[智能应用]微软CEO纳德拉最新万字访谈：AI时代，范式正确不代表就能赢 [复制链接]

本文来自微信公众号：划重点KeyPoints，作者：林易，题图来自：Unsplash
近日，微软CEO纳德拉与Stripe联合创始人约翰·科里森（John Collison）进行了一场关于AI技术、商业本质与组织进化的深度对话。纳德拉将当前的AI浪潮与90年代的互联网泡沫进行冷静对比，认为此次AI浪潮并不是泡沫，而是真实存在算力供不应求的产能危机。
纳德拉在访谈中描绘了一幅反直觉的软件未来图景：应用的边界正在消融，而集成开发环境（IDE）将以一种全新的面貌回归。他认为，未来的交互界面将不再是单一的聊天窗口，而是融合了电子表格、文档和消息流的任务控制中心。在这个图景中，无论是程序员，还是会计师、律师，他们都将拥有属于自己的IDE，工作的本质将变为对成千上万个AI智能体（Agent）进行微观引导（Micro-steering）。
这不仅是UI的革新，更是人类与机器协作关系的重构，人类不再是单纯的操作者，而是拥有宏观委派能力的指挥官。
在访谈中，纳德拉强调，在AI时代，公司主权（Corporate Sovereignty）是一个的核心价值。他认为，在通用大模型无所不知的情况下，企业的护城河不再仅仅是传统的知识产权，而是将内部难以言传的“隐性知识”转化为私有模型的权重。
如果说30年前比尔·盖茨梦想将世界结构化为SQL数据库，以实现信息触手可及的梦想，那么今天，纳德拉正在用神经网络和Agent来构建企业独特的隐性知识，防止企业核心优势泄露到通用模型中。
在访谈最后，纳德拉剖析了微软的组织文化。他致力于将微软的文化内核从“自以为是派”（Know-it-all）彻底重塑为开放的“学习一切派”（Learn-it-all）。在他看来，要对抗外界刻板印象与内部官僚主义，微软必须拥有统一的“成长型思维”，以应对每一次技术范式的剧变。

Satya Nadella访谈内容划重点： 1. 企业级 AI 的真相：别羡慕别人的工厂，建自己的数据护城河 拒绝模型焦虑：纳德拉直言，企业最核心的任务不是羡慕别人的AI智能体，而是构建自己的AI工厂。其中最复杂也最重要的工作是在组织数据层，让企业数据能够满足智能化需求。 记忆与关联：真正的杀手级应用在于建立“图谱”（Graph）。工作并非杂乱无章，而是围绕业务事件展开的，AI的价值在于找回这些在系统中丢失的语义连接。 Agent的三大基石：一个有效的Agent系统必须具备三个模型之外的要素：记忆（长期信用分配）、权限（严格遵守访问限制）和有效的行动空间。 2. 重新定义“公司主权”：隐性知识的权重化 科斯定理的AI版：既然通用大模型无所不知，公司存在的意义是什么？纳德拉认为，公司的价值在于其内部交易成本低于市场交易成本的“隐性知识”。 未来的IP是模型权重：“公司主权”意味着企业拥有自己的基础模型，该模型捕捉了组织内部独特的隐性知识。未来的知识产权将以LoRA（大模型微调层）权重的形式存在，这是防止企业核心优势泄露到通用模型的关键。 3. 基础设施建设：这次不是泡沫，是产能地狱 与2000年泡沫的区别：纳德拉指出，2000年是暗光纤泡沫，基础设施铺设过度但利用率低；而现在的AI基础设施建设中，所有算力资源都已售罄，瓶颈在于电力、涡轮机和“增强型外壳”的供应不足。面对日益严格的数据法规，微软必须在全球范围内建设数据中心，以应对各国对数据主权的要求。 技术栈布局：纳德拉将微软的AI堆栈概念化为两层核心。底层是基础设施业务，即“Token工厂”，其核心指标是追求极致的资本效率，即每美元、每瓦特能生产多少Token；上层则是“Agent工厂”，其核心在于如何最有效地利用这些Token来驱动业务成果，即最大化每个Token的价值。 拒绝过度捆绑的诱惑：尽管微软拥有从芯片、云设施到应用的全栈能力，纳德拉却强调每一层（基础设施、数据层、应用）都必须具备独立生存的市场竞争力。他反对过度依赖生态捆绑，认为客户不应被迫接受“全家桶”，而应拥有自主选择“从哪扇门进入”微软生态的权利。 4. 软件界面的未来：人人都有“IDE” IDE的回归：尽管人们常说“应用将消失”，但纳德拉认为IDE（集成开发环境）将以新的形式回归。未来的软件界面将是收件箱、消息工具和“闪烁光标画布”的融合，程序员，会计师、律师都将拥有自己的“任务控制中心”，微观引导成千上万的AI智能体。 5. 历史的教训：范式正确不代表赢 微软的互联网往事：90年代微软虽然看准了“信息高速公路”的方向，但最初押注的“交互式电视”路径却被开放互联网击败。这给AI时代的启示是：即使看对了范式（Paradigm），具体的架构选择和商业模式仍决定成败。 组织层的必然性：即使在开放的生态系统中，最终也会出现掌握话语权的“组织层”（如搜索引擎、应用商店）。在AI时代，谁能成为新的组织层（如ChatGPT目前的角色）仍是未定之数。

以下是Satya Nadella的访谈实录。
一、关于Ignite 大会与企业级 AI
John Collison：那么，大家应该为Ignite大会的哪些内容感到兴奋？
Satya Nadella：对我们来说，Ignite大会最核心的任务，就是确保 AI 能在企业内部得到广泛普及。如果说只有一件事最重要，那就是不要只去羡慕别人的“AI 工厂”或 AI 智能体（Agent），而是要探讨如何构建你自己的 AI 工厂。
其中，对数据层的组织至关重要，事实证明，这可能是最复杂的一环。你需要覆盖整个企业的数据，使其能够满足智能化的需求。这将是我们接下来的工作重点。
John Collison：我们在企业环境中似乎还没有看到真正的深度应用。虽然有了Copilot，但大多数人在日常工作中并没有这种能力。你认为人们是否低估或未充分利用已经存在的 AI？
Satya Nadella：是的，这很有趣。因为对我来说，这正是杀手级功能。我们做的最重要的事情就是建立了“图谱”（Graph）。在我看来，这是位于所有数据库之下的、对任何公司都最重要的东西——它承载着你的电子邮件、文档、Teams 通话等数据。
关键在于这些数据间的关系。人们的工作并非杂乱无章、非结构化的，所有的工作都是围绕某个业务事件展开的。这种语义上的连接存在于人们的脑海中，但在系统中往往丢失了。而现在，这是第一次，我们能通过 AI 更好地找回这些记忆和关联。
John Collison：相比个人用户，为什么 AI 在企业中的渗透率还不足？
Satya Nadella：因为我觉得，人们现在使用很多大语言模型（LLM）工具时，可能只是上传单个文档。但大多数公司并没有将所有功能集成起来，没有将公司完整的上下文接入他们日常使用的 AI 中。
实际上，这里有两层挑战。第一是变革管理。这是我们历史上发布的所有办公套件中部署速度最快的一次，但最终必须有人去使用它。而在企业环境中，这意味着所有的数据发现（Discovery）环节必须可行，所有的数据治理必须到位。我们必须将权限范围接入 Copilot，确保当我检索内容时，如果是机密信息（如已被 IRM 保护的内容），它能被正确识别和处理。我们已经做了大量工作，现在已经开始看到成效。
我要说的第二点是，让 AI 跨越整个 Microsoft 365 图谱运行是一回事，但接下来要解决的是 ERP 系统的数据。目前的连接器就像“两根细吸管”，效率不够。你需要一个更好的数据架构，基本上需要通过语义嵌入（Semantic Embedding）将所有数据整合到一个层面。
John Collison：几十年来，让公司数据“触手可及”一直是一个愿景。我读过那本关于 Oracle 历史的书《Softwar》，其中提到，拉里·埃里森（Larry Ellison）在 90 年代末就像高管推介，要把公司所有的数据放在一个地方，让高管可以“一键”获得答案，而不是发邮件让分析师去调查。
为什么这个论点经久不衰？是因为公司实际上并没有按时做好数据基础设施这门“苦修课”（eat their data infrastructure vegetables）吗？这一次，我们终于能解决数据管道的问题了吗？
Satya Nadella：你可以反驳这个前提，但这正是问题所在。如果我没记错的话，比尔·盖茨在 90 年代的一次 COMDEX 演讲上创造了“信息触手可及”（Information at your fingertips）这个术语。比尔一直对此非常着迷。
我清楚地记得，他在 90 年代的一次评审中说过：“软件只有一个类别，那就是信息管理。你必须对人、地点和事物进行建模，仅此而已。你无需再做任何事，因为所有软件在本质上都是信息管理。”
这是比尔一直以来的梦想。他讨厌文件系统，因为它们是非结构化的。如果所有东西都是SQL 数据库，他会很高兴，那样他就可以直接运行 SQL 查询，对所有信息进行编程。对他来说，那是让信息触手可及的优雅解决方案。
但问题在于，人是混乱的（messy）。即使数据是结构化的，它也并不会被真正集中在一个索引中，我也无法运行一条 SQL 查询来获取所有信息。这一直是根本性的挑战。
我会说，那是旧世界的产物。我们当时谁也没想到，AI 和大规模深度神经网络会突然成为解决这个问题的关键。我们要做的不是建立某种程式化的数据模型，而是通过神经网络找出那些模式。事实上，在很长一段时间里，我们都痴迷于探索数据模型需要多么复杂才能捕捉企业的本质。事实证明，在拥有巨大算力的神经网络中通过海量参数就能做到。
John Collison：就像有些聪明的远程员工，刚入职五分钟就能通过阅读文档抓住要点。模型可以非常聪明，它们可以执行RAG（检索增强生成），可以访问企业中的所有内容。但这与模型本身真正“知道”某事是不一样的。除非你在公司内部训练定制模型，否则这些模型不会真正精通你们的业务。如果第一千次查询并不比第一次查询更聪明，那你认为这会走向何方？
Satya Nadella：这里涉及两点。如果是指上下文学习（Contextual Learning）或持续学习，那这确实是终极目标。这呼应了我之前的观点：如果你把模型的“认知核心”与它的“知识”进行分离，你就拥有了一种持续学习的公式或算法。
我认为有三件事必须存在于模型运行之外，我们需要攻克它们：

