對話納德拉、奧特曼：AI正在引領一場史詩級的美國重建

OpenAI上周宣布，正式成為一家非營利基金會控制一家營利性企業（PBC）的治理結構，還與微軟簽訂了協議，劃清了股權和今后最長7年的合作方式。這一“科技史上最成功的投資與合作”，進入了。

微軟CEO納德拉（Satya Nadella）和OpenAI CEO 奧特曼（Sam Altman），接受了風險投資機構Altimeter創始人CEO格斯特納（Brad Berstner）的專訪。在前半段，奧特曼談到了未來合作的細節，OpenAI的上市可能性、美國在聯邦層面建立起對AI的監管、對OpenAI2026年的展望。精彩的部分在納德拉這一段，他提出了當年投資OpenAI的決策邏輯和過程，OpenAI對微軟的業務及戰略價值，尤其是OpenAI對擴展（scaling law）定理的執念，重構了Azure云，并且形成了AI基礎設施的規模（scale）效應。

納德拉提出了兩個有力的論斷：規模之上，就不會有什么是真正的商品 （At scale, nothing is commodity ），超級云計算（hyperscaler）通過供應鏈、成本結構和軟件效率構建起運營利潤的復利。在黃仁勛的AI工廠提法之上，納德拉提出了智能體工廠（agent factory），即智能體將重構軟件行業和SaaS商業模式，能最大效率地利用好token，創造出商業價值。

納德拉對于AI的未來是樂觀的，而且認為，AI正在引領美國進行一場工業重建。

（來源：采訪視頻截屏）

我們基本編譯了全文，約15000字，如下：

目錄

微軟關聯了兩家世界上最大的非營利基金會

與微軟交易的魔鬼細節

我們都被算力和電力卡住了

展望OpenAI的2026

投資OpenAI的決策與價值

AI基礎設施的規模效應

AI原生軟件的新時代

AI 工廠與智能體工廠

AI在引領一場史詩級的重建

正文：

Brad：

各位，這真是大新聞滿滿的一周。我從英偉達的 GTC 講起——它市值剛到 5 萬億美元。Google、Meta、Microsoft……Satya，你們昨天剛發布財報。我們聽到的一直都是：算力不夠、算力不夠、永遠不夠。周三還有降息，GDP 增速接近 4%。我剛還跟 Sam說，總統在馬來西亞、韓國、日本，聽起來還有中國，達成了一系列巨額協議——這些協議為美國再工業化提供了驚人的金融火力：比如 800 億美元投向新核裂變——都是你們擴大量產算力所需要的。更重要的是，你們周二發布了澄清雙方合作關系的重磅公告，恭喜！

我想先從這件事談起。我想用最簡單的語言把交易結構理清，讓我和大家都能明白。先說投資部分吧，Satya。微軟從 2019 年開始投資，到目前大約向 OpenAI 投入了 1340 億美元（注：口述為數量級），相應換得公司全面攤薄后的 27% 股權。之前大約是三分之一，過去一年隨著新一輪投資被進一步攤薄。這個持股比例大致正確嗎？

微軟關聯了兩家世界上最大的非營利基金會

Satya Nadella：

是的，大致如此。但在談我們持股之前，我想先說一件更獨特的事：OpenAI 在這次重組中誕生了全球規模最大的非營利基金會之一。別忘了，在微軟我們很自豪地與兩個全球最大非營利組織有關聯——蓋茨基金會，以及現在的OpenAI 基金會。這才是大新聞。當然，我們也非常高興作為投資者和早期支持者參與其中。老實講，我們當年投第一筆 10 億美元時，并沒想著會成為百倍股，但今天走到了這里。這是對 Sam 和團隊的最好注腳——他們很早就看到了這項技術的潛力，并以極高的執行力把它做出來了。

Sam Altman：

這一路走來是一次非常出色的合作。正如 Satya 說的，我們一開始也不知道會走到哪里。我認為這是科技史上最偉大的合作之一。若沒有微軟，尤其是 Satya 早期的強烈信念，我們不可能做到現在這樣。在當時的環境下，愿意下這種賭注的人并不多。我們對技術會怎么走并沒有答案——準確地說，完全不知道。但我們對持續推進深度學習這件事有很強的信念，相信只要把它做下去，我們就能做出極佳的產品、創造巨大價值；同時，正如 Satya 所說，打造出我們相信會成為全球最大的非營利機構。我很喜歡現在這種結構：它既讓非營利組織的價值能夠增長，同時 PBC（公益性公司）也能獲得持續擴張所需的資本。如果沒有這種結構、也沒有愿意支持這種結構的合作伙伴，非營利組織不可能有今天的體量。自我們建立合作以來已 6 年多了，這 6 年里我們取得了令人瘋狂的成就，未來會有更多。我甚至希望 Satya 最終能在這筆投資上賺到 1 萬億美元，而不只是千億級的回報。

Brad：

重組的一部分是：上層是非營利基金會，下層是公益性公司（PBC）。這很驚人。非營利基金會一開始就用 1300 億美元的 OpenAI 股票完成了資本化，一出場就是全球規模最大的基金會之一，將來可能更大。加州總檢察長也表示不會反對。你們已經把這 1300 億與“確保 AGI 造福全人類”的使命綁定在一起。你們宣布首批 250 億美元將用于醫療健康和 AI 的安全與韌性。

Sam，先恭喜兩位——這對 AI 的未來是巨大貢獻。請你講講為何把重點放在健康和韌性，以及如何確保基金會最大化社會效益、而不被很多非營利機構常見的政治偏見拖累？

Sam Altman：

首先，給世界創造大量價值的最好方式，就是我們已經在做的事：把強大的工具做出來，讓所有人用得上。我認為資本主義很好，公司也很好，大家正把先進的 AI 帶到更多人和企業手中，做了很多了不起的事。

