#模型时代# 萨提亚：微软是平台、产品、伙伴三合一的公司，智力和能耗呈对数关系，程序员工作会变成架构师工作

前几天YC首届AI创业学院的活动，微软CEO萨提亚也参加了，才来得及整理一下他的主要观点。

萨提亚可以说是最牛职业经理人之一了，他1992年加入微软，从一名普通工程师做起，经历了个人电脑、互联网、移动云计算等多次技术变革，2014年成为微软第三任CEO。在他的带领下，微软市值从3000亿美元飙升到3万亿美元级别。

***
AI平台演进：从数据库到智能引擎的历史轮回

说到AI在微软整体战略中的定位，纳德拉提到了一个特别有意思的视角。

他把微软定义为**"平台公司、产品公司和合作伙伴公司"三重身份的结合体。在他35年的职业生涯中，见证了客户端-服务器、Web互联网、移动云计算**三次重大平台变革，现在AI是第四次。

最让人印象深刻的是他对"平台复合效应"的分析。他认为AI之所以扩散得如此迅速和广泛，正是因为它建立在前一代平台基础之上。如果没有云计算的基础设施，就不可能构建出训练AI模型所需的超级计算机集群，也就不会有今天的大模型和相关产品。

这种复合效应带来了前所未有的机遇。纳德拉特别强调，我们正处在**"系统软件的黄金时代"**。无论是大型科技公司还是初创企业，只要专注于基础设施层面的创新，都有巨大的发展空间。

从技术角度看，AI训练任务带来了全新的工作负载模式。与传统的Hadoop作业不同，大模型训练是**"数据并行的同步工作负载"**，这完全重新定义了平台架构的设计思路。

但纳德拉想传递的最核心信息是：所有这些技术突破的最终目标，就是推动经济增长和GDP增长。他的AI评判标准很简单：是否在为世界创造真正的价值增量，一个社区、一个国家、一个行业、一个公司，一次一个地实现突破。

模型与应用：寻找AI时代的"SQL时刻"

说到应用层面的发展，纳德拉的思考角度和大家想的不太一样。

当前有个很有趣的现象：模型能力突飞猛进，但计算平台和应用层面似乎还需要时间追赶。很多人担心，是不是模型变成了新的应用本身，传统的应用开发模式会被颠覆？

纳德拉的回答挺有启发性。他抛出了一个关键问题：模型到底更像SQL，还是更像SaaS应用本身？

在他看来，如果把"模型+脚手架+工具调用+无限循环"当作产品本身，那就相当于说"一堆SQL业务逻辑就是应用程序"。这显然是不合理的。

真正的突破在于，我们第一次有了类似SQL引擎的稳定平台层。过去的机器学习系统都是垂直集成的，缺乏标准化的中间层。现在的模型层提供了类似SQL的能力，开发者可以在此基础上构建复杂的应用产品。

特别值得关注的是推理时计算（inference time compute）和工具调用的结合，这为构建复杂应用提供了强大的基础框架。纳德拉一直梦想着AI能有"SQL时刻"，现在看来这个时刻正在到来。

但他也强调了应用层的独特价值：真正的产品创新发生在数据反馈循环中。产品内部的数据路径用于后训练、工具选择优化等环节，这才是应用层面价值创造的关键所在。

算力与社会责任：能源使用的"社会许可"

很多人都好奇算力需求暴增会带来什么挑战，纳德拉的回答很独特。

他算了笔账：如果按照**"智能=计算的对数"这个关系，再考虑计算消耗的能源，目前美国的计算耗能占比大约是2-3%**。假设这个比例翻倍到6%，意味着AI需要消耗大量额外的能源。

但纳德拉认为，真正的挑战不在于能源生产，而在于获得"社会许可"。历史经验告诉我们，要大规模使用能源，就必须确保能源的使用是对社会有益的。

这就要求AI行业必须证明，我们创造的产品确实在产生真实的社会价值和经济价值，而且这种价值要能体现在国家和社区层面的实际统计数据中，而不仅仅是AI基准测试的分数。

纳德拉对此很有信心，特别是在医疗、教育和生产力等领域。他举了个很直观的例子：办房贷原本需要等待两三个月，还不知道能否获批，这类被繁文缛节困扰的重要生活环节，AI都有可能彻底改善。

在医疗领域，纳德拉看到了巨大的机会。美国医疗成本占GDP的18-19%，但很多钱都花在了工作流程上，而不是治疗本身。比如简单的出院手续，用大语言模型和提示词处理电子病历系统后端，就能节省大量时间、金钱和精力，效果立竿见影。