• 
  
  记忆（Memory）：包括短期和长期记忆。人类很擅长长期归因（long-term credit assignment）。当 AI 模型既能根据长期记忆进行奖励，也能进行惩罚（即具备长期信用分配能力）时，你就知道你拥有了真正的记忆。
  

• 
  
  权限（Entitlements/Permissions）：模型在运行时必须严格遵守权限系统。我是谁？我有权访问什么？模型必须遵守这些限制。
  

• 
  
  行动（Actions）：行动空间必须有效。
  

如果你将这三者结合，行动、权限和记忆，这就构成了上下文（Context）。这些要素根据定义，必须位于模型之外，而不是被内置于模型中。例如，在今天的 Copilot 中，你需要系统在 OpenAI 模型和 Claude 模型之间运行。我认为这正是前沿技术需要发展的方向。
二、CEO 的日常与管理方式
John Collison：我想问一些关于你工作方式的问题。你的日常工作是什么样的？你们如何通过现代化的“走动式管理”来了解微软内部的情况？
Satya Nadella：我平常的一天主要由两端组成。首先是客户相关的事宜。我每天至少有一两个Teams 通话是与客户进行的。这是最有帮助的方式之一，让我保持脚踏实地。
其次是会议。作为CEO，我意识到会议主要有两种。一种是我只需要召集大家，然后闭嘴不言，因为“召集”这个动作本身才是重要的，工作要么已经完成，要么会在之后完成。
另一种是更重要的会议，我需要在会上学习、作出决定或传达信息。你提到你会“潜伏”在 Teams 频道里，对，Teams 频道对我来说几乎无处不在。我就像是漫步于虚拟的走廊，潜伏在那些频道周围。如果说有什么收获的话，我在那里学到的最多。这也是我建立联系最多的地方。我会发现：“哇，这个人正在开发 Excel Agent”，或者了解他们想要的评估方式。我从中学到的东西比做任何其他事都要多。
John Collison：就像微软的Teams 团队专注于他们的产品，然后萨蒂亚突然跳出来问了一个问题？
Satya Nadella：是的，虽然有时我觉得我应该拥有更多访问权限。实际上，我最大的不满是不能随意进入所有我想去的地方（笑）。但能够直接进去体验确实很有趣，这在某种程度上让这种沟通正常化了。现在的员工也不会吝惜与你分享他们的真实看法。
John Collison：你在硅谷的小圈子里很有名，因为你保持着高度的联络感。我记得你曾来参观过Stripe 的办公室，当时我们还是家小公司。为什么你比其他大多数 CEO 更愿意花时间与初创公司会面？
Satya Nadella：我是在微软这种文化中成长起来的，我体内有面向开发者关系的“布道基因”。有两件事深深根植于我心中：如果你不关注开发者的去向，就很难保持技术平台的相关性。你需要理解新的工作负载（Workloads）以构建技术平台。
John Collison：如果你不关注初创公司，就很难了解平台或工作负载的趋势。所以这几乎是我必须做的事。另一点是，我从中获得了巨大的能量。我一直觉得创始人就像魔法师，能从无到有创造出东西。这感觉就像变戏法，我总是想搞清楚：“到底是怎么做到的？”
Satya Nadella：事实上，我们从你们那里学到的一件事，就是重新发现微软非常擅长的事情——跟随开发者，出现在初创公司聚集的地方。
这也在某种程度上将我引向了GitHub。显然 GitHub 是一个很棒的资产，我们需要成为开源生态系统的优秀管理者。但更重要的是，每个初创公司的仓库都在 GitHub 上。对我们来说，参与其中不仅是战略占位，更是为了简单地学习并打造更好的产品。因为有时你会失去审美，忘记如何以最少摩擦的方式交付产品，而初创公司的耐心是最少的，价值实现的时间必须最大化。



三、软件界面的未来：生成式UI与IDE的回归


John Collison：微软是否在考虑生成式UI（Generative UI）？现在的软件仍然陷在老旧范式里，比如“写代码、定稿、发布”。而在云端交付的时代，我们是否可以根据个人需求实时渲染 UI？
Satya Nadella：肯定会朝这个方向发展。随着生成能力的提升，你可以生成代码，也可以围绕任何定制化的东西生成 UX 骨架。在微软，长期以来，我们也一直在思考文档、网站和应用之间的区别到底是什么。你可以根据想要展示的格式，随时生成其中任何一个。
但有趣的是，尽管大家都在讨论“应用将会消失”，我们那些老牌的 IDE（集成开发环境），无论是 Excel 还是 VS Code，在某种意义上又回来了。因为现实是，AI 会产生输出，而我需要理解那些输出的含义。实际上，我需要一个出色的编辑器，让我能与 AI 进行差异比较（diff）和迭代。
我认为，最令人兴奋的事情之一是全新类别的“高度精细化 IDE”。它们更像是任务控制中心（Mission Control）。如果我有成千上万个智能体（Agent）在运行，我要如何理解这些情况？这就需要“数千个智能体的微观引导”。这就是未来 IDE、收件箱和即时通讯工具的演变方向。它不再是简单地发消息或分诊（triage），而是宏观委派（Macro-delegation）和微观引导（Micro-steering）。
John Collison：你的意思是，未来除了程序员，会计师、律师都会有自己的IDE？
Satya Nadella：没错。这就是人们与智能体协作的比喻。我会给出一堆指令，它们开始执行，有时会运行几小时甚至几天，然后回来汇报。
对于这种工作流，我们需要用上下文来进行微观引导。它不能只变成下一个“通知地狱”，发给我五个字提醒，而我不知道上下文。
我认为软件最终会长成这样：它看起来像一个收件箱，又像一个消息工具，同时带有一个闪烁光标的画布（Canvas）。我们喜欢电子表格的表格形式，喜欢文档的线性形式，也喜欢消息流。未来的界面会是这些形式的融合。
例如，我们正在试验的 GitHub Copilot Workspace 就是这种“任务控制中心”。你会有五六个不同的分支，启动自主智能体去执行任务，然后它们返回结果，你可以进行代码合并的分诊。我认为下一个伟大的 IDE 就会诞生在这里。



