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(chǎng)關(guān)于AI技術(shù)、商業(yè)本質(zhì)與組織進(jìn)化的深度對(duì)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(duì)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(jué)的軟件未來(lái)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(lái)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(gè)圖景中，無(wú)論是程序員還是會(huì)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?duì)成千上萬(wàn)個(gè)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(shí)代公司主權(quán)（Corporate Sovereignty）是一個(gè)的核心價(jià)值。他認(rèn)為，在通用大模型無(wú)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(shí)產(chǎn)權(quán)，而是將內(nèi)部難以言傳的“隱性知識(shí)”轉(zhuǎn)化為私有模型的權(quán)重。如果說(shuō)30年前比爾·蓋茨夢(mèng)想將世界結(jié)構(gòu)化為SQL數(shù)據(jù)庫(kù)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(lái)構(gòu)建企業(yè)獨(dú)特的隱性知識(shí)，防止企業(yè)核心優(yōu)勢(shì)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(lái)，要對(duì)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(zhǎng)型思維”來(lái)應(yīng)對(duì)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(jí) 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(jí)應(yīng)用在于建立“圖譜”（Graph）。工作并非雜亂無(wú)章，而是圍繞業(yè)務(wù)事件展開的，AI的價(jià)值在于找回這些在系統(tǒng)中丟失的語(yǔ)義連接。

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

2. 重新定義“公司主權(quán)”：隱性知識(shí)的權(quán)重化

科斯定理的AI版： 既然通用大模型無(wú)所不知，公司存在的意義是什么？納德拉認(rèn)為，公司的價(jià)值在于其內(nèi)部交易成本低于市場(chǎng)交易成本的“隱性知識(shí)”。

未來(lái)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(shí)。未來(lái)的知識(shí)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(shì)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(guò)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(duì)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(duì)各國(guó)對(duì)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(lái)驅(qū)動(dòng)業(yè)務(wù)成果，即最大化每個(gè)Token的價(jià)值。

拒絕過(guò)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(chǎng)競(jìng)爭(zhēng)力。他反對(duì)過(guò)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(lái)：人人都有“IDE”

IDE的回歸：盡管人們常說(shuō)“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(lái)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(huì)計(jì)師、律師都將擁有自己的“任務(wù)控制中心”來(lái)微觀引導(dǎo)成千上萬(wàn)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(shí)代的啟示是：即使看對(duì)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(huì)出現(xiàn)掌握話語(yǔ)權(quán)的“組織層”（如搜索引擎、應(yīng)用商店）。在AI時(shí)代，誰(shuí)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(huì)與企業(yè)級(jí) AI

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

Satya Nadella：對(duì)我們來(lái)說(shuō)，Ignite 大會(huì)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(shuō)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(duì)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(gè)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(lái)的工作重點(diǎn)。

John Collison：我們?cè)谄髽I(yè)環(huán)境中似乎還沒(méi)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(méi)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?duì)我來(lái)說(shuō)，這正是殺手級(jí)功能。我們做的最重要的事情就是建立了“圖譜”（Graph）。在我看來(lái)，這是位于所有數(shù)據(jù)庫(kù)之下的、對(duì)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(wú)章、非結(jié)構(gòu)化的，所有的工作都是圍繞某個(gè)業(yè)務(wù)事件展開的。這種語(yǔ)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(guò)AI 更好地找回這些記憶和關(guān)聯(lián)。

John Collison：相比個(gè)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(jué)得人們現(xiàn)在使用很多大語(yǔ)言模型（LLM）工具時(shí)，可能只是上傳單個(gè)文檔。但大多數(shù)公司并沒(méi)有將所有功能集成，沒(méi)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(shí)，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(shí)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(shuō)的第二點(diǎn)是，讓AI 跨越整個(gè) Microsoft 365 圖譜運(yùn)行是一回事，但接下來(lái)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(gè)更好的數(shù)據(jù)架構(gòu)，基本上需要通過(guò)語(yǔ)義嵌入（Semantic Embedding）將所有這些數(shù)據(jù)整合到一個(gè)層面。

John Collison：幾十年來(lái)，讓公司數(shù)據(jù)“觸手可及”一直是一個(gè)愿景。我讀過(guò)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(gè)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(gè)論點(diǎn)經(jīng)久不衰？是因?yàn)楣�司�?shí)際上并沒(méi)有按時(shí)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(wèn)題了嗎？

