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?！彼憛捨募到y，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?；旧蠜]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?！蔽覐睦锩鎸W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?！?/p>

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?！?nbsp;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?！?/p>

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？

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？

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。

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。

那是習慣，你不覺得嗎？

也可能，但那是經過“認真思考”的選擇。

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。

所以，你認為關鍵是讓我相信系統會幫我挑對模型？

沒錯。

9.微軟AI堆棧的三層布局

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？

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?，F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。

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？

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。

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？

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

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？

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。

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？

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？

大概 20 萬人。

好，那粗略算下來微軟有 20 萬人，Stripe 大概 1 萬人?？赡苡新牨娛?nbsp;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？

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?！边@就是模塊化思維 + 團隊建設 + 協作性的體現。

我的理解是，在 Stripe 規?；蚋〉墓?，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？

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