編輯 | 聽雨

出品 | 51CTO技術棧（微信號：blog51cto）

微軟CEO納德拉又出來接受采訪了。

這一次，他與Strip的聯合創始人兼總裁 John Collison進行了一次暢談，描繪了一幅反直覺的軟件未來圖景。

盡管人們常說“應用將消失”，但納德拉認為IDE（集成開發環境）將以新的形式回歸。未來的應用不再是孤立的聊天窗口，而是融合電子表格、文檔和消息流的全新任務控制中心。每個人都可能擁有屬于自己的IDE，不管你是程序員、會計師還是律師，都將與無數“智能助手”協作完成工作。

納德拉還將90年代的互聯網泡沫與今天的AI浪潮進行了對比：這次的熱度不是泡沫，而是算力供不應求的真實產能危機。他坦言微軟現在的瓶頸竟是沒有足夠能“馬上開機”的熱機房！

在有關數據主權的問題上，納德拉提出了新觀點：未來真正的主權，不是別人家的大模型，而是企業對自己基礎模型的掌控，把內部“隱性知識”變成私有模型權重。

訪談中還拋出了一個有趣的問題：用戶究竟會忠誠于AI模型，還是忠誠于AI品牌？納德拉認為，未來可能會出現一個“模型選擇器”，由智能agent在背后協調，根據用戶偏好和具體任務，動態決定使用哪一個模型。

納德拉分享了微軟的技術棧布局策略：他將微軟的AI堆棧概念化為三層核心。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；第二層則是“Agent工廠”，其核心在于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。第三層則是AI系統，即Copilot家族。

最后，納德拉還談到了自己對微軟企業文化的深度改革：他將微軟從“高度打包”的封閉體系，帶回八十年代開放、互操作的精神。他認為統一的成長型思維，是微軟應對技術變革的關鍵。

小編整理了這期訪談的完整內容，篇幅較長但干貨滿滿，enjoy！

1.Ignite大會與企業級AI 

John：

那在 Ignite 上，人們應該對什么感到興奮？

Satya：

對我們來說，Ignite 大會最重要的一點，是確保 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“如何構建屬于你自己的 AI 工廠”。而你會發現，最復雜的部分是組織企業內部的數據層，這需要跨越整個企業體系，并讓數據能夠與智能層真正對接。我想這會是我們重點推進的方向。

John：

我們現在在企業環境里，其實還沒有真正意義上的“深度研究”。

Satya：

我們有的，這就是 Copilot 的意義。

John：

但大多數人每天并沒有用到這些。所以他們其實只是沒有充分利用現有 AI 嗎？

Satya：

是的，而且你提到這個非常有意思，因為我認為這正是“殺手級特性”。我們做的最大一件事，就是把那張隱藏在企業最重要數據庫之下的關系圖釋放出來，那些數據庫就是你的郵件、文檔、Teams 會議等等背后的系統。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協同。這種語義關系其實一直都只存在在人腦里，也一直都丟失掉了，而現在你第一次可以真正調用起來。

John：

那為什么這些東西在企業里的滲透率還是這么低？感覺大家都在用各種 LLM 工具，也會上傳文件，但很少有公司把整個企業上下文整合到他們的日常 AI 工作流中。

Satya：

我覺得有兩方面原因。首先，這一切其實剛剛開始。我常說，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，這屬于“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，數據治理要能跑通。我們必須把 Purview 完整接到 Copilot 里，以便任何時候，只要調用到機密文件，它會被標記、被權限管理等。這是很大的工程，但我們現在終于開始看到加速的跡象。

另一點是：讓它在 Microsoft 365 Graph 內部工作是一回事，那 ERP 系統怎么辦？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數據架構，把所有東西語義化嵌入在同一個層里。

John：

幾十年來大家都描繪一個愿景：你能隨時訪問公司所有數據。我最喜歡的例子是《Softwar》那本講 Oracle 的書，里面寫到 Larry Ellison 在 90 年代日本做演示，推銷“企業所有數據就在你手邊”。但之所以這個愿景永遠不過時，是因為公司從來沒做到過。公司從來不愿意“吃數據基礎設施的苦菜”。永遠都是“你按按鈕就能看到結果”，而不是把需求丟給分析師再查幾天。你覺得這一次，我們終于會吃掉這些苦菜嗎？

