微軟CEO納德拉最新萬字訪談：AI時代，范式正確不代表就能贏

本文來自微信公眾號：劃重點KeyPoints，作者：林易，題圖來自：Unsplash

近日，微軟CEO納德拉與Stripe聯合創始人約翰·科里森（John Collison）進行了一場關于AI技術、商業本質與組織進化的深度對話。納德拉將當前的AI浪潮與90年代的互聯網泡沫進行冷靜對比，認為此次AI浪潮并不是泡沫，而是真實存在算力供不應求的產能危機。

納德拉在訪談中描繪了一幅反直覺的軟件未來圖景：應用的邊界正在消融，而集成開發環境（IDE）將以一種全新的面貌回歸。他認為，未來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控制中心。在這個圖景中，無論是程序員，還是會計師、律師，他們都將擁有屬于自己的IDE，工作的本質將變為對成千上萬個AI智能體（Agent）進行微觀引導（Micro-steering）。

這不僅是UI的革新，更是人類與機器協作關系的重構，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，納德拉強調，在AI時代，公司主權（Corporate Sovereignty）是一個的核心價值。他認為，在通用大模型無所不知的情況下，企業的護城河不再僅僅是傳統的知識產權，而是將內部難以言傳的“隱性知識”轉化為私有模型的權重。

如果說30年前比爾·蓋茨夢想將世界結構化為SQL數據庫，以實現信息觸手可及的夢想，那么今天，納德拉正在用神經網絡和Agent來構建企業獨特的隱性知識，防止企業核心優勢泄露到通用模型中。

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核從“自以為是派”（Know-it-all）徹底重塑為開放的“學習一切派”（Learn-it-all）。在他看來，要對抗外界刻板印象與內部官僚主義，微軟必須擁有統一的“成長型思維”，以應對每一次技術范式的劇變。

Satya Nadella訪談內容劃重點： 1. 企業級 AI 的真相：別羨慕別人的工廠，建自己的數據護城河 拒絕模型焦慮：納德拉直言，企業最核心的任務不是羨慕別人的AI智能體，而是構建自己的AI工廠。其中最復雜也最重要的工作是在組織數據層，讓企業數據能夠滿足智能化需求。 記憶與關聯：真正的殺手級應用在于建立“圖譜”（Graph）。工作并非雜亂無章，而是圍繞業務事件展開的，AI的價值在于找回這些在系統中丟失的語義連接。 Agent的三大基石：一個有效的Agent系統必須具備三個模型之外的要素：記憶（長期信用分配）、權限（嚴格遵守訪問限制）和有效的行動空間。 2. 重新定義“公司主權”：隱性知識的權重化 科斯定理的AI版：既然通用大模型無所不知，公司存在的意義是什么？納德拉認為，公司的價值在于其內部交易成本低于市場交易成本的“隱性知識”。 未來的IP是模型權重：“公司主權”意味著企業擁有自己的基礎模型，該模型捕捉了組織內部獨特的隱性知識。未來的知識產權將以LoRA（大模型微調層）權重的形式存在，這是防止企業核心優勢泄露到通用模型的關鍵。 3. 基礎設施建設：這次不是泡沫，是產能地獄 與2000年泡沫的區別：納德拉指出，2000年是暗光纖泡沫，基礎設施鋪設過度但利用率低；而現在的AI基礎設施建設中，所有算力資源都已售罄，瓶頸在于電力、渦輪機和“增強型外殼”的供應不足。面對日益嚴格的數據法規，微軟必須在全球范圍內建設數據中心，以應對各國對數據主權的要求。 技術棧布局：納德拉將微軟的AI堆棧概念化為兩層核心。底層是基礎設施業務，即“Token工廠”，其核心指標是追求極致的資本效率，即每美元、每瓦特能生產多少Token；上層則是“Agent工廠”，其核心在于如何最有效地利用這些Token來驅動業務成果，即最大化每個Token的價值。 拒絕過度捆綁的誘惑：盡管微軟擁有從芯片、云設施到應用的全棧能力，納德拉卻強調每一層（基礎設施、數據層、應用）都必須具備獨立生存的市場競爭力。他反對過度依賴生態捆綁，認為客戶不應被迫接受“全家桶”，而應擁有自主選擇“從哪扇門進入”微軟生態的權利。 4. 軟件界面的未來：人人都有“IDE” IDE的回歸：盡管人們常說“應用將消失”，但納德拉認為IDE（集成開發環境）將以新的形式回歸。未來的軟件界面將是收件箱、消息工具和“閃爍光標畫布”的融合，程序員，會計師、律師都將擁有自己的“任務控制中心”，微觀引導成千上萬的AI智能體。 5. 歷史的教訓：范式正確不代表贏 微軟的互聯網往事：90年代微軟雖然看準了“信息高速公路”的方向，但最初押注的“交互式電視”路徑卻被開放互聯網擊敗。這給AI時代的啟示是：即使看對了范式（Paradigm），具體的架構選擇和商業模式仍決定成敗。 組織層的必然性：即使在開放的生態系統中，最終也會出現掌握話語權的“組織層”（如搜索引擎、應用商店）。在AI時代，誰能成為新的組織層（如ChatGPT目前的角色）仍是未定之數。

