⚡️Satya Nadella：Microsoft Build 上的 No Priors x Latent Space 跨界特别场

不，非常感谢你，能和你俩在一起真是太好了。我经常听你们两个的播客。能上节目真是太棒了。

我想对我来说，最大的收获或许是：我们应该更多地将其视为一个生态系统的玩法，而不是单一模型甚至单一平台，对吧？无论如何。至少对我来说，在微软成长起来，目睹了各种重大平台转型，它们都属于这一类：一个平台的定义，根本上在于它创造的价值超过平台本身所捕获的价值。所以，如果你看现在正在发生的事情，我认为今天早上的主题演讲就是在讲：任何公司，无论是AI原生公司还是传统企业，如何能作为一等参与者参与进来，让他们能够指向自己创造的AI，对吧？并不是说他们不使用别人的AI。他们当然会用。但对我来说，路径是什么？配方是什么？我该怎么做？技术栈长什么样？工具链长什么样？什么是有价值的？你如何做到这一点？就是这样。这就是我们的工作。

是的。我们想用MAI模型做的事情，就像穆斯塔法谈到的，首先是建立一个优秀的血统，对吧？从预训练开始，拥有非常好的数据质量，做所有的消融实验，确保——因为在某种意义上，构建一个干净血统的模型甚至变得更难了，是的，因为现在有太多东西，你确实需要消融掉，才能得到一个出色的预训练模型。事实上，很多开放权重模型的问题之一就是，它们在一两个基准测试上看起来很棒，但在实践中并不出色。这就是为什么，实际上，即使在我们的FDE中，大家对MAI模型也非常兴奋，因为一个5B的小模型怎么可能做到爬山优化呢？这又回到了我认为最终要做的事情的关键：试图找到那个认知核心。所以对我来说，从干净的血统开始，然后创造让公司能够使用它的能力，对吧？不仅仅是作为一个通用模型，而是通过围绕它构建一个爬山优化框架，来创建他们自己的专用模型。所以这不只是模型本身，而是你围绕它有一个爬山优化框架，然后你开始构建你的RLE。你开始收集轨迹。最重要的是，你会有私有的评估，因为我们知道所有公开的评估都很好、很有趣，但在这个阶段它们并不那么关键，因为它们都可以被刷到最高分。所以关键在于，每家公司都会有自己的私有评估。所以围绕我们模型的这个端到端平台故事，我认为才是真正有趣的。还有一件事，莎拉，既然你提到了，我确实觉得有一个新的前沿。人们谈论前沿，谈论你是否在前沿运作。有趣的是，如果你加入一点时间性，你可以使用——比如说，实际上，我们展示的Land O'Lakes演示非常酷。我们用了GPT-5.5，对吧？然后你收集了一大堆轨迹，接着用一个5B的推理模型，达到了更高的水平。这就是在前沿运作的另一个方面。

是的，我反思得比较多的一件事是，显然我是在对规模定律论文感到兴奋时开始涉足这一切的，而OpenAI的合作关系也是在那些人说“嘿，我们要在Transformer上投入大量算力”时开始的。他们确实帮了忙，对吧？我回顾时总是感叹，这些东西确实有不断攀升的能力。用粗俗的话说，智能大致等于算力的对数，这似乎成立。现在，我认为我们可能低估的是现实世界的复杂性。部署这些东西，让它们真正在现实世界中创造价值，对吧？所以，任何基准测试衡量的结果都很有趣、很重要，但真正的评估是，当人们能够用它们做只有他们自己才能评估价值的独特事情时，而且这是非常可衡量的，对吧？我希望我们当时能更意识到这一点，作为一个行业，因为现在，当人们说“我不想只是最大化token”时，这其实是我们行业没有意识到我们每一步都在用token创造价值的产物。所以，这就是我希望我们当时能到达的状态，但我很高兴我们现在已经在这里了。