他想强调的是：每一美元原本花在文书工作上的医疗支出，本来都可以用于拯救生命的治疗；医生从文书工作中解脱出来，把时间真正花在患者身上的价值就在眼前。

工作流程革命：从传真机到智能助手的变迁

技术变革最大的阻力往往不是技术本身，纳德拉对此有切身体会。

他讲了个很生动的例子：在PC普及之前，跨国公司是怎么做销售预测的？先发传真，收到传真的人写内部备忘录，备忘录被批注后，希望能在季度结束前完成预测。

然后突然有了邮件、PC和Excel，大家发现可以直接发个Excel表格，填上数字就有预测了。关键的变化是：工作本身、工作成果和工作流程都彻底改变了。

AI时代需要同样的变革。当有人说要用99个智能体代表自己完成工作时，工作流程不可能保持不变。工作范围本身都要重新定义。

这种变革管理才是真正的限制因素。我们实际上是在改变保险公司、金融服务公司、医疗公司、软件公司的生产资料和工作方式，甚至要改变工作岗位的定义。

纳德拉提到LinkedIn的例子很有启发：他们把设计、前端工程、产品等多个职能整合在一起，创造了"全栈构建者"这个新角色。这就是工作范围的重新定义，需要用新角色、新范围重建产品团队。

有趣的是，现在很多AI创业公司都在学习Palantir的模式，配备**"前向部署工程师"**。这种模式的核心就是帮助客户理解产品价值，不仅是技术本身，更重要的是如何在工作流程中使用技术。

知识工作的本质：解放"前额叶皮层"

提到知识工作的未来，纳德拉分享了一个特别深刻的观察。

他认为知识工作中存在大量**"苦差事"**，这是被严重低估的机会。很多所谓的知识工作，实际上就是在浏览器、电子表格、邮件之间复制粘贴，然后点击发送。

这些工作并不需要调用你的前额叶皮层和最高认知能力。想象一下，有多少人的生活基本上就是我们这个年代所说的"推纸片"，只不过现在不推纸了，而是发邮件、附加文件。

在软件工程领域，这种现象更明显。很多时候我们会**"脱离心流状态"**，无法完整地完成任务。能够保持心流、完成完整任务本身就是一个很好的例子，展示了AI对所有知识工作可能产生的影响。

纳德拉的核心观点是：大量的工作周期都花在了"带外信息收集"上。如果考虑前额叶皮层和综合分析的部分，实际花费的时间很少。

未来的工作模式是：复杂的推理模型和你的前额叶皮层协同工作，而大量琐碎的事情由核心智能体或其他工具完成。这绝对是一个前沿方向。

算法突破与技术前沿：下一个"缩放定律"在哪里？

说到AI技术发展的速度，纳德拉表示超出了所有人的预期。

他坦言，去年这个时候完全没想到强化学习和测试时计算会取得如此大的进展，而且这个方向看起来潜力无限。

从技术发展路径看，预训练效果很好，各种后训练技术也很棒，现在推理时计算又增加了一个巨大的缩放定律。这让纳德拉很好奇：是否会有新的算法突破？

他一直相信，整个技术体系可能被在场的某个人彻底改变，只要有人说"我有更高效的方法来做这件事"。保持开放心态很重要，因为最后一个重大算法突破还没有被发现。

另一个让人兴奋的方向是：**从预训练到强化学习，下一步的端到端训练循环会是什么样？**纳德拉认为这是明年最值得期待的发展，所有实验室都在研究更集成的响应推理模型。

但他对AI的定位很清晰："人工智能"这个名字选得很糟糕，我完全不赞成将AI拟人化。我把它当作工具，不是要复制人类的思维方式。

尽管AI展现出了智能的迹象，但这不是人类拥有的那种智能。人类的主体性仍然重要，我们会把这些当作工具使用。

未来软件架构：记忆、工具与权限的三位一体

很多人都好奇AI应用的技术架构会如何演进，纳德拉提出了一个清晰的框架。

他认为下一代复杂应用需要三个**"一等公民"**系统：记忆系统、工具使用系统和权限系统。

权限系统特别重要——如果AI要代表你采取行动，它必须明确拥有哪些权限采取行动。这三个系统必须作为模型的核心组件构建，才能开发出更复杂的应用。

有人提出未来软件架构的设想：数据库+中间件（权限管理）+智能体。数据库存储数据，中间件处理访问控制和业务逻辑（谁能做什么），然后在上面放置智能体。

纳德拉认为这个方向是对的。当人们谈到"脚手架层"时，指的就是模型+脚手架，现在脚手架通过这三个组件（工具使用、记忆、权限）变成了一等公民。把这些组合起来，就能创建智能体。

