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)

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)

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)

近日，微軟CEO納德拉與Stripe聯合創始人約翰·科裡森（John Collison）進行了一場關於AI技術、商業本質與組織進化的深度對話。納德拉將當前的AI浪潮與90年代的網際網路泡沫進行冷靜對比，認為此次AI浪潮並不是泡沫，而是真實存在算力供不應求的產能危機。納德拉在訪談中描繪了一幅反直覺的軟體未來圖景：應用的邊界正在消融，而整合開發環境（IDE）將以一種全新的面貌回歸。他認為，未來的互動介面將不再是單一的聊天窗口，而是融合了電子表格、文件和消息流的任務控制中心。在這個圖景中，無論是程式設計師還是會計師、律師，都將擁有屬於自己的IDE，工作的本質將變為對成千上萬個AI智能體（Agent）進行微觀引導（Micro-steering）。這不僅是UI的革新，更是人類與機器協作關係的重構，人類不再是單純的操作者，而是擁有宏觀委派能力的指揮官。在訪談中，納德拉強調在AI時代公司主權（Corporate Sovereignty）是一個的核心價值。他認為，在通用大模型無所不知的情況下，企業的護城河不再僅僅是傳統的智慧財產權，而是將內部難以言傳的“隱性知識”轉化為私有模型的權重。如果說30年前比爾·蓋茲夢想將世界結構化為SQL資料庫以實現資訊觸手可及，那麼今天，納德拉正在用神經網路和Agent來建構企業獨特的隱性知識，防止企業核心優勢洩露到通用模型。在訪談最後，納德拉剖析了微軟的組織文化。他致力於將微軟的文化核心從“自以為是派”（Know-it-all）徹底重塑為開放的“學習一切派”（Learn-it-all）。在他看來，要對抗外界刻板印象與內部官僚主義，微軟必須擁有統一的“成長型思維”來應對每一次技術範式的劇變。Satya Nadella訪談內容劃重點1. 企業級 AI 的真相：別羨慕別人的工廠，建自己的資料護城河拒絕模型焦慮：納德拉直言，企業最核心的任務不是羨慕別人的AI智能體，而是建構自己的AI工廠。其中最複雜也最重要的工作是組織資料層，讓企業資料能夠滿足智能化需求。記憶與關聯：真正的殺手級應用在於建立“圖譜”（Graph）。工作並非雜亂無章，而是圍繞業務事件展開的，AI的價值在於找回這些在系統中丟失的語義連接。Agent的三大基石：一個有效的Agent系統必須具備三個模型之外的要素：記憶（長期信用分配）、權限（嚴格遵守訪問限制）和有效的行動空間。2. 重新定義“公司主權”：隱性知識的權重化科斯定理的AI版： 既然通用大模型無所不知，公司存在的意義是什麼？納德拉認為，公司的價值在於其內部交易成本低於市場交易成本的“隱性知識”。未來的IP是模型權重：“公司主權”意味著企業擁有自己的基礎模型，該模型捕捉了組織內部獨特的隱性知識。未來的智慧財產權將以LoRA（大模型微調層）權重的形式存在，這是防止企業核心優勢洩露到通用模型的關鍵。3. 基礎設施建設：這次不是泡沫，是產能地獄與2000年泡沫的區別：納德拉指出，2000年是暗光纖泡沫，基礎設施鋪設過度但利用率低；而現在的AI基礎設施建設中，所有算力資源都已售罄，瓶頸在於電力、渦輪機和“增強型外殼”的供應不足。面對日益嚴格的資料法規，微軟必須在全球範圍內建設資料中心，以應對各國對資料主權的要求。技術堆疊佈局：納德拉將微軟的AI堆疊概念化為兩層核心。底層是基礎設施業務，即“Token工廠”，其核心指標是追求極致的資本效率，即每美元、每瓦特能生產多少Token；上層則是“Agent工廠”，其核心在於如何最有效地利用這些Token來驅動業務成果，即最大化每個Token的價值。拒絕過度捆綁的誘惑：儘管微軟擁有從晶片、雲設施到應用的全端能力，納德拉卻強調每一層（基礎設施、資料層、應用）都必須具備獨立生存的市場競爭力。他反對過度依賴生態捆綁，認為客戶不應被迫接受“全家桶”，而應擁有自主選擇“從那扇門進入”微軟生態的權利。4. 軟體介面的未來：人人都有“IDE”IDE的回歸：儘管人們常說“應用將消失”，但納德拉認為IDE（整合開發環境）將以新的形式回歸。未來的軟體介面將是收件箱、消息工具和“閃爍游標畫布”的融合，不僅程式設計師，會計師、律師都將擁有自己的“任務控制中心”來微觀引導成千上萬的AI智能體。5. 歷史的教訓：範式正確不代表贏微軟的網際網路往事：90年代微軟雖然看準了“資訊高速公路”的方向，但最初押注的“互動式電視”路徑卻被開放網際網路擊敗。這給AI時代的啟示是：即使看對了範式（Paradigm），具體的架構選擇和商業模式仍決定成敗。組織層的必然性：即使在開放的生態系統中，最終也會出現掌握話語權的“組織層”（如搜尋引擎、應用程式商店）。在AI時代，誰能成為新的組織層（如ChatGPT目前的角色）仍是未定之數。以下是Satya Nadella訪談實錄1. 關於Ignite 大會與企業級 AIJohn Collison：那麼，大家應該為Ignite 大會的那些內容感到興奮？Satya Nadella：對我們來說，Ignite 大會最核心的任務，就是確保 AI 能夠在企業內部得到廣泛普及。如果說只有一件事最重要，那就是不僅僅去羨慕別人的“AI 工廠”或 AI 智能體（Agent），而是要探討如何建構你自己的 AI 工廠。這其中，對資料層的組織至關重要，事實證明這可能是最複雜的一環。你需要覆蓋整個企業的資料，使其能夠滿足智能化需求。這將是我們接下來的工作重點。John Collison：我們在企業環境中似乎還沒有看到真正的深度應用。雖然有了Copilot，但大多數人日常工作中並沒有這種能力。你認為人們是否低估或未充分利用已經存在的 AI？Satya Nadella：是的，這很有趣。因為對我來說，這正是殺手級功能。我們做的最重要的事情就是建立了“圖譜”（Graph）。在我看來，這是位於所有資料庫之下的、對任何公司都最重要的東西——它承載著你的電子郵件、文件、Teams 通話等資料。關鍵在於這些資料間的關係。人們的工作並非雜亂無章、非結構化的，所有的工作都是圍繞某個業務事件展開的。這種語義上的連接存在於人們的腦海中，但在系統中往往丟失了。而現在，這是第一次，我們能通過AI 更好地找回這些記憶和關聯。John Collison：相比個人使用者，為什麼AI 在企業中的滲透率還不足？Satya Nadella：因為我覺得人們現在使用很多大語言模型（LLM）工具時，可能只是上傳單個文件。但大多數公司並沒有將所有功能整合，沒有將公司完整的上下文接入到他們日常使用的 AI 中。實際上，這裡有兩層挑戰。第一是變革管理。這是我們歷史上所有辦公套件中部署速度最快的一次，但最終必須有人去使用它。而在企業環境中，這意味著所有的資料發現（Discovery）環節必須可行，所有的資料治理必須到位。我們必須將權限範圍接入 Copilot，確保當我檢索內容時，如果是機密資訊（如已被 IRM 保護的內容），它能被正確識別和處理。我們已經做了大量工作，現在開始看到成效。我要說的第二點是，讓AI 跨越整個 Microsoft 365 圖譜運行是一回事，但接下來要解決的是 ERP 系統的資料。目前的連接器就像“兩根細吸管”，效率不夠。你需要一個更好的資料架構，基本上需要通過語義嵌入（Semantic Embedding）將所有這些資料整合到一個層面。John Collison：幾十年來，讓公司資料“觸手可及”一直是一個願景。我讀過那本關於 Oracle 歷史的書《Softwar》，提到拉里·埃裡森（Larry Ellison）在 90 年代末就像高管推介，要把公司所有資料放在一個地方，讓高管可以“一鍵”獲得答案，而不是發郵件讓分析師去調查。為什麼這個論點經久不衰？是因為公司實際上並沒有按時做好資料基礎設施這門“苦修課”（eat their data infrastructure vegetables）嗎？這一次我們終於能解決資料管道的問題了嗎？Satya Nadella：你可以反駁這個前提，但這正是問題所在。如果我沒記錯的話，比爾·蓋茲在 90 年代的一次 COMDEX 演講上創造了“資訊觸手可及”（Information at your fingertips）這個術語。比爾一直對此非常著迷。我清楚地記得他在90 年代的一次評審中說過：“軟體只有一個類別，那就是資訊管理。你必須對人、地點和事物進行建模，僅此而已。你無需再做任何事，因為所有軟體本質上都是資訊管理。”這是比爾一直以來的夢想。他討厭檔案系統，因為它們是非結構化的。如果所有東西都是SQL 資料庫，他會很高興，那樣他就可以直接運行 SQL 查詢，對所有資訊進行程式設計。對他來說，那是讓資訊觸手可及的優雅解決方案。但問題在於，人是混亂的（messy）。即使資料是結構化的，它也並沒有真正集中在一個索引中，我也無法運行一條 SQL 查詢來獲取所有資訊。這一直是根本性的挑戰。我會說，那是舊世界的產物。我們當時誰也沒想到，AI 和大規模深度神經網路會突然成為解決這個問題的關鍵。我們要做的不是建立某種程式化的資料模型，而是通過神經網路找出那些模式。事實上，很長一段時間我們都痴迷於資料模型需要多麼複雜才能捕捉企業的本質。事實證明，通過在擁有巨大算力的神經網路中通過海量參數就能做到。John Collison：就像有些聰明的遠端員工，剛入職五分鐘就能通過閱讀文件抓住要點。模型可以任意聰明，它們可以執行RAG（檢索增強生成），可以訪問企業中的所有內容。但這與模型本身真正“知道”某事是不一樣的。除非你在公司內部訓練定製模型，否則這些模型不會真正對你們的業務變得更聰明。如果第一千次查詢並不比第一次查詢更聰明，那你認為這會走向何方？Satya Nadella：這裡涉及兩點。如果是指上下文學習（Contextual Learning）或持續學習，那確實是終極目標。這呼應了我之前的觀點：如果你把模型的“認知核心”與它的“知識”分離開來，你就擁有了一種持續學習的公式或演算法。我認為有三件事必須存在於模型執行階段之外，我們需要攻克它們：記憶（Memory）： 包括短期和長期記憶。人類很擅長長期歸因（long-term credit assignment）。當 AI 模型既能根據長期記憶進行獎勵也能進行懲罰（即具備長期信用分配能力）時，你就知道你擁有了真正的記憶。權限（Entitlements/Permissions）： 模型在執行階段必須嚴格遵守權限系統。我是誰？我有權訪問什麼？模型必須滿足這些限制。行動（Actions）： 行動空間必須有效。如果你將這三者結合，行動、權限和記憶，這就構成了上下文（Context）。這些根據定義必須位於模型之外，而不是內建於模型中。例如，在今天的 Copilot 中，你需要系統能在 OpenAI 模型和 Claude 模型之間運行。我認為這正是前沿技術需要發展的方向。2. CEO 的日常與管理方式John Collison：我想問一些關於你工作方式的問題。你的日常工作是什麼樣的？你們如何通過現代化的“走動式管理”來瞭解微軟內部的情況？Satya Nadella：我平常的一天主要由兩端組成。