但也有一些領域，市場機制并不總能導向最符合公眾利益的結果，需要用不同的方式去做。還有一些是這項技術帶來的全新可能，比如用 AI 以極快速度推進科學、實現真正意義上的自動化發現。

當我們思考優先方向時，如果能治愈大量疾病，并讓相關數據與知識廣泛可得，那將是對世界非常好的事。至于AI 韌性，未來有些情況可能會變得有點陌生，而且并非都能靠公司各自為政來解決。隨著世界跨越這個過渡期，如果我們能資助一些關鍵工作——比如網絡防御、AI 安全研究、經濟研究等，幫助社會更平穩地穿越這段時期——那就太重要了。我們非常有信心彼岸會更美好，但路上肯定會有些波折。

與微軟交易的魔鬼細節

Brad：

繼續回到這份交易。關于模型與排他性，OpenAI 可以在 Azure上分發其領先模型；但在未來七年（到 2032 年）之前，不能在其他主流公有云上分發——除非提前通過 AGI 驗證。但你們可以在其他平臺分發開源模型、Sora、智能體、Codex、可穿戴等。也就是說，ChatGPT 或 GPT-6不會出現在 Amazon 或Google 上，對嗎？

Sam Altman：

不完全是。首先，我們希望和微軟一起做很多事，為他們創造價值，也希望他們為我們創造價值。這方面會有很多合作。我們會把 Satya 曾經用過的一個術語保留下來——“無狀態（stateless）API”——這部分到 2030 年前獨家在 Azure上提供。除此之外，我們會把很多產品分發到別處，這對微軟其實同樣有利。總之，很多產品會在很多平臺出現，而“無狀態 API”這塊只在 Azure，用戶可以通過 Azure 或我們來獲取，我覺得這很好。

Brad：

關于收入分成：OpenAI 仍需就全部營收向微軟支付分成，這個分成到 2032 年結束，或者在 AGI 被驗證時提前結束。假設分成比例是 15%，如果 OpenAI 的年營收為200 億美元，那就向微軟支付 30 億美元，并計入Azure 的營收，對嗎？

Satya Nadella：

我們確實有分成安排，正如你說的：要么持續到 AGI，要么到期結束。至于它在微軟內部計入 Azure 還是其他口徑，我倒還真記不清了——這個問題該去問 Amy。

Brad：

既然排他性與分成都在AGI 驗證時提前終止，那 AGI 的判定就非常關鍵。據我了解，如果 OpenAI 聲稱達到 AGI，就會交由一個專家小組快速裁定是否達標。Satya，你昨天在財報電話會上說，沒有人接近 AGI，短期內也不太可能；你還提到“鋸齒狀的、尖峰式的智能”。Sam 似乎比你更樂觀。你們擔心未來兩三年真的要請“陪審團”來裁定是否到達 AGI 嗎？

Sam Altman：

我理解你想制造點“火花”，但說實話，設立一個清晰的流程是好事。我預計技術還會經歷許多出乎意料的轉折。我們會繼續做彼此的好伙伴，一起判斷什么最合理。

Satya Nadella：

說得好。這也是我們之所以要建立這一流程的原因。歸根結底，我相信智能的能力邊界會不斷提升。我們的真正目標，是把能力放到個人與組織手里，讓他們獲得最大收益——這也是當年吸引我與 OpenAI、與 Sam 團隊合作的初心，我們會繼續沿這個使命前進。

Sam Altman：

順便說句顯而易見的，就算明天我們真的做出了超級智能，我們仍然希望微軟幫助我們把產品大規模交到用戶手里。

Brad：

當然、當然。微軟是全球最大的分發平臺之一，你們一直是出色的伙伴。這些澄清能打破不少外界的誤解。我們稍微換個話題——顯然，OpenAI 是史上增長最快的公司之一。Satya，你一年前在我們的節目里說過：每一次技術范式遷移都會誕生一個新的Google，而這一次的Google已經出現，那就是 OpenAI。沒有你們當初下的那些大賭注，這一切都不可能發生。話說回來，外界報道OpenAI 在 2025 年的營收是 130 億美元。Sam，你這周直播里又提到你們對算力的超大承諾：未來四到五年總額 1.44 萬億美元——其中對英偉達 5000 億、對 AMD 3000 億、對 Azure 2500 億等等。我這周聽到市場上最大的一個問題是：一家營收 130 億美元的公司，怎么能做出 1.44 萬億美元的支出承諾？你也聽到了這些質疑吧，Sam。

Sam Altman：

首先，我們的營收遠不止那個數字。其次，Brad——如果你想賣你的 OpenAI 股份，我能幫你立刻找到買家。我真的是說真的，有很多人很想買 OpenAI的股權——包括你，也包括我自己。那些在推特上對我們“算力承諾”大呼小叫的人，恐怕會非常樂意買這只股票。我們完全可以很快把你或別人的股份賣給這些最“吵”的人。

我們的計劃是讓營收陡峭增長——現在就在陡增。我們是在押注未來，營收會繼續快速增長；不僅ChatGPT 會繼續增長，我們還會成為重要的 AI 云之一；我們的消費級設備業務會成為一項重要支柱；而自動化科學研究的 AI 將創造巨大的價值。說實話，我并不常想當一家上市公司，但在某些時刻這很誘人——比如當有人寫“OpenAI 要破產了”之類的荒唐東西時，我真想讓他們去做空，然后看看他們怎么被打臉。

當然，我們的推進是精心規劃的。我們理解技術與能力會如何演進，也清楚圍繞這些能力我們能做出什么產品、帶來怎樣的營收。我們也可能搞砸——這就是我們在下注、在承擔的風險。其中一個非常現實的風險是：如果沒有算力，我們就做不出這個規模的模型，也賺不到相應的收入。

