萨提亚·纳德拉谈人工智能带来的商业变革：SaaS、OpenAI 和微软的未来

微软的第三任 CEO 在达沃斯与 All-In 节目的主持人进行了一次对话，并提出了一个令人惊讶的具体愿景：人工智能不会取代知识型员工，而是重塑他们。其中最能说明问题的细节不是对通用人工智能的预测，也不是对 OpenAI 交易的辩护，而是一个不为人知的组织事实：微软在四年内增加了 900 亿美元的收入，却没有增加一个净新增员工。

快速概览

萨蒂亚·纳德拉（Satya Nadella）在达沃斯世界经济论坛上与杰森·卡拉卡尼斯（Jason Calacanis）和大卫·萨克斯（David Sacks）进行了一场 30 分钟的炉边谈话。对话内容涵盖了 AI 助手和代理如何重塑知识工作、微软自身的组织转型、AI 技术的全球普及、与 OpenAI 的关系，以及为什么基础模型可能会遵循与数据库相同的轨迹。纳德拉显得轻松、具体，并且特别愿意将微软定位为一个平台公司，而不是一个模型公司。

无限思维的管理者

纳德拉以编码为例，说明了 AI 形式因素的演变。其发展过程为：下一个编辑建议（最早的信号，在 GPT-3.5 之前）到聊天，到通过 API 和计算机使用的操作，再到在前景和背景中、本地和云端运行的完全自主的代理。关键的见解是：你同时使用所有这些。这不是一个替代链，而是一个组合。

他借用了 Notion 首席执行官的一个比喻：我们正在成为“无限思维的管理者”。其运作原则是“宏观委派，微观指导”，这意味着你将大型任务分配给代理，并在它们工作时并行地进行纠正。这种情况已经在编码中发生。在 GitHub Copilot 中，开发人员可以在 VS Code 中编辑时运行前景和背景代理，并通过 MCP 服务器从会议、规范和存储库中提取上下文。

对于企业知识工作，微软推出了“Agent 365”，它将人类身份系统和端点保护扩展到 AI 代理。出现了两种模式：为每个知识型员工提供他们自己的代理群，以及创建具有独立身份的独立代理。关键的基础设施问题变成了“谁对谁做了什么”，这是任何组织中最重要的查询。

“We macro delegate and micro steer.” 我们宏观委派，微观指导。

900 亿美元的收入，零员工增长

杰森强调了一个引人注目的事实：微软的员工人数在四年内基本持平，而收入增长了 900 亿美元，收入翻了一番。纳德拉将此描述为自 PC 以来知识工作领域最大的结构性变化。

他的类比是：在 PC 出现之前，一家跨国公司进行预测依赖于传真和内部备忘录。PC 带来了 Excel 电子表格和电子邮件。工作成果和工作流程都同时发生了变化。这就是再次发生的事情。

具体的例子来自 LinkedIn。他们过去有四个不同的角色：产品经理、设计师、前端工程师和后端/系统工程师。他们将前四个角色合并为“全栈构建者”，并扩大了范围。这不仅仅是裁员，而是一种速度策略。不再是四个人跨职能沟通，而是由一个人使用 AI 工具进行“氛围编码”，从而产生一个全新的工作流程：评估到科学到基础设施。

“We took those first four roles and combined them. They’re all full stack builders.” 我们将前四个角色合并了。他们都是全栈构建者。

纳德拉小心地指出，微软有双重义务：既要构建未来（改进 Copilot 评估），又要维护现在（通过质量热补丁 Windows）。两者都必须是一流的。

职业生涯中最激烈的竞争

当被问及竞争格局（xAI、Google、OpenAI、Anthropic、Claude）时，纳德拉一如既往地谨慎。他承认这是一个“非常激烈的时期”，但通过增长的视角重新定义了竞争：技术占 GDP 的百分比在五年内将会更高。它并不像人们想象的那么零和。

他的竞争哲学以品牌许可为中心：了解客户对微软的期望，而不是将每家 AI 公司都视为直接竞争对手。这是彼得·蒂尔（Peter Thiel）避免竞争建议的一种变体，但通过客户信任和期望的视角来应用。

普及重于发明

大卫·萨克斯询问了 AI 的普及，这是纳德拉在达沃斯晚宴上提出的一个概念。纳德拉引用了达特茅斯学院经济学家迭戈·科明（Diego Comin）的研究，他研究了工业革命：领先的国家不一定是发明技术的国家，而是进口最新技术并在其基础上进行增值工作的国家。

对 AI 的启示是：美国拥有这项技术。问题是它是否被用于医疗保健、金融服务、公共部门、小型企业。全球南方有一个特殊的机会，因为他们 GDP 的 40-50% 是公共部门。如果 AI 使政府服务更有效率，那么 GDP 增长率就会提高几个百分点。