Satya Nadella：你可以反駁這個(gè)前提，但這正是問(wèn)題所在。如果我沒(méi)記錯(cuò)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(gè)術(shù)語(yǔ)。比爾一直對(duì)此非常著迷。

我清楚地記得他在90 年代的一次評(píng)審中說(shuō)過(guò)：“軟件只有一個(gè)類別，那就是信息管理。你必須對(duì)人、地點(diǎn)和事物進(jìn)行建模，僅此而已。你無(wú)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(lái)的夢(mèng)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(kù)，他會(huì)很高興，那樣他就可以直接運(yùn)行 SQL 查詢，對(duì)所有信息進(jìn)行編程。對(duì)他來(lái)說(shuō)，那是讓信息觸手可及的優(yōu)雅解決方案。

但問(wèn)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(méi)有真正集中在一個(gè)索引中，我也無(wú)法運(yùn)行一條 SQL 查詢來(lái)獲取所有信息。這一直是根本性的挑戰(zhàn)。

我會(huì)說(shuō)，那是舊世界的產(chǎn)物。我們當(dāng)時(shí)誰(shuí)也沒(méi)想到，AI 和大規(guī)模深度神經(jīng)網(wǎng)絡(luò)會(huì)突然成為解決這個(gè)問(wèn)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(guò)神經(jīng)網(wǎng)絡(luò)找出那些模式。事實(shí)上，很長(zhǎng)一段時(shí)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(guò)在擁有巨大算力的神經(jīng)網(wǎng)絡(luò)中通過(guò)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^(guò)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(wèn)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(huì)真正對(duì)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(huì)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(shí)”分離開來(lái)，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(shí)之外，我們需要攻克它們：

記憶（Memory）： 包括短期和長(zhǎng)期記憶。人類很擅長(zhǎng)長(zhǎng)期歸因（long-term credit assignment）。當(dāng) AI 模型既能根據(jù)長(zhǎng)期記憶進(jìn)行獎(jiǎng)勵(lì)也能進(jìn)行懲罰（即具備長(zhǎng)期信用分配能力）時(shí)，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(shí)必須嚴(yán)格遵守權(quán)限系統(tǒng)。我是誰(shuí)？我有權(quán)訪問(wèn)什么？模型必須滿足這些限制。

行動(dòng)（Actions）： 行動(dòng)空間必須有效。

如果你將這三者結(jié)合，行動(dòng)、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(wèn)一些關(guān)于你工作方式的問(wèn)題。你的日常工作是什么樣的？你們?nèi)绾瓮ㄟ^(guò)現(xiàn)代化的“走動(dòng)式管理”來(lái)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(gè)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(huì)議。作為CEO，我意識(shí)到會(huì)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(gè)動(dòng)作本身才是重要的，工作要么已經(jīng)完成，要么會(huì)在之后完成。另一種是更重要的會(huì)議，我需要在會(huì)上學(xué)習(xí)、做出決定或傳達(dá)信息。你提到你會(huì)“潛伏”在 Teams 頻道里，對(duì)，Teams 頻道對(duì)我來(lái)說(shuō)幾乎無(wú)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(shuō)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(huì)發(fā)現(xiàn)：“哇，這個(gè)人正在開發(fā) Excel Agent”，或者了解他們想要的評(píng)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(lái)問(wèn)了一個(gè)問(wèn)題？

Satya Nadella：是的，雖然有時(shí)我覺(jué)得我應(yīng)該擁有更多訪問(wèn)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常化了�，F(xiàn)在的員工也不會(huì)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(lái)參觀過(guò)Stripe 的辦公室，當(dāng)時(shí)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(shí)間與初創(chuàng)公司會(huì)面？

Satya Nadella：我是在微軟這種文化中成長(zhǎng)起來(lái)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(tái)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(tái)。

John Collison：如果你不關(guān)注初創(chuàng)公司，就很難了解平臺(tái)或工作負(fù)載的趨勢(shì)。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(jué)得創(chuàng)始人就像魔法師，能從無(wú)到有創(chuàng)造出東西。這感覺(jué)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(zhǎng)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(gè)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(gè)初創(chuàng)公司的倉(cāng)庫(kù)都在 GitHub 上。對(duì)我們來(lái)說(shuō)，參與其中不僅是戰(zhàn)略占位，更是為了簡(jiǎn)單地學(xué)習(xí)并打造更好的產(chǎn)品。因?yàn)橛袝r(shí)你會(huì)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(jià)值實(shí)現(xiàn)的時(shí)間必須最大化。

