名為Dragon的原Dax Copilot，以及網路安全專用的Security Copilot。這位受過正規電工訓練的工程師一開口，就讓人願意先相信他。這位印度裔管理者說話輕柔、謹慎，帶著他特有的旋律，彷彿所有可能的質疑都早已被他提前消化。納德拉本人傳遞出一種沉穩的安全感。再加上自建資料中心、豐富的產品線和海量客戶群，他或許就是微軟目前最珍貴的資產。因為質疑者、批評者和隨時準備抓住失誤的競爭對手，從來都不缺。最危險的對手是Google（Alphabet）。它同樣由印度裔工程師桑達爾·皮查伊掌舵。上周Google剛發佈Gemini 3模型，Salesforce CEO馬克·貝尼奧夫（Marc Benioff）稱其為“量子飛躍”，讓Google重新領先OpenAI。更關鍵的是，皮查伊完全獨享自家模型，不用像納德拉這樣和初創公司分利潤。雲市場裡，微軟依然追不上亞馬遜AWS。雖然Azure最近增長更快，但AWS負責人馬特·加曼（Matt Garman）仍是老大，而且正在反擊：10月他和OpenAI簽下重磅協議，OpenAI從此不再獨家繫結微軟；同時AWS還大幅加深與Anthropic的合作——這家由OpenAI離職員工創辦的第二大AI初創公司，主要用AWS機房和亞馬遜自研AI晶片。當納德拉公開抱怨買不到足夠電力給塞滿輝達晶片的資料中心時，加曼在《商報》專訪裡毫不客氣地嘲諷：“要是供應鏈規劃需要幫忙，我們很樂意。”他還說，微軟正在失去“再也拿不回來的收入”。AI軍備競賽徹底點燃，首先燒的是真金白銀。數千億美元湧向晶片，特別是輝達，已經成為美國經濟增長的最重要支柱。BCA Research分析師判斷，如果沒有AI熱潮，美國經濟很可能已經陷入衰退。美國銀行估計，僅微軟、亞馬遜、Google、Meta四家2025年的資本開支就貢獻了美國GDP的1.1%。評級機構晨星警告，按佔GDP比例計算，當前的AI支出已經超過19世紀鐵路大建設時期。要證明這些投資合理，到2030年AI年收入必須達到2兆美元，而目前只有200億美元——需要增長100倍。《商報》：1987年諾貝爾經濟學獎得主羅伯特·索洛（Robert Solow）那句名言：“電腦時代到處都能看見，就是沒出現在生產率統計裡。”AI時代也會重蹈覆轍嗎？納德拉：我對這句話記得特別清楚，因為那正是我剛入行的時候。還有西北大學的羅伯特·戈登（Robert Gordon），他也長期質疑技術對生產率的貢獻。但回頭看他的研究就會發現，2000年代初技術驅動的生產率躍升最終還是體現在了國民經濟統計裡，主要就是個人電腦的功勞。個人電腦80年代發明，90年代中期才真正普及，到2000年至少在西方全面鋪開，生產率資料才真正起飛。我學到的核心教訓是：新技術必須先徹底普及。你不能第一次打開Excel就問生產率在那裡，必須長期使用Excel、電子郵件，並圍繞它們徹底重塑業務流程，生產率提升才會顯現。現在我們還處在只談論AI技術的炒作期，必須盡快進入“人人都在用基於智能體的AI工具創造讓自己驕傲的作品”的階段。《商報》：未來十年，AI到底會怎樣改變我們的生活、工作和世界？納德拉：拿軟體開發舉例。我入行時幸虧已經告別了打孔卡時代，用Z80處理器寫彙編或Basic。後來有了編譯器，我們進入更高抽象層次。現在Github Copilot又帶來全新一層——AI智能體直接替我們完成任務。再舉個醫生例子：用了Dragon Copilot的醫生，只需正常和患者對話，AI就能自動記錄、錄入醫院系統、直接生成結算程式碼，醫生因此有更多精力思考最佳治療方案。