Satya Nadella：

沒錯。我再補一句，Brad，無論作為合作伙伴還是投資者，我從沒見過 OpenAI 拿出的商業計劃沒有達成甚至沒有超額完成的。坦率地說，大家談論最多的是他們在使用量與影響力上的成功，但就業務執行而言，同樣驚人。

我們都被算力和電力卡住了

Brad：

我幾周前在 CNBC 上聽到 Greg Brockman 說過：如果我們的算力能擴大 10 倍，營收未必正好擴大 10 倍，但肯定會大增，因為目前就是被算力卡住了。

Sam Altman：

是的。說真的，我們被桎梏得相當厲害。過去一年我們的算力大概放大了 10 倍，但如果還能再放大 10 倍，營收未必正好 10 倍，但我不覺得會差太遠。

Brad：

昨晚你也說過類似的話，Satya——你們也被算力掣肘，如果有更多算力，增長會更高。Sam，幫我們量化一下：你們今天被算力約束的程度如何？再看未來兩三年的擴建進度，你覺得會不會有一天不再被算力約束？

Sam Altman：

我們經常討論算力是否足夠這回事。我覺得正確的思路類似能源：只能在某個價格點上談需求。如果不談價格水平，談總需求是沒有意義的。

如果單位智能的算力價格明天驟降 100 倍，使用量會增加遠超 100 倍。很多現在從經濟上說不通的用例，在那種成本下都會涌現出全新需求。

另一方面，隨著模型變得更聰明——比如能用于治愈癌癥、發現新物理、驅動一大群人形機器人去建空間站之類的瘋狂事情——那么人們也愿意為更高等級的智能付出更高的單位成本。

所以，談產能，就必須同時談單位成本曲線與單位能力曲線；沒有這兩條曲線，問題就是偽命題，規格也不清。

Satya Nadella：

我同意。你（Sam）常說，如果智能 ≈ 計算量的對數，那我們的目標就是不斷提升效率：讓每美元、每瓦能產出的 token最大化，同時讓社會獲得的經濟價值更大、成本更低。這也對應杰文斯悖論的直覺：當你把智能成本不斷商品化、壓低，它就會成為GDP 增長的真正驅動力。

Sam Altman：

遺憾的是，現在更接近“智能的對數≈計算量的對數”。不過我們也許會找到更好的縮放律，也許能打破它。

Brad：

昨天微軟和谷歌都說了：如果有更多 GPU，云業務會增長更快。我問過黃仁勛：未來五年會不會出現算力過剩？他說未來兩三年幾乎不可能。你們同意嗎？

Satya Nadella：

供需周期在這個領域很難預測。長期趨勢正如 Sam 所說。但當下我們最大的瓶頸不是芯片供應，而是電力與連網的建設速度。如果這兩件事解決不了，你就會有一堆芯片躺在倉庫*無法上電——這就是我今天的實際問題：不是芯片不夠，而是沒有地方可以插電。全球擴張也使鏈路更復雜、約束更多，通往目標不會是直線。

Sam Altman：

總有一天會出現過剩——兩三年后，還是五六年后，我說不準，但一定會，而且可能發生不止一次。這和人類心理、泡沫循環很有關；同時正如 Satya 說的，供應鏈極其復雜、技術版圖會劇烈遷移。

如果極廉價能源在短期內大規模上線，很多人會被自己簽過的長約反噬。再比如，若我們繼續把單位智能成本以每年幾十倍的速度壓降，對基礎設施建設來說那是一個可怕的指數。我們押注更便宜會帶來更多需求，但我也擔心，萬一我們一路突進、大家都能在筆記本上跑個人 AGI，那就會像歷次基礎設施周期一樣，有人被狠狠傷到。

Brad：

說得很好。這兩種同時為真的命題必須同時握在手里。2001 年我們也經歷過類似的事，但互聯網最終比任何人當時的估計都大得多、好得多。

Satya Nadella：

還有一點常被忽視：OpenAI 最近在推理棧（inference stack）上的優化，讓同一塊 GPU榨出的效率遠超摩爾定律的硬件提升；軟件端的提升甚至更快。

Sam Altman：

總有一天，我們會做出一款令人驚嘆的消費設備，在極低功耗下完全本地運行相當于 GPT-5或 GPT-6 能力級別的模型。光是想象這件事就讓人難以置信——可那一刻會到來。而這，恰恰是一些構建超大中心化算力的人最感到不安的地方。

Brad：

Satya，你也多次談過要把推理能力分發到“邊緣”和全球各地。

Satya Nadella：

是的。至少在我的設想里，關鍵是打造一支可互換（fungible）的算力機隊。在云基礎設施業務里，你必須做到兩件事：第一，做一座高效的 token 工廠（在這個語境中）；第二，高利用率。就這兩點。要想實現高利用率，你必須能把多種工作負載排程到同一套資源上，哪怕是訓練環節也是如此。看整條 AI 流水線：有預訓練、中期訓練、后訓練、強化學習（RL）……你都得能做。所以，對云服務商而言，機隊的可互換性就是一切。

Brad：

好。Sam，你剛剛提到——而且路透昨天也報道——OpenAI 可能在 2026 年末或2027 年上市。

Sam Altman：

不不不，我們沒有任何那樣具體的計劃。我是個現實主義者，我假設總有一天會發生，但不知道這些報道為什么會寫成那樣。我們沒有確定的日期，也沒有做出那樣的決定。我只是推測終局可能會走到那一步。

Brad：

但在我看來，如果你們在 2028 或2029 年的營收超過千億美元，那至少就有資格——

Sam Altman：

2027怎么樣？

Brad：

好，2027 更好。那你們就有條件IPO，并達到傳聞中的一萬億美元市值。給聽眾做個參照：如果你們以營收的 10 倍上市（比如 1000 億營收，對應1萬億市值）——這其實低于 Facebook 上市時的倍數，也低于許多大型消費公司上市時的倍數——如果再發行 10%–20%的股份，就能融資1000–2000 億美元，這看上去足以支持你們的擴張與上述計劃。所以你并不反對，只是——