以下是Satya Nadella的訪談實錄。

一、關于Ignite 大會與企業級 AI

John Collison：那么，大家應該為Ignite大會的哪些內容感到興奮？

Satya Nadella：對我們來說，Ignite大會最核心的任務，就是確保 AI 能在企業內部得到廣泛普及。如果說只有一件事最重要，那就是不要只去羨慕別人的“AI 工廠”或 AI 智能體（Agent），而是要探討如何構建你自己的 AI 工廠。

其中，對數據層的組織至關重要，事實證明，這可能是最復雜的一環。你需要覆蓋整個企業的數據，使其能夠滿足智能化的需求。這將是我們接下來的工作重點。

John Collison：我們在企業環境中似乎還沒有看到真正的深度應用。雖然有了Copilot，但大多數人在日常工作中并沒有這種能力。你認為人們是否低估或未充分利用已經存在的 AI？

Satya Nadella：是的，這很有趣。因為對我來說，這正是殺手級功能。我們做的最重要的事情就是建立了“圖譜”（Graph）。在我看來，這是位于所有數據庫之下的、對任何公司都最重要的東西——它承載著你的電子郵件、文檔、Teams 通話等數據。

關鍵在于這些數據間的關系。人們的工作并非雜亂無章、非結構化的，所有的工作都是圍繞某個業務事件展開的。這種語義上的連接存在于人們的腦海中，但在系統中往往丟失了。而現在，這是第一次，我們能通過 AI 更好地找回這些記憶和關聯。

John Collison：相比個人用戶，為什么 AI 在企業中的滲透率還不足？

Satya Nadella：因為我覺得，人們現在使用很多大語言模型（LLM）工具時，可能只是上傳單個文檔。但大多數公司并沒有將所有功能集成起來，沒有將公司完整的上下文接入他們日常使用的 AI 中。

實際上，這里有兩層挑戰。第一是變革管理。這是我們歷史上發布的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。而在企業環境中，這意味著所有的數據發現（Discovery）環節必須可行，所有的數據治理必須到位。我們必須將權限范圍接入 Copilot，確保當我檢索內容時，如果是機密信息（如已被 IRM 保護的內容），它能被正確識別和處理。我們已經做了大量工作，現在已經開始看到成效。

我要說的第二點是，讓 AI 跨越整個 Microsoft 365 圖譜運行是一回事，但接下來要解決的是 ERP 系統的數據。目前的連接器就像“兩根細吸管”，效率不夠。你需要一個更好的數據架構，基本上需要通過語義嵌入（Semantic Embedding）將所有數據整合到一個層面。

John Collison：幾十年來，讓公司數據“觸手可及”一直是一個愿景。我讀過那本關于 Oracle 歷史的書《Softwar》，其中提到，拉里·埃里森（Larry Ellison）在 90 年代末就像高管推介，要把公司所有的數據放在一個地方，讓高管可以“一鍵”獲得答案，而不是發郵件讓分析師去調查。

為什么這個論點經久不衰？是因為公司實際上并沒有按時做好數據基礎設施這門“苦修課”（eat their data infrastructure vegetables）嗎？這一次，我們終于能解決數據管道的問題了嗎？

Satya Nadella：你可以反駁這個前提，但這正是問題所在。如果我沒記錯的話，比爾·蓋茨在 90 年代的一次 COMDEX 演講上創造了“信息觸手可及”（Information at your fingertips）這個術語。比爾一直對此非常著迷。

我清楚地記得，他在 90 年代的一次評審中說過：“軟件只有一個類別，那就是信息管理。你必須對人、地點和事物進行建模，僅此而已。你無需再做任何事，因為所有軟件在本質上都是信息管理。”

這是比爾一直以來的夢想。他討厭文件系統，因為它們是非結構化的。如果所有東西都是SQL 數據庫，他會很高興，那樣他就可以直接運行 SQL 查詢，對所有信息進行編程。對他來說，那是讓信息觸手可及的優雅解決方案。

