作者 林易

編輯 重點(diǎn)君

近日，微軟CEO納德拉與Stripe聯(lián)合創(chuàng)始人約翰·科里森（John Collison）進(jìn)行了一場關(guān)于AI技術(shù)、商業(yè)本質(zhì)與組織進(jìn)化的深度對話。

納德拉將當(dāng)前的AI浪潮與90年代的互聯(lián)網(wǎng)泡沫進(jìn)行冷靜對比，認(rèn)為此次AI浪潮并不是泡沫，而是真實(shí)存在算力供不應(yīng)求的產(chǎn)能危機(jī)。

納德拉在訪談中描繪了一幅反直覺的軟件未來圖景：應(yīng)用的邊界正在消融，而集成開發(fā)環(huán)境（IDE）將以一種全新的面貌回歸。他認(rèn)為，未來的交互界面將不再是單一的聊天窗口，而是融合了電子表格、文檔和消息流的任務(wù)控制中心。在這個圖景中，無論是程序員還是會計(jì)師、律師，都將擁有屬于自己的IDE，工作的本質(zhì)將變?yōu)閷Τ汕�上萬個AI智能體（Agent）進(jìn)行微觀引導(dǎo)（Micro-steering）。這不僅是UI的革新，更是人類與機(jī)器協(xié)作關(guān)系的重構(gòu)，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(qiáng)調(diào)在AI時代公司主權(quán)（Corporate Sovereignty）是一個的核心價值。他認(rèn)為，在通用大模型無所不知的情況下，企業(yè)的護(hù)城河不再僅僅是傳統(tǒng)的知識產(chǎn)權(quán)，而是將內(nèi)部難以言傳的“隱性知識”轉(zhuǎn)化為私有模型的權(quán)重。如果說30年前比爾·蓋茨夢想將世界結(jié)構(gòu)化為SQL數(shù)據(jù)庫以實(shí)現(xiàn)信息觸手可及，那么今天，納德拉正在用神經(jīng)網(wǎng)絡(luò)和Agent來構(gòu)建企業(yè)獨(dú)特的隱性知識，防止企業(yè)核心優(yōu)勢泄露到通用模型。

在訪談最后，納德拉剖析了微軟的組織文化。他致力于將微軟的文化內(nèi)核從“自以為是派”（Know-it-all）徹底重塑為開放的“學(xué)習(xí)一切派”（Learn-it-all）。在他看來，要對抗外界刻板印象與內(nèi)部官僚主義，微軟必須擁有統(tǒng)一的“成長型思維”來應(yīng)對每一次技術(shù)范式的劇變。

 Satya Nadella訪談內(nèi)容劃重點(diǎn)

1. 企業(yè)級 AI 的真相：別羨慕別人的工廠，建自己的數(shù)據(jù)護(hù)城河

拒絕模型焦慮：納德拉直言，企業(yè)最核心的任務(wù)不是羨慕別人的AI智能體，而是構(gòu)建自己的AI工廠。其中最復(fù)雜也最重要的工作是組織數(shù)據(jù)層，讓企業(yè)數(shù)據(jù)能夠滿足智能化需求。

記憶與關(guān)聯(lián)：真正的殺手級應(yīng)用在于建立“圖譜”（Graph）。工作并非雜亂無章，而是圍繞業(yè)務(wù)事件展開的，AI的價值在于找回這些在系統(tǒng)中丟失的語義連接。

Agent的三大基石：一個有效的Agent系統(tǒng)必須具備三個模型之外的要素：記憶（長期信用分配）、權(quán)限（嚴(yán)格遵守訪問限制）和有效的行動空間。

2. 重新定義“公司主權(quán)”：隱性知識的權(quán)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么？納德拉認(rèn)為，公司的價值在于其內(nèi)部交易成本低于市場交易成本的“隱性知識”。

未來的IP是模型權(quán)重：“公司主權(quán)”意味著企業(yè)擁有自己的基礎(chǔ)模型，該模型捕捉了組織內(nèi)部獨(dú)特的隱性知識。未來的知識產(chǎn)權(quán)將以LoRA（大模型微調(diào)層）權(quán)重的形式存在，這是防止企業(yè)核心優(yōu)勢泄露到通用模型的關(guān)鍵。

3. 基礎(chǔ)設(shè)施建設(shè)：這次不是泡沫，是產(chǎn)能地獄

與2000年泡沫的區(qū)別：納德拉指出，2000年是暗光纖泡沫，基礎(chǔ)設(shè)施鋪設(shè)過度但利用率低；而現(xiàn)在的AI基礎(chǔ)設(shè)施建設(shè)中，所有算力資源都已售罄，瓶頸在于電力、渦輪機(jī)和“增強(qiáng)型外殼”的供應(yīng)不足。面對日益嚴(yán)格的數(shù)據(jù)法規(guī)，微軟必須在全球范圍內(nèi)建設(shè)數(shù)據(jù)中心，以應(yīng)對各國對數(shù)據(jù)主權(quán)的要求。

技術(shù)棧布局：納德拉將微軟的AI堆棧概念化為兩層核心。底層是基礎(chǔ)設(shè)施業(yè)務(wù)，即“Token工廠”，其核心指標(biāo)是追求極致的資本效率，即每美元、每瓦特能生產(chǎn)多少Token；上層則是“Agent工廠”，其核心在于如何最有效地利用這些Token來驅(qū)動業(yè)務(wù)成果，即最大化每個Token的價值。