Sam Altman：

我們更想用營收增長來為公司輸血。這是我所期望的。但我并不否認你說的路徑。

Brad：

我也說過，在我看來這是家極其重要的公司。很多人（包括我的孩子）都有自己的小賬戶在交易，他們天天用 ChatGPT。我覺得讓散戶也能買到這樣一家最重要、也可能是最大規模的公司之一的股票——老實說，這對我來說可能是最具吸引力的一點。

展望OpenAI的2026

Brad：

Sam，我想把視角拉遠一點。你的團隊提到過很多令人振奮的項目。當你開始考慮幾乎無限算力、ChatGPT-6 及更遠期版本、機器人、實體設備、科學研究時——展望 2026 年，你認為最讓人意外的是什么？哪些是你最興奮、最期待的方向？

Sam Altman：

你剛好提到了其中很多關鍵點。我覺得 CodeX是今年最令人驚喜的成果之一。隨著任務從多小時延長到多日級（我預計明年就會出現這種情況），人們將能以前所未有的速度、用全新的方式創造軟件。

這讓我非常興奮。我相信這種變化也會擴散到其他行業。只是我對編程領域更熟悉，所以感觸更深。它會真正改變人類能做的事情的上限。

我還希望 2026 年能出現一些很小的科學發現。哪怕只是小突破，只要實現了，就能為后續帶來更大的進展。想象一下——AI 在 2026 年首次獨立發現新的科學原理，哪怕只是微小的——這將是極具意義的一刻。

此外，還有機器人、計算機乃至新型計算架構的發展。這些都非常關鍵。但對我個人來說，如果AI 真能參與科學研究，那幾乎就是通往超級智能的一步。因為那意味著它開始擴展人類知識的總量——這太驚人了。

Satya Nadella：

我覺得你舉的 CodeX 例子非常典型。模型能力的演進和交互界面的結合就像當初 ChatGPT 的魔法時刻，UI 與智能結合，一瞬間讓一切爆發式起飛——令人難以置信。而其中的關鍵，就是模型的指令跟隨能力（instruction following）終于成熟。

CodeX 以及這些編程智能體（coding agents）正在推動下一次飛躍——一個智能體可以長時間自主工作，然后再回來讓用戶進行微調式指導（micro steering）。

我們正朝著一種新交互形態前進，宏觀授權 + 微觀引導（macro delegation & micro steering）。

當這種新智能能力遇上新的用戶界面（UI），那將是人機交互的一次重大變革。

我現在在 GitHub Copilot 里使用 CodeX，就已經能看到這種雛形——它不是傳統聊天界面，而是一種全新的交互方式。我認為這可能比聊天式界面更革命——甚至可能成為新計算設備形態出現的起點。

畢竟，傳統電腦根本不是為這種工作流設計的；“聊天窗口”式 UI 明顯也不適合。但如果我們擁有一種隨身設備，它既能在你身邊，又能在后臺長時間執行任務，并在需要時主動向你請求微調指導，同時對你的生活和工作情境有極強的上下文感知——那將是令人振奮的未來。

Brad：

而你們兩位都沒提到——消費者場景。我常在想：如今我們依然要在設備上一層層點開上百個應用、手動填寫表單，這種交互二十年來幾乎沒變。但如果能讓人類擁有一個個人助理——真正意義上的、幾乎免費的數字助理，幫助全球數十億人改善生活，不論是為孩子訂尿布、預定酒店、還是修改日程——這些看似平凡的小事，反而會帶來最深遠的影響。

當我們從回答問題進化到擁有記憶與行動力，再到可以通過耳機或可穿戴設備直接交互，而不必整天盯著這塊矩形玻璃屏幕，那將是非常了不起的轉變。

Satya Nadella：

沒錯，這正是 Sam 剛才暗示的方向。希望我們能把它做好。

（奧特曼先離開了對話）

投資OpenAI的決策與價值

Brad：

正如 Sam 知道的，我們當然是買方而非賣方。但有時我們需要意識到——我們這一小群人每天都在研究這些前沿問題，花了上萬小時去思考，所以有很強的信念；但世界上絕大多數人并沒有花一萬小時來理解這些東西。

他們看到的，往往只是一些雄心過大的目標，因而懷疑我們能否做到。

我想請你回顧一下——你在 2019 年把投資 OpenAI 的提案（10 億美元）帶進董事會時，過程是怎樣的？這是否是一次輕而易舉的決定？你是否花了政治資本來說服董事會？我想知道那個時刻的情景——因為那可能不僅改變了微軟，也改變了這個國家，甚至整個世界。

Satya Nadella：

這真是個有意思的問題。回頭看，這段旅程其實從2016 年就開始了——那時微軟就已與 OpenAI 合作。事實上，Azure 是最早的贊助方之一。當時他們主要研究的是強化學習（RL），我還記得 Dota 2 的比賽就是在 Azure 上舉辦的。后來他們的研究方向擴展了。

我當時就對 RL 感興趣，但正如你說的，這其實也與一萬小時的準備有關。

微軟自 1995 年以來一直癡迷于自然語言——那是 Bill（蓋茨）對公司最核心的執念。畢竟我們是家編程公司，也是信息工作公司。

所以當 Sam 在 2019 年開始談論文本、自然語言、Transformer 和擴展定律（scaling laws）時，我心想：“哇，這非常有意思——他們的方向與我們的興趣幾乎完全重疊。”