Satya：

沒錯。事實上，如果我沒記錯的話，Bill （比爾·蓋茨）90 年代在 COMDEX 就提出了“information at your fingertips（信息觸手可及）”。

John：

我記得沒錯。

Satya：

是的。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：“軟件只分一個類別：信息管理。你只需要結構化人、地點和事物，就夠了。”他討厭文件系統，因為它不結構化。若是所有東西都是 SQL 數據庫，那他就能寫 SQL 來處理所有信息，那才是優雅的解決方案。

問題是，人是混亂的。即便數據結構化了，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，最后解決這個問題的不是某種極復雜的數據模型，而是一個規模巨大的深度神經網絡，靠算力堆出的參數在捕捉模式。

John：

Dwarkesh（Dwarkesh Patel，一名播客主持人）認為，模型可以像“5 分鐘上崗的超強遠程員工”，它可以訪問企業所有數據，但它并不真正“知道”這些東西。模型的第一條查詢和第一千條查詢一樣聰明，除非你給它做內部訓練。你覺得未來會怎么走？

Satya：

我覺得這里有兩件事。他說的是“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，那么從本質上，你就得到了一個持續學習的架構：算法是獨立的，知識可以被更新。

不過模型運行時，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里。

2.納德拉的日常與管理方式

John：

我還有一百萬個關于 AI 的問題，但我想問你一些關于你工作方式的問題。你的日常工作到底是什么樣的？特別是，你現在是怎么“走動式管理”的？你在“虛擬走廊”里是怎么閑逛，以了解微軟內部正在發生什么？你平常的客戶交流是什么樣的？就是普通的一天，不是財報日，也不是開董事會那種。

Satya：

有趣的是，我日常工作的核心其實有兩個部分：客戶相關的事情。基本上沒有哪一天我不跟客戶開會，很多都是遠程的，一天里我有大部分時間都在 Teams 上，至少會有兩三個和客戶的會議。這是讓我保持“接地氣”的最好方式。所以我每天至少會有一兩個這樣的會。

然后就是大量的會議。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，然后閉上嘴，不要表現過度，因為召集本身就是這次會議最重要的事。所有的工作要么已經在會前完成了，要么會在會后繼續。這是第一種。

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。

然后我必須說，我花大量時間在 Teams 的頻道里“閑逛”。我經常在里面游走，這對我幫助最大。事實上，我從那里學到的最多，認識的人也最多。所以如果你問我是不是在微軟大樓里走來走去，我倒希望能這么說，但其實不是。

John：

不，但我覺得 Teams 就是新的“走廊”，在頻道里四處看看。

Satya：

完全正確。而且最棒的就是，我能在里面建立最多聯系。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。”我從里面學到的東西比別的任何方式都多。

John：

所以現在微軟的團隊都在忙著自己的產品，然后 Satya 會突然冒出來問他們幾個問題？

Satya：

我倒是希望是這樣。其實我覺得我們權限體系太嚴格了，我希望自己能有更多訪問權限。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于表達意見。

John：

確實。我注意到你在灣區的一些圈子里有名，是那種特別“保持與前沿技術緊密聯系”的 CEO。我記得你當時來 Stripe 的辦公室，就是 Mission 街那個，我們那時候還是一家小得可憐的公司。可能是你剛當 CEO 后不久，但微軟已經非常大了。

Satya：

其實更早。我第一次去你們公司時我還是負責 Azure 的。

John：

哦，是更早，那就是 Stripe 非常早期的時候了。為什么你會比大多數 CEO 更愿意去拜訪這些小公司？理論上其他 CEO 也應該想見創業公司的啊。

Satya：

我一直都有一種“開發者關系 / 技術布道”的基因，微軟文化里本身也有這個傳統。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臺的相關性；而如果你不了解新的工作負載，你也建不好技術平臺。

這兩件事深深刻在我腦子里。

所以如果你不關注創業公司，你就很難真正理解平臺和工作負載的變化。這一直是我非常在意的。

還有一點是：我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，他們到底是怎么做到的？

John：

是的，你說“關注創業公司”這一點很有意思。我們做 Stripe 時一直覺得：為創業公司構建產品非常重要，因為今天的小創業公司就是明天的上市公司，我們已經多次見證了。