拒絕過度捆綁的誘惑：盡管微軟擁有從芯片、云設(shè)施到應(yīng)用的全棧能力，納德拉卻強(qiáng)調(diào)每一層（基礎(chǔ)設(shè)施、數(shù)據(jù)層、應(yīng)用）都必須具備獨(dú)立生存的市場競爭力。他反對過度依賴生態(tài)捆綁，認(rèn)為客戶不應(yīng)被迫接受“全家桶”，而應(yīng)擁有自主選擇“從哪扇門進(jìn)入”微軟生態(tài)的權(quán)利。

4. 軟件界面的未來：人人都有“IDE”

IDE的回歸：盡管人們常說“應(yīng)用將消失”，但納德拉認(rèn)為IDE（集成開發(fā)環(huán)境）將以新的形式回歸。未來的軟件界面將是收件箱、消息工具和“閃爍光標(biāo)畫布”的融合，不僅程序員，會計(jì)師、律師都將擁有自己的“任務(wù)控制中心”來微觀引導(dǎo)成千上萬的AI智能體。

5. 歷史的教訓(xùn)：范式正確不代表贏

微軟的互聯(lián)網(wǎng)往事：90年代微軟雖然看準(zhǔn)了“信息高速公路”的方向，但最初押注的“交互式電視”路徑卻被開放互聯(lián)網(wǎng)擊敗。這給AI時代的啟示是：即使看對了范式（Paradigm），具體的架構(gòu)選擇和商業(yè)模式仍決定成敗。

組織層的必然性：即使在開放的生態(tài)系統(tǒng)中，最終也會出現(xiàn)掌握話語權(quán)的“組織層”（如搜索引擎、應(yīng)用商店）。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?dāng)?shù)。

以下是Satya Nadella訪談實(shí)錄

1. 關(guān)于Ignite 大會與企業(yè)級 AI

John Collison：那么，大家應(yīng)該為Ignite 大會的哪些內(nèi)容感到興奮？

Satya Nadella：對我們來說，Ignite 大會最核心的任務(wù)，就是確保 AI 能夠在企業(yè)內(nèi)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），而是要探討如何構(gòu)建你自己的 AI 工廠。

這其中，對數(shù)據(jù)層的組織至關(guān)重要，事實(shí)證明這可能是最復(fù)雜的一環(huán)。你需要覆蓋整個企業(yè)的數(shù)據(jù)，使其能夠滿足智能化需求。這將是我們接下來的工作重點(diǎn)。

John Collison：我們在企業(yè)環(huán)境中似乎還沒有看到真正的深度應(yīng)用。雖然有了Copilot，但大多數(shù)人日常工作中并沒有這種能力。你認(rèn)為人們是否低估或未充分利用已經(jīng)存在的 AI？

Satya Nadella：是的，這很有趣。因?yàn)閷ξ襾碚f，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，這是位于所有數(shù)據(jù)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、文檔、Teams 通話等數(shù)據(jù)。

關(guān)鍵在于這些數(shù)據(jù)間的關(guān)系。人們的工作并非雜亂無章、非結(jié)構(gòu)化的，所有的工作都是圍繞某個業(yè)務(wù)事件展開的。這種語義上的連接存在于人們的腦海中，但在系統(tǒng)中往往丟失了。而現(xiàn)在，這是第一次，我們能通過AI 更好地找回這些記憶和關(guān)聯(lián)。

John Collison：相比個人用戶，為什么AI 在企業(yè)中的滲透率還不足？

Satya Nadella：因?yàn)槲矣X得人們現(xiàn)在使用很多大語言模型（LLM）工具時，可能只是上傳單個文檔。但大多數(shù)公司并沒有將所有功能集成，沒有將公司完整的上下文接入到他們?nèi)粘Ｊ褂玫?AI 中。

實(shí)際上，這里有兩層挑戰(zhàn)。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(yè)環(huán)境中，這意味著所有的數(shù)據(jù)發(fā)現(xiàn)（Discovery）環(huán)節(jié)必須可行，所有的數(shù)據(jù)治理必須到位。我們必須將權(quán)限范圍接入 Copilot，確保當(dāng)我檢索內(nèi)容時，如果是機(jī)密信息（如已被 IRM 保護(hù)的內(nèi)容），它能被正確識別和處理。我們已經(jīng)做了大量工作，現(xiàn)在開始看到成效。

我要說的第二點(diǎn)是，讓AI 跨越整個 Microsoft 365 圖譜運(yùn)行是一回事，但接下來要解決的是 ERP 系統(tǒng)的數(shù)據(jù)。目前的連接器就像“兩根細(xì)吸管”，效率不夠。你需要一個更好的數(shù)據(jù)架構(gòu)，基本上需要通過語義嵌入（Semantic Embedding）將所有這些數(shù)據(jù)整合到一個層面。