從那一刻起，這個合作在戰略上就變得順理成章。

當然，當你走進董事會，說“我打算拿 10 億美元投給一個我們都還不太明白的結構——一個非營利組織加上某種奇怪的公司層級”，自然會引發討論。

Bill 當時非常謹慎——這是理性的。但在看到 GPT-4 的演示后，他立刻改變了看法。他后來公開說，那是他自從看到 Charles Simonyi 在 Xerox PARC 向他演示圖形界面以來，最令人震撼的 demo。

對我來說，真正的轉折點是看到 GitHub Copilot 里早期的 CodeX——看到代碼自動補全的那一刻，我心想：“我們可以從 1 走到 10 了。” “1” 是最具爭議的階段，而“1→10” 讓整個新時代成為可能。

之后就是團隊的執行力、產品化落地——他們和我們都做得非常出色。如果你現在把 GitHub Copilot、ChatGPT、Microsoft 365 Copilot、Edge Copilot 加在一起，那就是當今世界上最完整、最具影響力的 AI 產品體系。正是它支撐了這一切。

Brad：

沒錯，而且我想很多人不知道，你們的 CTO Kevin Scott（前谷歌工程師）就住在硅谷，

微軟曾錯過搜索，錯過移動。等你成為 CEO 時，幾乎又要錯過云計算——你自己也形容那是趕上了最后一班車。而這次，你似乎非常堅定地要在硅谷安上眼睛和耳朵，確保不會再錯過下一個時代。所以我想 Kevin（微軟 CTO Kevin Scott）對你來說也起了關鍵作用吧？

Satya Nadella：

完全正確。實際上我會說，Kevin 的信念是整個過程的關鍵之一。起初他也是懷疑的——我特別關注那些從懷疑轉為信任的人。因為對我來說，那是一種信號。一個最初不信的人，突然有一天變得興奮、投入，這讓我非常好奇“為什么？怎么變的？”

Kevin 一開始跟我們所有人一樣都是懷疑派。畢竟，這一切似乎挑戰了我們在學校里學到的思維方式——我們被訓練成相信世界上一定有一個算法能解開問題，而不是靠縮放定律（scaling laws）+算力堆疊。但Kevin 的信念——這件事值得去做——成為推動我們前進的關鍵力量之一。

Brad：

我們談到那筆如今價值 1300 億美元的投資——也許未來能漲到一萬億，就像 Sam 說的。但那其實低估了這段合作的價值。

除了股權收益，你們還有每年數十億美元的營收分成；OpenAI 向 Azure 承諾了 2500 億美元的算力采購，你們也從中獲得利潤；再加上獨家 API 分發權帶來的巨額銷售額。

能不能談談你怎么看這幾個層面的價值，尤其是這種獨家合作如何吸引了原本在 AWS 上的客戶轉向 Azure？

Satya Nadella：

當然。對我們來說，除了股權層面的收益，真正的戰略價值在于那個Azure 上的無狀態（stateless）API 獨家權。它幫助了 OpenAI，也幫助了我們和客戶。因為在企業場景中，客戶希望使用的 API 是無狀態的——這樣他們就能把它與算力、存儲結合起來，在下層放置數據庫以保存狀態，從而構建完整的工作負載。

而這正是 Azure 與 OpenAI API 結合的優勢所在。比如我們現在在做的 Azure Foundry*，本質上是為開發者提供一個能讓他們輕松構建 AI 應用的平臺。關鍵不只是訓練模型，還要保證模型的評估與反饋循環（evals）足夠好——因此需要一個完整的應用服務器（app server）。Foundry 正是為此設計的。所以我認為，這就是我們未來基礎設施業務的核心上市路徑。

另一方面，對微軟而言，價值獲取的另一面在于我們可以把 OpenAI 的所有知識產權（IP）整合進來。不僅我們在 Azure 上獨享這些模型，還能訪問它們的 IP。哪怕撇開經驗、know-how 等不談，單就未來七年無專利稅（royalty-free）訪問權這一點，就讓我們的商業模式擁有極大靈活性。

換句話說，如果你是微軟股東，可以把這看作我們擁有了一個免費使用的前沿模型——我們能在GitHub、Microsoft 365、消費者端的Copilot 等產品中自由部署，結合我們的自有數據做后訓練（post-training），直接將智能嵌入權重里。因此，我們不僅能在 Azure 和基礎設施層創造價值，也能在高價值領域——比如醫療、知識工作、編程、安全——全面釋放潛力。

Brad：

不過你們也在合并 OpenAI 的虧損，對吧？昨天公布的財報顯示，微軟本季度合并了 40 億美元的虧損。你是否覺得投資者在定價時有些誤判？他們可能甚至給 OpenAI 的部分資產打了負*，因為虧損影響了每股收益。但從我角度看，你們獲得的利益遠超這些損失——包括前面說的分成、算力、獨家分銷，還有潛在的股權市值。你認為市場是不是低估了 OpenAI 對微軟的整體價值？

Satya Nadella：

這是個好問題。Amy（微軟 CFO）現在采取的策略是完全透明。我不是會計專家，所以最好的方式就是讓外界看得清清楚楚。

這也是為什么我們采用 non-GAAP 與 GAAP 并列披露——至少能讓大家看到真實的每股收益（EPS）。

我看得很簡單：如果我們投資了 135 億美元，理論上我們最多只能虧 135 億，不會虧得更多；但另一方面，我們這筆投資目前在賬面上雖然不流動、沒有出售計劃，但確實伴隨風險。

不過，真正的重點是你提到的那些間接收益。比如 Azure 的增長，如果沒有 OpenAI 合作，Azure 會有現在這樣的增長嗎？我們吸引了多少第一次從其他云平臺遷移過來的客戶？這是真正的受益點。

再比如 Microsoft 365。大家之前都在問，E5 套件之后的下一個增長引擎是什么？答案是——Copilot。它的滲透率、使用頻次、增長速度——都超過了微軟歷史上任何一款信息工作類產品。