AI正在走進日常工作，帶來新的抽象層次，讓我們把精力放在真正重要的事情上，而不是被瑣碎重複勞動拖垮。在此基礎上，人類才能發現AI還能幫我們解決那些過去想都不敢想的新問題。納德拉熱愛技術，也特別愛舉例子。他在印度卡納塔克邦學電工，在美國威斯康星州密爾沃基讀電腦碩士，至今能滔滔不絕講當年在學校自學的Lex和Yacc。他的父母給了他跳出專業看世界的底色：父親是印度公務員兼馬克思主義者，母親是梵文教師，把詩歌的世界帶給他。納德拉尤其鍾愛里爾克（Rainer Maria Rilke，註: 他是一位德國詩人）的詩。長遠眼光始終是納德拉最鮮明的標籤。雲端運算剛起步時，大多數軟體公司還死守本地部署（On-Premise），他已經看清未來；AI也是如此，早在ChatGPT面世前，他就果斷下注OpenAI。微軟累計投入超過130億美元（主要以Azure算力形式），讓這家原本公益導向的研究室一躍成為全球最重要的AI公司。投資是一回事，更關鍵的決策是把OpenAI模型迅速塞進微軟幾乎所有產品——Excel、Word、Windows、Teams……Copilot無處不在，儘管內部開發者怨聲載道，Gartner諮詢公司形容整個過程“混亂”。但效果如何？行銷機構資料雖有差異，但基本共識是：消費端免費Copilot遠遠落後於ChatGPT；企業端同樣令人失望。美國知名科技博主Ed Zitron2025年8月援引匿名內部人士稱，4.4億Microsoft 365使用者裡只有800萬付費開通Copilot，轉化率僅1.8%。微軟強烈反駁：推出僅9個月，已有“數百萬”企業使用者實際使用，季度增長50%。但至今拒絕公佈具體付費數字。產品設計初創公司Neural Concept聯合創始人托馬斯·馮·查默（Thomas von Tschammer）指出，在某些程式設計任務上，OpenAI或Anthropic的模型確實更強。《商報》：您還記得差不多兩年前——2023年11月17日發生了什麼嗎？納德拉：2023年11月17日……（思考）《商報》：您那天忙得不可開交。納德拉：哦！這下明白了。我還以為你們說的是前一年我們發佈ChatGPT那個11月呢（笑）。《商報》：我們說的是OpenAI董事會突然解僱薩姆·奧爾特曼（Sam Altman）。您當時強勢介入，他最終復職。很多內部人士說，您把一家20萬名員工巨無霸的未來押在舊金山一個小創業團隊身上。那周末您害怕押錯寶嗎？納德拉：我記得最清楚的是那周末印度對澳大利亞的板球賽結果很糟糕。除此之外，我們這家公司深知如何建立優秀夥伴關係。當時OpenAI還是非營利研究機構，我們合作非常愉快。“11月事件”期間我始終如一：我會繼續和OpenAI合作；如果有意外，我也準備好和薩姆合作，無論他在OpenAI內部還是外部。很高興最後對所有人都好。《商報》：你們既是夥伴也是對手。OpenAI已在慕尼黑開辦公室，正在搶德國客戶，包括微軟的客戶。有些企業CIO私下告訴我，員工寧願偷偷用ChatGPT，因為它更好用，甚至違反公司與微軟簽訂的協議。您怎麼回應？納德拉：我絕不想貶低ChatGPT的巨大成功——它每天活躍使用者超過8億。但在消費端，我們用Copilot也站穩了腳跟，正在穩步前進。我對此很興奮，同時清楚ChatGPT和Google在消費市場擁有巨大先發優勢。企業端我反而非常自信。我們能提供的，是別人給不了的獨特價值：Copilot的關鍵不只是一個網頁聊天框，而是能安全連接企業內部資料。