四、历史的教训：互联网浪潮


John Collison：科技界常有一种模式：对某项技术的兴奋程度远超其成熟度。就像《2001太空漫游》里的语音 AI，我们花了 50 年才实现。我经常思考微软在上世纪 90 年代的情况。比尔·盖茨写了著名的《互联网浪潮》（Internet Tidal Wave）备忘录，明确指出互联网是重中之重。但当时微软对互联网的设想是“信息高速公路”和机顶盒，而不是我们后来看到的 PC 互联网。我们在当前的 AI 浪潮中应该吸取什么教训？
Satya Nadella：这是一个很棒的问题。即使在当时，作为一名初级员工，我对那段历史的解读是：我们好像理解了互联网，但其实并没有。
我们当时想要交付高质量的服务，但我们不相信TCP/IP 协议能奏效。当我回顾我们当时试图做的事情（信息高速公路）时，服务质量（QoS）确实是个大问题，我们觉得 TCP/IP 撑不住。当时我们是在与 AOL 的拨号上网竞争。我还记得 MSN 最早是基于 X.25 网络的。我们在做交互式电视（Interactive TV），把 ATM（异步传输模式）交换机连接到家里。
我在1994 年做过一个演示，那是我职业生涯早期风险最大的演示之一。那是我们的第一个冗余文件系统，是一个视频服务器。比尔当时说：“嘿，这就是交互式电视的未来。”即便光盘故障，视频流也能继续播放。我的工作就是当众拆掉光驱，证明流媒体还在继续。
我们构建了分布式文件系统、流媒体服务器，并把 ATM 网络连接到房子里。我有五部电影可以看，我看了一遍又一遍。
我们的愿景和方向（互联网）是对的，但我们最初押注的实施路径（交互式电视/专用网络）却被后来的技术演进（TCP/IP、开放互联网）超越了。这在 AI 时代同样值得深思：看准方向固然重要，但具体的架构选择和实施路径同样决定成败。
John Collison：但那就是比尔（Bill Gates）转变方向的时刻，对吧？
Satya Nadella：没错，比尔在 1995 年所做的那个决定……事实上这很有趣。当时 Windows 95 即将发布，然后他说：“你知道吗？一切都将改变。”如果你回想 1992 年到 1995 年之间，那是我们大家都初次接触互联网的时候。
1993 年 11 月，Mosaic 浏览器问世，差不多就是那个时期。在那两年里，局势并不明朗，大家都在通过旁敲侧击的方式探索。当时并不确定是某种专有协议栈会胜出，还是开放互联网会胜出。直到 1995 年，形势变得清晰，于是我们进行了转向。
John Collison：有意思。那时候确实还不确定开放互联网最终会获胜。
Satya Nadella：是的。事实上，这里面有一个教训，我一直在观察并思考如何将其应用到人工智能（AI）上。那就是：首先你要把范式（Paradigm）弄对。但即便把范式弄对了，你也不清楚是否能找到那个“杀手级应用”，甚至是商业模式。
这在历史上一直如此。以互联网为例，谁能想到开放网络的“组织层”（Organizing Layer），也就是拥有网络效应的搜索引擎，竟然会由单一所有者掌控？我总是说，并不存在所谓的“开放网络”和“谷歌网络”之分，因为谷歌曾经统治了它。
John Collison：我们是否应该反思这一点？当时也许有人出于动机，认为像 Liberty Media 和 Microsoft 合资的那种专有解决方案会获胜，但最终开放网络赢了。然而，即使开放网络胜出，你也应该提醒组织：无论是在我们自己的“信息高速公路”专有系统上，还是在开放网络上，公司通常会对专有解决方案抱有乐观的看法。
Satya Nadella：这是一个很有趣的话题。当我回过头看时，像AOL 和 MSN 这样的平台，虽然输给了开放网络，但它们其实只是被新的形式所取代了，比如搜索引擎和应用商店。移动互联网的出现实际上也非常吸引人。开放网络确实曾是一个历史性的时刻。
对我来说，更宏观的规律是：即使在开放的生态系统中，“组织分层”也始终会出现。大量的品类影响力会转移到那个组织层。而且正如上一个范式是搜索引擎，今天是聊天机器人（Chatbots），但这能持续多久？无人知晓。但不可否认的是，ChatGPT 目前作为一个聚合点，其成功是显而易见的。市场和应用商店一直存在，下一步会是什么？电子商务会发生什么变化？是在一个具有代理性（Agentic）的市场中，还是在一个代理化的电子商务中？这些都是需要通过实践来解决的有趣问题。
John Collison：我想谈谈这个问题，也想谈谈商业。既然我们还沉浸在“90 年代”的氛围中，现在每个人都在拿这段时间与互联网泡沫作比较，这几乎已经成了陈词滥调。但我认为这是一个合理的类比，原因在于：这确实是一个极其依赖资本支出（CapEx）的建设过程，这是一个非常重要的新范式，但确实伴随着巨大的资本投入。
你在 2000 年的网络泡沫期间曾在 Microsoft 工作过。Microsoft 的股价在上世纪 90 年代末到 2000 年初达到顶峰，直到 2016 年才重新超越那个高点。你在 1999 年时的感觉如何？你当时知道自己处在泡沫中吗？还是觉得“这次不一样”？
Satya Nadella：有意思。我记得大概在2000 年，我们超越了通用电气（GE），成为市值最高的公司。那时候我们的资本投入模式其实还很轻。回顾那段时期，即便撇开金融周期不谈，长期趋势和方向是清晰的，互联网确实改变了一切。因为即便在那时，商业模式也在逐步浮现。