3. 軟件界面的未來(lái)：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(shí)代，我們是否可以根據(jù)個(gè)人需求實(shí)時(shí)渲染 UI？

Satya Nadella：肯定會(huì)朝這個(gè)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(zhǎng)期以來(lái)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(shí)生成其中任何一個(gè)。

但有趣的是，盡管大家都在討論“應(yīng)用將會(huì)消失”，我們那些老牌的 IDE（集成開發(fā)環(huán)境），無(wú)論是 Excel 還是 VS Code，某種意義上又回來(lái)了。因?yàn)楝F(xiàn)實(shí)是，AI 會(huì)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(gè)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(wàn)個(gè)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(gè)智能體的微觀引導(dǎo)”。這就是未來(lái)的 IDE、收件箱和即時(shí)通訊工具將會(huì)演變的方向。它不再是簡(jiǎn)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(lái)不僅是程序員，會(huì)計(jì)師、律師都會(huì)有自己的IDE？

Satya Nadella：沒(méi)錯(cuò)。這就是我如何與智能體協(xié)作的比喻。我會(huì)給出一堆指令，它們開始執(zhí)行，有時(shí)運(yùn)行幾小時(shí)甚至幾天，然后回來(lái)匯報(bào)。

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

我認(rèn)為軟件最終會(huì)長(zhǎng)成這樣：它看起來(lái)像一個(gè)收件箱，又像一個(gè)消息工具，同時(shí)帶有一個(gè)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(lái)的界面會(huì)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(huì)有五六個(gè)不同的分支，啟動(dòng)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(gè)偉大的 IDE 就會(huì)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(duì)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(yǔ)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(shí)微軟對(duì)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(lái)看到的 PC 互聯(lián)網(wǎng)。我們?cè)诋?dāng)前的 AI 浪潮中應(yīng)該吸取什么教訓(xùn)？

Satya Nadella：這是一個(gè)很棒的問(wèn)題。即使在當(dāng)時(shí)，作為一名初級(jí)員工，我對(duì)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(méi)有。

5. 軟件、工作流、商業(yè)的未來(lái)

John Collison：這讓我想到了另一個(gè)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(jué)得這在未來(lái)十年對(duì)金融從業(yè)者來(lái)說(shuō)會(huì)是一個(gè)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(shí)，感覺(jué)像是憑空誕生的。說(shuō)到電子表格，對(duì)某些軟件公司來(lái)說(shuō)，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(gè)永遠(yuǎn)存在的“閃爍畫布”。我們可能會(huì)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(méi)給它應(yīng)有的評(píng)價(jià)，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(gè)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(shí)，沒(méi)人談?wù)撟兏锕芾�，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(guò)，他在傳真機(jī)時(shí)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(gè)工作流程被根本性地顛覆了。我認(rèn)為 AI 也會(huì)如此，工作產(chǎn)物和工作流會(huì)從底層被重新審視�，F(xiàn)在是從事軟件工作的一個(gè)非常有趣的時(shí)期，比五或十年前有趣得多。

如果你在當(dāng)年問(wèn)我什么最熱門，那是云計(jì)算、多區(qū)域數(shù)據(jù)庫(kù)（Cosmos DB）等。當(dāng)時(shí)我們覺(jué)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(gè)超級(jí)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(gè)明顯的不連續(xù)性——電子商務(wù)活動(dòng)呈階躍式增長(zhǎng)，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(gè)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?cè)谡務(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(duì)商家最友好的規(guī)則？什么是對(duì)顧客最友好的規(guī)則？是否存在完美匹配？“對(duì)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(lái)，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(lái)做。我對(duì)此感到非常興奮。

John Collison：我們看到了過(guò)去的嘗試與現(xiàn)在的不同之處。以前也有過(guò)類似的嘗試，比如在Twitter 或 Instagram 上直接購(gòu)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(shí)候都要容易；第二，這種體驗(yàn)對(duì)最終用戶來(lái)說(shuō)非常有吸引力。從我們?cè)缙诳蛻舻姆答仈?shù)據(jù)來(lái)看，這一點(diǎn)已經(jīng)得到證實(shí)。幾周前我們?cè)?ChatGPT 上推出了相關(guān)功能，數(shù)據(jù)表明，這種方式對(duì)最終客戶來(lái)說(shuō)要方便得多。