只靠網際網路公開資訊毫無意義，真正有價值的是把“公司自己知道的”和“網際網路知道的”無縫結合起來，才能做出真正差異化的工作。據“The Information”報導，微軟到2030年可分OpenAI收入20%（雙方均未證實）。2025年10月底OpenAI宣佈架構重組：核心盈利實體由基金會控制，實現公益與盈利並存。微軟仍持約27%股份，是最大股東，至2032年享有技術使用權，但OpenAI已獲准尋找其他雲合作夥伴。微軟也在主動降低依賴：11月中旬宣佈支援亞馬遜系Anthropic模型；埃隆·馬斯克的Grok模型5月起已上架Azure。微軟AI負責人雷·史密斯（Ray Smith）說：“未來我們會少談OpenAI或Anthropic那個模型更強，多談客戶用它們到底做出了什麼解決方案。”微軟與OpenAI的關係依舊複雜。《商報》：您在《刷新》一書中說技術讓全人類更強大，聽起來很美好。但現在很多科技領袖描繪的未來卻很黑暗，有人擔心AI奪權甚至滅絕人類。您為什麼還能保持樂觀？納德拉：每項新技術都會經歷狂熱→末日恐慌的周期。我們應該走中間道路：本質上樂觀，同時對可能的意外後果採取原則性態度。為此我們專門成立了數字安全委員會（Digital Safety Board），在微軟和OpenAI每一次產品發佈中都提供諮詢，目的不是無休止爭論AI安全，而是真正把安全措施落到每一步並持續迭代。網路安全將是更大挑戰。AI讓好人程式設計更強，也讓壞人更容易製造武器，我們必須同步強化防禦。這對整個科技行業都是健康提醒：過去我們有時太樂觀，先推出再補救；但當一項技術像AI這樣深入生活和工作的每一個角落，我們必須在每一步都認真思考後果。在雷德蒙德的微軟網路安全中心，每天都能看到數字世介面臨的真實威脅。最新報告分析了每天超過100兆條安全訊號，發現過去幾個月針對德國的俄羅斯網路攻擊上升25%。中心負責人史蒂文·馬薩達（Steven Masada）說，2022年2月俄烏衝突爆發“是有史以來第一場混合戰爭，我們是最早向基輔發出預警的一方”。作為全球基礎設施提供商，“我們永遠是攻擊目標”。用微軟總裁布萊德·史密斯的話：“開戰第一批炮彈不是巡航導彈，而是網路攻擊。”美國總統川普熱衷關稅，與多國貿易衝突持續發酵。微軟很大一部分收入來自美國以外，任何跨大西洋裂痕都會傷及生意。2025年9月，微軟通過承諾將Teams從Office套件剝離，才避免歐盟巨額罰款。《商報》：全球保護主義抬頭，您如何應對？這對業務影響多大？納德拉：作為跨國公司，我們深知“經營許可”取決於能否在當地創造真實價值——無論德國還是美國。如果我們不能幫助中小企業更強、不能讓德國公共部門更高效、不能改善醫療教育、不能讓奔馳這樣的大企業更好走向世界，我們就不配拿到經營許可。全球化過去帶來巨大好處，但也對各國社會產生複雜影響，這些影響正在被激烈討論。我們必須適應，不能假裝舊政治環境會永遠不變，而要保持競爭力、重新設計供應鏈。這也是微軟如今成為德國和歐洲最大資本投資者之一的原因。《商報》：比如在萊茵蘭建新資料中心？納德拉：對。我們把資本置於風險之中，但這些投資最終會提升德國整體競爭力。《商報》：您的個人經歷本身就是全球化的產物。您在書中說“只有主動追求多樣性和包容，我們才能做到最好”。但川普新政府要求終止所有多樣性、公平與包容（DEI）項目，這是否與您作為人和管理者的全部信念相衝突？納德拉：不……（停頓）首先，美國正如您所說，對我這個第一代移民來說是個不可思議的地方。