而且我們在很早期就直覺認為：創業公司追求的往往是更好的產品體驗，比如如果他們想要穩定幣、想要按使用量計費的產品，我們就應該去構建這些東西。不是因為做創業公司業務有錢，而是大型企業最終都會跟上。

我們花了很多年才證明，但現在我們確實看到了……

Satya：

是的，你們實際上是這方面的“金標準”。我從你們身上學到的一件事，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。這也是我后來推動 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代碼倉庫都在那里。

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、為了構建更好的產品。因為你很容易丟失那種“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。

3.軟件界面的未來：生成式UI和IDE的回歸

John：

微軟是否在考慮“生成式 UI”？也就是根據用戶個性化實時生成界面。現在的軟件模式還是“我們寫好 UI 交付給用戶”，即便是云軟件也一樣。但現在其實可以實時渲染每個人理想的 UI。你們在研究這方向嗎？

Satya：

當然。某種程度上，我們已經能生成所有代碼，所以也就能生成更定制化的 UI 框架。實際上我們過去就在討論：文檔、網站、應用之間到底有什么本質區別？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，幫助我管理數千個并行的 agent。我得理解它們的工作，并對其進行“微調度”。這就是未來 IDE、收件箱、消息工具的樣子。

John）：

現在程序員基本整天在 IDE 里工作，但其他職業都不是這樣。你的意思是：會出現“會計 IDE”、“律師 IDE”？

Satya：

對，我想的是：未來我們如何與大量 agent 協作？這是“宏觀委托 + 微觀調控”的組合。我會發布大量指令，agents 會執行數小時甚至數天，然后不斷回報進度。

問題是：我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。

未來的軟件必須是跨應用、跨工作流的。最終，大多數軟件在成熟后都會變成：一個 inbox、一個消息工具、一個畫布，屏幕上不斷閃爍結果，但大量工作已在后臺完成。

John：

那是一個應用？還是十個應用？像過去生產力工具里只有 Word、Excel、PowerPoint 三個是“主流”，不是 1 個也不是 40 個。你覺得未來是多少？

Satya：

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、喜歡線性的文檔、喜歡 inbox / messaging，這些 UI 其實是經過驗證的。

你真正的問題是：當一個 agent 提交一段 IDE 修改，它必須告訴我更多，而不是說“文件在這里自己看去”。它要幫我完成工作流。

我們現在在 GitHub Copilot 上實驗 Mission Control：比如你放出 5、6 個 agent 分別改不同分支，然后它們回來后，你在一個地方做 PR triage ——這可能就是下一代 IDE。

4.微軟的歷史教訓：錯過互聯網浪潮

John：

我很驚訝科技界一直有一種模式：愿景出現非常早，但真正實現技術要幾十年。比如《2001 太空漫游》里的語音 AI，60 年代就有了。但實現用了 50 年。語音交互在 80 年代就被視為“未來”，但實際上直到最近 SuperWhisper 才真的好用。

Satya：

你提到這個很有意思。我 94 年住在微軟園區旁邊的公寓，那時我做的就是互動電視。

John：

信息高速公路。

Satya：

對。當時我的管理鏈是 Rick Rashid → Craig Mundie → Nathan Myhrvold → Bill Gates，全是天才。我們卻錯過了互聯網。

我們做互動電視：我家里有 ATM 交換機接入，我負責給 John Malone 做演示，展示“即使硬盤壞掉也能繼續播放”。我們基本上做了一個分布式文件系統 + 視頻服務器 + ATM 網絡，在家里可以看五部電影，我都看了很多遍。

John：

我想問你關于這段歷史，因為你是最合適的人。微軟其實看到了互聯網的未來，Bill Gates 寫了著名的互聯網海嘯備忘錄，說“互聯網是微軟唯一的優先事項”。但當時的愿景是“信息高速公路”，不是現在的開放互聯網。

當時的思路其實合理：人們家里沒有電腦，但有電視和有線電視的寬帶，所以要用機頂盒進入互聯網。結果方向錯了。

現在 AI 也是一場巨浪。我們應該從那個時代學到什么？

Satya：

這是個很重要的問題。我作為當年一個新人，回看那段歷史，我的感覺是：我們其實理解互聯網，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 QoS（服務質量保證），所以構建的是信息高速公路。MSN 最早還是 X.25 網絡，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，技術棧到底會不會是開放互聯網，還不清楚，但 Mosaic 瀏覽器出來之后，一切變得清晰，然后微軟全面轉向。