你看到哪些用例为客户创造了最大的价值？因为我知道人们经常谈论代码，而且很明显这是正在产生大规模影响的东西。还有其他你发现客户普遍受益的领域吗？

是的，我想说到你的观点，显然编码现在已经——但有趣的是，顺便说一句，伊拉吉，甚至谈论编码本身，对吧？编码之所以效果这么好，以至于我们现在必须重建IDE，对吧？看到我们发布的东西，真是疯狂：哦，天哪，我有100个agent会话。它转移给我的认知负担太大了。现在我需要一个新的UI。哦，顺便说一句，我喜欢把聊天作为唯一的交互形式，但这也是不可能的。所以我们需要一个画布。所以有趣的是，关于哪里需要软件或哪里需要UI，即使是在一个完全agent化的世界里，编码也需要这些。但话虽如此，我们开始看到的一件事是，我们从Cowork开始看到，甚至我们展示的一些与Claude合作的Autopilot工作也是一个很好的例子，因为如果你想想，很多人力资本在做的是胶水工作，对吧？如果你现在能用长期运行、持久的token/agent来增强它，那么你扩展甚至判断和胶水工作的能力就会像编码一样被放大。所以你可以——我确信六个月后，我们都会说，哦，哇，整个晚上，所有这些我授权代表我工作的autopilot，做了很多事情。当然，那时我需要一个新的ADE来告诉我：你做了什么？这是我做的工作吗？等等。所以我认为这就是工作流压缩和任务完成的地方。我认为大量价值就是在那里被创造出来的。

我觉得你提出了一个很有意思的观点，就是一边是实际写代码的智能体，另一边是围绕它的"套件"——也就是环境、上下文，以及开发者围绕编码智能体搭建的一切。那么，企业的"套件"是什么？在更广泛的生产力工作中，有没有类似的概念？或者你如何看待这个概念？

没错。从某种意义上说，你希望套件来定义模型、数据和工具，从而在这三者之间形成一个循环。所以我们首先要确保，我们构建的每一个产品——无论是 GitHub Copilot、我们用 M-Dash 展示的安全 Copilot，还是科学发现工具——都不例外。它们都是多模态的套件，具备工具访问能力，这样你甚至可以渐进式地暴露工具，使其保持 token 高效。然后你为它提供非常丰富的上下文，因为这是我们在过去两年中学到的另一个艰难教训：天哪，为了准备好上下文层，让你的计划能以最高效的方式执行，需要做多少工作，而这正是神奇之处。所以，在我们的案例中，我们有 GitHub 套件，它基本上被用于我们所有的产品，在 Foundry 中可用。而且我们是开放的，你可以使用你的 Llama 套件，或者任何开放的套件，或者你自己的套件，并用你的工具、多个模型和你的上下文进行训练。这就是我们的主张，因为现在很多讨论都在说，嘿，如果我把套件、工具和模型一起训练，就能得到评估结果。而我们正在证明的是——最好的例子就是 M-Dash，对吧？因为它上线时，发现了一些 Mythos 没有发现的 bug 或漏洞。所以我认为，存在一个实证：你可以拥有一个多模态套件，它在现实世界中实际上可以表现得更出色。

是的。我认为，一个非常成功的平台构建者同时拥有第一方产品，这种情况总是存在的。Windows 时代是这样，SaaS 和云时代对我们和其他公司来说也是如此。但关键在于，这不应该成为其他人取得同样成功的限制，对吧？我认为这是核心区别：这次围绕智能的网络效应之所以如此强大，是因为它们从数据中学习。而且不是大量的数据，只是你需要看到的几个样本，就能理解某件事的新颖之处。所以这就是为什么游戏变成了如何保护。因此，我会说，每家公司拥有私有评估可能是最大的知识产权。我是这样想的：你有一个私有评估，可以用它来让前沿模型爬山优化，同时不泄露轨迹——这可能是知识产权最大的驱动力之一。换句话说，另一个资产测试是：你有一个私有评估，使用模型 A，能否切换到模型 B 并继续向上爬？如果能，你就掌控了局面；如果不能，你就失去了控制。这就是套件决策变得极其重要的原因，对吧？因此，拥有一个开放的套件，让所有模型都能接入，让你的评估、上下文和工具帮助你爬山——我认为这是原生 AI 初创公司、SaaS 公司或每个企业都需要掌握的技能。