我常說自己是兩種幸運的產物：美國技術在我長大的地方觸達了我，美國移民政策讓我能來到這裡並進入這個行業。很多人現在把多樣性包容和績效社會對立起來，我不這麼看。真正的績效社會，必須確保不漏掉本地已有人才，也不漏掉我們從外部需要的人才。每個國家要找到自己的方式。而對我個人來說，能來到美國，在這個行業找到歸屬感，這就足夠了。這大概是全球第三大市值公司（僅次於輝達和蘋果）掌門人對川普能表達的最大分寸。川普就職典禮幾乎所有美國科技大佬都去了，唯獨缺了納德拉，也沒見他公開示好。華盛頓大學歷史學家瑪格麗特·奧馬拉認為，這與微軟“非凡成功”有關：大多數科技CEO害怕得罪喜怒無常的總統，但納德拉知道，歐洲客戶對這種舉動非常敏感。微軟1983年進入德國，擁有無數大企業和更多中小企業客戶。西門子是全球最早與微軟合作推出“工業Copilot”的公司，目前已有超過100家客戶使用，可用自然語言大幅簡化工業程式設計。汽車零部件巨頭舍弗勒也採用該技術，新機床安裝從幾天縮短到幾小時，AI幾秒鐘就把自然語言轉成程式碼，程式設計師只需再改約20%。“AI助手正在改變製造業，我們現在能用自己的語言和機器對話，”西門子工業負責人塞德里克·奈克說。Copilot基礎版對西門子客戶免費，但必須用Azure。微軟德國區負責人阿格妮絲·赫夫特伯格透露，納德拉一年多次來德國，不僅見CEO，也見一線專家，深入瞭解產品落地。未來兩年微軟將在德國投資32億歐元，合作夥伴達3萬家。聯邦政府也在與微軟合作建設主權雲，但同時擔心過度依賴。最極端例子：國際刑事法院（ICC）宣佈，因擔心川普政府制裁，計畫放棄微軟辦公套件，改用開源方案“Open Desk”。《商報》：德國對微軟很重要。目前德國正在激烈討論未來方向，您如何看德國？納德拉：讓一個像我這樣的工程師談德國，他腦子裡蹦出來的第一個詞肯定是“德國工程技術”，對吧（笑）？那簡直是現代世界奇蹟。我在華盛頓州貝爾維尤看牙醫，離總部幾公里，周圍全是德國隱形冠軍的精密裝置。德國擁有塑造未來的巨大機會。我認為下一個成功周期大概是：美國技術來到德國，融入我們的雲和AI資料中心，被德國中小企業使用。西門子、奔馳就是絕佳例子，他們把新技術融入自家產品，再加上德國獨有的價值，出口全球，形成新的比較優勢——李嘉圖沒說錯。但前提是我們要重新定義價值創造。今天價值不再只來自傳統工程，而是“工程+數位技術”。後者就像電力：一切都已數位化。一輛聯網奔馳或西門子機床，到底算工業產品還是數字產品？界限正在消失，這給德國帶來巨大機會。《商報》：很多德企也擔心依賴風險。比如國際刑事法院案例，微軟最近因美國政府指令凍結了其帳戶。您認為類似事件未來會增多嗎？納德拉：這正是我們全力投資歐盟境內資料儲存和德國主權雲的根本原因，讓每位客戶都安心獲得所需的主權與連續性。別忘了，德國企業在美開展業務時，也必須遵守美國法律。這就是納德拉的承諾與賭註：未來幾年AI將深刻改變無數崗位，從程式設計師到醫生診室。微軟要提供底層數字基礎設施、智能業務流程工具、知識工作者裝備，以及擁有13億成員的領英網路。他主張一種新分工：傳統工業企業把微軟技術融入汽車和產線，加上自身獨特價值再出口全球，正如19世紀初英國經濟學家大衛·李嘉圖描述的自由貿易優勢。而這也意味著，在納德拉的願景裡，微軟將成為全球（除美國外）經濟競爭力的必要條件。在納德拉時代，微軟已不再把自己看作軟體公司或平台公司，而是數字基礎設施供應商——如同水電一樣不可或缺。分析機構Avispador創始人阿克塞爾·奧珀曼說，微軟正成為“數字基本供給的關鍵提供者”：既有辦公軟體，也有自動化業務流程的AI助手，更有覆蓋全球的資料中心網路，未來可能像水電一樣不可替代。