John Collison：幾十年來，讓公司數(shù)據(jù)“觸手可及”一直是一個愿景。我讀過那本關(guān)于 Oracle 歷史的書《Softwar》，提到拉里·埃里森（Larry Ellison）在 90 年代末就像高管推介，要把公司所有數(shù)據(jù)放在一個地方，讓高管可以“一鍵”獲得答案，而不是發(fā)郵件讓分析師去調(diào)查。為什么這個論點(diǎn)經(jīng)久不衰？是因?yàn)楣�司�?shí)際上并沒有按時做好數(shù)據(jù)基礎(chǔ)設(shè)施這門“苦修課”（eat their data infrastructure vegetables）嗎？這一次我們終于能解決數(shù)據(jù)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·蓋茨在 90 年代的一次 COMDEX 演講上創(chuàng)造了“信息觸手可及”（Information at your fingertips）這個術(shù)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：“軟件只有一個類別，那就是信息管理。你必須對人、地點(diǎn)和事物進(jìn)行建模，僅此而已。你無需再做任何事，因?yàn)樗�有軟件本質(zhì)上都是信息管理。”

這是比爾一直以來的夢想。他討厭文件系統(tǒng)，因?yàn)樗鼈兪欠墙Y(jié)構(gòu)化的。如果所有東西都是SQL 數(shù)據(jù)庫，他會很高興，那樣他就可以直接運(yùn)行 SQL 查詢，對所有信息進(jìn)行編程。對他來說，那是讓信息觸手可及的優(yōu)雅解決方案。

但問題在于，人是混亂的（messy）。即使數(shù)據(jù)是結(jié)構(gòu)化的，它也并沒有真正集中在一個索引中，我也無法運(yùn)行一條 SQL 查詢來獲取所有信息。這一直是根本性的挑戰(zhàn)。

我會說，那是舊世界的產(chǎn)物。我們當(dāng)時誰也沒想到，AI 和大規(guī)模深度神經(jīng)網(wǎng)絡(luò)會突然成為解決這個問題的關(guān)鍵。我們要做的不是建立某種程式化的數(shù)據(jù)模型，而是通過神經(jīng)網(wǎng)絡(luò)找出那些模式。事實(shí)上，很長一段時間我們都癡迷于數(shù)據(jù)模型需要多么復(fù)雜才能捕捉企業(yè)的本質(zhì)。事實(shí)證明，通過在擁有巨大算力的神經(jīng)網(wǎng)絡(luò)中通過海量參數(shù)就能做到。

John Collison：就像有些聰明的遠(yuǎn)程員工，剛?cè)肼毼宸昼娋湍芡ㄟ^閱讀文檔抓住要點(diǎn)。模型可以任意聰明，它們可以執(zhí)行RAG（檢索增強(qiáng)生成），可以訪問企業(yè)中的所有內(nèi)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(nèi)部訓(xùn)練定制模型，否則這些模型不會真正對你們的業(yè)務(wù)變得更聰明。如果第一千次查詢并不比第一次查詢更聰明，那你認(rèn)為這會走向何方？

Satya Nadella：這里涉及兩點(diǎn)。如果是指上下文學(xué)習(xí)（Contextual Learning）或持續(xù)學(xué)習(xí)，那確實(shí)是終極目標(biāo)。這呼應(yīng)了我之前的觀點(diǎn)：如果你把模型的“認(rèn)知核心”與它的“知識”分離開來，你就擁有了一種持續(xù)學(xué)習(xí)的公式或算法。

我認(rèn)為有三件事必須存在于模型運(yùn)行時之外，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(dāng) AI 模型既能根據(jù)長期記憶進(jìn)行獎勵也能進(jìn)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(quán)限（Entitlements/Permissions）： 模型在運(yùn)行時必須嚴(yán)格遵守權(quán)限系統(tǒng)。我是誰？我有權(quán)訪問什么？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(jié)合，行動、權(quán)限和記憶，這就構(gòu)成了上下文（Context）。這些根據(jù)定義必須位于模型之外，而不是內(nèi)置于模型中。例如，在今天的 Copilot 中，你需要系統(tǒng)能在 OpenAI 模型和 Claude 模型之間運(yùn)行。我認(rèn)為這正是前沿技術(shù)需要發(fā)展的方向。

2. CEO 的日常與管理方式

John Collison：我想問一些關(guān)于你工作方式的問題。你的日常工作是什么樣的？你們?nèi)绾瓮ㄟ^現(xiàn)代化的“走動式管理”來了解微軟內(nèi)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(guān)的事宜。我每天至少有一兩個Teams 通話是與客戶進(jìn)行的。這是最有幫助的方式之一，讓我保持腳踏實(shí)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，然后閉嘴不言，因?yàn)?ldquo;召集”這個動作本身才是重要的，工作要么已經(jīng)完成，要么會在之后完成。另一種是更重要的會議，我需要在會上學(xué)習(xí)、做出決定或傳達(dá)信息。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。我就像是在漫步于虛擬的走廊，潛伏在那些頻道周圍。如果說有什么收獲的話，我在那里學(xué)到的最多。這也是我建立聯(lián)系最多的地方。我會發(fā)現(xiàn)：“哇，這個人正在開發(fā) Excel Agent”，或者了解他們想要的評估方式。我從中學(xué)到的比做任何其他事都要多。

John Collison：就像微軟的Teams 團(tuán)隊(duì)專注于他們的產(chǎn)品，然后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(yīng)該擁有更多訪問權(quán)限。實(shí)際上，我最大的不滿是我不能隨意進(jìn)入所有我想去的地方（笑）。但能夠直接進(jìn)去體驗(yàn)確實(shí)很有趣，這在某種程度上讓這種溝通正�；�了。現(xiàn)在的員工也不會吝惜與你分享他們的真實(shí)看法。