当时 Microsoft 最大的教训是：天哪，我们那时候的首要策略，比如打造浏览器、搭建 Web 服务器、普及互联网协议。我们做了所有显而易见的事情（比如在办公室内部做一个所见即所得的网站构建器），但我们意识到，仅仅做那些显而易见的事是没有意义的。我们需要重新构建我们正在做的事情。新的商业模式最终会变得清晰。在某种意义上，那次修正冲刷掉了许多东西，但核心理念一直存在。
我在思考这里发生了什么。当时铺设的基础设施本身，其实有更直接的影响。比如暗光纤（Dark Fiber）的铺设，虽然会有孕育期，但互联网公司最终会规模化发展并利用它。但这一次，人们似乎排着队在门外抢购这些基础设施（GPU 等）。
这一次，坦白来说，我们在基础设施建设上是落后的。当我看我们的基建进度和今天的需求时，这与当年的泡沫截然不同。当年是“暗光纤”泡沫，顾名思义，光纤是“暗”的，没有被点亮（利用率低）。而现在，我们并没有利用率的问题，所有算力资源都卖光了。事实上，问题是得拼命增加供应。
当然，没有任何供应链能完美匹配供需。但这一次在构建过程中，考虑到长交付周期，我们必须向华尔街清晰描述我们的资产。有些资产（如建筑外壳）可以使用 20 年，有些（如芯片）只有 4~5 年的寿命。你必须以不同的方式对此作出决策。在资产负债表上有一个闲置的“冷外壳”，其实没关系，这就好比拥有一个有五栋楼的园区。
真正的问题是，如果没有可以被“点亮”的增强型外壳（Hot Shell）来满足需求。现在的瓶颈可能在于电力设施、涡轮机，或者经过增强的外壳本身。如果我没有足够的增强外壳，我就无法把 GPU 放进机架并投入运行。这（土地许可、电力许可、建设）才是耗时最长的部分。
顺便说一句，位置也很重要。我们不仅在美国本土大量建设，还必须在全球范围内建设。数据法规实际上每天都在增多，各国都非常在意主权问题。因此我们必须确保这是一支全球化的舰队，能够处理训练、数据生成（DataGen）到推理的各种工作负载。
John Collison：谁应该关心数据主权？比如爱尔兰有很多数据中心，但他们并不特别纠结于“数据必须只保存在爱尔兰”这个想法。你们是完全按照各国的意愿行事，还是会就数据主权的必要性提供建议？
Satya Nadella：显然这是每个国家的政策制定者都高度关注的话题，也有其合理原因。但在人工智能时代，我对“主权”的思考方式有些不同。
我认为最终的主权问题更多是关于“公司的未来”。如果你回到科斯定理（Coase Theorem）的核心，你会问：“如果大模型是那个全知全能的东西，那我存在的意义是什么？”企业的存在是因为掌握了一些隐性知识（Tacit Knowledge），这使组织内部的交易成本低于仅在市场上进行交易的成本。
因此，我认为至关重要的主权问题是“公司的主权”。在一个模型持续学习、回报递增的时代，公司必须拥有那一层智能，无论是作为支架，还是作为嵌入在模型中的权重。这不仅关乎使用别人的基础模型，而是你是否在自己的基础模型上拥有主权。我的新概念是：公司的未来在于拥有自己的基础模型，该模型在本质上捕捉了那些能降低内部交易成本的隐性知识，并能加速知识在组织内部的积累和传播。
John Collison：这非常有趣。如果 AI 改变了公司的本质……有些公司本身已经是知识产权（IP）的集合，比如迪士尼，或者像礼来公司（Eli Lilly）这样的制药巨头。目前这些 IP 散落在电子邮件、文档，尤其是人们的头脑中。而这些 IP 最终也许可以被集中进单一模型中。我原本以为你会说未来的公司结构会变成像 DAO（去中心化自治组织）或者那种一人创造十亿美元营收的公司。
Satya Nadella：那些结构上的变化也是可能的。但对我来说，更有趣的问题是：隐性知识到底存在于何处？显然，它存在于人们的脑海中，是经典的专有技术。但我认为，未来它也将驻留并复合成某种LoRA 层（Low-Rank Adaptation，大模型微调层）中的权重，这是贵公司独有的资产。所以我觉得，在礼来、Microsoft 或 Stripe 中产生的新 IP，除了现有的形式外，我们还会说：“哦，它们存在于某个嵌入（Embedding）里。”
John Collison：你提到 Stripe 很有趣。Stripe 刚开始时并没有强烈的网络效应，更多是单一角色的 API 体验。但随着扩展，我们现在拥有了一个信任网络。因为我们见过大多数互联网用户，所以如果没见过某个用户，这本身就有点可疑。这变成了一种类似于 Google reCAPTCHA 的声誉网络。
我们现在正在利用 Stripe 网络中的所有数据训练一个支付领域的基础模型。所以对我们所有人来说，有一个关键问题，就是如何保护那一点核心优势，防止它被泄露到通用的基础模型中？通用的基础模型是否会因为能力提升而学会欺诈检测，从而取代我们？
Satya Nadella：这就是关键问题。对此有两种论点。一种论点是“模型将吞噬世界”，因为一切不过是模式，通用模型最终会学会所有东西。
但我倾向于另一种观点，就像你提到的Stripe 的例子：可以同时采用多个模型。你可以构建一个不可思议的、以模型为先的“欺诈检测层”，再加上对 Stripe 的记忆、工具使用和操作空间的独有理解。对我来说，那就是公司的未来，无论是制药公司、支付公司还是软件公司。这就是所谓的“主权”。你需要一个通用基础模型，再加上属于你自己的、包含隐性知识的专有层。