這帶來某種監管保護傘——太大、太分散、太系統重要性，無法按常規監管。他的結論是：“誰控制算力，誰就控制數字經濟，而微軟正在把地基打得如此之深，競爭對手連地基都看不到。”對無數企業客戶來說，微軟越來越難以替代，也因此擁有強大定價權。最近例證：2025年11月初微軟調整多項線上服務許可結構，包括最受歡迎的Microsoft 365，取消了過去“買得越多越便宜”的量價折扣，改為統一價，理由是“更大透明度和統一性”。對客戶來說，意味著最多損失12%的折扣。粉絲認為納德拉是能平衡公司利益與技術社會影響的傑出管理者；批評者則說，這位說話永遠輕柔的CEO特別擅長用溫和願景掩蓋外界質疑。只有談到家人時，納德拉才會真正卸下防備。他與學建築的妻子阿努住在西雅圖附近，育有三子，其中兒子扎因患腦癱，三年前去世。《商報》：最後一個私人問題。您的兒子扎因和我表妹一樣，生來患腦癱。您過去說過他熱愛音樂，也教會您同理心。他三年前離世。您最希望他能活到體驗那項未來技術？我們如何確保AI真正包容，讓所有人都能用？納德拉：這……真是個好問題。我們推出Copilot新角色Mico時，一個女兒突然說，扎因最愛《海底總動員》和《冰河世紀》那類動畫，我們就想，他一定會愛Mico。謝謝您讓我想起他。無障礙設計一直讓我著迷。我剛進微軟時，做法是先做好產品，再加一層無障礙功能，像附加品。現在完全不同。多模態語言模型是有史以來最易用的技術——輸入方式已無關緊要，一切都能相互轉換。在人機互動上我們也站在全新門檻前。我曾和女兒一起嘗試用頭戴裝置採集腦電訊號，幫助無法動彈的扎因與我們交流。現在腦機介面領域進展很快。我滿心希望，計算技術能成為普世包容的驅動力，這波技術浪潮也將因此被歷史記住。在這一點上，我是個徹底的樂觀主義者。 (德國派)

過去數周，輝達股價經歷了一輪高位回呼與震盪。目前市值相較於一個月前的高點已下降15.4%。雖然一周前最新季度財報發佈後，公司超預期的業績表現一定程度上穩定了市場信心，但隔天股價的下跌反映著情緒底色依然是消極的。關鍵的是，這已不僅僅是輝達一家公司的悲歡，它的表現是觀察AI行業的核心風向標。再加上Alphabet、微軟、亞馬遜、Meta、蘋果、特斯拉，這七家技術公司繼承了商業歷史上石油七巨頭的強勢，利益捆綁關係緊密，以驚人的市值集中度成為美股的主心骨。根據中金公司資料，自2022年年底ChatGPT發佈以來，美股「七姐妹」（Magnificent Seven）最高上漲283%，大幅跑贏同期標普500指數扣除M7後的69%。最近一周，美國投資人Michael Burry公開警告AI泡沫，質疑以輝達為中心的技術公司之間的循環交易模式，重申他對輝達的看空立場。輝達對此予以駁斥，聲稱戰略投資在營收中佔比極小，且被投資公司的收入主要來自第三方客戶，以此反駁循環交易製造收入的指控。多家投資機構在三季度選擇買單離場。軟銀集團、Peter Thiel的避險基金清倉了其持有的全部輝達股票。避險基金橋水在三季度末已減持輝達股票，減持比例達65.3%。此外，橋水還減持了53%的Alphabet股票，36%的微軟股票和9.6%的亞馬遜股票。橋水首席投資官Karen Karniol-Tambour等人警告稱，當前的市場穩定性正面臨越來越高的風險。泡沫論頻出反映了資本市場的擔憂。以輝達為代表的技術公司市值高增長、資本高投入的背後，躲不過一個核心問題：這場由AI推動的牛市，究竟擁有堅實的基礎，還是一堆膨脹的泡沫？