但問題在于，人是混亂的（messy）。即使數據是結構化的，它也并不會被真正集中在一個索引中，我也無法運行一條 SQL 查詢來獲取所有信息。這一直是根本性的挑戰。

我會說，那是舊世界的產物。我們當時誰也沒想到，AI 和大規模深度神經網絡會突然成為解決這個問題的關鍵。我們要做的不是建立某種程式化的數據模型，而是通過神經網絡找出那些模式。事實上，在很長一段時間里，我們都癡迷于探索數據模型需要多么復雜才能捕捉企業的本質。事實證明，在擁有巨大算力的神經網絡中通過海量參數就能做到。

John Collison：就像有些聰明的遠程員工，剛入職五分鐘就能通過閱讀文檔抓住要點。模型可以非常聰明，它們可以執行RAG（檢索增強生成），可以訪問企業中的所有內容。但這與模型本身真正“知道”某事是不一樣的。除非你在公司內部訓練定制模型，否則這些模型不會真正精通你們的業務。如果第一千次查詢并不比第一次查詢更聰明，那你認為這會走向何方？

Satya Nadella：這里涉及兩點。如果是指上下文學習（Contextual Learning）或持續學習，那這確實是終極目標。這呼應了我之前的觀點：如果你把模型的“認知核心”與它的“知識”進行分離，你就擁有了一種持續學習的公式或算法。

我認為有三件事必須存在于模型運行之外，我們需要攻克它們：

• 記憶（Memory）：包括短期和長期記憶。人類很擅長長期歸因（long-term credit assignment）。當 AI 模型既能根據長期記憶進行獎勵，也能進行懲罰（即具備長期信用分配能力）時，你就知道你擁有了真正的記憶。

• 權限（Entitlements/Permissions）：模型在運行時必須嚴格遵守權限系統。我是誰？我有權訪問什么？模型必須遵守這些限制。

• 行動（Actions）：行動空間必須有效。

如果你將這三者結合，行動、權限和記憶，這就構成了上下文（Context）。這些要素根據定義，必須位于模型之外，而不是被內置于模型中。例如，在今天的 Copilot 中，你需要系統在 OpenAI 模型和 Claude 模型之間運行。我認為這正是前沿技術需要發展的方向。

二、CEO 的日常與管理方式

John Collison：我想問一些關于你工作方式的問題。你的日常工作是什么樣的？你們如何通過現代化的“走動式管理”來了解微軟內部的情況？

Satya Nadella：我平常的一天主要由兩端組成。首先是客戶相關的事宜。我每天至少有一兩個Teams 通話是與客戶進行的。這是最有幫助的方式之一，讓我保持腳踏實地。

其次是會議。作為CEO，我意識到會議主要有兩種。一種是我只需要召集大家，然后閉嘴不言，因為“召集”這個動作本身才是重要的，工作要么已經完成，要么會在之后完成。

另一種是更重要的會議，我需要在會上學習、作出決定或傳達信息。你提到你會“潛伏”在 Teams 頻道里，對，Teams 頻道對我來說幾乎無處不在。我就像是漫步于虛擬的走廊，潛伏在那些頻道周圍。如果說有什么收獲的話，我在那里學到的最多。這也是我建立聯系最多的地方。我會發現：“哇，這個人正在開發 Excel Agent”，或者了解他們想要的評估方式。我從中學到的東西比做任何其他事都要多。

John Collison：就像微軟的Teams 團隊專注于他們的產品，然后薩蒂亞突然跳出來問了一個問題？

Satya Nadella：是的，雖然有時我覺得我應該擁有更多訪問權限。實際上，我最大的不滿是不能隨意進入所有我想去的地方（笑）。但能夠直接進去體驗確實很有趣，這在某種程度上讓這種溝通正常化了。現在的員工也不會吝惜與你分享他們的真實看法。

John Collison：你在硅谷的小圈子里很有名，因為你保持著高度的聯絡感。我記得你曾來參觀過Stripe 的辦公室，當時我們還是家小公司。為什么你比其他大多數 CEO 更愿意花時間與初創公司會面？

Satya Nadella：我是在微軟這種文化中成長起來的，我體內有面向開發者關系的“布道基因”。有兩件事深深根植于我心中：如果你不關注開發者的去向，就很難保持技術平臺的相關性。你需要理解新的工作負載（Workloads）以構建技術平臺。