首先是客戶相關的事宜。我每天至少有一兩個Teams 通話是與客戶進行的。這是最有幫助的方式之一，讓我保持腳踏實地。其次是會議。作為CEO，我意識到會議主要有兩種。一種是我只需要召集大家，然後閉嘴不言，因為“召集”這個動作本身才是重要的，工作要麼已經完成，要麼會在之後完成。另一種是更重要的會議，我需要在會上學習、做出決定或傳達資訊。你提到你會“潛伏”在 Teams 頻道里，對，Teams 頻道對我來說幾乎無處不在。我就像是在漫步於虛擬的走廊，潛伏在那些頻道周圍。如果說有什麼收穫的話，我在那裡學到的最多。這也是我建立聯絡最多的地方。我會發現：“哇，這個人正在開發 Excel Agent”，或者瞭解他們想要的評估方式。我從中學到的比做任何其他事都要多。John Collison：就像微軟的Teams 團隊專注於他們的產品，然後薩蒂亞突然跳出來問了一個問題？Satya Nadella：是的，雖然有時我覺得我應該擁有更多存取權。實際上，我最大的不滿是我不能隨意進入所有我想去的地方（笑）。但能夠直接進去體驗確實很有趣，這在某種程度上讓這種溝通正常化了。現在的員工也不會吝惜與你分享他們的真實看法。John Collison：你在矽谷的小圈子裡很有名，因為你保持著高度的聯絡感。我記得你曾來參觀過Stripe 的辦公室，當時我們還是家小公司。為什麼你比大多數其他 CEO 更願意花時間與初創公司會面？Satya Nadella：我是在微軟這種文化中成長起來的，我體內有面向開發者關係的“布道基因”。有兩件事深深根植於我心中：如果你不關注開發者的去向，就很難保持技術平台的相關性。你需要理解新的工作負載（Workloads）以建構技術平台。John Collison：如果你不關注初創公司，就很難瞭解平台或工作負載的趨勢。所以這幾乎是我必須做的事。另一點是，我從中獲得了巨大的能量。我一直覺得創始人就像魔法師，能從無到有創造出東西。這感覺就像變戲法，我總是想搞清楚：“到底是怎麼做到的？”Satya Nadella：事實上，我們從你們那裡學到的一件事，就是重新發現微軟非常擅長的事情——跟隨開發者，出現在初創公司聚集的地方。這也在某種程度上將我引向了GitHub。顯然 GitHub 是一個很棒的資產，我們需要成為開源生態系統的優秀管理者。但更重要的是，每個初創公司的倉庫都在 GitHub 上。對我們來說，參與其中不僅是戰略佔位，更是為了簡單地學習並打造更好的產品。因為有時你會失去審美，忘記如何以最少摩擦的方式交付產品，而初創公司的耐心是最少的，價值實現的時間必須最大化。3. 軟體介面的未來：生成式UI 與 IDE 的回歸John Collison：微軟是否在考慮生成式UI（Generative UI）？現在的軟體仍然陷在老舊範式裡，比如“寫程式碼、定稿、發佈”。而在雲端交付的時代，我們是否可以根據個人需求即時渲染 UI？Satya Nadella：肯定會朝這個方向發展。隨著生成能力的提升，你可以生成程式碼，也可以圍繞任何定製化的東西生成UX 骨架。在微軟，長期以來我們也一直在思考文件、網站和應用之間的區別到底是什麼。你可以根據想要展示的格式隨時生成其中任何一個。但有趣的是，儘管大家都在討論“應用將會消失”，我們那些老牌的 IDE（整合開發環境），無論是 Excel 還是 VS Code，某種意義上又回來了。因為現實是，AI 會產生輸出，而我需要理解那些輸出的含義。實際上，我需要一個出色的編輯器，讓我能與 AI 進行差異比較（diff）和迭代。我認為最令人興奮的事情之一，是全新類別的“高度精細化 IDE”。它們更像是任務控制中心（Mission Control）。如果我有成千上萬個智能體（Agent）在運行，我要如何理解這些情況？這就需要“數千個智能體的微觀引導”。這就是未來的 IDE、收件箱和即時通訊工具將會演變的方向。它不再是簡單的發消息或分診（triage），而是宏觀委派（Macro-delegation）和微觀引導（Micro-steering）。John Collison：你的意思是，未來不僅是程式設計師，會計師、律師都會有自己的IDE？Satya Nadella：沒錯。這就是我如何與智能體協作的比喻。我會給出一堆指令，它們開始執行，有時運行幾小時甚至幾天，然後回來匯報。對於這種工作流，我們需要上下文來進行微觀引導。它不能只是變成下一個“通知地獄”，發給我五個字提醒，而我不知道上下文。我認為軟體最終會長成這樣：它看起來像一個收件箱，又像一個消息工具，同時帶有一個閃爍游標的畫布（Canvas）。我們喜歡電子表格的表格形式，喜歡文件的線性形式，也喜歡消息流。未來的介面會是這些形式的融合。例如，我們正在試驗的GitHub Copilot Workspace 就是這種“任務控制中心”。你會有五六個不同的分支，啟動自主智能體去執行任務，然後它們返回，你進行程式碼合併的分診。我認為下一個偉大的 IDE 就會誕生在這裡。4. 歷史的教訓：網際網路浪潮John Collison：科技界常有一種模式：對某項技術的興奮程度遠超其成熟度。就像《2001：太空奧德賽》裡的語音 AI，我們花了 50 年才實現。我經常思考微軟在 90 年代的情況。比爾·蓋茲寫了著名的《網際網路浪潮》（Internet Tidal Wave）備忘錄，明確指出網際網路是重中之重。但當時微軟對網際網路的設想是“資訊高速公路”和機頂盒，而不是我們後來看到的 PC 網際網路。我們在當前的 AI 浪潮中應該吸取什麼教訓？Satya Nadella：這是一個很棒的問題。即使在當時，作為一名初級員工，我對那段歷史的解讀是：我們好像理解了網際網路，但其實並沒有。我們當時想要交付高品質的服務，但我們不相信TCP/IP 協議能奏效。當我回顧我們當時試圖做的事情（資訊高速公路）時，服務質量（QoS）確實是個大問題，我們覺得 TCP/IP 撐不住。當時我們是在與 AOL 的撥號上網競爭。我還記得 MSN 最早是基於 X.25 網路的。我們在做互動式電視（Interactive TV），把 ATM（非同步傳輸模式）交換機連接到家裡。我在1994 年做過一個演示，那是我職業生涯早期風險最大的演示之一。那是我們的第一個冗餘檔案系統，是一個視訊伺服器。比爾當時在說：“嘿，這就是互動式電視的未來。”即便光碟故障，視訊流也能繼續播放。我的工作就是當眾拆掉光碟機，證明串流媒體還在繼續。我們建構了分佈式檔案系統、串流媒體伺服器，並用ATM 網路連線到房子裡。我有五部電影可以看，我看了一遍又一遍。我們的願景和方向（網際網路）是對的，但我們最初押注的實施路徑（互動式電視/專用網路）卻被後來的技術演進（TCP/IP、開放網際網路）超越了。這在 AI 時代同樣值得深思：看準方向固然重要，但具體的架構選擇和實施路徑同樣決定成敗。John Collison：但那就是比爾（Bill Gates）轉變方向的時刻，對吧？Satya Nadella：沒錯，比爾在1995 年所做的那個決定……事實上這很有趣。當時 Windows 95 即將發佈，然後他說：“你知道嗎？一切都將改變。”如果你回想 1992 年到 1995 年之間，那是我們大家都初次接觸網際網路的時候。1993 年 11 月 Mosaic 瀏覽器問世，差不多就是那個時期。在那兩年裡，局勢並不明朗，大家都在通過旁敲側擊的方式探索。當時並不確定是某種專有協議棧會勝出，還是開放網際網路會勝出。直到 1995 年，形勢變得清晰，於是我們進行了轉向。John Collison：有意思。那時候確實還不確定開放網際網路最終會獲勝。Satya Nadella：是的。事實上，這裡面有一個教訓，我一直在觀察並思考如何將其應用到人工智慧（AI）上。那就是：首先你要把範式（Paradigm）弄對。但即便你把範式弄對了，也不清楚你是否能找到那個“殺手級應用”，甚至是商業模式。這在歷史上一直如此。以網際網路為例，誰能想到開放網路的“組織層”（Organizing Layer），也就是擁有網路效應的搜尋引擎，竟然會由單一所有者掌控？我總是說，並不存在所謂的“開放網路”和“Google網路”之分，因為Google曾經統治了它。John Collison：我們是否應該反思這一點？當時也許有人出於動機，認為像Liberty Media 和 Microsoft 合資的那種專有解決方案會獲勝，但最終開放網路贏了。然而，即使開放網路勝出，你也應該提醒組織：無論是在我們自己的“資訊高速公路”專有系統上，還是在開放網路上，公司通常會對專有解決方案抱有樂觀的看法。Satya Nadella：這是一個很有趣的話題。當我回過頭看時，像AOL 和 MSN 這樣的平台，雖然輸給了開放網路，但它們其實只是被新的形式所取代了，比如搜尋引擎和應用程式商店。移動網際網路的出現實際上也非常吸引人。開放網路確實曾是一個歷史性的時刻。對我來說，更宏觀的規律是：即使在開放的生態系統中，“組織分層”也始終會出現。大量的品類影響力會轉移到那個組織層。而且正如上一個範式是搜尋引擎，今天是聊天機器人（Chatbots），但這能持續多久？無人知曉。但不可否認的是，ChatGPT 目前作為一個聚合點的成功是顯而易見的。市場和應用程式商店一直存在，下一步會是什麼？電子商務會發生什麼變化？是在一個具有代理性（Agentic）的市場中，還是在一個代理化的電子商務中？這些都是需要通過實踐來解決的有趣問題。John Collison：我想談談這個問題，也想談談商業。既然我們還沉浸在“90 年代”的氛圍中，現在每個人都在拿這段時間與網際網路泡沫作比較，這幾乎已經成了陳詞濫調。但我認為這是一個合理的類比，原因在於：這確實是一個極其依賴資本支出（CapEx）的建設過程，是為了一個非常重要的新範式，但確實伴隨著巨大的資本投入。你在 2000 年網路泡沫期間曾在 Microsoft 工作過。Microsoft 的股價在 90 年代末到 2000 年初達到頂峰，直到 2016 年才重新超越那個高點。1999 年時的感覺如何？你當時知道自己處在泡沫中嗎？還是覺得“這次不一樣”？Satya Nadella：有意思。我記得大概在2000 年，我們超越了通用電氣（GE），成為市值最大的公司。那時候我們的資本投入模式其實還很輕。回顧那段時期，即便撇開金融周期不談，長期趨勢和方向是清晰的，網際網路確實改變了一切。因為即便在那時，商業模式也在逐步浮現。當時對Microsoft 最大的教訓是：天那，即使是我們那時候的首要策略，比如打造瀏覽器、搭建 Web 伺服器、普及網際網路協議，雖然我們做了所有顯而易見的事情（比如在辦公室內部做一個所見即所得的網站建構器），但我們意識到僅僅做那些顯而易見的事是沒有意義的。我們需要重新發明我們正在做的事情。新的商業模式最終會變得清晰。某種意義上，那次修正沖刷掉了許多東西，但核心理念一直存在。我在思考這裡發生了什麼。當時鋪設的基礎設施本身，其實有更直接的影響。比如暗光纖（Dark Fiber）的鋪設，雖然會有孕育期，但最終網際網路公司會規模化發展並利用它。但這一次，人們似乎排著隊在門外搶購這些基礎設施（GPU 等）。這一次，坦白說，我們在基礎設施建設上是落後的。當我看我們的基建進度和今天的需求時，這與當年的泡沫截然不同。當年是“暗光纖”泡沫，顧名思義，光纖是“暗”的，沒有被點亮（利用率低）。