輝達的超預期業績未能緩解股市擔憂11月20日，輝達2026年第三財季業績發佈，營收創下570億美元紀錄，同比增長62%；淨利潤319.1億美元，同比增長65%，營收與利潤均超出華爾街預期。公司的核心增長引擎——資料中心，同比增長66%至512億美元，創下紀錄。財報發佈後，輝達股價一度漲超6%，不過隔天就又快速跌了回去，市場對於泡沫的擔憂並未緩解。輝達創始人兼CEO黃仁勳在電話會議上表示：「關於AI泡沫的說法很多，但從我們的角度來看，情況截然不同。」他在新聞稿中表示：「Blackwell的銷量遠超預期，雲端GPU也已售罄。訓練和推理領域的計算需求持續加速擴大，且均呈指數級增長。我們已進入AI的良性循環。」上述表態可以視為輝達對市場擔憂的回應。評價公司的業務是否健康，客戶集中度是一項關鍵指標。算力需求帶動輝達營收的增長，按理來說客戶應該更加分散，但輝達的客戶集中度卻不斷上升。2025財年，輝達直接客戶A、B和C的銷售額分別佔總收入的12%、11%和11%，合計34%。到了2026財年二季度，兩家直接客戶貢獻了總營收的39%，比例顯著高於去年同期。名單雖然未披露大客戶是誰，但投資者都知道輝達GPU絕大部分都賣給了微軟、Google、亞馬遜三家雲服務廠商，以及Meta這家自稱「寧願過度投資，也不願因為投資不足而掉隊」的社交巨頭。雲廠商購買輝達晶片是在囤貨還是已實際應用？黃仁勳強調「雲端GPU售罄」，這意味著終端使用者——需要訓練模型或運行AI應用的公司——對AI算力的需求極其旺盛。雲廠商買的輝達晶片沒有閒置在資料中心，雲廠商會持續下訂單，輝達的營收增長亦是可持續的。然而，本周一有媒體報導輝達的大客戶Meta正考慮斥資數十億美元購買Google的自研AI專用晶片。輝達股價在次日下跌超7%，收盤價177.82每股美元，為近一個月內的最低值。與之相對的，Google發佈用自研晶片訓練的Gemini 3模型之後，其母公司Alphabet股價一路上漲，今年迄今為止股價已上漲近70%，市值向4兆美元邁進。就在昨天，輝達少見地在社交平台X發聲，稱對Google在AI領域的巨大進步感到非常高興，將繼續為Google提供產品與服務。同時也強調，相較於專用積體電路（AISC），輝達領先業界一代，是唯一能夠運行所有AI模型，並應用於所有計算廠家的平台。事實上，包括Google、亞馬遜、特斯拉在內，越來越多大客戶都在加大自研晶片的投入。不過輝達還是對未來持樂觀態度，並給出了下一季度的業績預測：收入將達到650億美元，上下浮動2%。下遊客戶研發與資本支出激增，但生成式AI對其主營業務增長作用有限從晶片採購、模型訓練、有關AI的業務場景應用落地，再到自研AI晶片試圖打破輝達壟斷，這條供應鏈的每一個環節都支出不菲。技術公司的研發投入不斷上漲。Google、微軟、Meta、亞馬遜最近三個季度的研發開支累計達1870億美元。而用於建設AI基礎設施的投入增長得更快，上述四家公司截至最近三個季度的資本支出均已超過2024年的全年支出，未來還會持續擴大投入。源源不斷的資金投入是否給公司帶來有效的業績增長？AI給雲業務帶來的增長最直觀。市場研究機構 Synergy Research Group的資料顯示，三季度企業在雲基礎設施服務上的支出較上一季度增長超過75億美元，創下有史以來最大的環比增幅。亞馬遜、微軟與Google位列雲服務市場份額的前三名，它們三季度的全球市場份額分別為29%、20%與13%。