所以我們對為股東創造價值充滿信心，同時也會讓外界透明看到損益結構。會計規則怎么規定我們就怎么做，但人們能清楚地看到事情的本質。

AI基礎設施的規模效應

Brad：

不過一年前有很多報道說，微軟在 AI 基礎設施上收縮投資。不論公正與否，外界確實這么傳。有人說你們當時態度比較保守、甚至有些懷疑。而昨晚 Amy 在電話會上說，你們在過去多個季度都電力與基礎設施不足，預計會追上，但一直沒追上——因為需求不斷增加。所以現在回看，你覺得那時是不是過于保守了？接下來你們的路線圖是怎樣的？

Satya Nadella：

這是個很棒的問題。其實我們當時的認識，現在看來是正確的。我們意識到必須構建一支真正可互換（fungible）的算力機隊——能在 AI 生命周期的各個階段互換、能跨地域互換、還能跨硬件代際互換。

舉個例子：看看 Jensen（黃仁勛）團隊現在的迭代速度——幾乎是“光速級”。GB300 已經在上線測試。你可不想剛把一大批 GB200 插上電，就發現 GB300 已經全面量產。所以我們必須持續現代化，讓集群分布全球、能按工作負載靈活調度，再疊加前面提到的軟件優化。

因此我們當時做出的決定是，有時必須對部分需求說“不”，哪怕是來自 OpenAI 的。

比如 Sam 可能會要求我們為他建一個專用的多GW級數據中心，用來訓練大模型——這在 OpenAI 的角度合理，但從 Azure 長期基礎設施規劃看并不合理。

所以我們選擇讓他們去其他供應商那里采購部分資源，同時維持我們在 OpenAI 那里的大額業務份額，更重要的是，保持對其他客戶乃至我們自己內部的靈活調度。

換句話說，我們要確保永遠不會讓 Azure 自己的算力短缺——這是我們最不能出錯的地方。

事實上，我們的投資者有時過于執著于 Azure的單一數字。但請記住，對我來說，高毛利業務是Copilot——包括 ecurity Copilot、GitHub Copilot、Healthcare Copilot。所以我們希望用更均衡的方式來看待股東回報。這點在我們的投資者群體中也許常被*誤解——我覺得既奇怪又好笑。大家持有微軟，不正是因為我們多元的產品組合嗎？可他們卻盯著一個叫 Azure 的“小東西”的增長數字不放。

Brad：

說到這點，本季Azure在930 億美元的年化規模上增長了39%。相比之下，GCP（谷歌云）增長 32%，AWS接近 20%。但考慮到你們把一部分算力分配給了 自有業務和研究，聽上去如果你們有更多算力可供外部，Azure 本可以增長到 41%～42%？

Satya Nadella：

完全正確，毫無疑問。這也是我們內部要做的權衡：既要符合股東的長期利益，也要**服務好客戶；同時還要避免集中度風險。我們當然想要更多的 OpenAI 業務，但也需要其他客戶。目前我們是供給受限而非需求受限，所以我們在塑造需求，讓它與供給在長期視角下達到最優匹配。

Brad：

說到積壓訂單（RPO），你提到還有 4000億美元的合同負債，這是當前已鎖定的業務；隨著銷售繼續進入，這個數字會進一步上升。你也說過，為了服務這部分積壓需求，你們必須擴充產能。就多元化程度而言，這個4000 億有多分散？你們對這筆訂單在未來兩年轉化為營收有多大信心？

Satya Nadella：

這 4000 億的平均期限約兩年，這是Amy已解釋過的。所以我們的意圖非常明確——這也是我們進行高確定性資本開支、盡快清理積壓的原因。按你的問題，它在 1P（自有）和 3P（第三方）之間都相當分散。我們的自有需求本身就很高；第三方方面，我們也看到越來越多公司在構建可擴展的真實工作負載。因此我們很有信心。老實說，RPO 的好處就在于可以有計劃地推進建設。此外，這還不包含我們即將看到的新增需求，比如那 2500 億（更長周期），我們也會相應按計劃擴建。

Brad：

如今賽道里有很多新進入者在擴充算力——Oracle、CoreWeave、Crusoe等。通常這會壓低行業利潤，但你們一邊大規模建設，一邊還能維持 Azure 健康的運營利潤率。問題是，微軟如何在一個大家都在舉債擴張、壓低利潤的世界里競爭，同時平衡利潤與風險？你是否看到有競爭對手在做讓你撓頭的交易，仿佛在為下一輪繁榮—蕭條循環埋下伏筆？

Satya Nadella：

從某種意義上說，好消息是我們每天都在與超大規模對手競爭——與 Amazon、Google在各方面都激烈競爭。表面看，一切都是商品化——算力、存儲……我記得大家以前都說，“哇，這里怎么可能有利潤？”但在規模之上，沒有什么是真正的商品。因此，我們必須持續在成本結構、供應鏈效率、軟件效率上復利，才能確保利潤空間。

而且這里是一個規模游戲。我非常喜歡與 OpenAI 的合作，因為它讓我們到了真正的規模。當最大的工作負載跑在你的云上，不僅運營學習曲線更快，你的成本結構也會比別人更快地下行——這會讓我們在價格上更有競爭力。所以我對我們的利潤能力很有信心。

這時產品組合的優勢也體現出來了。老實講，我一直被迫單列Azure 數字，但在我的資本配置里，我并不會把Xbox 云游戲、Microsoft 365、Azure分開看——是這同一筆“云與 AI”的資本投入。從微軟角度看，后面只是一只總表的計量表：我們要做的是讓組合后的平均回報，達到公司所需的運營利潤率。畢竟我們不是一個松散的聯合企業，而是一家擁有統一平臺邏輯的公司。我們涉足這五六個業務，只是為了在云與 AI 投資上不斷復利回報。