而現在，我並沒有利用率的問題，我的所有算力資源都賣光了。事實上，我的問題是我得拚命增加供應。當然，沒有任何供應鏈能完美匹配供需。但這一次在建構過程中，考慮到長交付周期，我們必須向華爾街清晰描述我們的資產。有些資產（如建築外殼）可以使用20 年，有些（如晶片）只有 4-5 年壽命。你必須以不同的方式對此做決策。在資產負債表上有一個閒置的“冷外殼”，其實沒關係，這就好比擁有一個有五棟樓的園區。真正的問題是，如果沒有可以被“點亮”的增強型外殼（Hot Shell）來滿足需求。現在的瓶頸可能在於電力設施、渦輪機或者經過增強的外殼本身。如果我沒有足夠的增強外殼，我就無法把 GPU 放進機架並投入運行。這（土地許可、電力許可、建設）才是耗時最長的部分。順便說一句，位置也很重要。我們不僅在美國本土大量建設，還必須在全球範圍內建設。資料法規實際上每天都在增多，各國都非常在意主權問題。因此我們必須確保這是一支全球化的艦隊，能夠處理從訓練、資料生成（DataGen）到推理的各種工作負載。John Collison：誰應該關心資料主權？比如愛爾蘭有很多資料中心，但並不特別糾結於“資料必須只保存在愛爾蘭”這個想法。你們是完全按照各國的意願行事，還是會就資料主權的必要性提供建議？Satya Nadella：顯然這是每個國家的政策制定者都高度關注的話題，也有其合理原因。但在人工智慧時代，我對“主權”的思考方式有些不同。我認為最終的主權問題更多是關於“公司的未來”。如果你回到科斯定理（Coase Theorem）的核心，你會問：“如果大模型是那個全知全能的東西，那我存在的意義是什麼？” 企業的存在是因為掌握了一些隱性知識（Tacit Knowledge），從而使組織內部的交易成本低於僅在市場上進行交易的成本。因此，我認為至關重要的主權問題是“公司的主權”。在一個模型持續學習、回報遞增的時代，公司必須擁有那一層智能，無論是作為支架，還是作為嵌入在模型中的權重。這不僅僅是使用別人的基礎模型，而是你是否在自己的基礎模型上擁有主權。我的新概念是：公司的未來在於擁有自己的基礎模型，該模型本質上捕捉了那些能降低內部交易成本的隱性知識，並加速知識在組織內部的積累和傳播。John Collison：這非常有趣。如果AI 改變了公司的本質……有些公司本身已經是智慧財產權（IP）的集合，比如迪士尼，或者像禮來公司（Eli Lilly）這樣的製藥巨頭。目前這些 IP 散落在電子郵件、文件，尤其是人們的頭腦中。而這些 IP 最終也許可以集中到單一模型中。我原本以為你會說未來的公司結構會變得像 DAO（去中心化自治組織）或者那種一人創造十億美元營收的公司。Satya Nadella：那些結構上的變化也是可能的。但對我來說，更有趣的問題是：隱性知識到底存在於何處？顯然它存在於人們的腦海中，是經典的專有技術。但我認為未來它也將駐留並復合成某種LoRA 層（Low-Rank Adaptation，大模型微調層）中的權重，這是貴公司獨有的資產。所以我覺得，在禮來、Microsoft 或 Stripe 產生的新 IP，除了現有的形式外，我們還會說：“哦，它們存在於某個嵌入（Embedding）裡。”John Collison：你提到Stripe 很有趣。Stripe 剛開始時並沒有強烈的網路效應，更多是單一角色的 API 體驗。但隨著擴展，我們現在擁有了一個信任網路。因為我們見過了大多數網際網路使用者，所以即使沒見過你，這本身就有點可疑。這變成了一種類似 Google reCAPTCHA 的聲譽網路。我們現在正在利用 Stripe 網路中的所有資料訓練一個支付領域的基礎模型。所以對我們所有人來說，一個關鍵問題是：如何保護那一點核心優勢，防止它洩露到通用的基礎模型中？通用的基礎模型是否會因為能力提升而學會欺詐檢測，從而取代我們？Satya Nadella：這就是關鍵問題。對此有兩種論點。一種論點是“模型將吞噬世界”，因為一切不過是模式，通用模型最終會學會所有東西。但我傾向於另一種觀點，就像你提到的Stripe 的例子：可以同時採用多個模型。你可以建構一個不可思議的、以模型為先的“欺詐檢測層”，再加上對 Stripe 獨有的記憶、工具使用和操作空間的理解。對我來說，那就是公司的未來，無論是製藥公司、支付公司還是軟體公司。這就是所謂的“主權”。你需要一個通用基礎模型，再加上屬於你自己的、包含隱性知識的專有層。5. 軟體、工作流、商業的未來John Collison：這讓我想到了另一個話題。我們大約有面向非軟體工程師的IDE（整合開發環境）。我仍然覺得這在未來十年對金融從業者來說會是一個產品。事後看，這顯然是正確的使用者介面。就像電子表格（Spreadsheet）一樣，它作為一種 UI 出現時，感覺像是憑空誕生的。說到電子表格，對某些軟體公司來說，嘗試挑戰 Excel 幾乎成了一種成年禮，但 Excel 似乎在四十年裡一直屹立不倒。為什麼它這麼耐用？Satya Nadella：是啊，太不可思議了。我認為這是“列表”和“表格”的力量，加上軟體的可塑性，兩者的結合非常完美。這就是為什麼它像一個永遠存在的“閃爍畫布”。我們可能會在上面加入很多花哨的功能，但核心邏輯不變。而且，Excel 是圖靈完備（Turing Complete）的。我們往往沒給它應有的評價，它是世界上最易上手的程式設計環境。你可以不經思考地直接開始程式設計。還有一個美妙之處。就像我們現在討論 AI 需要“變革管理”（Change Management），但當電子表格出現時，沒人談論變革管理，人們只是直接開始使用它，工作流自然就變了。這正如有人跟我描述過，他在傳真機時代加入了通用再保險公司（Gen Re），他記得電子郵件和 Excel 出現後，整個工作流程被根本性地顛覆了。我認為 AI 也會如此，工作產物和工作流會從底層被重新審視。現在是從事軟體工作的一個非常有趣的時期，比五或十年前有趣得多。如果你在當年問我什麼最熱門，那是雲端運算、多區域資料庫（Cosmos DB）等。當時我們覺得已經到了某種穩定狀態。然後疫情發生了，雲端運算進入了另一個超級推進階段（Teams 等應用的爆發）。John Collison：在Stripe 我們也看到了類似的圖表，出現了一個明顯的不連續性——電子商務活動呈階躍式增長，而且從未回落。即使人們回到了實體辦公室，線上業務依然保持在那個高位，甚至繼續上升。我相信 Azure 也是這樣。Satya Nadella：完全正確，它從未降低。既然我們在談論商業，不妨談談我們正在共同推進的工作。我們要探討的是：什麼是對商家最友好的規則？什麼是對顧客最友好的規則？是否存在完美匹配？“對話式商業”（Conversational Commerce）是人們一直在討論的話題。現在我認為，隨著你們以及我們所做工作的進展，我們可以真正將商家和終端使用者結合起來，打造這種具備“代理性”（Agentic）的體驗。這還處於早期階段，必須做得有品味，必須以贏得使用者信任的方式來做。我對此感到非常興奮。John Collison：我們看到了過去的嘗試與現在的不同之處。以前也有過類似的嘗試，比如在Twitter 或 Instagram 上直接購買，但這次的不同點在於：第一，有了 AI，商家整合的難度大大降低了，這比以往任何時候都要容易；第二，這種體驗對終端使用者來說非常有吸引力。從我們早期客戶的反饋資料來看，這一點已經得到證實。幾周前我們在 ChatGPT 上推出了相關功能，資料表明，這種方式對最終客戶來說要方便得多。Satya Nadella：我總是在尋找相關裝備。但無論是Amazon 還是 Walmart，網站內的搜尋體驗有時真的很差。現在的聊天體驗起初很棒，但往往最後還是把使用者指回傳統的商品目錄。雖然目錄依然是核心，但如果能將“結帳”與“目錄”無縫結合，那才是真正的流暢體驗。John Collison：在做產品調研時，我發現使用AI 應用進行搜尋的效果要比傳統的關鍵詞搜尋好得多。令人驚訝的是，直到去年我們還認為關鍵詞搜尋是可以接受的方式。Satya Nadella：這就像是為你量身定製了一個目錄。這不僅僅是搜尋引擎的結果頁面。舉個例子，我們在給家裡買家具時會討論：“在這個位置還有這麼多空間，放什麼家具好看？尺寸要合適，風格要偏高端但不浮誇。”以前我們無法這樣搜尋，這很瘋狂。現在，這種定製化、傳達氛圍和整體美感的能力變得觸手可及。我妻子是名建築師，她用Copilot 筆記本記錄所有圖紙。她可以向 AI 提出非常高級的推理問題，比如“我應該在裡面放什麼？”。AI 能夠讀取建築草圖，結合公開的家具目錄，進行推理並組合元素。這簡直太神奇了。John Collison：在Stripe 的商務領域，我們非常擁抱 AI，我們認為大量工作將向這裡轉移。如果你進行的是開放式探索，比如“我想為某個場合買套衣服”，AI 的體驗遠勝於點選瀏覽一列搜尋結果。即使是針對性很強的搜尋，比如“我要買這款自行車元件”，通過 AI 指定精確參數也會好得多。如果AI 既能囊括非定向的發現，又能處理高度定向的搜尋，這基本上就涵蓋了網際網路上所有的商業行為了。可能唯一剩下的就是那類經常性的必需品購買，比如“再訂購一些寵物食品”。當然，Etsy 是我們很好的首個合作夥伴，因為他們的產品都是定製的。Satya Nadella：是的，這非常有道理。在“發現”這一層面上，Instagram 等平台已經做得很好。現在的問題是，在這個對話介面中，什麼是新的發現層？Pinterest 曾做過有趣的嘗試。如果我們將這種發現層與對話介面結合，將會惠及所有人。John Collison：現在正在做的一項工作是讓商家的產品目錄、庫存等資訊可以被遠端發現，並且支援遠端購買。使用者不必跳轉到商家端完成整個流程，而是可以在像Copilot 這樣的智能體驗中直接完成。這就是我們在基礎設施層面正在連接的東西。這也是為什麼我們認為像 Pinterest、Instagram 和 Twitter 這樣的社交平台會再次嘗試電商體驗。因為現在有了更多商家的支援和採用。Satya Nadella：我們有一個叫NLWeb 的項目，旨在收集每個商家的目錄，為其提供一個類似網站的自然語言介面，讓 AI 代理（Agent）可以與之互動並進行深度搜尋。是的，今天最大的挑戰之一就是目錄的質量以及利用推理進行深度搜尋的能力。如果你能解決這個問題，每個產品都能找到它的精準查詢匹配。John Collison：我們正在建構這個平台。在代理式商務（Agentic Commerce）領域，我們推出了自主代理商務協議等開源協議。當然，我們也有常規的 Stripe 支付產品。從支付角度來看，這很棘手，因為你希望 AI 應用能代表使用者在網路上不同站點間付款，而無需在全網共享所有支付細節。我們在代理式商務領域建構的是一個平台型業務。你們在這方面很在行，對於我們在這一初期階段建構產品，尤其是在產品與市場契合度已經很明顯的情況下，你有什麼建議嗎？Satya Nadella：我認為你們已經走在正確的路上了。這就意味著要參與到這個代理式工作流中。現在每個商家都不得不去找像Stripe 這樣的服務商，說：“嘿，我有目錄，我有結帳頁面，請幫我以最無摩擦的方式與 AI 代理對接。”這正是我會使用Stripe 的原因。我認為長尾商戶能夠輕鬆點選並啟用“代理式商務”，將是一個巨大的推動力。