自2017年以來，亞馬遜、微軟與Google的雲營收均實現了數倍甚至十倍的跨越式增長。2024年，亞馬遜雲服務營收超過千億美元，微軟雲服務營收接近千億美元規模。Google雲服務在最近三個季度呈現穩健的雙位數環比增長。不過，將雲業務從三家公司的總營收中剔除，其最近三個季度的營收同比增速均呈現不同程度的放緩。這表明技術公司的業績增長主要依賴雲業務驅動，AI對核心業務的滲透尚未體現在整體營收上。以Meta為例，其主要營收源自客戶給社交應用家族投放廣告。自2021年起至今，Meta的應用家族日活躍使用者數增長率維持在8%上下，AI並沒有給日活躍使用者數帶來顯著增長。2022年，蘋果iOS隱私政策重創Meta的廣告業務，致使其平均單次廣告價格下滑16%。後續Meta在財報中表示，公司投入資源在AI（包括生成式AI）上，借助AI最佳化廣告的投放、精準定向與效果評估。2024年，Meta的廣告展示次數同比增長11%，平均單次廣告價格同比增長10%，均重回雙位數增長。借助AI，Meta從2022年的營收危機中恢復，但也僅止於此。無論是通過雲將AI算力轉售給更下游的公司，還是用AI對既有業務降本增效，目前來看，AI對於技術公司帶來的效果還都是間接的、漸進的，它並沒有成為創造新流量的入口。從輝達爆發式的業績，到技術巨頭們激進的資本開支，再到它們平淡的營收增長，增長動能在產業鏈的傳導中出現了明顯的「邊際遞減」。AI資金的結構性風險：技術巨頭正用公共債券加槓桿然而，技術公司們押注生成式AI的熱情絲毫沒有減退的跡象。現在，它們正在競相建設資料中心。今年6月，亞馬遜宣佈將在北卡羅來納州建設資料中心，投資規模100億美元。11月，Google宣佈將投資400億美元，在德克薩斯州新建三個資料中心。Meta為建設資料中心，未來三年將在美國投資6000億美元。掀起AI競賽的OpenAI則在今年9月與甲骨文簽署協議，五年內購買其價值3000億美元的算力。7月，兩家公司還宣佈合作建設總功率達4.5千兆瓦的資料中心，具體費用未披露。與這些大規模投資相呼應的是技術巨頭們在2025年下半年不約而同開啟的「囤錢」模式。Google今年4月、11月兩次在歐洲市場發債，累計55億歐元（63億美元）。甲骨文9月發債規模達180億美元。亞馬遜11月發債規模達到120億美元。Meta 10月發債規模達到300億美元，吸引約1250億美元投資者認購，創下公開公司債發行史上最高紀錄。發債趨勢印證了資本市場有關「AI泡沫論」的擔憂：巨頭們利用大規模公共債券加槓桿，導致市場上的資金從高風險的股市流入低風險的債市。已處於高位的技術股或將面臨更多拋售風險。不止是瘋狂發債，技術公司之間錯綜複雜的投資與交易關係也飽受質疑。9月底，輝達宣佈向OpenAI投資高達1000億美元，幫助其建設10吉瓦算力的資料中心。作為回報，OpenAI承諾在這些資料中心部署數百萬塊輝達晶片。該協議隨即因「循環交易」的性質受到批評。晨星分析師Brian Colello談到該筆交易時表示：「如果一年後AI泡沫破裂，這筆交易可能是早期的蛛絲馬跡之一。」OpenAI預測2025年營收為130億美元，對外投資已累計約3800億美元。而根據彭博社援引知情人士消息稱，OpenAI預計要到2029年才能實現現金流為正，屆時其營收預計將超過1250億美元。伯恩斯坦研究公司分析師Stacy Rasgon在一份投資者報告中寫道：「Altman有能力讓全球經濟崩潰十年，也有能力帶領我們走向繁榮昌盛。目前我們還不知道那種結果會更糟。」 (新皮層NewNewThing)