John Collison：你在硅谷的小圈子里很有名，因?yàn)槟惚３种�高度的�?lián)絡(luò)感。我記得你曾來參觀過Stripe 的辦公室，當(dāng)時我們還是家小公司。為什么你比大多數(shù)其他 CEO 更愿意花時間與初創(chuàng)公司會面？

Satya Nadella：我是在微軟這種文化中成長起來的，我體內(nèi)有面向開發(fā)者關(guān)系的“布道基因”。有兩件事深深根植于我心中：如果你不關(guān)注開發(fā)者的去向，就很難保持技術(shù)平臺的相關(guān)性。你需要理解新的工作負(fù)載（Workloads）以構(gòu)建技術(shù)平臺。

John Collison：如果你不關(guān)注初創(chuàng)公司，就很難了解平臺或工作負(fù)載的趨勢。所以這幾乎是我必須做的事。另一點(diǎn)是，我從中獲得了巨大的能量。我一直覺得創(chuàng)始人就像魔法師，能從無到有創(chuàng)造出東西。這感覺就像變戲法，我總是想搞清楚：“到底是怎么做到的？”

Satya Nadella：事實(shí)上，我們從你們那里學(xué)到的一件事，就是重新發(fā)現(xiàn)微軟非常擅長的事情——跟隨開發(fā)者，出現(xiàn)在初創(chuàng)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(chǎn)，我們需要成為開源生態(tài)系統(tǒng)的優(yōu)秀管理者。但更重要的是，每個初創(chuàng)公司的倉庫都在 GitHub 上。對我們來說，參與其中不僅是戰(zhàn)略占位，更是為了簡單地學(xué)習(xí)并打造更好的產(chǎn)品。因?yàn)橛袝r你會失去審美，忘記如何以最少摩擦的方式交付產(chǎn)品，而初創(chuàng)公司的耐心是最少的，價值實(shí)現(xiàn)的時間必須最大化。

3. 軟件界面的未來：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(xiàn)在的軟件仍然陷在老舊范式里，比如“寫代碼、定稿、發(fā)布”。而在云端交付的時代，我們是否可以根據(jù)個人需求實(shí)時渲染 UI？

Satya Nadella：肯定會朝這個方向發(fā)展。隨著生成能力的提升，你可以生成代碼，也可以圍繞任何定制化的東西生成UX 骨架。在微軟，長期以來我們也一直在思考文檔、網(wǎng)站和應(yīng)用之間的區(qū)別到底是什么。你可以根據(jù)想要展示的格式隨時生成其中任何一個。

但有趣的是，盡管大家都在討論“應(yīng)用將會消失”，我們那些老牌的 IDE（集成開發(fā)環(huán)境），無論是 Excel 還是 VS Code，某種意義上又回來了。因?yàn)楝F(xiàn)實(shí)是，AI 會產(chǎn)生輸出，而我需要理解那些輸出的含義。實(shí)際上，我需要一個出色的編輯器，讓我能與 AI 進(jìn)行差異比較（diff）和迭代。

我認(rèn)為最令人興奮的事情之一，是全新類別的“高度精細(xì)化 IDE”。它們更像是任務(wù)控制中心（Mission Control）。如果我有成千上萬個智能體（Agent）在運(yùn)行，我要如何理解這些情況？這就需要“數(shù)千個智能體的微觀引導(dǎo)”。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(fā)消息或分診（triage），而是宏觀委派（Macro-delegation）和微觀引導(dǎo)（Micro-steering）。

John Collison：你的意思是，未來不僅是程序員，會計(jì)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(xié)作的比喻。我會給出一堆指令，它們開始執(zhí)行，有時運(yùn)行幾小時甚至幾天，然后回來匯報(bào)。

對于這種工作流，我們需要上下文來進(jìn)行微觀引導(dǎo)。它不能只是變成下一個“通知地獄”，發(fā)給我五個字提醒，而我不知道上下文。

我認(rèn)為軟件最終會長成這樣：它看起來像一個收件箱，又像一個消息工具，同時帶有一個閃爍光標(biāo)的畫布（Canvas）。我們喜歡電子表格的表格形式，喜歡文檔的線性形式，也喜歡消息流。未來的界面會是這些形式的融合。例如，我們正在試驗(yàn)的GitHub Copilot Workspace 就是這種“任務(wù)控制中心”。你會有五六個不同的分支，啟動自主智能體去執(zhí)行任務(wù)，然后它們返回，你進(jìn)行代碼合并的分診。我認(rèn)為下一個偉大的 IDE 就會誕生在這里。

4. 歷史的教訓(xùn)：互聯(lián)網(wǎng)浪潮

John Collison：科技界常有一種模式：對某項(xiàng)技術(shù)的興奮程度遠(yuǎn)超其成熟度。就像《2001：太空奧德賽》里的語音 AI，我們花了 50 年才實(shí)現(xiàn)。我經(jīng)常思考微軟在 90 年代的情況。比爾·蓋茨寫了著名的《互聯(lián)網(wǎng)浪潮》（Internet Tidal Wave）備忘錄，明確指出互聯(lián)網(wǎng)是重中之重。但當(dāng)時微軟對互聯(lián)網(wǎng)的設(shè)想是“信息高速公路”和機(jī)頂盒，而不是我們后來看到的 PC 互聯(lián)網(wǎng)。我們在當(dāng)前的 AI 浪潮中應(yīng)該吸取什么教訓(xùn)？