五、软件、工作流、商业的未来


John Collison：这让我想到了另一个话题。我们已经有了面向非软件工程师的IDE（集成开发环境）。但我仍然觉得，这在未来十年对金融从业者来说会是一个产品。事后看，这显然是正确的用户界面。就像电子表格（Spreadsheet）一样，当它作为一种 UI 出现时，感觉像是凭空诞生的。说到电子表格，对某些软件公司来说，尝试挑战 Excel 几乎成了一种成年礼，但 Excel 在四十年里似乎一直屹立不倒。为什么它这么耐用？
Satya Nadella：是啊，太不可思议了。我认为这是“列表”和“表格”的力量，加上软件的可塑性，两者的结合非常完美。这就是为什么它像一个永远存在的“闪烁画布”。我们可能会在上面添加很多花哨的功能，但核心逻辑不变。而且，Excel 是图灵完备（Turing Complete）的。
我们往往没给它应有的评价，它是世界上最易上手的编程环境。你可以不经思考地直接开始编程。还有一个美妙之处。就像我们现在讨论 AI 需要“变革管理”（Change Management），但当电子表格出现时，没人谈论变革管理，人们只是直接开始使用它，工作流自然就变了。
这正如有人跟我描述过的，他在传真机时代加入了通用再保险公司（Gen Re），他记得在电子邮件和 Excel 出现后，整个工作流程被根本性地颠覆了。我认为 AI 也会如此，工作产物和工作流会从底层被重新审视。现在是从事软件工作的一个非常有趣的时期，比五或十年前有趣得多。
如果你在当年问我什么最热门，我会说是云计算、多区域数据库（Cosmos DB）等。当时我们觉得已经到了某种稳定状态。然后疫情发生了，云计算进入了另一个超级推进阶段（Teams 等应用的爆发）。
John Collison：在Stripe，我们也看到了类似的图表，出现了一个明显的不连续性——电子商务活动呈阶跃式增长，而且从未回落。即使人们回到了实体办公室，线上业务依然保持在那个高位，甚至继续上升。我相信 Azure 也是这样。
Satya Nadella：完全正确，它从未降低。既然我们在谈论商业，不妨谈谈我们正在共同推进的工作。
我们要探讨的是：什么是对商家最友好的规则？什么是对顾客最友好的规则？是否存在完美匹配？“对话式商业”（Conversational Commerce）是人们一直在讨论的话题。现在我认为，随着你们以及我们所做工作的进展，我们可以真正将商家和最终用户结合起来，打造这种具备“代理性”（Agentic）的体验。这还处于早期阶段，必须做得有品味，必须以赢得用户信任的方式来做。我对此感到非常兴奋。
John Collison：我们看到了过去的尝试与现在的不同之处。以前也有过类似的尝试，比如在Twitter 或 Instagram 上直接购买，但这次的不同点在于：第一，有了 AI，商家集成的难度大大降低了，这比以往任何时候都要容易；第二，这种体验对最终用户来说非常有吸引力。从我们早期客户的反馈数据来看，这一点已经得到了证实。几周前，我们在 ChatGPT 上推出了相关功能，数据表明，这种方式对终端客户来说要方便得多。
Satya Nadella：我总是在寻找相关装备。但无论是 Amazon 还是 Walmart，网站内的搜索体验有时真的很差。现在的聊天体验起初很棒，但最后往往还是把用户指回传统的商品目录。虽然目录依然是核心，但如果能将“结账”与“目录”无缝结合，那才是真正的流畅体验。
John Collison：在做产品调研时，我发现使用 AI 应用进行搜索的效果要比传统的关键词搜索好得多。令人惊讶的是，直到去年，我们还认为关键词搜索是可以接受的方式。
Satya Nadella：这就像为你量身定制了一个目录。不仅是展示搜索引擎的结果页面。举个例子，我们在给家里买家具时会讨论：“这个位置还有这么多空间，放什么家具好看？尺寸要合适，风格要偏高端但不浮夸。”以前我们无法这样的搜索，这很疯狂。现在，这种定制化、传达氛围和整体美感的能力变得触手可及。
我妻子是一位建筑师，她用 Copilot 笔记本记录所有图纸。她可以向 AI 提出非常高级的推理问题，比如“我应该在里面放什么？”。AI 能够读取建筑草图，结合公开的家具目录进行推理，并组合元素。这简直太神奇了。
John Collison：在 Stripe 的商务领域，我们非常拥抱 AI，我们认为大量工作将向这里转移。如果你进行的是开放式探索，比如“我想为某个场合买套衣服”，AI 的体验远胜于点击浏览一列搜索结果。即使是针对性很强的搜索，比如“我要买这款自行车组件”，通过 AI 指定精确参数也会好得多。
如果 AI 既能囊括非定向的发现，又能处理高度定向的搜索，这基本上就涵盖了互联网上所有的商业行为了。可能唯一剩下的就是那类经常性的必需品购买，比如“再订购一些宠物食品”。当然，Etsy 是我们很好的首个合作伙伴，因为他们的产品都是定制的。
Satya Nadella：是的，这非常有道理。在“发现”这一层面上，Instagram 等平台已经做得很好。现在的问题是，在这个对话界面中，什么是新的发现层？Pinterest 曾做过有趣的尝试。如果我们将这种发现层与对话界面结合，将会惠及所有人。
John Collison：我们现在正在做的一项工作是让商家的产品目录、库存等信息可以在远程查看，并且支持远程购买。用户不必跳转到商家端完成整个流程，而是可以在像 Copilot 这样的智能体验中直接完成。这就是我们在基础设施层面正在连接的东西。这也是为什么我们认为像 Pinterest、Instagram 和 Twitter 这样的社交平台会再次尝试电商体验。因为现在有了更多商家的支持和使用。
Satya Nadella：我们有一个叫 NLWeb 的项目，旨在收集每个商家的目录，为其提供一个类似网站的自然语言界面，让 AI 代理（Agent）可以与之交互并进行深度搜索。是的，今天最大的挑战之一就是目录的质量以及利用推理进行深度搜索的能力。如果你能解决这个问题，每个产品都能找到它的精准查询匹配。
John Collison：我们正在构建这个平台。在代理式商务（Agentic Commerce）领域，我们推出了自主代理商务协议等开源协议。当然，我们也有常规的 Stripe 支付产品。从支付角度来看，这很棘手，因为你希望 AI 应用能代表用户在网络上不同站点间付款，而无需在全网共享所有支付细节。
我们在代理式商务领域构建的是一个平台型业务。你们在这方面很在行，对于我们在这一初期阶段构建产品，尤其是在产品与市场契合度已经很明显的情况下，你有什么建议吗？
Satya Nadella：我认为你们已经走在正确的路上了。这就意味着要参与到这个代理式工作流中。现在每个商家都不得不去找像 Stripe 这样的服务商，说：“嘿，我有目录，我有结账页面，请帮我以最无摩擦的方式与 AI 代理对接。”
这正是我会使用 Stripe 的原因。我认为长尾商户能够轻松点击并启用“代理式商务”，这将是一个巨大的推动力。好消息是，虽然 ChatGPT 目前是最大的入口，但 Google、Meta、Perplexity 以及我们都会在场，这将会有大量的竞争入口。
更有趣的是，这些平台自身也希望在网站或App 上支持自然语言查询。因此，这需要被很好地解决。你不能要求一个小商户去部署 MCP（Model Context Protocol）服务器或执行各种复杂协议，必须有一个“简单按钮”。
John Collison：我认为我们将看到的另一个趋势是，许多代理式体验正在逐步融合。Intercom 的 Des Traynor 正在做由 AI 协助甚至取代人类的客户服务。他们发现，用户最初是为了寻求帮助而来，结果发现这是一种浏览网站的更好方式。这几乎就像一个命令行。
我想知道这些体验会在多大程度上融合？比如我们处理购买行为，而在另一端处理客户服务。什么时候它会变成一个通用的命令行应用？再回到时尚领域的例子，现在的体验依然基于糟糕的关键词搜索和手动标签。在我看来，这完全应该是一个交互式的、基于AI 的体验，就像 Midjourney 的提示词一样，你可以说“图片不太对，请按这种方式修改”。在商业领域，这样做会非常有意思。
Satya Nadella：从直觉上讲，客户服务其实也是一种内部销售。在代理式世界中，这些拼接的缝隙将不再像今天这样明显。



六、AI品牌忠诚度


John Collison：或许我们之前建立的那些因软件和组织架构限制而产生的“泳道”（职能分工），比如客户服务和 SDR（销售开发代表）的区别，很可能都会被抛弃。
关于模型，我们谈论了很多Copilot、ChatGPT 和 Gemini。关于模型质量有多重要存在争论。人们会像忠于可乐品牌一样忠于某个 AI 品牌吗？虽然可口可乐换配方引发过反抗，但人们依然有品牌偏好。比如，我用 o3 模型，我妻子用 GPT-5。我总是惊讶她为什么不用更智能的，但她对 GPT-5 很忠诚。当 OpenAI 试图拿走 GPT-4 时，用户也反抗过。你认为人们是会对特定模型保持忠诚，还是对 AI 品牌忠诚？这将如何影响商业策略？
Satya Nadella：在消费类产品领域，这是我们第一次见到这种情况。当模型更迭时，这种变化并非对所有人都会产生统一的影响。个性、风格等因素成为了新的维度。这也是一个论点，即“风格”可能成为差异化因素。这就像智商（IQ）、情商（EQ）以及风格要点的结合。
但从长远来看，我认为必须确保模型最有能力处理最艰巨的高价值任务。作为产品构建者，我的观点是：虽然我们会展示最强的那个模型，但实际在生产过程中使用的是多个模型的组合。
我最喜欢的一个例子是 GitHub 上的新功能，它使用“Auto”模式。虽然人们显然仍然喜欢 Sonnet 之类的模型并想使用它，但归根结底，我真正想要的是一个智能的“模型选择器”。它不能只是一个简单的路由器，它必须具备智能，能够判断：“这个任务需要这种级别的认知资源或这种类型的智能，这是代码仓库或 PR 任务的复杂度。”
这就是智能体（Agent）的未来。你需要一组模型的集成（Ensemble），并在中间有一些代理来协调这个组合，以满足你的需求。
John Collison：难道让用户自己选择不也是一种智能吗？比如对于“我去哪吃冰淇淋”这种查询，我会手动选择 o3，因为我总是想要最好的。
Satya Nadella：也许吧，但这更多是习惯。确实，我们都不喜欢默认设置被改变。如果现在取消了模型选择功能，确实会是个问题。但我也认为，如果我能信任系统在进行选择时始终是为了我好，这种“交接”会带来一种愉悦感。如果能建立这种信任，那确实是目标。