就是这样。

没错。对我来说，这就是——整个开发者大会有一个口号：每个人都能用他们的前沿智能在前沿运作。对我来说，这非常重要，因为否则我不知道如何实现稳定均衡——也就是说，我如何让我的公司拥有终值，因为我现在知道如何在一个不断变好的平台上持续叠加。所以，当 Windows 推出时，Adobe 和 Autodesk 在上面构建了产品。或者拿 Jensen 的话来说，我们构建了 DX，他在上面构建了 CUDA。我总是对 Jensen 说，天哪，我在这件事上吃了亏。我希望我们当时能意识到这一点。但无论如何，这种想法——你可以构建一个平台层，然后别人可以在上面扩展并构建自己的智能层——我认为就是一切，对吧？没有它，为什么要开开发者大会？我完全可以来让你们都崇拜一个模型。但那不是开发者大会。

是的，这是一个很好的框架，对吧？因为归根结底，每家公司都会拥有人力资本，这仍然非常有价值，因为人类及其发现始终存在差距的能力，将是我们所有人创造价值的方式，对吧？所以我绝对属于这样一个阵营：即使 token 资本在增加，这也会是关于表达新形式的人类能动性和抱负的。所以，假设任何一家公司都有大量的 token 和大量的人力资本。问题是如何将两者结合起来。所以，如果你在 Teams 中有一堆智能体在工作，一堆人类在工作，以及它们之间的轨迹——这些就是企业如何创造价值的非常重要的上下文。然后这又回去训练，不是训练一个通用模型，而是训练公司的"老员工智能体"。这再次变得非常有价值，对吧？我认为公司应该把它放到资产负债表上。事实上，人力资本以前从来不可能放到资产负债表上，因为你不知道如何捕捉隐性知识。而现在我认为你可以通过那些随时间从所有轨迹中学习到的智能体来实现。所以至少我们认为是这样。

是的，我认为现在发生的情况是，我们过去有一种特定的方式来捕获工作流，也就是通过应用。对吧？因为我们构建了一个数据模型，将某个业务流程的某些部分模式化。然后我们构建了一堆业务逻辑。对。接着我们在上面加了一层用户界面。这就是每家SaaS公司所做的——

就是这样。所以有趣的是，现在你可以重新审视这种垂直堆叠。我仍然认为，例如，你在每个SaaS应用底层构建的数据模型是非常好的。对吧？为什么要重新发明它呢？我的总账就应该是一个总账。我不需要创建新的模式。事实上，那个实体关系模型已经相当不错，是一个健壮的东西，我希望用它来输入数据。

没错。

业务逻辑也是如此，对吧？你看看——我们有一个叫Power BI的产品，人们创建了大量的仪表盘。仪表盘背后的美妙之处在于一个非常丰富的语义模型。有人费尽心思创建了一个仪表盘，并完成了所有度量。这就是业务逻辑，对吧？我希望这些能为我所用。所以我认为SaaS商业模式面临的挑战是，我们过去用一种方式打包。现在我们必须学会如何解绑这些东西，并以新的方式重新捆绑，发现新的商业模式。你看看，今天Microsoft 365的情况就是一个很好的例子。我们有一个叫WorkIQ的产品。事实上，我们意识到，天哪，如果你看看——实际上，历史上有一个类似的例子。我们最初销售Exchange和SharePoint，在Teams之前，我们有一个叫Lync Server的东西。我们以为，哦，这些都会迁移到云端。但我们没有意识到，使用云端服务器的人数会是原来的10倍、100倍。因为人们不再购买服务器，他们只是购买订阅。现在M365也发生了同样的事情，因为通过WorkIQ，我们暴露了一个公司里最重要的数据库，它从未被当作数据库使用，因为它只被我们的应用所独占。所有的电子邮件、Teams、Word、Excel、PowerPoint、SharePoint都在它上面运行。但现在，这是我用WorkIQ能做的最酷的事情之一。我去一个GitHub仓库，说，嘿，我上周参加了一些与这个仓库相关的设计会议。你能捕捉所有这些信息，并告诉我应该做哪些修改吗？想想看，对吧？它真的可以去查看所有那些会议记录，然后返回一个修改你代码库的计划。以前，你永远不可能想到用M365来做这样的事情。所以，在智能体世界里，价值创造的机会实际上大了10倍。但这确实要求我们，例如，围绕M365会有新的使用方式，甚至可能超过最终用户的数量。我们甚至需要重新架构。事实上，过去用来服务收件箱或邮箱的东西，不能用来服务智能体。而这正是我们现在正在做的。