萨克斯提出了他自己赢得 AI 竞赛的指标：市场份额。如果美国公司在五年内在全球拥有 80% 的市场份额，那么美国就赢了。如果中国的芯片和模型占据主导地位，那么美国就输了。纳德拉同意了，但增加了一个关键层面：生态系统效应。他回忆起微软如何始终跟踪本地生态系统中创造的就业机会，每个国家的独立软件供应商、渠道合作伙伴和 IT 工作人员的数量。美国的技术堆栈在全球获胜，不仅通过收入，还通过使其他人能够在其基础上构建。

“A platform is when the revenue on top of your platform is some factor of your own revenue.” 当平台上的收入是你自身收入的某个倍数时，它就是一个平台。

模型是新的数据库

关于与 OpenAI 的关系以及微软是否需要自己的基础模型，纳德拉提出了他最尖锐的论点之一。微软的战略有三个层次：

Token 工厂（Azure 基础设施）：构建针对 TCO 和利用率优化的异构计算集群。这是最大的业务，也是 TAM 最广泛的业务。

应用服务器（Foundry）：正如每个平台时代都有一个应用服务器一样，AI 也需要一个。这就是编排发生的地方。

多模型编排：纳德拉明确表示，任何构建任何东西的公司都不会使用一个模型，而是会使用所有模型。他引用了微软的医疗保健“决策编排器”，它将提示的角色（调查员、数据分析师、领域专家）分配给不同的模型，并获得比任何单一前沿模型更好的结果。

然后是数据库类比：“模型就像数据库市场。”在 90 年代，一切都是 SQL，直到不再是。文档数据库、NoSQL、Postgres 开源，市场激增。基础模型也会这样做。将会有闭源的前沿模型。将会有开源的前沿级模型。关键的是，每家公司都应该能够将其隐性知识嵌入到其控制的模型权重中。

“When somebody asks me how many models should there be, I’ll say as many models as firms in the world.” 当有人问我应该有多少个模型时，我会说有多少家公司就应该有多少个模型。

工作站回来了

微软已经有一个 Phi Silica 模型完全在本地的 NPU 上运行。纳德拉认为 PC 正在成为一流的 AI 平台，本地模型处理提示处理并有选择地调用云。他指出，微软“只需进行一次架构调整”就可以实现可以改变混合 AI 的分布式模型架构。

杰森指出，Claude 的协同工作功能展示了利用本地文件系统的强大功能，这证明了微软对 PC 形式因素的押注是正确的。

企业 AI 采用：自上而下与自下而上相结合

当被问及企业 AI 的采用将是自上而下还是自下而上时，纳德拉回答“两者都是”，但给出了每个的具体细节：

自上而下（第一波）：客户服务、供应链、人力资源自助服务。这些是简单的 ROI 项目，IT 和 CXO 可以直接做出决定。

自下而上（最终具有决定性意义）：个人员工构建代理，以消除其工作流程中的繁琐工作。他将其比作 PC 革命：律师带来了 Word，财务带来了 Excel，电子邮件随之而来，然后这一切都变成了标准配置。

一个具体的内部例子：微软在全球管理着 500 多个 Azure 光纤运营商。网络运营团队构建了数字员工来处理 DevOps 任务，例如跟踪光纤中断和协调维修，用自动化代理取代了电子邮件链。这完全是自下而上的创新。

大学招聘问题

关于招聘的未来以及应届毕业生是否在微软有一席之地，纳德拉反驳了悲观情绪。他的论点是：AI 极大地提高了新员工的生产力曲线。一个帮助你入门代码库的代理“就像拥有一个令人难以置信的导师”。大学招聘人员的上手速度将比以往任何时候都快。

微软正在试验一种新的学徒模式：将大学招聘人员与高级 IC 开发人员配对。新的工艺不是阅读戴夫·卡特勒（Dave Cutler）的代码来理解伟大的工程，而是观察 10 倍/100 倍的工程师如何使用 AI 来构建伟大的产品。

一点洞见

纳德拉在这次对话中最能说明问题的举动是他没有声称的内容。他没有声称微软需要自己的前沿模型。他没有声称竞争格局具有威胁性。他没有声称 AI 会消除微软的工作岗位。相反，他始终将微软定位为“淘金热”中的基础设施层：Token 工厂、应用服务器、编排平台。

以下是一些值得思考的事情：

• LinkedIn 的“全栈构建者”重组是一个领先指标。当像微软这样大的公司将 PM、设计和前端合并为一个由 AI 增强的角色时，它标志着一个结构性转变，将在整个行业中传播。
• 模型的数据库类比是任何人提供的最清晰的框架。它立即解决了“谁赢得了模型竞赛”的问题：每个人和没有人，就像数据库一样。
• “宏观委派，微观指导”是代理时代的管理理念。它意味着一个瓶颈不是执行能力而是判断质量的世界。
• 900 亿美元的收入增长和员工人数持平是每个 CEO 都会内化的数字。这是 AI 驱动的生产力并非理论的证据。