七、Microsoft的技术栈布局


John Collison：那么关于Microsoft 的模型，你们在技术栈的每一层都有布局：Copilot、OpenAI 的股份、Azure 层、芯片等。在这个堆栈中，有什么是必须赢的吗？你们会做行业解决方案吗？
Satya Nadella：从核心来说，我对它的概念化方式分为两层。
首先是我们的基础设施业务。我们必须非常擅长构建我称之为“Token 工厂”的东西。这关乎每美元、每瓦特能产生多少Token，在这方面，我们要做到极致高效。
然后是另一层，我称之为“Agent 工厂”。它与Token 工厂的区别在于，Agent 工厂能最有效地利用这些 Token 来推动业务成果或消费者偏好结果。这关乎每个 Token 的价值。
围绕这两个核心有一整套工具。这有点像新的应用服务器层。每一个新平台都有对应物，比如万维网时代的网页服务器。现在则是 AI 服务器或 AI 云。
所以我们肯定会构建自己的智能系统，也就是Copilot 家族：
信息工作：Microsoft 365 Copilot。
软件开发：GitHub Copilot。
安全：我们绝对会成为其中的主要力量。
这将是三条横向主线。此外我们也有业务应用。
在垂直领域，我们在医疗和科学方面做了很多工作：
医疗：我们收购了Nuance，现在有一个叫 DAX Copilot 的产品，用于处理医生笔记，对说话者进行分离和记录。这让医生有更多时间与患者相处，AI 处理从编码到会议记录的所有事情。这也是 Epic 系统内嵌的一部分。
科学：这是一个很大的领域，我称之为“外循环编排”。科学方法在本质上是提出假设、在计算机中进行实验、反馈精炼。这是一条工具链。我们正在尝试将 GitHub Copilot 与 Microsoft 365 的知识工作能力结合，为科学家服务。这甚至可能涉及与实验室的 MCP 服务器接口对接，协调一切，以加速科学循环。
John Collison：作为平台公司，我们总是需要决定何时将产品捆绑在一起，何时让它们独立。Apple 最初只允许 Mac 使用 iPod 以推动 Mac 销量，后来才将其开放给 Windows。Microsoft 的历史中也充满了这些例子。
早期（1985年左右）Microsoft 非常开放，大部分收入来自 Macintosh 应用，操作系统上也多是 Lotus 1-2-3 这样的第三方应用。后来进入了 Windows 和 Office 紧密耦合的时代。Azure 起初也是，后来完全拥抱了 Linux。现在，Microsoft 作为一个平台型公司，似乎越来越接受模块化，比如 Stripe Radar 即使不使用 Stripe 支付也能用。你一般如何看待这个框架？何时耦合，何时独立出售？
Satya Nadella：这是一个很好的观点。我对这个问题的思考方式是：我们很多时候都夸大了所谓的“零和博弈”。实际上，对很多领域的分析应该更加敏锐，因为它们从定义上讲就是多人互动的（Multi-player）。
云计算就是一个经典的例子。当我刚开始做Azure 时，AWS 已经遥遥领先了。人们会对我说：“哦天哪，AWS 难道不是已经赢了吗？”但事实证明，这个市场足够大，且是多方参与的。那么，市场上还有容纳第二个云厂商的空间吗？毕竟曾面临 Oracle 和 IBM 等公司的竞争。在所有中间层服务器等领域，我当时的感觉是，企业客户和商业客户总体上会要求某种多样化。这就是支撑我们投身其中的结构性认知，促使我们开始行动，剩下的就是历史了。
如果把事情过度包装，实际上可能会在某种程度上缩小你的可寻址市场（TAM），导致无法竞争。举个例子，如果我们当初构建 Azure 时——我们以前叫它 Windows Azure，如果真的只叫这个名字，那就成问题了。因为 Azure 不可能只为 Windows 服务，它必须把 Linux 作为“一等公民”来支持，必须将 MySQL 和 PostgreSQL 作为“一等公民”来支持。
这在一定程度上也是为了确保我们能在SQL Server 上做得非常出色。但我们必须把工作做得尽量有冲击力，就像 Amazon 使用 PostgreSQL 或 MySQL 那样。主要的推动力在于总体可寻址市场（TAM），这也是客户对我们的期望。虽然我们将面临激烈的竞争，但这对我来说，恰恰定义了模块化。
到底是什么能最大化我的技术栈市场机会？我们是一家专注型公司，这也是我们不是企业集团的原因。因此，应该有一个关于整合收益及平台效应的理论框架。那是什么？我们如何把它做得出色？
我认为在技术栈的每一层都应如此。即使是 Azure 的基础设施层，客户应该能够说：“我只想使用 Azure 的裸金属服务，我只需要 Kubernetes 分布式集群，但我只需要你帮我做管理部分，我会带上我所有的软件。”没问题，我们必须赢得那项工作负载。也许将来某一天，当他们觉得自行管理多区域数据库太麻烦时，可能会说：“哦，那我就用 Cosmos DB 吧。”但这应该是一个独立的决定。
John Collison：这难道不总是有争论吗？关于是否只有在拥有Linux 和 Azure 的捆绑情况下，才会卖出更多 Azure？Windows 团队的人可能会说：“是啊，但是你这是在拖 Windows Server 的后腿。”
有些地方就像你描述的那样是开放的，但在其他地方，比如 Microsoft Flight Simulator在 PlayStation 上不可用，却可在 Xbox 上使用，这感觉这种集成又很自然。再比如，Teams 的聊天和视频功能并不是单独出售的，它们是同一事物的一部分，这使得整个组合更有吸引力。所以，你最终难道不会总是陷入这种争论吗：捆绑的成本是否超过了捆绑的收益？
Satya Nadella：是的，我认为其中一些例子，比如Teams，就是一个经典案例。Teams 作为一个产品的诞生，是将 Outlook 等四样东西整合在了一起。Outlook 的引入也是如此，以前我们有 PIM（个人信息管理），有独立的电子邮件客户端，日历也是分开的。Outlook 是第一个将这三者结合起来完成一项工作的“脚手架”。Teams 也是一样，我们将聊天、频道、视频以及其他功能整合到了一起。在这种情况下，捆绑本身就是产品，是产品的脚手架。
当然，你也可以说：“嘿，那需要有一个开放的市场，并且需要与其他事物集成。”所以模块化必须经过深思熟虑，在原子级别上具有意义。你不能过度思考那些协同效应或整合效应，否则就会失去竞争力。一个典型的例子是，如果你构建了一个惊人的公有云，但它只运行 Windows 工作负载或 SQL 工作负载，那它基本上只能占据市场的一小部分。
所以，满足客户需求符合我们的利益。我对 AI 堆栈的理解也是如此：我们有基础设施业务，有应用服务器/数据层业务，还有应用业务。这只是简化说明。我希望那三样东西能独立存在，凭借它们自身的优点立足。当然，我们希望这三层之间存在反馈回路，但客户和合作伙伴应该能自主选择从哪扇门进入。
John Collison：我的印象是，当你接手微软时，你将公司文化从一种高度捆绑的状态转变了。以前是购买Windows 机器，运行 Microsoft Access 和 SQL Server，所有东西都被整齐地打包在一起，用户生活在这个微软生态中。而现在，你们走向了更偏向开放且互操作的策略。
Satya Nadella：我想我会说，我的做法其实是回溯到更早的时期，也许是上世纪 80 年代的微软。因为大多数大家熟知的事情确实发生在 90 年代，那时微软几乎只有 Windows。但在那之前，我们的许多事物是开始聚合在一起的，无论是在客户端还是在服务器端。
就像你说的那个比喻，这像回到了上世纪 80 年代的情况。比如我们曾在 Mac 上开发 Office，那时 Windows 还来得比较晚。事实上，比尔·盖茨创办微软时的理念是把它当作一家“软件工厂”。我不偏爱任何单一类别，我只是想打造最好的软件工厂，不停地产出各种东西：你想要飞行模拟器？没问题，我们有一个；你想要一个基础解释器？我们有一个；你想要一个操作系统？我们也有一个。所以在某种意义上，这就是最初的想法。
而在某个阶段，我们陷入了四五个部分之间的僵局，比如 Windows、Windows NT 和客户端/服务器架构等。所以当我成为 CEO，甚至之前负责云业务时，我意识到：这正是一个时机，市场将变得更大且截然不同。当时我们也没有移动平台，所以确实需要确保我们在最大的市场中保持相关性，通过将我们的产品组合成合理的配置来覆盖市场。
坦率地说，如果这不在公司的核心基因中，我不认为仅仅因为我作为CEO 说“我要做这个”，就能执行得很好。实际上，我们可以把软件带到每个平台，这本身就是公司核心基因的一部分。