是的，我对此的看法是，我们一直都有——就拿按用户定价来说。按用户定价实际上是有人需要制定预算、需要确定性的产物，因为这是最重要的事情。有人想要预算，他们就需要按用户定价，而按用户定价只是一组使用权限的集合，对吧？就是这样。所以，首先的捆绑方式会是：把一些使用量打包成按用户堆栈，然后销售订阅。所以订阅，我认为会继续存在。按用户定价也会继续存在。然后下一个大趋势将是按消耗量计费。人们会说，我想要按消耗量计费。也有可能人们会说，我甚至不想为任何订阅或消耗量付费，我只为结果付费。但请记住，大多数人在真正面对结果之前都喜欢结果。因为一旦你有了结果，这就像支付版税。我和一些喜欢按结果定价的客户聊过，我说我完全支持，直到他们说："天哪，你在说什么？你要分享我的成果？不，不，我希望你回到按用户定价，或者按消耗量计费。"所以我认为这种争论会持续下去，所有这些商业模式都有其特定的时间和场合，而不是一种模式统治一切。而且，如果你是SaaS供应商或平台供应商，拥有这种灵活性很重要。坦白说，我们在GitHub上就面临这个问题。我们最近刚刚宣布了GitHub的按用户定价，因为GitHub Copilot最初是按用户级别构建的，那时我们甚至还不了解智能体使用的强度。它是一种让开发者交互式地使用代码补全、可能还有任务的方式。而不是像"哦，我启动了10,000个全天候运行的智能体"。

所以这就是调整的意义所在。现在我们真正想要的是——按用户定价会一直存在，但必须要有按消耗量计费的方式。

你如何看待SaaS更广泛的持久性？我观察到的一点是，在很多企业内部，有些团队几乎处于智能体狂热状态。他们对能够构建的东西的爆发感到非常兴奋，以至于试图重建大量应用，或者去找他们的SaaS供应商说，我们不再合作了，或者我们正在考虑内部项目。看起来在6到9个月后，也许其中一些人会回来说，实际上，我们无法重建一切。你如何看待在这个世界里，什么是持久的，什么不是？

我认为我们必须经历一个完整的预算周期才能真正看到平衡的出现。因为归根结底，即使生成一个应用也有边际成本，对吧？事实上，甚至可以用一种简单的方式来说。如果自己构建和维护的边际成本更高，你就应该从外部获取，对吧？这应该是一个可量化的事情。而维护部分很重要，对吧？你还要记住，AI 现在会发现的所有安全问题，你最好也尽快修复。当然有编码 agent 可以帮你，但那会消耗 token。对吧？所以这是谁的责任？这是一个需要你仔细思考的循环。我认为我们已经经历了那种“我能生成大量软件”的兴奋期。下一步应该是：我真正想生成什么软件？我想从别人那里使用什么软件？我如何将这两者组合成我能掌控的 agentic 工作流？对吧？因为我认为对供应商层面缺乏灵活性的人，容忍度会非常低。但与此同时，我认为那些展现出灵活性、交付价值的人，会再次被选择，对吧？我们只是在用不同的商业模式销售软件。

是的。首先，我们得面对现实，对吧？构建软件已经让像我这样无能的 CEO 也能做到了。你可以构建。所以谢天谢地。但话说回来，我确实觉得像 GitHub Copilot，尤其是新的 sessions 应用或新应用，让你对自己以前觉得无法触及的工件有了更多的掌控力。对吧？所以对我来说，作为一个 CEO，即使去接触代码库，能够学习它——我记得很久以前刚加入微软时，每个人都要去看 Cutler 的 Malik 之类的代码，来学习如何写出好的 C、C++ 代码。现在这种能够更全面地上下贯穿的能力非常棒。但这并不意味着我们每个人都应该做同样的事情。问题在于，你如何拥有检查、学习和观察的能力，我认为这要丰富得多。所以对我来说，我构建了很多长期运行的 Foundry agent，对吧？比如 Autopilot。最简单的事情是，我上周刚构建了一个，想法是：能不能有一个 agent 持续监控我自己的 Chief of Staff autopilot？对吧？我们显然会在 Scout 中实现这一点。这就是我们展示的内容。但构建起来非常容易和简单。我用了 WorkIQ。我说，用 WorkIQ 去构建一个 Foundry 长期运行 agent，用 Rayfin 存储所有记忆，对吧？基本上作为我的后端服务。结果它真的构建出来了。而且不仅仅是构建，我还能说发布到 Teams，它就把那东西发布到了 Teams。所以能够完成这样一个端到端的项目，简直是奇迹。