好消息是，雖然 ChatGPT 目前是最大的入口，但 Google、Meta、Perplexity 以及我們都會在場，這將會有大量的競爭入口。更有趣的是，這些平台自身也希望在網站或App 上支援自然語言查詢。因此，這需要被很好地解決。你不能要求一個小商戶去部署 MCP（Model Context Protocol）伺服器或執行各種複雜協議，必須有一個“簡單按鈕”。John Collison：我認為我們將看到的另一個趨勢是，許多代理式體驗正在逐步融合。Intercom 的 Des Traynor 正在做由 AI 協助甚至取代人類的客戶服務。他們發現，使用者最初是為了尋求幫助而來，結果發現這是一種瀏覽網站的更好方式。這幾乎就像一個命令列。我想知道這些體驗會在多大程度上融合？比如我們處理購買，而在另一端處理客戶服務。什麼時候它會變成一個通用的命令列應用？再回到時尚領域的例子，現在的體驗依然基於糟糕的關鍵詞搜尋和手動標籤。在我看來，這完全應該是一個互動式的、基於AI 的體驗，就像 Midjourney 的提示詞一樣，你可以說“圖片不太對，請按這種方式修改”。在商業領域這樣做會非常有意思。Satya Nadella：從直覺上講，客戶服務其實也是一種內部銷售。在代理式世界中，這些拼接的縫隙將不再像今天這樣明顯。6.AI品牌忠誠度John Collison：或許我們之前建立的那些因軟體和組織架構限制而產生的“泳道”（職能分工），比如客戶服務和 SDR（銷售開發代表）的區別，很可能都會被拋棄。關於模型，我們談論了很多Copilot、ChatGPT 和 Gemini。關於模型質量有多重要存在爭論。人們會像忠於可樂品牌一樣忠於某個 AI 品牌嗎？雖然可口可樂換配方引發過反抗，但人們依然有品牌偏好。比如，我用 o3 模型，我妻子用 GPT-5。我總是驚訝她為什麼不用更智能的，但她對 GPT-5 很忠誠。當試圖拿走 GPT-4 時，使用者也反抗過。你認為人們是會對特定模型保持忠誠，還是對 AI 品牌忠誠？這將如何影響商業策略？Satya Nadella：在消費類產品領域，這是我們第一次見到這種情況。當模型更迭時，這種變化並非對所有人都是統一的影響。個性、風格等因素成為了新的維度。這也是一個論點，即“風格”可能成為差異化因素。這就像智商（IQ）、情商（EQ）以及風格要點的結合。但從長遠來看，我認為必須確保模型最有能力處理最艱巨的高價值任務。作為產品建構者，我的觀點是：雖然我們會展示最強的那個模型，但實際在生產過程中使用的是多個模型的組合。我最喜歡的一個例子是GitHub 上的新功能，它使用“Auto”模式。雖然人們顯然仍然喜歡 Sonnet 之類的模型並想使用它，但歸根結底，我真正想要的是一個智能的“模型選擇器”。它不能只是一個簡單的路由器，它必須具備智能，能夠判斷：“這個任務需要這種等級的認知資源或這種類型的智能，這是程式碼倉庫或 PR 任務的複雜度。”這就是智能體（Agent）的未來。你需要一組模型的整合（Ensemble），並在中間有一些代理來協調這個組合，以滿足你的需求。John Collison：難道讓使用者自己選擇不也是一種智能嗎？比如對於“我去那吃冰淇淋”這種查詢，我會手動選擇 o3，因為我總是想要最好的。Satya Nadella：也許吧，但這更多是習慣。確實，我們都不喜歡默認設定被改變。如果現在取消了模型選擇功能，確實會是個問題。但我也認為，如果我能信任系統在進行選擇時始終是為了我好，這種“交接”會帶來一種愉悅感。如果能建立這種信任，那確實是目標。7.Microsoft 的技術堆疊佈局John Collison：那麼關於Microsoft 的模型，你們在技術堆疊的每一層都有佈局：Copilot、OpenAI 的股份、Azure 層、晶片等。在這個堆疊中，有什麼是必須贏的嗎？你們會做行業解決方案嗎？Satya Nadella：從核心來說，我對它的概念化方式分為兩層。首先是我們的基礎設施業務。我們必須非常擅長建構我稱之為“Token 工廠”的東西。這關乎每美元、每瓦特能產生多少Token，在這方面我們要做到極致高效。然後是另一層，我稱之為“Agent 工廠”。它與Token 工廠的區別在於，Agent 工廠能最有效地利用這些 Token 來推動業務成果或消費者偏好結果。這關乎每個 Token 的價值。圍繞這兩個核心有一整套工具。這有點像新的應用伺服器層。每一個新平台都有對應物，比如全球資訊網時代的網頁伺服器。現在這是AI 伺服器或 AI 雲。所以我們肯定會建構自己的智能系統，也就是Copilot 家族：資訊工作： Microsoft 365 Copilot。軟體開發： GitHub Copilot。安全： 我們絕對會成為其中的主要力量。這將是三條橫向主線。此外我們也有業務應用。在垂直領域，我們在醫療和科學方面做了很多工作。醫療： 我們收購了Nuance，現在有一個叫 DAX Copilot 的產品，用於醫生筆記的說話者分離和記錄。這讓醫生有更多時間與患者相處，AI 處理從編碼到會議記錄的所有事情。這也是 Epic 系統內嵌的一部分。科學： 這是一個很大的領域，我稱之為“外循環編排”。科學方法本質上是提出假設、在電腦中進行實驗、反饋精煉。這是一條工具鏈。我們正在嘗試將 GitHub Copilot 與 Microsoft 365 的知識工作能力結合，為科學家服務。這甚至可能涉及到與實驗室的 MCP 伺服器介面對接，協調一切以加速科學循環。John Collison：作為一家平台公司，總是需要決定何時將產品捆綁在一起，何時讓它們獨立。Apple 最初只允許 Mac 使用 iPod 以推動 Mac 銷量，後來才開放給 Windows。Microsoft 的歷史也充滿了這些例子。早期（1985年左右）Microsoft 非常開放，大部分收入來自 Macintosh 應用，作業系統上也多是 Lotus 1-2-3 這樣的第三方應用。後來進入了 Windows 和 Office 緊密耦合的時代。Azure 起初也是，後來完全擁抱了 Linux。現在 Microsoft 作為一個平台型公司，似乎越來越接受模組化，比如 Stripe Radar 即使不使用 Stripe 支付也能用。你一般如何看待這個框架？何時耦合，何時獨立出售？Satya Nadella：這是一個很好的觀點。我對這個問題的思考方式是：我們很多時候都誇大了所謂的“零和博弈”。實際上，很多領域的分析應該更加敏銳，因為它們從定義上講就是多人互動的（Multi-player）。雲端運算就是一個經典的例子。當我剛開始做Azure 時，AWS 已經遙遙領先了。人們會對我說：“哦天那，AWS 難道不是已經贏了嗎？”但事實證明這個市場足夠大，且是多方參與的。那麼，市場上還有容納第二個雲廠商的空間嗎？畢竟曾面臨 Oracle 和 IBM 等公司的競爭。在所有中間層伺服器等領域，我當時的感覺是，企業客戶和商業客戶總體上會要求某種多樣化。這就是支撐我們投身其中的結構性認知，促使我們開始行動，剩下的就是歷史了。如果把事情過度包裝，實際上可能會在某種程度上縮小你的可定址市場（TAM），導致無法競爭。舉個例子，如果我們當初建構 Azure 時——我們以前叫它 Windows Azure，如果真的只叫這個名字，那就成問題了。因為 Azure 不可能只為 Windows 服務，它必須把 Linux 作為“一等公民”來支援，必須將 MySQL 和 PostgreSQL 作為“一等公民”來支援。這在一定程度上也是為了確保我們能在SQL Server 上做得非常出色。但我們必須把工作做得儘量有衝擊力，就像 Amazon 使用 PostgreSQL 或 MySQL 那樣。主要的推動力在於總體可定址市場（TAM），這也是客戶對我們的期望。雖然我們將面臨激烈的競爭，但這對我來說，恰恰定義了模組化。到底是什麼能最大化我的技術堆疊市場機會？我們是一家專注型公司，這也是我們不是企業集團的原因。因此，應該有一個關於整合收益及平台效應的理論框架。那是什麼？我們如何把它做得出色？我認為在技術堆疊的每一層都應如此。即使是Azure 的基礎設施層，客戶應該能夠說：“我只想使用 Azure 的裸金屬服務，我只需要 Kubernetes 分佈式叢集，但我只需要你幫我做管理部分，我會帶上我所有的軟體。”沒問題，我們必須贏得那項工作負載。也許將來某一天，當他們覺得自行管理多區域資料庫太麻煩時，可能會說：“哦，那我就用 Cosmos DB 吧。”但這應該是一個獨立的決定。John Collison：這難道不總是有爭論嗎？關於是否只有在擁有Linux 和 Azure 的捆綁情況下，才會賣出更多 Azure？Windows 團隊的人可能會說：“是啊，但是你這是在拖 Windows Server 的後腿。”有些地方就像你描述的那樣是開放的，但在其他地方，比如 Microsoft Flight Simulator在 PlayStation 上不可用，卻可在 Xbox 上使用，這感覺這種整合又很自然。再比如，Teams 的聊天和視訊功能並不是單獨出售的，它們是同一事物的一部分，這使得整個組合更有吸引力。所以，你最終難道不會總是陷入這種爭論嗎：捆綁的成本是否超過了捆綁的收益？Satya Nadella：是的，我認為其中一些例子，比如Teams，就是一個經典案例。Teams 作為一個產品的誕生，是將 Outlook 等四樣東西整合在了一起。Outlook 的引入也是如此，以前我們有 PIM（個人資訊管理），有獨立的電子郵件客戶端，日曆也是分開的。Outlook 是第一個將這三者結合起來完成一項工作的“腳手架”。Teams 也是一樣，我們將聊天、頻道、視訊以及其他功能整合到了一起。在這種情況下，捆綁本身就是產品，是產品的腳手架。當然你也可以說：“嘿，那需要有一個開放的市場，並且需要與其他事物整合。”所以模組化必須經過深思熟慮，在原子等級上具有意義。你不能過度思考那些協同效應或整合效應，否則就會失去競爭力。一個典型的例子是，如果你建構了一個驚人的公有雲，但它只運行 Windows 工作負載或 SQL 工作負載，那基本上只能佔據市場的一小部分。所以，滿足客戶需求符合我們的利益。我對AI 堆疊的理解也是如此：我們有基礎設施業務，有應用伺服器/資料層業務，還有應用業務。這只是簡化說明。我希望那三樣東西能獨立存在，憑藉它們自身的優點立足。當然，我們希望這三層之間存在反饋回路，但客戶和合作夥伴應該能自主選擇從那扇門進入。John Collison：我的印象是，當你接手微軟時，你將公司文化從一種高度捆綁的狀態轉變了。以前是購買Windows 機器，運行 Microsoft Access 和 SQL Server，所有東西都被整齊地打包在一起，使用者生活在這個微軟生態中。而現在，你們走向了更偏向開放且互操作的策略。Satya Nadella：我想我會說，我的做法其實是回溯到更早的時期，也許是80 年代的微軟。因為大多數大家熟知的事情確實發生在 90 年代，那時微軟幾乎只有 Windows。但在那之前，我們的許多事物是開始聚合在一起的，無論是在客戶端還是在伺服器端。就像你說的那個比喻，這像回到了80 年代的情況。比如我們曾在 Mac 上開發 Office，那時 Windows 還來得比較晚。事實上，比爾·蓋茲創辦微軟時的理念是把它當作一家“軟體工廠”。