八、微软的企业文化


John Collison：说到公司的核心基因，这就让我想起那幅著名的漫画：微软内部各部门互相举枪对峙。你们需要做多少文化层面的调整？你们究竟是如何在细节上做到的？因为你可以看到所有美好的事物，诸如全员大会之类的活动，但归根结底，文化取决于什么样的行为被接受和不被接受，以及决策是如何制定的。
Satya Nadella：我会说有两件事。我是一个彻底的内部人，关于微软过去 35 年里的任何优点和缺点，我都经历过，也是其中的一部分，所以我无法否认这一切。
我当时的感受是，我们要么失去了信念，要么就是失去了叙事权。那幅漫画是一个很好的例子，说明外界的定义如何塑造了后来成为文化叙事的内容，其影响力甚至超过了现实。人们开始认同那个卡通形象。
但这并不意味着我们内部以前都是完美分工、处于某种大和谐之中。事实并非如此。部门间的紧张关系是现实存在的问题，而且这也需要保持这种张力。社会凝聚力不是目标，在市场中取得胜利才是目标。但在某种程度上，你必须对这些大型组织进行编排。事实上，你甚至可能有意识地安排两个相互竞争的团队。
仅仅因为有人读了《纽约客》上的漫画就形成看法，这是领导者面临的挑战。在当今世界，当员工通过外部渠道读到关于公司的信息并形成看法时，你该如何沟通？我认为这是最艰巨的领导力挑战之一。问题是你如何赢得信任？你如何确保他们能感知并塑造现实？
另一件事是，每个人都倾向认为问题出在系统上，是高层那个人或者副总裁拥有所有权力，而“我”毫无权力。现实是，权力要分散得多，是分布式的。你如何帮助人们掌握这一点并重新塑造环境？有一句名言说：“我不是离开公司，我是离开我的主管。”我确实相信这一点。这是一种“微观文化”，它们是可以被塑造的。
当我回顾我的微软职业生涯时，我很幸运地遇到了一些人，他们在公司里创造了令人难以置信的环境，这正是我留下来的原因，也正因如此我才得以茁壮成长。
所以，你需要在顶层有一个叙事，并且这个叙事必须被践行并保持一致。这就是“成长型思维”或者说“学习一切派（Learn-it-all）”与“自以为是派（Know-it-all）”的区别。这作为一个框架，对我们非常有帮助。因为它不是我的教条，而是一个广为人知的儿童心理学概念，这能吸引工作之外的人。打破这种局面并践行它本身就是一个挑战。在当今世界，我们要拥有一种内在的组织力量，去抵抗社交媒体上的梗（Meme）对我们的定义。
John Collison：微软大概有 20 万员工，而 Stripe 有 1 万人。也许还有正在听这个节目的听众经营着 500 人左右的公司。在不同规模下，有哪些事情是通用的，又有哪些是只有在公司达到城市规模（20万人）时才会出现的？
Satya Nadella：无论规模大小，很多活动基本上是差不多的：你需要与客户沟通，举行高层战略会议，查看未来的财务数字，希望收入高一些、成本低一些。
但有些事情只有在大规模时才会显现。首先，我只在微软工作过，并非这方面的专家。但当接手创始人的位置时，Paul Allen 和 Bill Gates 创立了公司，Steve Ballmer 和 Bill 将其做大，我是第一位所谓的“非创始人”。我很快意识到，为了管理这个范围，我需要一个团队。
我们曾提出过一个关于 CEO 职责的框架：明确 CEO 需要做什么？比如综合分析外部环境、制定标准、设定文化规范。你必须既关注长期又关注短期，不能只偏向一方。你必须真正把握那四五件只有你能做的事，然后组建团队。
即使在 500 人的公司，这也是你要做的。但坦白说，在小公司，你可以把所有事情保存在工作记忆里。像开发者那样，大家可能知道每一行代码是谁写的。但在某个时刻（规模变大后），你必须从“知道每一行代码”转变为“知道那个模块或那个库是谁负责的”。你必须找到那个“认识写代码的人”的人。这种模块化、团队建设以及凝聚力，我认为是最重要的。
John Collison：所以我理解得对吗？在 Stripe 这种规模或者更小的规模上，你仍然可以把产品作为一个整体来思考，了解发布的所有东西。
Satya Nadella：我也认为创始人在这一点上很独特。因为他们从第一天起就与公司共同成长。像我这样的职业 CEO 很难直接拿走并植入创始人的“工作记忆”。即使我在 1992 年就加入了微软，但我并没有经历上世纪 80 年代早期的阶段。
这就是为什么我认为应该尊重创始人所能独特完成的事情，以及创始人对继任者的尊重——他们不能指望继任者完全照搬做法。这也是为什么“创始人模式（Founder Mode）”这个概念很有趣。显然存在创始人文化个性极其强大的情况，你应该利用它发挥到极致。而像我们这样的“凡人”CEO，也得有点处于“重新当创始人”的状态，但不要误以为自己就是创始人。我认为这个细微差别很重要。



九、Satya Nadella的成长经历


John Collison：最后一个问题，当我们谈论文化建设时，海得拉巴（Hyderabad）的“水土”到底有什么特别之处？你、Shantanu Narayen（Adobe CEO）、Ajay Banga（世界银行行长）都来自那所学校，很多优秀的国际象棋选手也来自那里。你对这种地区性的超常表现有什么理论吗？
Satya Nadella：是的，事实上就是我们当时上的那所高中，海得拉巴公学（Hyderabad Public School）。如果算上 Jensen Huang（黄仁勋），他现在已经把我们所有人的光芒都覆盖了（笑），虽然他不是同一所学校的。但在我、Ajay、Shantanu 以及现在的宝洁 CEO 之间，我们确实是校友。这有点像一个小圈子。
我想说，最引人入胜的事情之一是，在上世纪 70 年代末和 80 年代初的海得拉巴长大，并就读那所学校，感觉那里给了我们更多的空间。如果你看看我们每个人，虽然学术很重要，但坦白说，我们大多数人都有擅长的领域，而且实际上，在学术之外还有很多其他方面。这在当时的印度是相当罕见的事情。
我把很大一部分归功于我的高中，因为它为我们提供了更多的空间和余地，去追随后来真正成为我们的热情所在的事物，而不是让我们觉得必须加入某种单一的竞争。
John Collison：你高中时的兴趣是什么？
Satya Nadella：板球。事实上，顺便说一下，这就像塞缪尔·贝克特（Samuel Beckett）。
John Collison：是的，我想听听这个故事。
Satya Nadella：如果你问谁是那位既打过职业比赛又获得诺贝尔奖的人？我想他打过一两场比赛，大概是为都柏林大学队，而且他打过一级板球。他是唯一一个既打过职业板球又获得了诺贝尔文学奖的人。
John Collison：真的吗？真有意思。
Satya Nadella：所以你可以二者兼得，当时的象棋、拳击之类的东西。一位诺贝尔奖得主，同时还是一名职业板球运动员。
John Collison：太棒了。好吧，虽然你差了一点（没成职业球员），但在另一个人生里，那可能就是你。好啦，非常感谢你，Satya。
Satya Nadella：谢谢，非常荣幸。
本文来自微信公众号：划重点KeyPoints，作者：林易
本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

微软CEO萨提亚·纳德拉（Satya Nadella）与Stripe联合创始人约翰·科里森（John Collison）曾在多个公开场合就人工智能（AI）技术及其对商业的深远影响展开深入对话，尤其是在2023年的一场知名科技峰会（如《The Economic Times Global Business Summit》或类似高端对谈中）的对谈引发广泛关注。他们的讨论聚焦于AI如何重塑企业运营、创新模式、全球经济结构以及创业生态，展现出技术领袖对未来商业格局的深刻洞察。

以下是他们讨论的核心话题，结构化为五个关键维度，并辅以深度解读与延伸思考：

---

一、AI作为“通用技术平台”：从工具到基础设施的跃迁

纳德拉强调，当前AI正经历从“功能型工具”向“通用技术平台”（General-Purpose Technology, GPT）的转变——类似于电力、互联网或云计算的历史性地位。他指出，大模型（如GPT系列、Azure AI）不再是孤立的技术组件，而是嵌入企业流程、产品开发与客户交互中的底层能力。