John：

有意思。所以當時其實還沒 100% 清楚開放互聯網會勝出。

Satya：

是的。事實上還有另外一個教訓。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“范式”認清楚。但即使你認清了范式，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。比如互聯網，誰能想到在開放 Web 上，一個具有網絡效應的搜索引擎竟然會成為“組織層”？我常說，根本不存在所謂的“開放網頁”，只有“谷歌的網頁”，因為谷歌徹底統治了它。

John：

我們是否應該反思，當年那些“我們自家封閉方案會贏”的觀點其實帶有某種自利式思考？比如 Liberty Media 和微軟的合資方案 VS 開放 Web。后來贏的是開放 Web。所以是否應該提醒企業，當它們面對兩種可能性時：一個封閉的“信息高速公路”，一個開放的 Web，公司天然會傾向認為自己控制的封閉方案會贏。

Satya：

這是個有趣的問題。回頭看很有意思：AOL 和 MSN 輸給了開放 Web，大概可以這么說。但它們又被新的 AOL 和 MSN 形式替代了：它們叫搜索引擎、叫應用商店。移動 Web 就是一個非常迷人的例子。

John：

開放 Web 是歷史上的一個瞬間。

Satya：

是的，就是一個瞬間。所以對我來說，更“元”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么都不確定，上一代是搜索引擎，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。市場、應用商店曾經是組織層。那么下一步是什么？在“智能體市場”或“智能體電商”中，電商又會變成什么？這些都是未來要討論的問題。

5.微軟的供應瓶頸：通電機房不足！

John：

我想等下談電商。但既然我們還在回顧 90 年代，現在大家都把現在和互聯網泡沫相比，幾乎成了陳詞濫調。但我覺得確實有可比性。之所以老生常談，是因為它確實相似：新的范式需要密集的資本開支，而且這個范式真的很重要，但同時資本支出也巨大。

你當年在微軟親身經歷了互聯網泡沫。微軟股價在 90 年代末達到巔峰，直到差不多 2016 年才再次突破。1999 年當時是什么感覺？你們知道自己在泡沫中嗎？還是覺得“這次不一樣”？

Satya：

很有意思。我記得大概 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。當時微軟算是“輕資本模式”，更像今天的 Sam（Altman）——是別人花錢在燒。

說實話，回頭看，即便拋開金融周期，當時的長期趨勢非常明確：互聯網會成為主導。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 服務器、把互聯網協議塞進所有產品、用 FrontPage 做網站構建器……）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。

所以現在我看這次浪潮，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用戶才能把它點亮。

John：

現在是大家排隊搶這些東西。

Satya：

沒錯。所以這一次，說實話，我們是落后的一方。我們不是坐在那里說“我 GPU 都架好了但沒有人用”。完全不是。我沒有利用率問題。我只希望利用率更高……但我沒有“資源空著沒人用”的問題。

我的問題恰恰相反：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，但這次建設周期很長。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。一個冷機房空在那里根本沒什么——就像一個公司有五座空樓，不會成為資產負擔。真正的問題是：我們沒有足夠的“熱機房”，能接上電、馬上裝機、馬上點亮。

John：

現在最大的瓶頸是什么？電工？機房？渦輪機？

Satya：

瓶頸就是“通電的機房外殼”。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、投入運營。這是長周期部分：土地批準、電力批準、站點位置……而且別忘了全球化。美國本土我們在建，但我們還必須在全世界建設，并且每個地方都有數據法規。如今國家對主權關注度極高。因此我們必須保證整個機房艦隊是“全球艦隊”，能處理所有類型的工作負載：訓練、數據生成、推理。非常復雜、變量極多。

6.企業的數據主權：構建屬于自己的智能層

John：

誰應該關心數據主權？比如愛爾蘭有很多數據中心，但本身并不強烈要求“數據必須留在愛爾蘭”。你們一般是滿足各國要求？還是會建議他們是否該關注數據主權？

Satya：

這是所有國家與政策制定者都非常關注的話題，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：公司的未來是什么？