你认为这会如何影响未来不同类型的工程角色？因为现在我认为有十几种不同类型的工程师，从 QA、前端等等。范围很广。我听到一些人争论说，在 4 或 5 年内，我们基本上只会剩下 4 种工程角色。会是那些管理 agent 的人、前向部署工程师（FDE）、安全工程师，以及为少数服务处理大规模基础设施的人。其他一切都会融入 agentic 世界。是的，我认为这是对世界的一个正确看法。

是的，我认为我们必须在实践中摸索。但你刚才说的——LinkedIn 有一些大规模的事情。他们确实进行了结构性变革，基本上建立了一个名为“全栈构建者”的新学科。对吧？他们去说，嘿，让我们把设计、产品管理、前端工程的人聚在一起，但同时也要有各自的专长，对吧？并不是说设计人员就没有设计专长，或者前端人员就没有前端专长，但你可以给自己更大的角色范围，这样你就不会被限制在一个角色里。同样，基础设施也变得非常关键，对吧？换句话说，RLE（奖励学习环境），我们意识到的一件事是，即使是 Excel 团队，构建一个可以学习奖励的 RLE 实际上是最困难的基础设施问题之一。所以你需要新的人才，对吧？即使在被认为是最终用户应用团队中，也需要分布式系统人才，因为这是不同的技能组合。所以是的，基础设施科学显然是另一个领域。所以我认为我们会看到这些如何演变，对吧？真正的——世界总是会有一批专家。我认为通才的角色将是最令人兴奋的，对吧？因为通才的杠杆作用将带来最大的回报，对吧？当你问“你在写代码吗？”时，我现在是一个通才——我基本上转化了知识工作，对吧？我以前创建 Word 文档或电子表格，现在我可以构建一个应用，对吧？这都在同一句话里。那种“哇，我的通才技能获得了更高的杠杆”的想法，我认为将是我们在各个领域都能看到的。

这是个很好的问题。我认为，在这种转型过程中，关键是要有一个概念模型，理解工作如何改变，从而去追求以前几乎无法想象的目标，对吧？实际上，Kevin Scott 有句名言：当你把不可能的事情变得更容易时，那是一个杠杆点。但真正的雄心在于把不可能变为可能。所以，现在我们所有组织中稍微欠缺的是，那个新的概念模型是什么——我们能构建什么？哪些事情曾经不可能，而现在可以做到？我给你举一个例子。我从管理 Azure 网络的人那里获得了很大启发。他们去年就来找我们了。当时我们在扩张规模。你看到我提到过，过去15个月我们建设的 Azure 容量超过了前15年的总和。这很疯狂，对吧？而且团队还是同一个团队。他们看到这个情况后说，Bob，如果我们不重新定义工作方式，这根本行不通。于是他们构建了——基本上，他们说，我们的工作不是做 Azure 网络运维，而是构建一个能自动完成 Azure 网络运维的智能体系统，对吧？这些人管理着500多家光纤运营商，负责全球广域网。光纤运维本质上是个物理操作。设备会出故障，需要维修。我们有花哨的词叫 DevOps 等等。但本质上就是收到邮件，然后去响应处理。所以他们构建了这个智能体系统，甚至给它起了个名字叫 Miles，功能很齐全。他们开始要求更多的 token 来管理运营。他们说：“看，我们不需要增加人手，我们需要 token 来管理运营。”这就是对工作的重新定义，对吧？他们基本上把工作提升到了元层面，元工作成了他们的新工作。在80年代，如果有人告诉我们，40亿人早上起来会开始打字，我的模型会是需要40亿打字员。但我们做的不是打字，而是知识工作。所以对我来说，无论是微软还是任何组织，关键在于允许自己去做新型的元认知、元工作，利用这些新工具来改变重要的产出，真正把不可能变为可能。把这些点连接起来，我认为很多企业价值就会由此产生。