我不偏愛任何單一類別，我只是想打造最好的軟體工廠，不停地產出各種東西：你想要飛行模擬器？沒問題，我們有一個；你想要一個基礎直譯器？我們有一個；你想要一個作業系統？我們也有一個。所以在某種意義上，這就是最初的想法。而在某個階段，我們陷入了四五個部分之間的僵局，比如Windows、Windows NT 和客戶端/伺服器架構等。所以當我成為 CEO，甚至之前負責雲業務時，我意識到：這正是一個時機，市場將變得更大且截然不同。當時我們也沒有移動平台，所以確實需要確保我們在最大的市場中保持相關性，通過將我們的產品組合成合理的配置來覆蓋市場。坦率地說，如果這不在公司的核心基因中，我不認為僅僅因為我作為CEO 說“我要做這個”，就能執行得很好。實際上，我們可以把軟體帶到每個平台，這本身就是公司核心基因的一部分。8.微軟的企業文化John Collison：說到公司的核心基因，這就讓我想起那幅著名的漫畫：微軟內部各部門互相舉槍對峙。你們需要做多少文化層面的調整？你們究竟是如何在細節上做到的？因為你可以看到所有美好的事物，諸如全員大會之類的活動，但歸根結底，文化取決於什麼樣的行為被接受和不被接受，以及決策是如何制定的。Satya Nadella：我會說有兩件事。我是一個徹底的內部人，關於微軟過去35 年裡的任何優點和缺點，我都經歷過，也是其中的一部分，所以我無法否認這一切。我當時的感受是，我們要麼失去了信念，要麼就是失去了敘事權。那幅漫畫是一個很好的例子，說明外界的定義如何塑造了後來成為文化敘事的內容，其影響力甚至超過了現實。人們開始認同那個卡通形象。但這並不意味著我們內部以前都是完美分工、處於某種大和諧之中。事實並非如此。部門間的緊張關係是現實存在的問題，而且這也需要保持這種張力。社會凝聚力不是目標，在市場中取得勝利才是目標。但在某種程度上，你必須對這些大型組織進行編排。事實上，你甚至可能有意識地安排兩個相互競爭的團隊。僅僅因為有人讀了《紐約客》上的漫畫就形成看法，這是領導者面臨的挑戰。在當今世界，當員工通過外部管道讀到關於公司的資訊並形成看法時，你該如何溝通？我認為這是最艱巨的領導力挑戰之一。問題是你如何贏得信任？你如何確保他們能感知並塑造現實？另一件事是，每個人都傾向認為問題出在系統上，是高層那個人或者副總裁擁有所有權力，而“我”毫無權力。現實是權力要分散得多，是分佈式的。你如何幫助人們掌握這一點並重新塑造環境？有一句名言說：“我不是離開公司，我是離開我的主管。”我確實相信這一點。這是一種“微觀文化”，它們是可以被塑造的。當我回顧我的微軟職業生涯時，我很幸運遇到了一些人，他們在公司裡創造了令人難以置信的環境，這正是我留下來的原因，也正因如此我才得以茁壯成長。所以，你需要在頂層有一個敘事，並且這個敘事必須被踐行並保持一致。這就是為什麼“成長型思維”或者說“學習一切派（Learn-it-all）”與“自以為是派（Know-it-all）”的區別，作為一個框架對我們非常有幫助。因為它不是我的教條，而是一個廣為人知的兒童心理學概念，這能吸引工作之外的人。打破這種局面並踐行它本身就是一個挑戰。在當今世界，我們要擁有一種內在的組織力量，去抵抗社交媒體上的梗（Meme）對我們的定義。John Collison：微軟大概有20 萬員工，而 Stripe 有 1 萬人。也許還有正在聽這個節目的聽眾經營著 500 人左右的公司。在不同規模下，有那些事情是通用的，又有那些是只有在達到城市規模（20萬人）時才會出現的？Satya Nadella：無論規模大小，很多活動基本上是差不多的：你需要與客戶溝通，舉行高層戰略會議，查看未來的財務數字，希望收入高一些、成本低一些。但有些事情只有在大規模時才會顯現。首先，我只在微軟工作過，並非這方面的專家。但當接手創始人的位置時，Paul Allen 和 Bill Gates 創立了公司，Steve Ballmer 和 Bill 將其做大，我是第一位所謂的“非創始人”。我很快意識到，為了管理這個範圍，我需要一個團隊。我們曾提出過一個關於CEO 職責的框架：明確 CEO 需要做什麼？比如綜合分析外部環境、制定標準、設定文化規範。你必須既關注長期也關注短期，不能只偏向一方。你必須真正把握那四五件只有你能做的事，然後組建團隊。即使在500 人的公司，這也是你要做的。但坦白說，在小公司，你可以把所有事情保存在工作記憶裡。像開發者那樣，大家可能知道每一行程式碼是誰寫的。但在某個時刻（規模變大後），你必須從“知道每一行程式碼”轉變為“知道那個模組或那個庫是誰負責的”。你必須找到那個“認識寫程式碼的人”的人。這種模組化、團隊建設以及凝聚力，我認為是最重要的。John Collison：所以我理解得對嗎？在Stripe 這種規模或者更小的規模上，你仍然可以把產品作為一個整體來思考，瞭解發佈的所有東西。Satya Nadella：我也認為創始人在這一點上很獨特。因為他們從第一天起就與公司共同成長。像我這樣的職業CEO 很難直接拿走並植入創始人的“工作記憶”。即使我在 1992 年就加入了微軟，但我並沒有經歷 80 年代早期的階段。這就是為什麼我認為應該尊重創始人所能獨特完成的事情，以及創始人對繼任者的尊重——他們不能指望繼任者完全照搬做法。這也是為什麼“創始人模式（Founder Mode）”這個概念很有趣。顯然存在創始人文化個性極其強大的情況，你應該利用它發揮到極致。而像我們這樣的“凡人”CEO，也得有點處於“重新當創始人”的狀態，但不要誤以為自己就是創始人。我認為這個細微差別很重要。9.Satya Nadella的成長經歷John Collison：最後一個問題，當我們談論文化建設時，海得拉巴（Hyderabad）的“水土”到底有什麼特別之處？你、Shantanu Narayen（Adobe CEO）、Ajay Banga（世界銀行行長）都來自那所學校，很多優秀的國際象棋選手也來自那裡。你對這種地區性的超常表現有什麼理論嗎？Satya Nadella：是的，事實上就是我們當時上的那所高中，海得拉巴公學（Hyderabad Public School）。如果算上 Jensen Huang（黃仁勳），他現在已經把我們所有人的光芒都覆蓋了（笑），雖然他不是同一所學校的。但在我、Ajay、Shantanu 以及現在的寶潔 CEO 之間，我們確實是校友。這有點像一個小圈子。我想說，最引人入勝的事情之一是，在70 年代末和 80 年代初的海得拉巴長大並就讀那所學校，感覺那裡給了我們更多的空間。如果你看看我們每個人，雖然學術很重要，但坦白說，我們大多數人都有擅長的領域，而且實際上在學術之外還有很多其他方面。這在當時的印度是相當罕見的事情。我把很大一部分歸功於我的高中，因為它為我們提供了更多的空間和餘地，去追隨後來真正成為熱情所在的事物，而不是讓我們覺得必須加入某種單一的競爭。John Collison：你高中時的興趣是什麼？Satya Nadella：板球。事實上，順便說一下，這就像塞繆爾·貝克特（Samuel Beckett）。John Collison：是的，我想聽聽這個故事。Satya Nadella：如果你問誰是那位既打過職業比賽又獲得諾貝爾獎的人？我想他打過一兩場比賽，大概是為都柏林大學隊，而且他打過一級板球。他是唯一一個既打過職業板球又獲得了諾貝爾文學獎的人。John Collison：真的嗎？真有意思。Satya Nadella：所以你可以二者兼得，當時的象棋、拳擊之類的東西。一位諾貝爾獎得主，同時還是一名職業板球運動員。John Collison：太棒了。好吧，雖然你差了一點（沒成職業球員），但在另一個人生裡，那可能就是你。好啦，非常感謝你，Satya。Satya Nadella：謝謝，非常榮幸。 (鈦媒體AGI)

當今科技界最有權勢的兩個人——OpenAI 的 CEO 山姆·奧特曼（Sam Altman）和微軟的 CEO 薩提亞·納德拉（Satya Nadella）——最近坐到了一起。在播客《All things AI》上，他們的一場對話，不小心洩露了 AI 革命背後一個驚人又好笑的秘密。大家都以為 AI 競賽的關鍵是演算法、是資料、是更牛的晶片。但納德拉親口承認，今天限制他們狂飆的最大瓶頸，甚至不是缺輝達的 GPU，而是缺能把這些晶片插進去的“暖房”（warm shells）。你沒聽錯，就是物理世界的資料中心、配套的電力、乃至於施工隊的進度，成了數字世界狂奔的最大“絆腳石”。1.4兆的豪賭：唯一的風險是“彈藥不夠”對話中最尖銳的問題，莫過於主持人拋出的那個天文數字：OpenAI 承諾在未來幾年投入高達 1.4 兆美元去搞算力基礎設施建設。 而 OpenAI 今年的營收，據報導“也就”130億美金。這聽起來簡直是“蛇吞象”，錢從那來？奧特曼的回答相當霸氣，他先是糾正：“我們的收入比你報的多得多。” 接著半開玩笑地說：“你要是擔心，想賣手裡的 OpenAI 股票，我立馬就能給你找到買家。”潛台詞很明顯：我們不愁錢，更不愁沒人信。奧特曼承認這是一場豪賭，賭的就是 AI 的能力和收入會繼續“陡峭地增長”。在他看來，那 1.4 兆不是負債，而是實現下一個目標的“彈藥”。他們真正恐懼的，不是錢花多了，而是“彈藥不夠”。沒有足夠的算力，就做不出更強的模型，也就無法產生更多收入。而作為最大的“彈藥供應商”，納德拉也力挺奧特曼，他說 OpenAI 交給微軟的每一版商業計畫，“每一次都超額完成了”。拆解新協議：微軟血賺，OpenAI 也沒虧這場對話的另一個核心，是雙方剛敲定的新合作協議。外界一直好奇，在這場聯姻中，到底誰佔了便宜？答案是：微軟拿到了“裡子”，OpenAI 獲得了自由。根據新的協議，微軟拿到的最大王牌，不是那 27% 的股權（估值約1350億美元），而是一項長達七年的“免版稅使用權”（Royalty-free access），可以盡情使用 OpenAI 的模型和 IP。 納德拉自己都興奮地表示，這相當於“免費獲得了一個前沿模型”（a frontier model for free）。這意味著，微軟可以把這個星球上最強的 AI 大腦，幾乎“零成本”地塞進它所有的核心產品裡——Office、Windows、GitHub、Bing……這筆買賣，堪稱科技史上最划算的投資之一。那麼 OpenAI 得到了什麼？答案是“有控制的自由”。新協議規定，OpenAI 的核心模型 API（你可以理解為 GPT-4o 或未來的 GPT-5）在 2030 年之前，將繼續在微軟的 Azure 雲上向大企業客戶“獨家”提供。 但是，其他所有產品——包括萬眾矚目的視訊模型 Sora、AI 智能體（Agents）、開源模型，以及未來可能推出的可穿戴裝置等——都不再受此限制。 OpenAI 可以自由地在亞馬遜的 AWS 或Google的雲平台上分發這些產品。這是一個精妙的平衡，微軟鎖定了雲服務的核心競爭力，而 OpenAI 則獲得了探索更多商業模式的廣闊空間。AI 的終極目標：科學發現與宏觀委託花了這麼多錢，繫結得如此之深，他們到底想去向何方？奧特曼給出了一個充滿理想主義色彩的答案：“AI 用於科學”（AI for Science）。他最期待的，是 AI 能夠做出那怕微小但卻是“全新的科學發現”的那一刻。 在他看來，當 AI 開始擴展人類知識的總和時，那就是超級智能的某種體現。