Brad：

我特別喜歡你剛才那句話——“在規模化之上，沒有任何東西是真正的商品”。這點真是太妙了。我們在播客里和 Bill Gurley 花了不少時間討論“循環營收（circular revenues）”，包括微軟給 OpenAI 的 Azure 額度（credits）計入營收的問題。現在也有很多類似的案例，比如AMD 的交易——他們拿出 10% 的股權去換算力合作；還有 NVIDIA 的交易。我并不是想渲染風險，但想直接談一談——如今 CNBC、彭博上天天都在討論這些交叉投資與循環合作。

從微軟的角度看，你是否擔心這種趨勢會影響到AI 收入的可持續性與穩定性？

Satya Nadella：

首先，我們那筆135 億美元投資（主要用于訓練階段的算力支持）并未計入營收。

正是因為這筆投資，我們才獲得了 OpenAI 27% 的股權，對應約 1350 億美元的估值部分。

這部分資金完全沒有進入 Azure 的營收。Azure 的收入主要來自 ChatGPT 的算力消耗、API 使用等按使用計費的部分，也就是 OpenAI 向終端客戶變現、我們再分成的那部分。

當然，從更廣義上講，廠商融資（vendor financing）一直存在，這不是新鮮事。一個公司在構建產品時，可能客戶也在構建相關業務，而客戶需要資金支持——這種結構早在傳統行業就有。如今這些模式出現了更復雜的變體，有些確實值得投資界關注與審慎看待。但有趣的是，我們并沒有采用那種“循環融資”模式。我們要么直接投資 OpenAI，換取股權+算力合作權，要么以更優惠的算力價格支持他們，讓他們“自舉”起來。別的公司選擇不同路徑，那沒問題。

我認為，最終決定這種循環模式能否成立的，仍是終端需求。只要對最終產出的 AI 產品和服務存在真實的市場需求，這一切就能自洽——而目前，確實如此。

AI原生軟件的新時代

Brad：

非常好。那我們來談談軟件與智能體（agent）。你之前在節目里說過，大多數企業應用其實就是一層“薄薄的外殼”——覆蓋在一個CRUD數據庫之上。從本質上講，傳統商業軟件就是圍繞數據庫運行的一套業務邏輯。而在 Agent時代，這一層邏輯可能全面坍塌。因為這些邏輯都會被智能體接管。

現在上市的軟件公司普遍的市銷率大約是 5.2 倍，低于十年平均的 7 倍，即便股市在歷史高位。市場擔心 SaaS 訂閱模式和 利潤率會被 AI 侵蝕。你怎么看 AI 對微軟核心軟件業務增長率的影響？特別是 Database、Fabric、Security、Office 365等產品。第二個問題是：微軟如何確保軟件業務不是被 AI 顛覆，而是被它增強？

Satya Nadella：

上次我們談到這一點時，我的意思其實是，SaaS 應用的架構正在重塑——傳統的業務邏輯層正在被智能體層（agent tier）所取代。

過去我們構建 SaaS 的方式，是把 數據層、邏輯層和界面層（UI）緊密耦合在一起。但 AI 天生不尊重這種耦合——它要求我們解耦結構，讓上下文工程（context engineering）成為新的核心。

以 Office 365為例：我最喜歡它的一點是——低客單價（low ARPU）+高使用率（high usage）。Outlook、Teams、SharePoint、Word、Excel——用戶每天都在用，創造出大量數據流入Microsoft Graph。這給了我極大信心——AI 層可以直接“讀取”這些數據，從而更智能地服務用戶。

事實上，無論是 GitHub還是 Microsoft 365，我們都在見證史上最高的數據活躍度。AI 讓每一次代碼生成（來自 CodeX、Claude 等模型）、每一個 PowerPoint、Excel、聊天內容——都變成新的語義文檔（semantic docs），進入 Graph 或 Repo，成為 AI 的語義錨點。這些內容都會轉化為向量索引（embeddings），讓智能體具備語義落地的基礎。

因此，下一代 SaaS 應用將出現明顯分化：

* 如果你是高客單價、低使用率的應用，未來會更艱難；

* 如果你像我們一樣是低客單價、高使用率，AI 將成為你的增長加速器。

比如 M365 Copilot 的價格是我們產品線中最高的之一，但它的部署速度和使用率反而最快。

或者看 GitHub，過去 10 年積累的代碼量，如今 一年就能實現同等增長，因為代碼創作本身已經從工具變成生產力的替代。這意味著整個軟件堆棧（stack）與價值分配邏輯正在變化。

直到最近，云計算還主要運行預編譯軟件（pre-compiled software）——不需要太多 GPU，大部分價值都留在軟件層、數據庫層、CRM、Excel 等應用中。但未來，所有這些界面如果不是智能的（intelligent），就毫無價值。傳統的靜態軟件會顯得愚鈍——未來的軟件必須能思考、行動、建議，能生成 token，能實時處理上下文變化。

而這，就是AI 原生軟件的新時代。

AI 工廠與智能體工廠

Brad

AI 的價值會不會更多地流向所謂的AI工廠（比如英偉達這樣的算力生產者）？他們負責以最低成本生產 token，而模型或應用層（智能體、軟件）未來分得的價值會比過去少？請你幫我幫我論證為什么這種看法是錯的。

SatyaNadella：

我認為 AI 價值的形成，需要兩種工廠共同作用，第一種是你剛才說的token 工廠。但要拆開看，這不僅是硬件和芯片系統的問題，更重要的是如何通過系統軟件、資源可互換性（fungibility）與最大化利用率，實現高效運行——這正是超大規模云廠商（hyperscaler）的核心價值所在。

很多人以為做 hyperscaler 很簡單：買一堆服務器、接上線就行。但如果真這么簡單，現在不會只有三家能做到（微軟、亞馬遜、谷歌）。真正的關鍵是——最大化利用率的運營能力。