Satya Nadella：我總是在尋找相關(guān)裝備。但無(wú)論是Amazon 還是 Walmart，網(wǎng)站內(nèi)的搜索體驗(yàn)有時(shí)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(wú)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(shí)，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(gè)目錄。這不僅僅是搜索引擎的結(jié)果頁(yè)面。舉個(gè)例子，我們?cè)诮o家里買家具時(shí)會(huì)討論：“在這個(gè)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(wú)法這樣搜索，這很瘋狂。現(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(jí)的推理問(wèn)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(jiǎn)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(gè)場(chǎng)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(duì)性很強(qiáng)的搜索，比如“我要買這款自行車組件”，通過(guò) AI 指定精確參數(shù)也會(huì)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。可能唯一剩下的就是那類經(jīng)常性的必需品購(gòu)買，比如“再訂購(gòu)一些寵物食品”。當(dāng)然，Etsy 是我們很好的首個(gè)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(tái)已經(jīng)做得很好。現(xiàn)在的問(wèn)題是，在這個(gè)對(duì)話界面中，什么是新的發(fā)現(xiàn)層？Pinterest 曾做過(guò)有趣的嘗試。如果我們將這種發(fā)現(xiàn)層與對(duì)話界面結(jié)合，將會(huì)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(kù)存等信息可以被遠(yuǎn)程發(fā)現(xiàn)，并且支持遠(yuǎn)程購(gòu)買。用戶不必跳轉(zhuǎn)到商家端完成整個(gè)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?cè)诨�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(tái)會(huì)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(gè)叫NLWeb 的項(xiàng)目，旨在收集每個(gè)商家的目錄，為其提供一個(gè)類似網(wǎng)站的自然語(yǔ)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(gè)問(wèn)題，每個(gè)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(gè)平臺(tái)。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(lái)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(wú)需在全網(wǎng)共享所有支付細(xì)節(jié)。

我們?cè)诖�理式商�?wù)領(lǐng)域構(gòu)建的是一個(gè)平臺(tái)型業(yè)務(wù)。你們?cè)谶@方面很在行，對(duì)于我們?cè)谶@一初期階段構(gòu)建產(chǎn)品，尤其是在產(chǎn)品與市場(chǎng)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(gè)代理式工作流中�，F(xiàn)在每個(gè)商家都不得不去找像Stripe 這樣的服務(wù)商，說(shuō)：“嘿，我有目錄，我有結(jié)賬頁(yè)面，請(qǐng)幫我以最無(wú)摩擦的方式與 AI 代理對(duì)接。”

這正是我會(huì)使用Stripe 的原因。我認(rèn)為長(zhǎng)尾商戶能夠輕松點(diǎn)擊并啟用“代理式商務(wù)”，將是一個(gè)巨大的推動(dòng)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(huì)在場(chǎng)，這將會(huì)有大量的競(jìng)爭(zhēng)入口。

更有趣的是，這些平臺(tái)自身也希望在網(wǎng)站或App 上支持自然語(yǔ)言查詢。因此，這需要被很好地解決。你不能要求一個(gè)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(gè)“簡(jiǎn)單按鈕”。

John Collison：我認(rèn)為我們將看到的另一個(gè)趨勢(shì)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(lái)，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(gè)命令行。

我想知道這些體驗(yàn)會(huì)在多大程度上融合？比如我們處理購(gòu)買，而在另一端處理客戶服務(wù)。什么時(shí)候它會(huì)變成一個(gè)通用的命令行應(yīng)用？再回到時(shí)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(dòng)標(biāo)簽。在我看來(lái)，這完全應(yīng)該是一個(gè)交互式的、基于AI 的體驗(yàn)，就像 Midjourney 的提示詞一樣，你可以說(shuō)“圖片不太對(duì)，請(qǐng)按這種方式修改”。在商業(yè)領(lǐng)域這樣做會(huì)非常有意思。