Satya Nadella：這是一個很棒的問題。即使在當(dāng)時，作為一名初級員工，我對那段歷史的解讀是：我們好像理解了互聯(lián)網(wǎng)，但其實(shí)并沒有。

5. 軟件、工作流、商業(yè)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件工程師的IDE（集成開發(fā)環(huán)境）。我仍然覺得這在未來十年對金融從業(yè)者來說會是一個產(chǎn)品。事后看，這顯然是正確的用戶界面。就像電子表格（Spreadsheet）一樣，它作為一種 UI 出現(xiàn)時，感覺像是憑空誕生的。說到電子表格，對某些軟件公司來說，嘗試挑戰(zhàn) Excel 幾乎成了一種成年禮，但 Excel 似乎在四十年里一直屹立不倒。為什么它這么耐用？

Satya Nadella：是啊，太不可思議了。我認(rèn)為這是“列表”和“表格”的力量，加上軟件的可塑性，兩者的結(jié)合非常完美。這就是為什么它像一個永遠(yuǎn)存在的“閃爍畫布”。我們可能會在上面添加很多花哨的功能，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(yīng)有的評價，它是世界上最易上手的編程環(huán)境。你可以不經(jīng)思考地直接開始編程。還有一個美妙之處。就像我們現(xiàn)在討論 AI 需要“變革管理”（Change Management），但當(dāng)電子表格出現(xiàn)時，沒人談?wù)撟兏锕芾恚�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(jī)時代加入了通用再保險(xiǎn)公司（Gen Re），他記得電子郵件和 Excel 出現(xiàn)后，整個工作流程被根本性地顛覆了。我認(rèn)為 AI 也會如此，工作產(chǎn)物和工作流會從底層被重新審視�，F(xiàn)在是從事軟件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(dāng)年問我什么最熱門，那是云計(jì)算、多區(qū)域數(shù)據(jù)庫（Cosmos DB）等。當(dāng)時我們覺得已經(jīng)到了某種穩(wěn)定狀態(tài)。然后疫情發(fā)生了，云計(jì)算進(jìn)入了另一個超級推進(jìn)階段（Teams 等應(yīng)用的爆發(fā)）。

John Collison：在Stripe 我們也看到了類似的圖表，出現(xiàn)了一個明顯的不連續(xù)性——電子商務(wù)活動呈階躍式增長，而且從未回落。即使人們回到了實(shí)體辦公室，線上業(yè)務(wù)依然保持在那個高位，甚至繼續(xù)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?wù)撋虡I(yè)，不妨談?wù)勎覀冋�在共同推進(jìn)的工作。

我們要探討的是：什么是對商家最友好的規(guī)則？什么是對顧客最友好的規(guī)則？是否存在完美匹配？“對話式商業(yè)”（Conversational Commerce）是人們一直在討論的話題�，F(xiàn)在我認(rèn)為，隨著你們以及我們所做工作的進(jìn)展，我們可以真正將商家和最終用戶結(jié)合起來，打造這種具備“代理性”（Agentic）的體驗(yàn)。這還處于早期階段，必須做得有品味，必須以贏得用戶信任的方式來做。我對此感到非常興奮。

John Collison：我們看到了過去的嘗試與現(xiàn)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(diǎn)在于：第一，有了 AI，商家集成的難度大大降低了，這比以往任何時候都要容易；第二，這種體驗(yàn)對最終用戶來說非常有吸引力。從我們早期客戶的反饋數(shù)據(jù)來看，這一點(diǎn)已經(jīng)得到證實(shí)。幾周前我們在 ChatGPT 上推出了相關(guān)功能，數(shù)據(jù)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(guān)裝備。但無論是Amazon 還是 Walmart，網(wǎng)站內(nèi)的搜索體驗(yàn)有時真的很差�，F(xiàn)在的聊天體驗(yàn)起初很棒，但往往最后還是把用戶指回傳統(tǒng)的商品目錄。雖然目錄依然是核心，但如果能將“結(jié)賬”與“目錄”無縫結(jié)合，那才是真正的流暢體驗(yàn)。

John Collison：在做產(chǎn)品調(diào)研時，我發(fā)現(xiàn)使用AI 應(yīng)用進(jìn)行搜索的效果要比傳統(tǒng)的關(guān)鍵詞搜索好得多。令人驚訝的是，直到去年我們還認(rèn)為關(guān)鍵詞搜索是可以接受的方式。

Satya Nadella：這就像是為你量身定制了一個目錄。這不僅僅是搜索引擎的結(jié)果頁面。舉個例子，我們在給家里買家具時會討論：“在這個位置還有這么多空間，放什么家具好看？尺寸要合適，風(fēng)格要偏高端但不浮夸。”以前我們無法這樣搜索，這很瘋狂�，F(xiàn)在，這種定制化、傳達(dá)氛圍和整體美感的能力變得觸手可及。

我妻子是名建筑師，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(yīng)該在里面放什么？”。AI 能夠讀取建筑草圖，結(jié)合公開的家具目錄，進(jìn)行推理并組合元素。這簡直太神奇了。

John Collison：在Stripe 的商務(wù)領(lǐng)域，我們非常擁抱 AI，我們認(rèn)為大量工作將向這里轉(zhuǎn)移。如果你進(jìn)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(yàn)遠(yuǎn)勝于點(diǎn)擊瀏覽一列搜索結(jié)果。即使是針對性很強(qiáng)的搜索，比如“我要買這款自行車組件”，通過 AI 指定精確參數(shù)也會好得多。