這包括如何在異構硬件體系中（NVIDIA、AMD、Broadcom 等各家芯片）實現調度、互通與負載優化，從而組成一個高效的異構算力機隊——最大化token 吞吐率與能效。

這就是第一部分的工作。

第二種工廠，我稱為 Agent 工廠。現代的 SaaS 應用已經不只是工具，而是能驅動具體業務結果的智能體。它們知道如何最有效地使用token 來創造商業價值。一個典型例子是 GitHub Copilot。它會根據輸入內容（prompt）智能選擇最合適的模型來完成代碼補全或任務分配，這個選擇不是隨機的，而是基于測試與數據的反饋循環（evals, data loops）。

因此，新一代 SaaS 應用本質上是智能應用，它們通過評測與反饋體系持續優化，能最有效地利用token 工廠的產出。在某些場景下延遲更重要，在另一些場景下性能或成本更重要——能在這些因素間聰明地取舍，就是 SaaS 的新價值所在。

不過，總體上要承認一點，這一次的軟件確實存在真實的邊際成本。早年賣 CD-ROM 的軟件幾乎沒這問題，云時代開始有了，到了 AI 時代，邊際成本更高。因此，商業模式必須調整——要分別優化 Agent 工廠和token 工廠。

Brad：

你們其實有個巨大的搜索業務——這是史上最賺錢的商業模式之一。因為全球每天有幾十億次搜索，而完成一次搜索的成本，對微軟來說只需要幾分錢的一小部分。但現在用聊天模型（chatbot）的查詢，計算開銷完全不同。

假設未來這兩種業務營收相當，聊天交互的單位經濟（unit economics）能達到搜索的水平嗎？

SatyaNadella：

很好的問題。搜索的魅力在于，它的廣告單元與成本結構極其高效：索引是固定成本，可以反復攤銷。而聊天每次交互都要重新計算，既有意圖識別又有信息檢索，要消耗更多 GPU 周期，所以經濟學邏輯完全不同。

因此，聊天早期的商業模式大多是高級訂閱制（premium / subscription）。未來可能會出現Agentic Commerce（智能體商務）或新的廣告形態，但還未定型。

我個人的使用也變了。我現在用搜索主要是為了導航性查詢，很多以往的購物類或任務類查詢都轉向了 Copilot 模式。在 Edge 或Bing 的 Copilot 里，這兩者開始融合。這意味著，我們正處于類似當年 SaaS 顛覆的早期階段——消費者互聯網的經濟模型正在被個人智能體交互重新塑造。而這恰恰是過去二十年來推動互聯網數萬億美元價值的核心引擎。當“搜索經濟轉向個人助理經濟，總價值會更大，但單位經濟模型將完全不同——不再依賴單一索引廣告。

Brad：

那對消費者來說，單位經濟是不是更糟？而企業端似乎更清晰？

SatyaNadella：

確實，消費市場的競爭是贏家通吃（winner-take-all）的，因為人類的注意力有限；但企業市場不同：企業不是贏家通吃的格局；企業天然更適合智能體交互。

在企業里，智能體就是新的席位（Agents are the new seats）。因此企業的貨幣化路徑比消費者側更清晰、可持續。消費者側則更模糊——新的經濟單元和互動形態還在被探索。

AI在引領一場史詩級的重建

Brad：

最近大型科技公司裁員頻繁，雖然收入增長很強。AI 是否部分導致了這種人少事多？AI 是凈增崗位還是凈減崗位？它會長期提升微軟的生產率嗎？

SatyaNadella：

我認為我們正進入利潤率擴張的黃金時代（golden age of margin expansion）。

AI 會重塑工作流程，人們在任務層級擁有更多“代理權（agency）”，更容易完成工作。

微軟內部也在全面推行——每位員工都配備完整版本的 M365 Copilot和GitHub Copilot，以最大化生產力。

但我們也在學習新的工作方式，如何與智能體協作。這就像當年 Office 套件剛出現時，大家重新學習了如何做預測、匯報。今天，每個項目的起點都是 AI：你用 AI 調研，用 AI 規劃，再與同事協作。新的工作流與AI 能力曲線同步進化，這才是生產率提升的根源。能掌握這一點的組織，無論在科技業還是現實經濟中，都會成為最大贏家。

Brad：

假設五年后微軟營收翻倍，你們的員工會增加多少？

SatyaNadella：

我們會增加員工，但增長會有更高杠桿。比如有個負責網絡運維的同事，她要管理全球 400 家光纖運營商、成千上萬公里光纜。即使批準預算，也根本招不到足夠人。于是她干脆自己用智能體自動化 DevOps 流程。這就是AI 工具讓團隊更高效的典范。所以未來我們會*以更高杠桿擴張人力。眼下的調整并不是裁員，而是大家都在學習如何重新思考自己的工作方式。

Brad：

聽起來你認為我們正站在歷史性生產率躍升的邊緣。

SatyaNadella：

沒錯。企業們才剛剛進入AI 工作流改造的第一局第一棒。未來兩三年內，大部分增長都將來自這一轉變。我堅信這是凈就業增長的過程——公司整體上會更快增長營收，而員工數量增長更慢，這就是生產率提升的表現。聚合到宏觀層面，就是經濟生產率的提升。由此釋放的消費者剩余又會投入到新產業，創造前所未有的事物。

在軟件開發中也是一樣——我們并不缺程序員，缺的是能消化掉堆積如山的 IT backlog（技術債）的能力。智能體將幫助我們真正實現“常青軟件（evergreen software）”。未來的知識工作層次會提升，工作流會適應這種新抽象層。這會反過來增加對軟件產品的需求。

而從宏觀角度看，未來幾年美國的再工業化正在發生。微軟和其他大型科技公司未來四五年投入的資本開支約 4 萬億美元，按通脹調整后相當于曼哈頓計劃的 10 倍規模。這將是一場史詩級的經濟重建。