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，那為什么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于自己的基礎模型，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”。

John：

這里有兩個版本的想象——一種是公司是 IP 的集合（比如迪士尼、比如 Eli Lilly）；另一種是，未來這些 IP 不在文檔、郵件、人腦里，而是在一個模型里。我原以為你要說的是：既然今天公司結構是工業時代的遺留（流水線式、Sloan 結構），AI 可能讓更小的公司、分布式組織、DAO 等變得更可行。

Satya：

這些也可能發生。但我最關心的是“隱性知識到底存在于哪里”。它顯然存在于人腦中，是通過時間積累的 know-how。但它也會以權重的形式存在于某些屬于你的 LoRA 層中。未來 Eli Lilly、微軟、Stripe 的知識產權，不僅是員工和文件，還有一些“嵌在模型 embedding 里的東西”。

John：

確實。Stripe 原本沒有網絡效應，就是一個單用戶 API。但隨著規模變大，我們形成了一個信任網絡，可以判斷欺詐，因為我們“認識”互聯網上的大多數用戶。于是我們正在用整個網絡的數據訓練支付基礎模型。我們正在做的事情，和你說的完全一致。

Satya：

問題在于：你怎樣保護這些能力不會“泄漏”回基礎模型？是不是只差一個能力跳躍？這是關鍵問題。

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、工具調用、獨特的數據，構建出屬于自己的“智能層”。這適用于制藥公司、支付公司、軟件公司。這就是我認為的“主權”。

7.軟件、工作流、商業的未來

John：

我一直在想我們剛才關于“給非軟件工程師用的 IDE”的討論。我總覺得在未來 10 年里，會出現一個面向金融行業的產品——回頭看會覺得這是最正確、最自然的 UI。但就像電子表格一樣，它當年也像是“突然出現”的一種界面，讓人意外。我一直對這一點印象很深。說到電子表格，很多軟件公司都把挑戰 Excel 當成一種成年禮，但它 40 年了依然活得很好。為什么它這么有韌性？

Satya：

是啊，這太不可思議了。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”。它和軟件的可塑性結合在一起，才成為一個完美的存在。這就是為什么“閃爍的空白畫布”這種界面永遠會存在。我們可能會加很多花里胡哨的功能，但它的核心不會變。電子表格也是一樣。

而且別忘了——電子表格是圖靈完備的。我們從來沒有給它足夠的重視。其實你可以把它……

John：

我認為它是全世界最容易上手的編程環境。

Satya：

完全同意。而且你甚至在“不知道自己在編程”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。

我最近見了 Generali 的 CEO。他說他加入公司的時候還是傳真機時代，管理成千上萬的保險代理人。他清楚記得某一天：電子郵件出現了、Excel 出現了，然后整個工作流被徹底顛覆，從底層完全重塑。

所以，你說得沒錯。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”，從底層重寫、重新發明。

John：

現在真是做軟件的黃金時代。你一定有這種感覺——比五年前、十年前有趣太多了。

Satya：

確實。有一陣我們都在喊“云、云、云”。如果你問我 2019 年最火的東西是什么，那時候我們剛造了一個超級強的多區域/無區域數據庫 Cosmos DB，它支持 JSON、SQL，是個“萬物數據庫”。那時我們覺得它是大事件。

然后疫情來了，云又進入了新一輪加速。Teams 大爆發，幸虧如此。當時我們以為疫情后會進入穩定期。我還記得我們對云的預測，擔心自己疫情期間“建多了”。中間有大概八個月我們都在想：哎呀，會不會供大于求？

結果突然又來了一波新需求。

John：

Stripe 的很多圖表也是同樣的形狀。我不知道微軟是不是也這樣。2020 年 3 月直接出現一個斷層式跳升——電商活動暴漲，線下商家突然全部轉到線上。這個水平從那時起就再也沒下來過。沒有因為線下恢復就回落的那種情況，而是一直維持在高平臺上。我猜 Azure 也有類似的趨勢？

Satya：

完全一樣，而且確實從未回落。

John：

既然我們在談電商，那就順便聊一下我們正在一起做的項目。

Satya：

我們對此非常興奮。一直以來都有一個想法：什么樣的“基礎設施”對商家最友好？什么樣對消費者最友好？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、用戶，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”、能贏得用戶信任。但我真的非常激動。