如果AI 既能囊括非定向的發(fā)現(xiàn)，又能處理高度定向的搜索，這基本上就涵蓋了互聯(lián)網(wǎng)上所有的商業(yè)行為了�？赡芪ㄒ皇Ｏ碌木褪悄穷惤�(jīng)常性的必需品購買，比如“再訂購一些寵物食品”。當(dāng)然，Etsy 是我們很好的首個合作伙伴，因?yàn)樗麄兊漠a(chǎn)品都是定制的。

Satya Nadella：是的，這非常有道理。在“發(fā)現(xiàn)”這一層面上，Instagram 等平臺已經(jīng)做得很好�，F(xiàn)在的問題是，在這個對話界面中，什么是新的發(fā)現(xiàn)層？Pinterest 曾做過有趣的嘗試。如果我們將這種發(fā)現(xiàn)層與對話界面結(jié)合，將會惠及所有人。

John Collison：現(xiàn)在正在做的一項(xiàng)工作是讓商家的產(chǎn)品目錄、庫存等信息可以被遠(yuǎn)程發(fā)現(xiàn)，并且支持遠(yuǎn)程購買。用戶不必跳轉(zhuǎn)到商家端完成整個流程，而是可以在像Copilot 這樣的智能體驗(yàn)中直接完成。這就是我們在基礎(chǔ)設(shè)施層面正在連接的東西。這也是為什么我們認(rèn)為像 Pinterest、Instagram 和 Twitter 這樣的社交平臺會再次嘗試電商體驗(yàn)。因?yàn)楝F(xiàn)在有了更多商家的支持和采用。

Satya Nadella：我們有一個叫NLWeb 的項(xiàng)目，旨在收集每個商家的目錄，為其提供一個類似網(wǎng)站的自然語言界面，讓 AI 代理（Agent）可以與之交互并進(jìn)行深度搜索。是的，今天最大的挑戰(zhàn)之一就是目錄的質(zhì)量以及利用推理進(jìn)行深度搜索的能力。如果你能解決這個問題，每個產(chǎn)品都能找到它的精準(zhǔn)查詢匹配。

John Collison：我們正在構(gòu)建這個平臺。在代理式商務(wù)（Agentic Commerce）領(lǐng)域，我們推出了自主代理商務(wù)協(xié)議等開源協(xié)議。當(dāng)然，我們也有常規(guī)的 Stripe 支付產(chǎn)品。從支付角度來看，這很棘手，因?yàn)槟阆Ｍ?AI 應(yīng)用能代表用戶在網(wǎng)絡(luò)上不同站點(diǎn)間付款，而無需在全網(wǎng)共享所有支付細(xì)節(jié)。

我們在代理式商務(wù)領(lǐng)域構(gòu)建的是一個平臺型業(yè)務(wù)。你們在這方面很在行，對于我們在這一初期階段構(gòu)建產(chǎn)品，尤其是在產(chǎn)品與市場契合度已經(jīng)很明顯的情況下，你有什么建議嗎？

Satya Nadella：我認(rèn)為你們已經(jīng)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�，F(xiàn)在每個商家都不得不去找像Stripe 這樣的服務(wù)商，說：“嘿，我有目錄，我有結(jié)賬頁面，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(rèn)為長尾商戶能夠輕松點(diǎn)擊并啟用“代理式商務(wù)”，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，這些平臺自身也希望在網(wǎng)站或App 上支持自然語言查詢。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）服務(wù)器或執(zhí)行各種復(fù)雜協(xié)議，必須有一個“簡單按鈕”。

John Collison：我認(rèn)為我們將看到的另一個趨勢是，許多代理式體驗(yàn)正在逐步融合。Intercom 的 Des Traynor 正在做由 AI 協(xié)助甚至取代人類的客戶服務(wù)。他們發(fā)現(xiàn)，用戶最初是為了尋求幫助而來，結(jié)果發(fā)現(xiàn)這是一種瀏覽網(wǎng)站的更好方式。這幾乎就像一個命令行。

我想知道這些體驗(yàn)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(wù)。什么時候它會變成一個通用的命令行應(yīng)用？再回到時尚領(lǐng)域的例子，現(xiàn)在的體驗(yàn)依然基于糟糕的關(guān)鍵詞搜索和手動標(biāo)簽。在我看來，這完全應(yīng)該是一個交互式的、基于AI 的體驗(yàn)，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(yè)領(lǐng)域這樣做會非常有意思。

Satya Nadella：從直覺上講，客戶服務(wù)其實(shí)也是一種內(nèi)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件和組織架構(gòu)限制而產(chǎn)生的“泳道”（職能分工），比如客戶服務(wù)和 SDR（銷售開發(fā)代表）的區(qū)別，很可能都會被拋棄。

關(guān)于模型，我們談?wù)摿撕芏郈opilot、ChatGPT 和 Gemini。關(guān)于模型質(zhì)量有多重要存在爭論。人們會像忠于可樂品牌一樣忠于某個 AI 品牌嗎？雖然可口可樂換配方引發(fā)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。我總是驚訝她為什么不用更智能的，但她對 GPT-5 很忠誠。當(dāng)試圖拿走 GPT-4 時，用戶也反抗過。你認(rèn)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(yè)策略？