- 平台化思维：微软通过Azure OpenAI服务将AI能力封装为可集成的API，使企业无需从零训练模型即可部署智能应用。
- 开发者生态重构：科里森呼应称，Stripe正利用AI优化支付欺诈检测、商户支持自动化，而未来“每一行代码都可能被AI重写”，开发者角色将转向“AI协作者”与“系统设计者”。

> *深层意图解读*：二人意在传达——AI不应被视为“附加功能”，而应成为企业数字架构的“操作系统级”存在。这暗示企业战略需从“是否用AI”转向“如何以AI为中心重构业务”。

---

二、企业生产力革命：知识工作的自动化与增强

双方深入探讨了AI对“知识工作者”的双重影响：既非简单替代，也非浅层辅助，而是实现“认知杠杆”的放大。

- 纳德拉提出“Copilot效应”：以Microsoft 365 Copilot为例，AI能自动整理会议纪要、生成报告初稿、提炼邮件重点，将员工从重复性脑力劳动中解放，专注高阶决策与创意。
- 科里森补充“中小企业赋能”：过去只有巨头才能负担数据分析团队，如今AI使小企业也能实时洞察客户行为、优化定价策略，缩小与大企业的能力鸿沟。

> *延伸视角*：这场变革的本质是“民主化专业能力”。例如，一个初创公司创始人借助AI完成原本需CMO+数据分析师+文案撰写的任务，极大降低试错成本与人才依赖。

---

三、创业范式迁移：AI原生企业的崛起与竞争壁垒重构

科里森作为连续创业者，特别关注AI如何改变创业逻辑：

- MVP（最小可行产品）的重新定义：传统创业需数月开发基础功能，而AI原生企业可用自然语言快速生成原型，72小时内验证商业模式。
- 新竞争维度：“数据飞轮”与“反馈闭环”成为核心壁垒——用户使用越多，AI越智能，体验越优，形成自我强化循环。纳德拉以GitHub Copilot为例，其代码推荐准确性随全球开发者贡献持续提升。

> *批判性思考*：二人隐含警告——若企业仅将AI用于降本增效，可能错失结构性机会。真正的赢家将是那些以AI为起点重新设计产品逻辑的“垂直领域模型”创造者（如医疗诊断AI、法律合同AI等）。

---

四、全球化与不平等：AI时代的经济地理重塑

讨论超越技术本身，触及社会经济层面：

- 去中心化创新：科里森指出，AI降低创业门槛，使非洲、东南亚等地的开发者能绕过传统资本与基础设施限制，直接参与全球竞争。
- 但风险并存：纳德拉警示“算力鸿沟”可能加剧不平等——拥有数据中心与芯片资源的国家/企业将主导AI规则制定。他呼吁建立“包容性创新框架”，如微软的AI for Good计划。

> *深层关切*：二人实则在探讨“技术权力分配”。当AI成为经济命脉，如何避免其沦为少数寡头的垄断工具？答案指向开源模型、边缘计算普及与政策监管协同。

---

五、人机关系哲学：从“控制”到“协作”的文明演进

对话最终升华为对人类未来的反思：

- 纳德拉引用“扩展智能”（Amplified Intelligence）概念：AI不是取代人类判断，而是扩展其边界。医生借助AI读片，但仍主导诊疗决策；管理者用AI预测市场，但需权衡伦理与社会责任。
- 科里森强调“保持人性化”：最成功的AI产品不会让用户感到“被机器服务”，而是感觉“有一个超级助理在默默支持”。用户体验设计需回归同理心。

> *思想升华*：这场对谈超越商业策略，实为一场关于“技术文明方向”的宣言——AI的价值不在于多像人，而在于多好地服务于人的潜能解放。

---

总结：一场预示“后硅时代”商业法则的对话

纳德拉与科里森的交流，本质是两位技术资本主义代表人物对“AI经济范式”的系统性阐述。他们共同描绘了一个图景：  
> 未来十年，所有企业都将演变为“AI企业”——无论行业属性，其竞争力将取决于能否将AI深度融入价值创造链条，并在此过程中平衡效率与人文、创新与公平。

这一对话不仅是技术趋势的解读，更是一份面向企业家、政策制定者与社会公众的行动纲领：在AI狂奔的时代，真正的智慧不是追逐算力，而是重新思考“我们为何创造价值”这一根本命题。

微软CEO纳德拉最新访谈核心观点：AI时代，范式正确不代表就能赢

一、企业级AI的真相：构建自己的数据护城河
纳德拉强调，企业在AI时代的核心任务不是羡慕别人的AI智能体，而是构建自己的AI工厂。其中最复杂也最重要的工作是组织数据层——让企业数据满足智能化需求，建立“图谱”（Graph）来找回业务事件中丢失的语义连接。真正的杀手级应用在于此：AI的价值不是替代人类，而是修复系统中缺失的“记忆与关联”，让工作围绕业务事件的语义逻辑展开。

二、重新定义“公司主权”：隐性知识的权重化
在通用大模型无所不知的背景下，公司存在的意义是什么？纳德拉给出“科斯定理的AI版”答案：公司的价值在于内部交易成本低于市场的“隐性知识”。未来，“公司主权”将体现为企业拥有自己的基础模型——该模型捕捉了组织内部独特的隐性知识，而知识产权将以LoRA（大模型微调层）权重的形式存在。这是防止企业核心优势泄露到通用模型的关键。

三、基础设施建设：产能危机而非泡沫
纳德拉将当前AI基础设施与2000年“暗光纤泡沫”（基础设施过度铺设但利用率低）区分开来：现在的问题不是算力过剩，而是所有算力资源都已售罄，瓶颈在于电力、涡轮机和“增强型数据中心外壳”的供应不足。
微软的AI堆栈分为两层核心：

底层“Token工厂”（基础设施）：追求极致资本效率（每美元、每瓦特生产多少Token）；
上层“Agent工厂”（应用层）：最大化每个Token的价值（用Token驱动业务成果）。
尽管微软拥有从芯片到应用的全栈能力，纳德拉强调每一层必须具备独立生存的市场竞争力，拒绝过度生态捆绑——客户应拥有自主选择进入微软生态的权利。
四、软件界面的未来：人人都有“IDE”
纳德拉描绘了一幅“反直觉”的软件未来图景：应用的边界正在消融，而集成开发环境（IDE）将以新形式回归。未来的软件界面将是“收件箱、消息工具和闪烁光标画布”的融合，无论是程序员、会计师还是律师，都将拥有自己的“任务控制中心”——其核心是对成千上万个AI智能体进行“微观引导”（Micro-steering）。这不仅是UI的革新，更是人机协作关系的重构：人类将从“操作者”转变为“拥有宏观委派能力的指挥官”。

五、历史的教训：范式正确不代表赢
纳德拉以微软90年代的“互联网往事”为例：当时微软看准了“信息高速公路”的范式，但最初押注的“交互式电视”路径被开放互联网击败。这给AI时代的启示是：即使选对了范式（Paradigm），具体的架构选择和商业模式仍决定成败。
他进一步指出，开放生态中必然会出现“组织层”（如过去的搜索引擎、应用商店），而AI时代谁能成为新的“组织层”（如ChatGPT当前的角色），仍是未定之数。

六、组织文化：从“自以为是”到“学习一切”
纳德拉剖析了微软的组织文化变革：将文化内核从“自以为是派”（Know-it-all）彻底重塑为“学习一切派”（Learn-it-all）。他认为，要对抗外界刻板印象与内部官僚主义，微软必须用“成长型思维”应对每一次技术范式的剧变——这是企业在AI时代保持活力的关键。

总结：AI时代的核心逻辑
纳德拉的访谈贯穿一个核心主题：AI时代的竞争，不是“范式选择”的胜负，而是“执行细节”的比拼。企业需要构建自己的数据护城河、保护隐性知识的“模型主权”、解决基础设施的产能瓶颈、重构人机协作的界面，并以“学习型文化”适应变化。范式正确只是起点，真正的赢者将是那些能把“正确范式”转化为“有效执行”的组织。