John：

我們看到兩個關鍵變化。之前大家試過在 Twitter、Instagram 上購物。但這次不同：第一，有了 AI。所有和商家的集成都更簡單，不再像以前那樣成本巨大。

第二，對用戶的體驗極其自然。我們已經在早期客戶數據里看到效果了。幾周前 ChatGPT 內的版本上線后，數據也顯示它“必須會成功”，因為使用門檻太低了。

Satya：

我最近經常談這個。我是板球迷，經常在各個平臺上找東西。Amazon、Walmart 等等的站內搜索真的不太行。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。

John：

你有沒有這樣的體驗？我發現用 AI 做產品調研簡直比關鍵詞搜索好太多了。令人難以置信的是，到去年為止我們都覺得“鍵詞搜索”是合理的找東西方式。

Satya：

是的。本質上，它給你做的是一個“定制化商品目錄”。它的結果不像搜索引擎結果頁那樣機械。

John：

我們最近給家里買家具，直接對 AI 說：“這個空間有這么大，幫我們找個適合、好看的家具，尺寸要符合這些要求。” 想想過去我們居然沒有這樣做，太瘋狂了。

我們還可以描述“風格”“氣質”，比如想要偏高級但不要太奢華。以前根本沒法這么表達。

Satya：

我太懂了。我妻子是建筑師，她用 Copilot Notebook 里面全是建筑圖、效果圖。你可以問它非常高級的空間設計問題。

它能把建筑草圖、CAD 圖紙，與公開家具目錄結合，給出合理建議。那種體驗真的很魔幻。

John：

我們 Stripe 的觀點是：AI 會徹底改變電商，我們對此非常“上頭”。所有和商家的對話也印證了這一點。

在我看來：如果用戶是在“開放式探索”：比如“我想找一套適合某個場景的衣服，但我不知道具體要什么”，AI 會比現在的體驗好一個級別。

如果是“定向搜索”：比如“我要為我的自行車找一個特定零件、滿足這些條件”，AI 也比關鍵詞搜索好得多。

那么，如果開放探索和定向搜索都被 AI 優化了，那不就是覆蓋了互聯網電商的絕大部分行為嗎？除了重復購買日用品，比如寵物食品，但你最初發現那個品牌，也需要搜索。

Etsy 特別適合作為首批合作方，因為他們的商品大多是定制化的。

Satya：

完全有道理。探索確實是 Instagram 等做得很好的部分。問題是：下一代的“發現層”是什么？Pinterest 的做法也很有啟發性。

現在如果把這個“發現層”與對話式界面結合，想象空間很大。

John：

而且這會形成“水漲船高”的效應。我們在做的事，就是讓商家的商品目錄與庫存能在外部被發現、被購買，而無需用戶跳轉到商家網站的完整流程。

這會給 Pinterest、Instagram、Twitter 第二次機會，讓它們再度嘗試電商——這次條件比 10 年前好太多了，因為商家參與度和支持度都高太多了。

Satya：

我們有一個項目叫 NLWeb，目標是給每個商家的商品目錄一個“自然語言網頁接口”，讓智能體能和這些目錄對話式交互，做深層搜索。

今天一個巨大問題是：目錄質量參差不齊，缺少可推理的數據結構。解決這個問題之后，你說得對，每一個商品都能找到屬于它的搜索請求。

John：

我們正在構建面向“智能體電商”的平臺。有開源協議（比如Agentic Commerce Protocol），也有Stripe 現有的基礎設施。

最難的是支付，讓一個 AI 應用幫用戶在不同網站上付款，但不能把用戶支付信息散落在全網。這是非常有意思的支付挑戰。

我們在這個早期領域創業，你們顯然非常有經驗。你認為我們最應該注意什么？

Satya：

我覺得你們其實已經在做了，但我會這樣想：對每個商家來說，怎樣才能以最低摩擦接入“智能體工作流”？

每個商家最終都會來找 Stripe，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。”