Satya Nadella：在消費(fèi)類產(chǎn)品領(lǐng)域，這是我們第一次見到這種情況。當(dāng)模型更迭時，這種變化并非對所有人都是統(tǒng)一的影響。個性、風(fēng)格等因素成為了新的維度。這也是一個論點(diǎn)，即“風(fēng)格”可能成為差異化因素。這就像智商（IQ）、情商（EQ）以及風(fēng)格要點(diǎn)的結(jié)合。

但從長遠(yuǎn)來看，我認(rèn)為必須確保模型最有能力處理最艱巨的高價值任務(wù)。作為產(chǎn)品構(gòu)建者，我的觀點(diǎn)是：雖然我們會展示最強(qiáng)的那個模型，但實(shí)際在生產(chǎn)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 之類的模型并想使用它，但歸根結(jié)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(wù)需要這種級別的認(rèn)知資源或這種類型的智能，這是代碼倉庫或 PR 任務(wù)的復(fù)雜度。”

這就是智能體（Agent）的未來。你需要一組模型的集成（Ensemble），并在中間有一些代理來協(xié)調(diào)這個組合，以滿足你的需求。

John Collison：難道讓用戶自己選擇不也是一種智能嗎？比如對于“我去哪吃冰淇淋”這種查詢，我會手動選擇 o3，因?yàn)槲铱偸窍胍�最好的�?/p>

Satya Nadella：也許吧，但這更多是習(xí)慣。確實(shí)，我們都不喜歡默認(rèn)設(shè)置被改變。如果現(xiàn)在取消了模型選擇功能，確實(shí)會是個問題。但我也認(rèn)為，如果我能信任系統(tǒng)在進(jìn)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(shí)是目標(biāo)。

7.Microsoft 的技術(shù)棧布局

John Collison：那么關(guān)于Microsoft 的模型，你們在技術(shù)棧的每一層都有布局：Copilot、OpenAI 的股份、Azure 層、芯片等。在這個堆棧中，有什么是必須贏的嗎？你們會做行業(yè)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(chǔ)設(shè)施業(yè)務(wù)。我們必須非常擅長構(gòu)建我稱之為“Token 工廠”的東西。這關(guān)乎每美元、每瓦特能產(chǎn)生多少Token，在這方面我們要做到極致高效。

然后是另一層，我稱之為“Agent 工廠”。它與Token 工廠的區(qū)別在于，Agent 工廠能最有效地利用這些 Token 來推動業(yè)務(wù)成果或消費(fèi)者偏好結(jié)果。這關(guān)乎每個 Token 的價值。

圍繞這兩個核心有一整套工具。這有點(diǎn)像新的應(yīng)用服務(wù)器層。每一個新平臺都有對應(yīng)物，比如萬維網(wǎng)時代的網(wǎng)頁服務(wù)器�，F(xiàn)在這是AI 服務(wù)器或 AI 云。

所以我們肯定會構(gòu)建自己的智能系統(tǒng)，也就是Copilot 家族：信息工作： Microsoft 365 Copilot。軟件開發(fā)： 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(yè)務(wù)應(yīng)用。在垂直領(lǐng)域，我們在醫(yī)療和科學(xué)方面做了很多工作。

醫(yī)療： 我們收購了Nuance，現(xiàn)在有一個叫 DAX Copilot 的產(chǎn)品，用于醫(yī)生筆記的說話者分離和記錄。這讓醫(yī)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(tǒng)內(nèi)嵌的一部分。

科學(xué)： 這是一個很大的領(lǐng)域，我稱之為“外循環(huán)編排”�？茖W(xué)方法本質(zhì)上是提出假設(shè)、在計(jì)算機(jī)中進(jìn)行實(shí)驗(yàn)、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(jié)合，為科學(xué)家服務(wù)。這甚至可能涉及到與實(shí)驗(yàn)室的 MCP 服務(wù)器接口對接，協(xié)調(diào)一切以加速科學(xué)循環(huán)。

John Collison：作為一家平臺公司，總是需要決定何時將產(chǎn)品捆綁在一起，何時讓它們獨(dú)立。Apple 最初只允許 Mac 使用 iPod 以推動 Mac 銷量，后來才開放給 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(yīng)用，操作系統(tǒng)上也多是 Lotus 1-2-3 這樣的第三方應(yīng)用。后來進(jìn)入了 Windows 和 Office 緊密耦合的時代。Azure 起初也是，后來完全擁抱了 Linux。現(xiàn)在 Microsoft 作為一個平臺型公司，似乎越來越接受模塊化，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(dú)立出售？

Satya Nadella：這是一個很好的觀點(diǎn)。我對這個問題的思考方式是：我們很多時候都夸大了所謂的“零和博弈”。實(shí)際上，很多領(lǐng)域的分析應(yīng)該更加敏銳，因?yàn)樗鼈儚亩�義上講就是多人互動的（Multi-player）。

云計(jì)算就是一個經(jīng)典的例子。當(dāng)我剛開始做Azure 時，AWS 已經(jīng)遙遙領(lǐng)先了。人們會對我說：“哦天哪，AWS 難道不是已經(jīng)贏了嗎？”但事實(shí)證明這個市場足夠大，且是多方參與的。那么，市場上還有容納第二個云廠商的空間嗎？畢竟曾面臨 Oracle 和 IBM 等公司的競爭。在所有中間層服務(wù)器等領(lǐng)域，我當(dāng)時的感覺是，企業(yè)客戶和商業(yè)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(jié)構(gòu)性認(rèn)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(shí)際上可能會在某種程度上縮小你的可尋址市場（TAM），導(dǎo)致無法競爭。舉個例子，如果我們當(dāng)初構(gòu)建 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?yàn)?Azure 不可能只為 Windows 服務(wù)，它必須把 Linux 作為“一等公民”來支持，必須將 MySQL 和 PostgreSQL 作為“一等公民”來支持。