納德拉則更為務實，他聚焦於人機互動的下一次革命。他將其定義為“宏觀委託，微觀調校”（Macro delegation and micro steering）。這是什麼意思？想像一下，你不再是對著搜尋框或聊天框小心翼翼地提問，而是直接給 AI 下達一個大任務，比如“幫我策劃並預訂下周去日本的全家旅行”。AI 會自己去搞定一切，只在關鍵節點回來問你：“酒店 A 和 B，你選那個？”這背後，是 AI 從一個“工具”到一個“管家”或“代理人”的轉變。我們每個人的未來：一個人頂一個團隊聊到最後，話題不可避免地觸及了 AI 對普通人工作的影響。納德拉提出了一個詞：“利潤率擴張的黃金時代”（golden age of margin expansion）。他預測，未來的公司，營收可能會翻倍，但員工數可能只會增加一點點。因為 AI 將每個員工的“槓桿率”極大地放大了。他舉了一個微軟內部的例子：一個負責網路營運的女主管，需要和全球 400 家光纖營運商打交道，工作極其繁瑣。她向上級抱怨，就算批准預算，也招不到足夠的人來幹這活。於是，她自己動手，用 AI 做了許多智能體，把整個維運流程給自動化了。這就是未來——“AI 讓你一個人幹一個團隊的活”。這不是一個關於大規模失業的恐怖故事，而是一個關於“重新學習如何工作”的提醒。在 AI 的加持下，一個團隊能完成過去十倍的工作量。未來，公司的“人頭數”增長將遠遠慢於“營收”的增長。這場對話揭示了一個清晰的現實：AI 競賽已經從程式碼和演算法的“數字戰”，正式進入了拼資料中心、拼能源的“物理戰”。而微軟和 OpenAI 這對已經深度捆綁的盟友，正試圖用天量的資本和一份精妙的協議，聯手定義下一個計算時代，以及我們每個人的工作方式。 (AI進擊之旅)

【新智元導讀】奧特曼與納德拉在OpenAI重組後首次同台，除了就重組幕後進行闡釋與討論外，兩人押注從App到Agent的範式遷移與Copilot落地，力求在邁向AGI的道路上兼顧效率與公益。坐在鏡頭前，40歲的奧特曼臉上綻放出難以掩飾的微笑——這種笑容通常只在他談起剛出生的兒子時才會出現，但此刻讓他同樣欣喜的是另一個「孩子」：算力。微軟首席執行官薩蒂亞·納德拉打趣說：「每當奧特曼談起他的新生寶寶或者電腦算力時，臉上都會露出笑容。」這一幕發生在一次備受矚目的對談中。奧特曼和納德拉這兩位科技領袖再次同台，慶祝雙方在本周敲定的一項里程碑式協議——一份旨在重塑AI未來的深度合作。誰能想到，六年前一次看似大膽的押注，竟孕育出當今科技業最引人注目的聯盟之一。事情要追溯到2019年。當時的OpenAI還只是個專注於AI研究的非營利組織，急需大量資金和算力來訓練日益龐大的模型。微軟適時拋出橄欖枝：10億美元的投資和Azure雲端運算資源。這在當時是石破天驚的賭注，甚至微軟董事會內部也一度存疑。然而，納德拉慧眼識珠，他從中看到了自然語言處理技術的新曙光，延續著比爾·蓋茲當年對自然語言介面的執念。這筆投資讓OpenAI得以在深度學習方向上放手一搏。正如奧特曼後來所說：「如果沒有薩蒂亞當初的篤定，我們不可能走到今天。」六年後的今天，雙方都笑稱這段合作「沒有指令碼，全憑信念」，卻結出令人驚嘆的碩果。史無前例的結構盈利與公益的雙贏本周宣佈的新協議，標誌著微軟和OpenAI這段獨特關係進入下一個階段。擴展閱讀：奧特曼：OpenAI上市，勢在必得根據協議，OpenAI正式完成了重組：在非營利基金會之下設立OpenAI集團公共利益公司（PBC）作為營利實體。非營利的OpenAI基金會持有價值高達1300億美元的OpenAI股份，一躍成為全球規模最大的慈善基金之一。這一設計旨在解決AI發展中的核心矛盾：既需要商業資本源源不斷地投入來推動技術極限，又要確保最終成果惠及全人類而非少數人。OpenAI基金會宣佈，首批將動用250億美元資金投向兩個領域：醫療健康和AI安全韌性。這筆巨資將用於攻克疾病和診斷難題，以及應對AI發展帶來的社會挑戰（如網路安全、防範AI誤用等）。奧特曼對此充滿熱情。他指出，市場機制並不能自動驅動這些方向的研究投入，但先進AI有潛力加速生命科學突破、提升社會對風險的抵禦力，理應有人去做。他說：「如果我們能用AI發現新藥、治癒疾病，並將這些發現開放給全人類，那將是很了不起的事。」OpenAI這種創新的「雙層架構」提供了一條路徑：上層的公益基金會把控方向和大義，下層的營利公司則可以從資本市場汲取「彈藥」，全速推進AI技術研發和產品落地。連加州總檢察長辦公室在審查後都表示不反對這一架構，可見其開創性。對於微軟而言，這意味著什麼？作為OpenAI最親密的戰略夥伴和最大外部股東，微軟的回報不再只是財務投資的帳面增值。微軟目前持有OpenAI約32.5%的股份（價值約1350億美元）。這樣的持股比例如同繫結了兩家公司的命運。納德拉興奮地表示：自2019年以來，我們與OpenAI一直共享一個願景——讓AI以負責任方式發展，並讓其造福大眾。這段從研究投資起步的關係，如今已成長為業界最成功的合作夥伴關係之一。奧特曼更是直言：「我真心希望薩蒂亞能從這筆投資中賺到一兆美元！」奧特曼半開玩笑地說出這個天文數字，既是對微軟早期支援的感激，也是對OpenAI未來價值的十足信心。雲端獨家Azure成就AI新引擎此次協議還明確了雙方在產品和市場上的分工與默契。根據新約定，OpenAI當前及未來最強大的通用人工智慧（AGI）模型的API，將在未來七年內獨家部署在微軟Azure雲平台上，對外提供算力服務。如果其他大型科技公司（如Google、亞馬遜）想直接獲取OpenAI的頂尖模型能力，只能通過Azure來實現，而不能在自家雲上部署這些模型。這項獨家安排將持續到2032年，除非在此之前OpenAI率先實現了AGI並通過獨立專家委員會驗證。這樣的獨家策略，無疑讓Azure成為AI開發者的「聖地」。過去一年，無數初創公司和大型企業為了使用ChatGPT的強大能力，紛紛把業務部署到Azure上。這直接推動了微軟雲服務業務的騰飛。2025財年第一季度，微軟智能雲部門收入同比大漲27%，其中Azure貢獻突出，增速遠超主要競爭對手AWS和Google雲。更引人注目的是，微軟披露其商用雲業務手握3920億美元的未完成訂單，同比增長51%，平均合同期約兩年。這些訂單中，一大部分正是AI相關的巨額算力合約。其中就包括OpenAI與微軟簽下的2500億美元Azure預購合同。這意味著OpenAI承諾在未來數年內購買天量的Azure雲資源，以確保自己訓練和部署AI模型所需的算力無虞。如此驚人的合同數額甚至引來了華爾街分析師的疑問：一家當前營收規模遠不及此的公司，如何消化數千億的雲服務支出？畢竟有報導稱OpenAI 2023年的收入不過數十億美元量級。然而，微軟CFO艾米·胡德（Amy Hood）對此並不擔心。她在電話會上解釋說，這些大單往往會按階段交付，而且Azure靈活的「彈性叢集」可以服務於任意客戶，「GPU和CPU等硬體只有在合同實際啟動交付時才會上馬」，微軟完全有信心管理好風險。更何況，過去一年OpenAI的業績增長驚人，ChatGPT自2022年11月開放以來僅兩個月就累積1億月活躍使用者，成為史上使用者增長最快的消費級應用。巨大的使用者基礎和付費前景（例如推出每月20美元的訂閱服務）讓OpenAI的營收曲線陡然上揚。據報導，2023年底OpenAI正在二級市場以860億美元估值融資，比年初估值翻了近三倍。這無疑增強了微軟的底氣——胡德直言，若非受限於算力供應，Azure的收入本可以更高。算力爭奪戰從炙手可熱到可能過剩談到算力供應，這對搭檔不約而同流露出既興奮又無奈的神情。當主持人問及增長瓶頸時，奧特曼和納德拉異口同聲地表示：「缺算力，缺到飛起。」奧特曼感嘆道：「我們受算力不足所拖累的程度，外界難以想像。」在過去一年，OpenAI多次不得不限制新使用者的接入速度、裁剪模型上下文長度，這背後都是顯示卡和伺服器產能的約束。納德拉也透露，如果有更多GPU，微軟Azure的雲業務原本可以有更高的增長。這不是誇張。據報導，微軟上季度資本開支高達349億美元，較前一季度猛增40%，其中很大一部分砸向新建資料中心和採購輝達H100等AI晶片。即便如此，遠遠無法滿足激增的需求。胡德無奈地承認：「我們已經連續好幾個季度供不應求，本以為趕得上，結果並沒有——需求仍在不斷攀升。」微軟髮現，瓶頸不光在晶片產能，還在於電力和機架空間這些最傳統的基礎設施。納德拉打了個形象的比方：「我們在打造一個行星等級的雲和AI工廠。」這個「工廠」需要的不只是矽片，還有鋼筋水泥、電網和冷卻系統的全面配套。兩位CEO判斷，未來兩三年內AI算力仍將嚴重緊俏。正如提供晶片的黃仁勳所言，短期出現「算力過剩」的機率幾乎為零。然而，他們也都經歷過網際網路和移動浪潮的周期性起伏，對於長期供需反轉並不掉以輕心。奧特曼甚至大膽設想了一種可能性：假如某天技術突破讓模型效率提高幾個數量級，每個人都能在筆記本上跑出一個個人版「AGI」，那今日對算力不惜血本的軍備競賽將驟然變調——正如20年前網路泡沫破裂時，過度建設的光纖曾一度閒置。但他話鋒一轉，「我們寧願先為未來做好準備，而不是屆時才後悔手慢了。」因此OpenAI寧可在算力上籤下超前的大單，也不願在關鍵時刻捉襟見肘。這種進取心與對風險的冷靜認知，正是微軟與OpenAI搭檔行事的一大特點：前瞻但不冒進，樂觀且不失審慎。軟體範式的巨變從App到Agent硬體層面的風起雲湧，只是AI革命的一部分。奧特曼和納德拉都深知：AI正在重塑軟體的形態和人機互動的範式。ChatGPT橫空出世讓人們初次體驗到，與AI對話可以跳過繁瑣的應用介面，直接獲得所需的答案或方案。這被納德拉稱為UI與AI能力結合的「魔法時刻」。而隨著模型能力不斷增強，這種對話式互動正進化為更強大的Agent。它不僅能回答問題，還能「動手」執行任務，幫你寫程式碼、整理日程，甚至自主呼叫其他軟體完成一整串工作。納德拉去年曾預言，傳統商業軟體（那些「罩在資料庫上方的一層薄殼」）將隨著Agent的興起而逐漸解體。過去企業軟體往往把資料、業務邏輯和介面封裝在一個系統裡，高昂的許可費買的就是這套固定流程。但現在，一個通用Agent就能理解自然語言指令，靈活呼叫各種後台服務來完成使用者的具體需求。這等於是把軟體的「業務邏輯層」替換成了AI。此舉對SaaS行業是顛覆性的，那些功能單一且昂貴的系統，可能被多才多藝的AI助手取而代之。然而，微軟並不擔心自家Office 365等產品會被顛覆。相反，他們主動為Office注入AI「靈魂」，推出Microsoft 365 Copilot，讓Word、Excel、Outlook等應用都增添對話助手，可以根據使用者意圖起草文件、分析表格、總結郵件。每位企業使用者每月願為此支付30美元，這個數目甚至高於Office套件本身的價格，可見其價值之大。發佈僅數月，Copilot的部署勢頭之猛超出微軟歷年任何一款辦公產品。類似地，軟體開發領域的GitHub Copilot也為程式設計師賦能，AI補全程式碼的同時，程式碼產出量暴增，反過來又提升了GitHub託管服務的黏性和價值。由此可見，在納德拉看來，AI並非軟體公司的終結者，而更像是強力催化劑。那些真正高頻剛需的軟體產品（例如Office全家桶）將通過融合AI變得更不可或缺；反之，一些低頻高價、缺乏資料積累的工具型軟體，則面臨被AI重構的風險。