Satya Nadella：從直覺(jué)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(chéng)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(huì)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(zhēng)論。人們會(huì)像忠于可樂(lè)品牌一樣忠于某個(gè) AI 品牌嗎？雖然可口可樂(lè)換配方引發(fā)過(guò)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(duì) GPT-5 很忠誠(chéng)。當(dāng)試圖拿走 GPT-4 時(shí)，用戶也反抗過(guò)。你認(rèn)為人們是會(huì)對(duì)特定模型保持忠誠(chéng)，還是對(duì) AI 品牌忠誠(chéng)？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(jiàn)到這種情況。當(dāng)模型更迭時(shí)，這種變化并非對(duì)所有人都是統(tǒng)一的影響。個(gè)性、風(fēng)格等因素成為了新的維度。這也是一個(gè)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(zhǎng)遠(yuǎn)來(lái)看，我認(rèn)為必須確保模型最有能力處理最艱巨的高價(jià)值任務(wù)。作為產(chǎn)品構(gòu)建者，我的觀點(diǎn)是：雖然我們會(huì)展示最強(qiáng)的那個(gè)模型，但實(shí)際在生產(chǎn)過(guò)程中使用的是多個(gè)模型的組合。

我最喜歡的一個(gè)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(gè)智能的“模型選擇器”。它不能只是一個(gè)簡(jiǎn)單的路由器，它必須具備智能，能夠判斷：“這個(gè)任務(wù)需要這種級(jí)別的認(rèn)知資源或這種類型的智能，這是代碼倉(cāng)庫(kù)或 PR 任務(wù)的復(fù)雜度。”

這就是智能體（Agent）的未來(lái)。你需要一組模型的集成（Ensemble），并在中間有一些代理來(lái)協(xié)調(diào)這個(gè)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(duì)于“我去哪吃冰淇淋”這種查詢，我會(huì)手動(dòng)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(huì)是個(gè)問(wèn)題。但我也認(rèn)為，如果我能信任系統(tǒng)在進(jìn)行選擇時(shí)始終是為了我好，這種“交接”會(huì)帶來(lái)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?cè)诩夹g(shù)棧的每一層都有布局：Copilot、OpenAI 的股份、Azure 層、芯片等。在這個(gè)堆棧中，有什么是必須贏的嗎？你們會(huì)做行業(yè)解決方案嗎？

Satya Nadella：從核心來(lái)說(shuō)，我對(duì)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(zhǎng)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(lái)推動(dòng)業(yè)務(wù)成果或消費(fèi)者偏好結(jié)果。這關(guān)乎每個(gè) Token 的價(jià)值。

圍繞這兩個(gè)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(gè)新平臺(tái)都有對(duì)應(yīng)物，比如萬(wàn)維網(wǎng)時(shí)代的網(wǎng)頁(yè)服務(wù)器。現(xiàn)在這是AI 服務(wù)器或 AI 云。

所以我們肯定會(huì)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(duì)會(huì)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?cè)卺t(yī)療和科學(xué)方面做了很多工作。

醫(yī)療： 我們收購(gòu)了Nuance，現(xiàn)在有一個(gè)叫 DAX Copilot 的產(chǎn)品，用于醫(yī)生筆記的說(shuō)話者分離和記錄。這讓醫(yī)生有更多時(shí)間與患者相處，AI 處理從編碼到會(huì)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(gè)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(shí)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(duì)接，協(xié)調(diào)一切以加速科學(xué)循環(huán)。

John Collison：作為一家平臺(tái)公司，總是需要決定何時(shí)將產(chǎn)品捆綁在一起，何時(shí)讓它們獨(dú)立。Apple 最初只允許 Mac 使用 iPod 以推動(dòng) Mac 銷量，后來(lái)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(lái)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(lái)進(jìn)入了 Windows 和 Office 緊密耦合的時(shí)代。Azure 起初也是，后來(lái)完全擁抱了 Linux�，F(xiàn)在 Microsoft 作為一個(gè)平臺(tái)型公司，似乎越來(lái)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(gè)框架？何時(shí)耦合，何時(shí)獨(dú)立出售？

Satya Nadella：這是一個(gè)很好的觀點(diǎn)。我對(duì)這個(gè)問(wèn)題的思考方式是：我們很多時(shí)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(dòng)的（Multi-player）。

云計(jì)算就是一個(gè)經(jīng)典的例子。當(dāng)我剛開始做Azure 時(shí)，AWS 已經(jīng)遙遙領(lǐng)先了。人們會(huì)對(duì)我說(shuō)：“哦天哪，AWS 難道不是已經(jīng)贏了嗎？”但事實(shí)證明這個(gè)市場(chǎng)足夠大，且是多方參與的。那么，市場(chǎng)上還有容納第二個(gè)云廠商的空間嗎？畢竟曾面臨 Oracle 和 IBM 等公司的競(jìng)爭(zhēng)。在所有中間層服務(wù)器等領(lǐng)域，我當(dāng)時(shí)的感覺(jué)是，企業(yè)客戶和商業(yè)客戶總體上會(huì)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(dòng)，剩下的就是歷史了。