而你們要把這件事做得“優雅、有品位”。這正是我會選擇 Stripe 的原因。

特別是長尾商家的自助式接入 ，讓他們點一個按鈕，“啟用智能體電商”，而不是跑去自己搭 MCP 服務器。

John：

我覺得還有一點你們肯定也看到了——各種“智能體體驗”正在合并。我們在做購買；Intercom 在做 AI 客服；但他們發現，用戶用客服入口之后，會把它當成“在網站里最容易用的導航方式”。

這些體驗正在融合。

Satya：

是的，本質是“通用界面”。

John：

沒錯。什么時候它會變成一個真正的“命令行式應用”？尤其在時尚行業，用戶表達需求就是“我想找這種 vibe 的東西，再高級一點、風格稍微 xxx”，但現在網站都靠標簽和關鍵詞。

而這些需求天生適合 AI，像 Midjourney 那樣——“這個圖不太對，改成這樣”。在電商里做這種體驗，我覺得會非常驚人。

Satya：

非常合理。而且從直覺上說，我們所有售前、客服，本質上都是“內部銷售”。在智能體世界里，這些流程可以完全打通，不再像今天這樣處處是縫。

8.用戶會忠誠于AI模型還是AI品牌？

John：

我們現在談了很多人們日常使用的 AI 應用：Copilot、ChatGPT、Gemini 等等。也存在一個爭論：模型質量到底有多重要？人們會不會像選擇可樂一樣，有一個習慣品牌？盡管這可樂類比不完美，因為可口可樂改配方時曾引發反抗，但即便配方改變，人們依舊會堅持自己喜愛的品牌。

你怎么看：人們對模型忠誠，還是對品牌忠誠？這會如何影響微軟的業務戰略？

Satya：

在消費產品領域，這是我們第一次看到：當你切換模型時，變化并不一致，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。然后你要不斷根據任務進行優化。

對我們這種產品構建者而言，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”。我在 GitHub 里最喜歡的功能是 Auto。用戶當然可以繼續用他們喜歡的 Sonnet，但我最終希望有一個“模型選擇器”。它不能是個笨路由器，而要足夠智能，能夠知道這個任務需要多少算力、需要哪種智能、PR 和代碼庫到底有多復雜。這才是未來 agent 的方向。

你需要一個模型，事實上，是一組模型，中間由 agent 來協調，根據用戶偏好和任務來決定使用什么。

John：

但大家最終不都會選擇“最智能”的嗎？我當然也會手動把“去哪吃冰淇淋？”這種問題切到 o3。我永遠都想用最聰明的。

Satya：

那是習慣，你不覺得嗎？

John：

也可能，但那是經過“認真思考”的選擇。

Satya：

是的。但我們都很難改變自己的默認設置，這就是為什么“默認值”如此重要。甚至連模型選擇界面，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。

John：

所以，你認為關鍵是讓我相信系統會幫我挑對模型？

Satya：

沒錯。

9.微軟AI堆棧的三層布局

John：

我對微軟一直的印象是，你們幾乎在整個 AI 堆棧的每一層都在布局：Copilot、OpenAI 的持股、未來各種垂直領域應用、Azure、自研芯片等等。是不是某些層比其他層更重要？你們會做垂直領域嗎？

Satya：

我對整個架構的理解是：

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。這就像新的應用服務器（App Server），是 AI 時代的新“應用層”。

第三層：AI 系統（Copilot 家族）包括信息工作（Office）、軟件開發（GitHub Copilot）、安全（Security）這是三個水平層。

我們還會做業務應用，也在深度投入醫療與科學領域。在醫療領域，我們收購了 Nuance。現在有了 DAX Copilot，給醫生做自動筆記與編碼。它已經深度嵌入 Epic 系統。

在科學領域，我們關注“外環循環 orchestration”。科學方法本質上是：提出假設→ 多次模擬 → 回來調整。這個領域的工具鏈會像 GitHub + Microsoft 365 的組合版，是給科學家的知識工作平臺。

John：

作為一家平臺公司，你們總要做關于“捆綁 vs. 拆分”的選擇。比如：iPod 最初只能配 Mac，后來蘋果不得不出 Windows 版 iTunes 才讓 iPod 爆發。

微軟歷史上更是充滿這種選擇。早期非常開放，1985 年微軟大部分收入來自 Mac 應用；Windows 時代，Office 與 Windows 深度綁定；Azure 時代，最初只支持 Windows，后來完全擁抱 Linux；Stripe 最近也更傾向模塊化，比如 Radar 可以獨立使用。