這也解釋了為何微軟近一年馬不停蹄地把「Copilot」戰略滲透到旗下幾乎所有產品線，從Office到Windows、從安防到開發工具，就是要在AI時代率先完成自我進化。不過，在消費網際網路領域，AI帶來的變革則更具顛覆性和懸念。搜尋引擎曾是全球最賺錢的業務之一，其商業模式是在億萬次簡短關鍵詞查詢旁顯示廣告，點選率雖低但勝在體量龐大。然而，當使用者開始習慣於向ChatGPT這樣對話式AI提出複雜問題，並直接得到整合結果甚至行動方案，傳統搜尋的流量和廣告曝光無疑會被分流。微軟早早在必應搜尋中整合了ChatGPT，引入聊天和生成式回答，同時嘗試在聊天結果中嵌入廣告和商品連結。但這種新形態能否重塑網際網路的商業規則，目前仍在實驗。納德拉坦言，還需要探索Agent商業模式——或許AI助手可以根據使用者需求直接下單商品或完成服務預訂，平台從中抽取佣金等等。不管怎樣，當人們不再頻繁點開網頁而是向AI提問，廣告和電商生態勢必要隨之遷移。這對Google和微軟這樣的巨頭來說，既是挑戰也是機遇。誰能率先釐清下一代人機互動的盈利模式，誰才能在這場範式轉換中勝出。人機共創的新時代在微軟和OpenAI的合作故事裡，還有一個常被忽略卻深刻的主題：生產力與人的角色。每一次技術革命都會引發關於「機器會取代人嗎」的擔憂，但歷史往往證明，新技術最終讓蛋糕變得更大。納德拉和奧特曼都堅定地相信，AI將開啟一場生產力的大爆發。正如蒸汽機之於體力、電腦之於重複勞動，AI將解放我們的腦力，讓人類專注於更有創造性的工作。微軟自身就是最佳範例：這家擁有22萬員工的科技巨頭，過去一年幾乎零淨增員工數，卻實現了營收兩位數的增長。其中一個原因，正是員工借助內部部署的Copilot大幅提高了工作效率。微軟網路營運團隊負責人最近分享了一件事：由於AI資料中心擴張太快，她的團隊原本需要額外招募上百人才能維持全球數百條光纖線路和裝置的維運，但預算和人才市場都不允許。她靈機一動，帶領團隊開發了一系列Agent來自動處理日常維運指令碼、監控告警響應等工作，硬是靠「AI員工」完成了原本需要幾十人才能完成的任務。這樣的故事每天都在微軟和其他採用先進AI工具的企業上演著。當然，要充分釋放AI提效的紅利，組織和個人都需要經歷一個「流程再造」和學習過程。納德拉將其比作辦公室軟體普及時的一場觀念轉變：還記得幾十年前，人們從手寫傳真轉向用電子表格做財務預測的那陣陣不習慣嗎？如今我們正處在類似的關口：從零開始學著與AI協同工作。員工需要學會如何巧妙地下達指令，如何審校AI產出的內容，如何在人機配合中最大化生產力。這是一種全新的「數字素養」。納德拉預測，經過一兩年的適應，企業將迎來既增收又節支的美好局面：營收因為AI創造的新機遇而持續增長，用人需求卻不像過去那樣線性攀升，現有員工在AI加持下可以覆蓋更多業務。這將體現在宏觀經濟上，就是勞動生產率和GDP增速的提升。有樂觀的經濟學家甚至預言，美國有望在AI時代重現年均4%經濟增長的輝煌。這聽起來近乎天方夜譚，但仔細想想，人類歷史上不也多次出現過類似的「躍升」嗎？重塑美國製造業的AI浪潮這場由AI引領的科技競賽，並非虛無縹緲地發生在「雲端」。它同樣深刻地影響著現實世界的產業格局，尤其是美國久違的再工業化浪潮。美國政府近年頻頻出台政策，與日韓等國達成合作協議，引資數千億美元用於美國本土的高科技製造和基建：包括晶片工廠、新型核能、清潔能源電網等等。這些恰恰是支撐AI時代算力所必需的命脈。微軟在威斯康星州豪擲73億美元興建全球最大的資料中心園區；台積電在亞利桑那州建設先進晶圓廠，輝達作為重要生態夥伴和客戶；初創公司也在德州、北達科他州等地開設液冷資料中心、風能發電廠。可以說，AI需求正在把資本重新吸引回製造業和基建領域，為傳統工業中心注入新活力。納德拉對此深有體會。他指出，一個超大規模資料中心的拔地而起，帶動的是方方面面的就業和投資：從本地建築、鋼鐵、水泥，到長期的維護、電力供應，再到周邊社區的服務業繁榮。這和當年製造業外流、工廠倒閉形成鮮明對比。更重要的是，美國的雲端運算龍頭公司（微軟、Google、亞馬遜）不僅在國內投資，也在全球範圍內輸出先進技術和裝置，幫助各國建設數字基礎設施。這相當於美國在新一代產業革命中牢牢佔據制高點，同時加強了與盟友的科技紐帶。可以預見，在AI驅動的下一波全球產業佈局中，那些擁有強大技術生態和可靠合作夥伴關係的國家，將贏得更多話語權和發展機遇。攜手開創未來從矽谷初創到估值千億美元的行業引領者，OpenAI用了不到十年；從錯失移動網際網路到押中AI飛輪，微軟則在納德拉時代完成了華麗轉身。這兩條軌跡本不相交，卻因為2019年的那次握手緊緊纏繞在一起。在外界看來，奧特曼和納德拉的組合頗有些「亦師亦友」的意味：一位是初生牛犢、不走尋常路的AI狂熱者，另一位是久經沙場、善於商業落地的產業舵手。正是這種互補，讓微軟與OpenAI的合作迸發出驚人的能量。雙方共同開發的ChatGPT引爆了全球AI熱潮，把深度學習從實驗室帶入尋常百姓家；微軟借助OpenAI技術為自家產品注入新生命，使得幾十歲的Office煥發第二春。更難得的是，他們沒有止步於商業成功，而是試圖探索更高遠的目標：在有生之年見證AGI的誕生，並確保它造福全人類。當然，前路並非坦途。如何讓AI安全可控、如何在全球監管尚未統一的環境下快速創新，都考驗著他們的智慧。就連奧特曼本人也承認，實現AGI的技術路徑可能會有出人意料的曲折；納德拉則在推動政府制定聯邦層面的AI法規，以免各州各行其是扼殺創新。可以說，這對搭檔不僅要寫程式碼、裝伺服器，還不得不穿梭於華盛頓和布魯塞爾，參與制定「遊戲規則」。但無論挑戰多大，他們眼中的機會更大——就像奧特曼在直播中所說：「如果明天真的出現了超級人工智慧（ASI），我們依然希望微軟幫助我們把它安全地帶到每個人手中。」曾幾何時，AI領域充滿了軍備競賽般的零和思維，而微軟與OpenAI攜手證明了另一種可能：當理想主義遇上實用主義，當初創的激情聯姻產業的力量，科技創新不僅沒有被冷冰冰的算力競爭磨去溫度，反而迸發出前所未有的生命力。正如一位業界評論者所言，這場合作「既關乎利潤，更關乎人類的福祉」。在波瀾壯闊的AI時代序幕中，微軟和OpenAI用行動寫下了耐人尋味的一章。而這故事的結尾，或許將由我們這一代人共同譜寫。技術的未來終將由人性與遠見來定義。 (新智元)

在 2025 年微軟 Build 大會上，NVIDIA CEO 黃仁勳與微軟 CEO Satya Nadella 進行了一場12分鐘的對話，表面是合作發佈，實質則是對未來算力結構、部署節奏與平台協同的一次“規則級”公開編排。以下是這場對話中的關鍵資訊摘要：GPU 架構進入“年更時代” —— 黃仁勳強調，GPU 架構不再是每四年一更新，而是“每年部署一點，每次提升近 10 倍”。微軟將這一滾動替換節奏稱為 Fleet Physics（好像還不是官方術語）。Grace Blackwell 架構正式落地 —— 搭載 FP4（4-bit floating point）張量核心、液冷系統，並通過 NVLink-C2C（Chip-to-Chip）高速互聯技術，將 Grace CPU 與 Blackwell GPU 實現快取記憶體一致協同。這一平台也成為 Agentic AI 的核心支撐架構，Microsoft Discovery 平台已將 GB200 系統投入實際科學研究應用。性能提升高達 40 倍 —— 黃仁勳表示，Grace Blackwell 相較兩年前的 Hopper 架構，在大模型推理中實現了 40 倍性能提升。老架構也能被“軟體再生” —— Hopper 架構通過 in-flight batching、speculative decoding 等演算法層最佳化，獲得大幅推理效率提升，證明架構長期主義策略生效。GPU 不再是 AI 專用 —— NVIDIA 正將 GPU 擴展至資料處理、視訊轉碼、圖像建模、推薦系統等非 AI 工作負載，進一步推動“通用加速計算”轉型。微軟 Azure 的角色升級 —— 不只是 GPU 承載平台，更是通過容器化部署和推理棧調度機制，實現異構機群統一編排與資源最大化復用。這些內容匯聚在一起，揭示了一個明確趨勢：我們正在進入一個由平台定義部署節奏、由協同架構決定效率的新算力時代。架構革命：不是更強，而是更整合GB200 的意義不在於“快”，而在於快得有組織、協同、可冷卻。它重構了 CPU+GPU 的結合方式：NVLink-C2C 實現 Grace CPU 與 Blackwell GPU 間的快取一致性（coherent memory）FP4 精度用於降低功耗、提升模型訓練效率全液冷部署提升熱預算，支撐高密度資料中心運行GB200 不是顯示卡產品，而是 AI 工廠中的算力構件，承擔的是“節點內協同”的中樞角色。推理不是模型的事，是“時間調度”的藝術Jensen 強調兩年內 Hopper 性能提升 40 倍，很多人以為是硬體，但他實際上說的是軟體最佳化。比如：Speculative decoding：通過預測 token 多種可能路徑，提前計算下一步，降低延遲In-flight batching：動態聚合請求，最大化 GPU 使用率，尤其適用於線上服務推理這些最佳化不靠新硬體，而是推理編譯器、調度引擎和執行階段策略的迭代。說明一個趨勢：架構之爭已轉為推理棧之爭，控制最佳化路徑的人，才真正掌握算力效率我對這場對話的幾條觀察：摩爾定律還在，但不再均等分配紅利Grace Blackwell 的 40 倍提升確實是技術壯舉，但它並不意味著所有人都能享受到它的提速。它的目標客戶是：部署大模型的超級平台。普通使用者只會通過“平台使用權”間接獲得體驗，而不是直接擁有它。這是典型的“基礎設施複利”：進步存在，但收益分配更集中。CUDA 是“生態閉環”，也是“長期承諾”黃仁勳反覆強調 CUDA 架構的向後相容。你可以說它封閉，也可以說它提供了系統的穩定性和技術的可預期性。這其實是平台型長期主義：你被繫結，但你也能省下大量適配與遷移成本它是“鎖”，也是“護欄”這對開發者而言，是妥協，也是保障。“Fleet Physics”本質上是一種算力調度的金融模型為什麼不一次性更新？因為應用的擴散、模型的成熟、預算的釋放，都不是線性的。“每年迭代一點”其實是微軟的節奏策略，幫助客戶用分期式投資方式，平滑獲取算力增長，同時也利於 GPU 庫存和生命週期管理。所以我認為，Fleet Physics 不只是物理模型，更像一種“計算資源的時間型金融產品”。GPU 要吃下的不只是 AI，而是整個計算任務定義權在這場對話中，黃仁勳輕描淡寫地提到：“我們也在加速資料處理、轉碼、推薦系統。”這句話意味著：NVIDIA 不再把自己當“AI GPU 廠”，而是要成為計算架構定義者。你可以說，他們正在把“能被 GPU 加速的任務”，變成“必須被 GPU 執行的任務”。微軟不是附屬協作方，而是“算力資產的管理銀行”Azure 並不是簡單地部署 NVIDIA 的卡，而是通過：Azure Container ServiceONNX RuntimeTriton Inference Server分層模型推理路由機制將不同代際 GPU 統一調度，讓最小代價匹配最高利用率。這不是一個部署平台，而是全球最大規模的異構算力資產管理方。從這個意義上講，它不是“合作夥伴”，而是規則制定者之一。寫在最後在此之前，NVIDIA 與微軟已有多年合作基礎。從最初將 NVIDIA AI Enterprise 軟體部署在 Azure 平台上，到將 CUDA、TensorRT 等工具整合進 Azure Machine Learning，再到在醫療、自動駕駛、工業製造等場景中聯合推動 AI 應用落地，雙方關係逐步從工具層整合邁向服務協同。2022 年雙方宣佈共建 AI 超算，2023 年將 Omniverse Cloud 引入 Azure，2024 年在 Azure、Microsoft 365 中整合 NVIDIA 的生成式 AI 技術。但 2025 年的這一次，標誌著合作模式發生了本質變化：從“互補工具提供者”升級為“算力生態共同建構者”。本次合作不再侷限於技術對接，而是圍繞 Grace Blackwell 架構在 Azure 上的深度部署、GPU 微服務（NIM）與 Azure AI Foundry 的融合，以及按需計費、分層加速的“訂閱式算力模型”進行全面協同。微軟不再只是 GPU 的雲端使用者，而是全球最大規模異構算力資產的調度者；NVIDIA 也不再只是提供晶片的廠商，而是將架構、軟體棧、執行階段生態作為整體系統輸出。這場對話只有12分鐘，它句句在塑造標準、安排節奏。我們無法對抗它的推力，但我們必須看清它的結構。從 GPU 到算力工廠，從 CUDA 到推理引擎，他們真正建構的不是“更快的系統”，而是一個更穩定、可預測的訂閱式計算模型。買卡，是一次性支出；租算力，是可持續的現金流。而 NVIDIA 和微軟，已分別成為這套模型的產出方與分發方。 (豬哥XX記)