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盡量有沖擊力，就像 Amazon 使用 PostgreSQL 或 MySQL 那樣。主要的推動力在于總體可尋址市場（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，恰恰定義了模塊化。

到底是什么能最大化我的技術(shù)棧市場機(jī)會？我們是一家專注型公司，這也是我們不是企業(yè)集團(tuán)的原因。因此，應(yīng)該有一個關(guān)于整合收益及平臺效應(yīng)的理論框架。那是什么？我們?nèi)绾伟阉�做得出色�?/p>

我認(rèn)為在技術(shù)棧的每一層都應(yīng)如此。即使是Azure 的基礎(chǔ)設(shè)施層，客戶應(yīng)該能夠說：“我只想使用 Azure 的裸金屬服務(wù)，我只需要 Kubernetes 分布式集群，但我只需要你幫我做管理部分，我會帶上我所有的軟件。”沒問題，我們必須贏得那項(xiàng)工作負(fù)載。也許將來某一天，當(dāng)他們覺得自行管理多區(qū)域數(shù)據(jù)庫太麻煩時，可能會說：“哦，那我就用 Cosmos DB 吧。”但這應(yīng)該是一個獨(dú)立的決定。

John Collison：這難道不總是有爭論嗎？關(guān)于是否只有在擁有Linux 和 Azure 的捆綁情況下，才會賣出更多 Azure？Windows 團(tuán)隊(duì)的人可能會說：“是啊，但是你這是在拖 Windows Server 的后腿。”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，這感覺這種集成又很自然。再比如，Teams 的聊天和視頻功能并不是單獨(dú)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(rèn)為其中一些例子，比如Teams，就是一個經(jīng)典案例。Teams 作為一個產(chǎn)品的誕生，是將 Outlook 等四樣?xùn)|西整合在了一起。Outlook 的引入也是如此，以前我們有 PIM（個人信息管理），有獨(dú)立的電子郵件客戶端，日歷也是分開的。Outlook 是第一個將這三者結(jié)合起來完成一項(xiàng)工作的“腳手架”。Teams 也是一樣，我們將聊天、頻道、視頻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(chǎn)品，是產(chǎn)品的腳手架。

當(dāng)然你也可以說：“嘿，那需要有一個開放的市場，并且需要與其他事物集成。”所以模塊化必須經(jīng)過深思熟慮，在原子級別上具有意義。你不能過度思考那些協(xié)同效應(yīng)或整合效應(yīng)，否則就會失去競爭力。一個典型的例子是，如果你構(gòu)建了一個驚人的公有云，但它只運(yùn)行 Windows 工作負(fù)載或 SQL 工作負(fù)載，那基本上只能占據(jù)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 堆棧的理解也是如此：我們有基礎(chǔ)設(shè)施業(yè)務(wù)，有應(yīng)用服務(wù)器/數(shù)據(jù)層業(yè)務(wù)，還有應(yīng)用業(yè)務(wù)。這只是簡化說明。我希望那三樣?xùn)|西能獨(dú)立存在，憑借它們自身的優(yōu)點(diǎn)立足。當(dāng)然，我們希望這三層之間存在反饋回路，但客戶和合作伙伴應(yīng)該能自主選擇從哪扇門進(jìn)入。

John Collison：我的印象是，當(dāng)你接手微軟時，你將公司文化從一種高度捆綁的狀態(tài)轉(zhuǎn)變了。以前是購買Windows 機(jī)器，運(yùn)行 Microsoft Access 和 SQL Server，所有東西都被整齊地打包在一起，用戶生活在這個微軟生態(tài)中。而現(xiàn)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(shí)是回溯到更早的時期，也許是80 年代的微軟。因?yàn)榇蠖鄶?shù)大家熟知的事情確實(shí)發(fā)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服務(wù)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(fā) Office，那時 Windows 還來得比較晚。事實(shí)上，比爾·蓋茨創(chuàng)辦微軟時的理念是把它當(dāng)作一家“軟件工廠”。我不偏愛任何單一類別，我只是想打造最好的軟件工廠，不停地產(chǎn)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(chǔ)解釋器？我們有一個；你想要一個操作系統(tǒng)？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/服務(wù)器架構(gòu)等。所以當(dāng)我成為 CEO，甚至之前負(fù)責(zé)云業(yè)務(wù)時，我意識到：這正是一個時機(jī)，市場將變得更大且截然不同。當(dāng)時我們也沒有移動平臺，所以確實(shí)需要確保我們在最大的市場中保持相關(guān)性，通過將我們的產(chǎn)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(rèn)為僅僅因?yàn)槲易鳛镃EO 說“我要做這個”，就能執(zhí)行得很好。實(shí)際上，我們可以把軟件帶到每個平臺，這本身就是公司核心基因的一部分。

       原文標(biāo)題 : 微軟CEO納德拉最新萬字訪談：AI時代，范式正確不代表就能贏