好，问吧。

是的，我认为有两个方面。显然，建设规模非同寻常，历史上从未有过，能参与其中很棒。但你提到了另一个方面，对吧？我认为现在很清楚，除非我们整个行业非常有原则地确保我们所谈论的一切好处能在社区层面真正被感受到，否则不行。因为这不仅仅是一场宣传，对吧？它必须是真实的，让人们说：“看，这并没有改变我的能源价格。实际上，它反而降低了价格，因为长期来看会有更好的电网，更多的能源。水的消耗实际上并没有增加，反而在补充。”我们必须真正教育人们了解实际情况，了解我们正在构建的闭环系统。我们必须投资于培训、就业和税收基础。实际上，最不被提及的是建设期间和建设后创造的就业机会，以及社区中的知识基础和税收。所有这些都必须真实。如果做到了，我们就会获得许可。如果没有，就不会。就这么简单，对吧？我认为我们整个行业必须认真对待这件事。我认为社区保持怀疑、提出尖锐问题是好事，我们也需要为此付出努力。但最终，如果我们能真正成为生产者——我一直觉得，在人类历史上，如果你消耗了大量能源，但也为社会创造了巨大价值，那故事就很精彩。如果你做不到，那就没那么好了。而这一次，我坚信，如果你有一个 token 经济，能推动生产力、经济增长、广泛参与和更好的健康结果，那么我们会处于一个很好的位置。这至少是我们所有人必须关注的重点。

我认为两方面都有。实际上，它们是相互关联的。社区中的人们必须被雇佣，必须参与实体经济。对吧？我认为问题是，如果整体经济表现良好，社区也表现良好，这些点就会连接起来。市场力量会让我们连接这些点。我认为就是这样。你应该能看到证据。这不能只关乎某一家公司，而必须是广泛的经济增长和广泛的社区许可。

你目前最乐观的是什么？或者你个人关于 AI 社会影响的模型最近有什么更新？

你是说——

是的，我认为最关键的是我们一开始就提出的问题：我们需要讲述一个故事，并让它成为现实，让每个人都有机会作为一等参与者加入这个新经济。我认为，在未来12到18个月里，我们需要让人们说：“哦，我明白了。”会有巨大的能力和基础设施，但我能看到将要发生的事情，无论是健康结果这样的好处，还是我创办初创公司的能力，或者更高效地经营本地商店的能力。它正在发生，我自己也能看到好处，对吧？对我来说，以一种路径依赖的方式赢得这种许可，我们不能等待。你看，Hila，我现在学到的一件事是，我认为世界会对科技和科技公司非常怀疑，如果它们说：“相信我们，我们搞定了，未来会很美好。”我们必须交付实实在在的好处。坦率地说，政客们因为倡导这一点而赢得选举。这至少是我的调整，因为如果没有这一点，认为——因为这次太重要了，它涉及经济中太多部分，不可能不如此。

是的，我认为这又回到了我们如何思考教育的问题上——最近我遇到了 Alpha School 的创始人，了解了很多他们正在做的事情。听他们重新思考教育到底应该是什么样子，真的很有意思。因为我认为这其实非常重要。我并不是说传统做法不重要，对吧？我甚至看过——这很有趣，我忘了是斯坦福的哪门课，好像是亚洲的计算机科学指南之类的，因为人们仍然需要学习。比如，有一门很有意思的 AI 课程，他们确保人们学会如何正确应用 softmax，而不是直接说“帮我修好训练过程”。所以我认为学习概念很重要，这将是关键。但我们如何创造激励机制，什么是资质凭证，我们如何评估这些凭证的价值，这些凭证又能带来什么样的就业机会？因此，我认为，鉴于获取信息、自我教育以及持续更新知识的方式已经发生了巨大变化，我们必须进行彻底的变革。所以，有趣的是，下一个大型初创公司和成功故事，可能就是一个建立新大学或新教学法的人，帮助他人完成课程并找到经济机会。这非常有价值。

非常感谢。谢谢你，我很感激。也谢谢大家。