你如何判斷什么時候該打包？什么時候該拆分？AI 時代又有什么特例？

Satya：

我認為我們經常高估了多少競爭是“零和”的”。你需要很敏銳地判斷哪些生意天然是“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云。

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，因為云不可能只支持 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。

我的模塊化原則是：什么配置能最大化市場？什么能真正滿足客戶？什么能保持競爭力？

在每層堆棧中，如果某客戶只想用 Azure 的裸金屬 + Kubernetes，那我們就必須贏下來。未來他們是否愿意遷到 Cosmos，那是另一回事。

John：

那內部是否會一直存在爭論？比如：支持 Linux 會提升 Azure，但會削弱 Windows Server；飛行模擬器不上 PlayStation，但上 Xbox 就很合理；Teams 的聊天和視頻合并在一起也是一種合理的 bundling。

你們是不是總要衡量捆綁帶來的收益是否大于代價？

Satya：

是的，比如 Teams就是一個典型案例。就像 Outlook 把郵件、日歷、聯系人整合在一起，Teams 則是把聊天、頻道、視頻等功能組合成一個“工作空間”。

這類 bundling 本身就是產品形態。但你仍然需要在底層保持足夠的原子化能力：確保模塊化不會犧牲競爭力。如果你做了一個“超級云”，但只能跑 Windows 和 SQL，那只能占市場的一小塊而已。

AI 堆棧也是一樣，我希望基礎設施、應用服務器、應用層，三個層次都能獨立站得住。用戶可以從任意一層進入。

10.微軟的企業文化轉型

John：

我感覺你上任后，把微軟文化從“高度打包”改成了“開放互操作”。對嗎？

Satya：

我覺得我做的是回到微軟八十年代的精神。

九十年代微軟太龐大了，我們的產品自然傾向于綁定。但八十年代，Office 是從 Mac 起步，Windows 是后來才來的，微軟的愿景是“軟件工廠”，不是某個單一平臺。我在上任時意識到：我們沒有移動平臺，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，“把軟件帶到所有平臺”本來就是微軟的 DNA，不是我憑空指令。

John：

講到文化，微軟那張“部門互相拿槍指著彼此”的著名漫畫，你是怎樣改革文化的？

Satya：

我從中學到兩點。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置兩個競爭團隊。

領導者的挑戰是：在一個員工從外界獲得絕大部分信息的時代，如何讓組織堅持自己的內在力量，而不被 meme 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：提供一個一致的 narrative（如“成長型心態”），讓每個團隊能塑造自己的正向文化，不讓社交媒體標簽決定公司是誰，這才是文化真正的關鍵。

John：

微軟有多少人？

Satya：

大概 20 萬人。

John：

好，那粗略算下來微軟有 20 萬人，Stripe 大概 1 萬人。可能有聽眾是 500 人左右公司的創始人。很多事情其實和公司規模關系不大，比如如何和客戶溝通、如何舉辦領導力 offsite、財務指標分析，26 年希望收入更高、成本更低。

但有些影響只會在 20 萬人的“大城市國家”規模才會顯現，在 1 萬人的公司是感受不到的。你覺得，只有到了那么大規模才會出現的特殊影響有哪些？

Satya：

我有兩點想說。說實話，我只在微軟工作過，所以并不能算是專家。但我發現，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。

不僅是管理范圍的問題，還包括清楚 CEO 自己需要做什么；哪些業務需要 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。

核心是：把只有你能做的四五件關鍵事抓好，然后打造團隊。

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里。

我自己做開發時，會有人問：你熟悉多少行代碼？一開始每個人都能掌握每行代碼，但隨著團隊擴大，你得知道：“哦，我知道誰寫了那段模塊或庫。”這就是模塊化思維 + 團隊建設 + 協作性的體現。

John：

我的理解是，在 Stripe 規模或更小的公司，你還能對產品本身做到全面掌握，對自己交付的內容了如指掌，對嗎？

Satya：

我也覺得創始人很特殊。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，你不可能完全復制創始人的方式。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。

參考鏈接：https://www.youtube.com/watch?v=L2OPYYthw4c

本文轉載自??51CTO技術棧??，作者：聽雨