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。
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。
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。
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。
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。
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)