智能体有自己的ID，有管理和配置控制。这就是构建下一代AI应用的思路。

代码生成的未来：实时软件 vs 预制软件

提到代码生成对软件行业的冲击，纳德拉分享了一个有趣的观察。

有人担心，用户会不会更倾向于**"即时生成软件"**而不是使用预制的软件包？这个问题在YC内部也引起了很多讨论，因为他们资助了大量SaaS公司，但背后确实存在这种担忧。

纳德拉的回答很巧妙。他看到VS Code被大量开发者fork，这说明构建优秀的IDE确实有价值。

他把Excel看作一种IDE，一个优秀的画布，然后引入最好的分析模型到这个IDE中，在画布和模型之间创建循环。

所以答案是：你可以即时生成应用，也可以有预制的应用，但预制应用要真正帮助与模型的反馈循环。这两种方式会共存。

设计在其中仍然发挥重要作用。VS Code前的人类本质上是软件和最终用户真正需求之间的翻译者。软件消失的想法假设普通人都想创建软件，但这不一定现实。

软件工程的变革：从程序员到架构师

很多人都好奇软件工程这个职业会如何变化，纳德拉给出了一个很有意思的类比。

如果80年代的外星人观察人类工作，会发现人们在办公室里有打字员团队、幻灯片团队，大家用纸张工作。如果它们今天回来，会说："天哪，80亿人现在都是打字员了。"

同样的事情会发生在软件创建上。所有人都会创建软件，但仍然会有"软件工程师"这个职业，只是内容会不同。

纳德拉的观察很深刻：现在你实际上是把软件工程师变成了软件架构师。

他个人的体验是：AI编程很棒，直到它做了一些我不知道发生了什么的事情。这意味着必须对代码库有元模型，准确知道发生了什么，然后查看更改日志。

GitHub的完整更改日志现在是他最喜欢的功能——查看所有智能体在代码库上的完整更改日志。这就像优秀的开发经理的工作：确保构建不中断，代码质量良好。

即使在全AI智能体的世界中，这种抽象层仍然会存在。因为有一点我们很少谈论：法律责任在法律真正改变之前，仍然在于人类和人类建立的机构。

只要这一点为真，我们就必须确保人类在根本层面上参与循环，这意味着需要大量工具让人类能够理解这些系统在做什么。

量子计算突破：20年投入终见曙光

提到量子计算，纳德拉显得特别兴奋，毕竟这是微软第三任CEO都在投入的长期项目。

微软在量子领域已经投入了20多年。他们的梦想是构建真正的通用量子计算机，这需要解决稳定量子比特和容错量子比特的问题。

微软押注的是一个物理特性——意大利物理学家马约拉纳设想的粒子。经过多年努力，他们终于实现了物理学突破，成功制造出这种粒子，这就是最新芯片的基础。

纳德拉认为，如果你想理解自然的语言——也就是模拟——最好的方法是通过量子计算机，因为物理和自然本质上就是量子的。

在他看来，AI是那个模拟器的模拟器。目前我们看到HPC+AI在化学、物理和材料科学领域取得了很好的进展，量子计算将是下一步。

微软对AI+量子+HPC的循环组合非常兴奋，这可能带来革命性的突破。

工具的力量：赋能而非取代

最后谈到如果重新开始职业生涯会做什么，纳德拉回到了他一直强调的核心理念。

回顾微软Office的发展历史，他认为这是一个令人难以置信的故事。想想这些工具——文字处理器、电子表格、幻灯片制作工具——对我们所有人意味着什么。

VS Code和Excel是他最喜欢的产品。当你使用这些工具时会感觉很好，关键是它们带来的赋能感。Excel给你的数字感、分析能力，这种简单的脚手架——列和行加上中间的图灵机——就是突破性的创新。

如果重新开始，纳德拉想要研究的是：我们可以为人们提供什么样的下一代工具？

现在的Copilot让他看到了这个方向：研究员、分析师、创作者——这些就像Word、Excel、PowerPoint一样，每天都会用到。

他的核心信念是：我们能为人们提供什么样的工具，让他们拥有那种赋能感？这就是我想要从事的工作。

这种工具的创造者很可能就坐在当天的听众席中。 http://t.cn/A6DX92l6