如果把事情過(guò)度包裝，實(shí)際上可能會(huì)在某種程度上縮小你的可尋址市場(chǎng)（TAM），導(dǎo)致無(wú)法競(jìng)爭(zhēng)。舉個(gè)例子，如果我們當(dāng)初構(gòu)建 Azure 時(shí)——我們以前叫它 Windows Azure，如果真的只叫這個(gè)名字，那就成問(wèn)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(lái)支持，必須將 MySQL 和 PostgreSQL 作為“一等公民”來(lái)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(dòng)力在于總體可尋址市場(chǎng)（TAM），這也是客戶對(duì)我們的期望。雖然我們將面臨激烈的競(jìng)爭(zhēng)，但這對(duì)我來(lái)說(shuō)，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(chǎng)機(jī)會(huì)？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(gè)關(guān)于整合收益及平臺(tái)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(shuō)：“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(huì)帶上我所有的軟件。”沒(méi)問(wèn)題，我們必須贏得那項(xiàng)工作負(fù)載。也許將來(lái)某一天，當(dāng)他們覺(jué)得自行管理多區(qū)域數(shù)據(jù)庫(kù)太麻煩時(shí)，可能會(huì)說(shuō)：“哦，那我就用 Cosmos DB 吧。”但這應(yīng)該是一個(gè)獨(dú)立的決定。

John Collison：這難道不總是有爭(zhēng)論嗎？關(guān)于是否只有在擁有Linux 和 Azure 的捆綁情況下，才會(huì)賣出更多 Azure？Windows 團(tuán)隊(duì)的人可能會(huì)說(shuō)：“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(jué)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(gè)組合更有吸引力。所以，你最終難道不會(huì)總是陷入這種爭(zhēng)論嗎：捆綁的成本是否超過(guò)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(gè)經(jīng)典案例。Teams 作為一個(gè)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(gè)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(gè)將這三者結(jié)合起來(lái)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(shuō)：“嘿，那需要有一個(gè)開放的市場(chǎng)，并且需要與其他事物集成。”所以模塊化必須經(jīng)過(guò)深思熟慮，在原子級(jí)別上具有意義。你不能過(guò)度思考那些協(xié)同效應(yīng)或整合效應(yīng)，否則就會(huì)失去競(jìng)爭(zhēng)力。一個(gè)典型的例子是，如果你構(gòu)建了一個(gè)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(chǎng)的一小部分。

所以，滿足客戶需求符合我們的利益。我對(duì)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(jiǎn)化說(shuō)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(shí)，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(gòu)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(gè)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(huì)說(shuō)，我的做法其實(shí)是回溯到更早的時(shí)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(shí)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(wú)論是在客戶端還是在服務(wù)器端。

就像你說(shuō)的那個(gè)比喻，這像回到了80 年代的情況。比如我們?cè)��?Mac 上開發(fā) Office，那時(shí) Windows 還來(lái)得比較晚。事實(shí)上，比爾·蓋茨創(chuàng)辦微軟時(shí)的理念是把它當(dāng)作一家“軟件工廠”。我不偏愛(ài)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(méi)問(wèn)題，我們有一個(gè)；你想要一個(gè)基礎(chǔ)解釋器？我們有一個(gè)；你想要一個(gè)操作系統(tǒng)？我們也有一個(gè)。所以在某種意義上，這就是最初的想法。

而在某個(gè)階段，我們陷入了四五個(gè)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(shí)，我意識(shí)到：這正是一個(gè)時(shí)機(jī)，市場(chǎng)將變得更大且截然不同。當(dāng)時(shí)我們也沒(méi)有移動(dòng)平臺(tái)，所以確實(shí)需要確保我們?cè)谧畲蟮氖袌?chǎng)中保持相關(guān)性，通過(guò)將我們的產(chǎn)品組合成合理的配置來(lái)覆蓋市場(chǎng)。

坦率地說(shuō)，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(shuō)“我要做這個(gè)”，就能執(zhí)行得很好。實(shí)際上，我們可以把軟件帶到每個(gè)平臺(tái)，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(wàn)字訪談：AI時(shí)代，范式正確不代表就能贏