2025年5月19日，微軟的年度開發者大會Microsoft Build 2025在西雅圖拉開帷幕。CEO Satya Nadella的開場Keynote不僅勾勒出微軟AI戰略藍圖，更為引人注目的是，通過連線或視訊，分別邀請薩姆·奧特曼Sam Altman（OpenAI）、埃隆·馬斯克Elon Musk（xAI）和黃仁勳Jensen Huang（NVIDIA）三大科技巨頭對話，展現了美國AI產業的整體實力與協作精神。關於Build上的產品發佈，已經有很多文章總結，這裡就不過多贅述，本文主要從這四位科技領袖在這場Keynote的發言來梳理他們對於AI未來的見解。一、Satya Nadella對話Sam Altman：AI虛擬搭檔和“模型即服務”Sam Altman在對話中強調了OpenAI剛剛發佈的Codex Agent的重大意義，他認為這代表了程式設計方式的一次重大變革。1.AI作為"虛擬團隊成員"的新範式Altman認為這是一個全新的軟體開發範式，其中AI不僅是工具，更是可以接受任務委派的"虛擬團隊成員"：- 任務委託的革新：開發者可分配複雜平行的任務，比如修復漏洞、生成程式碼、回答程式碼問題，顯著提升軟體開發效率。- 深度整合：與GitHubRepo全面打通，開發者可直接授權代理訪問程式碼庫和環境，實現無縫協作。"這個想法是，你現在有了一個真正的虛擬團隊成員，你可以把工作分配給他...這是真正的軟體工程任務委託。"2.AI模型的演進方向關於AI模型的未來發展，Altman提出了幾個關鍵方向：- 簡化與可靠性：通過智能化自動匹配最有模型，開發者無需手動選擇，簡化選擇；可靠性提升，可執行高風險任務（如財務審計、醫療診斷）。- 多模態能力與工具整合：模型將深度融合文字、圖像、程式碼能力，支援更複雜的互動場景（如視覺化偵錯）。- “模型即服務”體驗：模型互動將趨近“直覺化”，例如通過自然語言直接指揮AI完成多步驟編碼任務。"它將更接近於'即用性'的狀態...我可以與它交談，我可以執行複雜的程式碼生成任務，我可以依賴它。"3.應對技術快速變革的建議當Nadella詢問建構大規模生產級代理應用的建議時，Altman強調了應對變革速度的重要性：- 技術迭代速度的意識：模型能力爆發型增長（如GPT-4到GPT5的跨越），開發者需快速適應新工具和工作流。-規模化的規劃與管理：為模型能力的巨大增長做好規劃，建構可拓展、持久化的代理應用（如跨會話記憶、多代理協作）Altman分享了他們內部使用Codex的經驗，強調了早期採用者（early adopters）獲得的巨大優勢："歷史上沒有見過多少像這樣的技術變革，但每次出現時，那些早期大力投入的人都獲得了豐厚回報。"二、Satya Nadella對話Elon Musk：物理世界的真實性與技術可控性Musk分享了Grok 3.5的核心突破，通過物理定律驗證推理結果（Physics-Grounded Reasoning），減少“幻覺”（hallucination）。1.AI模型的現實世界錨定（Grounding in Reality）：AI模型以物理法則為基準，會像物理學家一樣，通過能量守恆、因果邏輯等底層原理推導結論，並主動修正錯誤。強調AI的推理必須符合物理規律（如自動駕駛汽車需遵守動力學原理，機器人需完成物理任務），否則無法在現實場景中落地。“對於AI模型來說，接地於現實是非常重要的。現實就像是，物理是法則，其他一切都只是建議......我見過許多人違反人類制定的法律，但我從未見過任何人能違反物理定律。”2.多模型協作，跨領域應用：Nadella提出“代理聯邦”（Agent Federation）概念，未來AI代理可跨組織協作（如共享醫療資料、工業知識），而Musk認為物理世界的真實資料（如感測器輸入）是模型協作的基石。 Grok已在SpaceX客戶服務、特斯拉內部流程最佳化中發揮了良好的作用，未來將深度整合到機器人（如Optimus）和航天任務中，確保決策與物理世界一致。“我們看到Grok在客戶服務等方面非常有幫助。AI具有無限的耐心和友好度，即使你對它大喊大叫，它仍然會保持友善”3.開發者生態與開源協作：Musk強調“安全性優先”原則，AI需承認自身可能犯錯，但需通過快速迭代和社區反饋持續改進，Musk呼籲開發者積極反饋Grok的不足，承諾通過持續迭代提升模型性能，並強調“錯誤不可避免，但修正速度是關鍵”。“誠實是最佳安全策略”，認為透明度和糾錯能力是AI可信度的核心。三、Satya Nadella對話Jensen Huang：物理世界的真實性與技術可控性1.硬體性能的指數級躍升：Jensen強調了NVIDIA在AI硬創新方面取得的巨大進步，特別是的新一代GPU（Grace Blackwell）相比上一代Hoppper的性能，實現40倍提升的“超摩爾定律”增長。2.軟硬體協同最佳化：儘管硬體更新很快，但保持軟體架構穩定性對開發者生態系統和投資保護至關重要，使開發者的投入能夠持續產生價值。Jensen特別強調了軟體創新與硬體創新的協同作用，指出即使在同一代硬體上，軟體最佳化也能帶來巨大的性能提升。通過穩定的API和工具鏈，開發者無需頻繁調整程式碼即可適配新硬體，加速創新迭代。“我們提供Hopper兩年了，這兩年中，通過新演算法，我們已經將性能提升了40倍......我們的自然理解是保護和增強開發者生產力和開發者價值在整個架構生命周期內的重要性，我們會支援軟體並為軟體進行微調，只要我們還存在。”3.AI基礎設施與AI工廠：Jensen認為在技術快速迭代的AI時代，基礎設施應該採用“每年更新”的模式，而不是隔幾年建立一個全新的大型叢集。他將現代AI基礎設施比做“AI工廠”，強調其規模和複雜性遠超過傳統PC。NVIDIA GPU不僅用於AI訓練，還加速資料處理、視訊轉碼、推薦系統等傳統計算密集型任務，提升資料中心整體利用率。通過閉環液冷技術實現“零水耗”，最佳化能效比，推動AI基礎設施的可持續發展。4.生態合作，開放與規模化：Azure與NVIDIA的深度整合將NVIDIA GPU大規模部署到Azure雲，支援從前沿AI訓練到企業級應用（如醫療診斷、自動駕駛）的全場景負載。兩家公司在硬體、軟體和基礎設施層面緊密協作，形成了超越傳統供應商關係的“超連結”合作模式。AI計算基礎設施正在形成新範式，要求硬體供應商、雲提供商和開發者之間形成更緊密的協作關係，以應對前所未有的創新速度和複雜性，通過軟硬體協同創新，不斷提高“每美元每瓦特的token數量”，最終為全球提供更多計算智能。這標誌著AI計算架構正從傳統的硬體更新周期轉向更加靈活、持續最佳化的新模式，這將深刻影響AI部署和投資決策。四、科技巨頭齊聚：美國AI領域的整體實力展示（image generated by ChatGPT）這四位科技巨頭代表了AI產業鏈的各個關鍵環節，四個人的合作與競爭共同塑造了美國AI領域的格局——Nadella與Altman推動技術普惠，Jensen夯實基礎設施，Musk則扮演了“技術理想主義”的挑戰者角色，他們的協作正推動AI以驚人的速度發展，而三場對話也展示了美國在AI領域的實力：- 完整的AI生態系統：從NVIDIA提供的硬體基礎設施，到微軟的雲端運算平台，再到OpenAI的前沿模型研發以及Tesla、xAI等公司的實際應用，形成了完整的AI產業鏈。- 技術創新速度驚人：如Jesnen所說，兩年內實現40倍的性能提升，這種創新速度遠超其他技術領域。- 開發合作的模式：四位領導人均強調了合作的重要性，如微軟與OpenAI的深度合作，以及微軟與NVIDIA在硬體和軟體層面的協作。- 理論與實踐結合：從Musk強調的“物理世界的接地”到Altman分享的實際程式設計工具應用，美國AI發展注重理論突破與實際應用並重。通過這幾場對話，我們可以洞察幾個關鍵的AI趨勢：- AI代理（Agent）將成為主流：Sam Altman談到了OpenAI的Codex agent，暗示未來AI將從簡單的工具轉變為能夠自主完成複雜任務的代理。- AI將更加重視"現實接地"：Elon Musk強調，真正智能的AI必須能夠在現實世界中做出精準預測。- 模型將變得更簡單、更可靠：Sam Altman提到，未來的模型將變得更智能，但更重要的是，它們將變得更簡單易用、更可靠。使用者不需要在眾多模型中選擇，而是會有更統一的介面，能"自動做正確的事"。- 硬體創新仍是AI進步的關鍵驅動力Jensen Huang介紹的NVIDIA GB200在兩年內實現40倍性能提升，表明硬體創新仍然是AI進步的關鍵驅動力。他還強調了"每年升級"的重要性，而不是每隔幾年再更新整個機群。- 軟體生態系統的重要性日益凸顯：黃仁勳特別強調了軟體生態系統的重要性，指出即使是多年前發佈的硬體也能通過軟體最佳化獲得巨大性能提升。另外，最後也是最重要的一點，是能把這四位科技巨頭“召喚”同台的“大人物”——開發者群體。作為AI能力的“翻譯官”，開發者理解如何把模型更便捷的整合到實際應用中，完成技術落地的“最後一公里”。正如Nadella所言，“AI的未來屬於那些能讓開發者‘用程式碼思考’的平台。”開發者生態的本質，是建構一個“技術民主化”的循環系統，讓每個人都能成為AI革命的參與者與受益者。在AI時代，開發者是不容小覷的技術推動和普惠化推的強大力量。Jensen Huang說："僅僅兩年時間，AI就發生了如此深刻的變革，這實在令人興奮。這是最好的時代，而最好的時代還未到來。"（本文基於Microsoft Build 2025 Satya Nadella的開場Keynote整理分析，視訊連結：https://www.youtube.com/watch?v=SVkv-AtRBDY） (JER學家)