John Collison：如果你不關注初創公司，就很難了解平臺或工作負載的趨勢。所以這幾乎是我必須做的事。另一點是，我從中獲得了巨大的能量。我一直覺得創始人就像魔法師，能從無到有創造出東西。這感覺就像變戲法，我總是想搞清楚：“到底是怎么做到的？”

Satya Nadella：事實上，我們從你們那里學到的一件事，就是重新發現微軟非常擅長的事情——跟隨開發者，出現在初創公司聚集的地方。

這也在某種程度上將我引向了GitHub。顯然 GitHub 是一個很棒的資產，我們需要成為開源生態系統的優秀管理者。但更重要的是，每個初創公司的倉庫都在 GitHub 上。對我們來說，參與其中不僅是戰略占位，更是為了簡單地學習并打造更好的產品。因為有時你會失去審美，忘記如何以最少摩擦的方式交付產品，而初創公司的耐心是最少的，價值實現的時間必須最大化。

三、軟件界面的未來：生成式UI與IDE的回歸

John Collison：微軟是否在考慮生成式UI（Generative UI）？現在的軟件仍然陷在老舊范式里，比如“寫代碼、定稿、發布”。而在云端交付的時代，我們是否可以根據個人需求實時渲染 UI？

Satya Nadella：肯定會朝這個方向發展。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，長期以來，我們也一直在思考文檔、網站和應用之間的區別到底是什么。你可以根據想要展示的格式，隨時生成其中任何一個。

但有趣的是，盡管大家都在討論“應用將會消失”，我們那些老牌的 IDE（集成開發環境），無論是 Excel 還是 VS Code，在某種意義上又回來了。因為現實是，AI 會產生輸出，而我需要理解那些輸出的含義。實際上，我需要一個出色的編輯器，讓我能與 AI 進行差異比較（diff）和迭代。

我認為，最令人興奮的事情之一是全新類別的“高度精細化 IDE”。它們更像是任務控制中心（Mission Control）。如果我有成千上萬個智能體（Agent）在運行，我要如何理解這些情況？這就需要“數千個智能體的微觀引導”。這就是未來 IDE、收件箱和即時通訊工具的演變方向。它不再是簡單地發消息或分診（triage），而是宏觀委派（Macro-delegation）和微觀引導（Micro-steering）。

John Collison：你的意思是，未來除了程序員，會計師、律師都會有自己的IDE？

Satya Nadella：沒錯。這就是人們與智能體協作的比喻。我會給出一堆指令，它們開始執行，有時會運行幾小時甚至幾天，然后回來匯報。

對于這種工作流，我們需要用上下文來進行微觀引導。它不能只變成下一個“通知地獄”，發給我五個字提醒，而我不知道上下文。

我認為軟件最終會長成這樣：它看起來像一個收件箱，又像一個消息工具，同時帶有一個閃爍光標的畫布（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。未來的界面會是這些形式的融合。

例如，我們正在試驗的 GitHub Copilot Workspace 就是這種“任務控制中心”。你會有五六個不同的分支，啟動自主智能體去執行任務，然后它們返回結果，你可以進行代碼合并的分診。我認為下一個偉大的 IDE 就會誕生在這里。

四、歷史的教訓：互聯網浪潮

John Collison：科技界常有一種模式：對某項技術的興奮程度遠超其成熟度。就像《2001太空漫游》里的語音 AI，我們花了 50 年才實現。我經常思考微軟在上世紀 90 年代的情況。比爾·蓋茨寫了著名的《互聯網浪潮》（Internet Tidal Wave）備忘錄，明確指出互聯網是重中之重。但當時微軟對互聯網的設想是“信息高速公路”和機頂盒，而不是我們后來看到的 PC 互聯網。我們在當前的 AI 浪潮中應該吸取什么教訓？

Satya Nadella：這是一個很棒的問題。即使在當時，作為一名初級員工，我對那段歷史的解讀是：我們好像理解了互聯網，但其實并沒有。

我們當時想要交付高質量的服務，但我們不相信TCP/IP 協議能奏效。當我回顧我們當時試圖做的事情（信息高速公路）時，服務質量（QoS）確實是個大問題，我們覺得 TCP/IP 撐不住。當時我們是在與 AOL 的撥號上網競爭。我還記得 MSN 最早是基于 X.25 網絡的。我們在做交互式電視（Interactive TV），把 ATM（異步傳輸模式）交換機連接到家里。

我在1994 年做過一個演示，那是我職業生涯早期風險最大的演示之一。那是我們的第一個冗余文件系統，是一個視頻服務器。比爾當時說：“嘿，這就是交互式電視的未來。”即便光盤故障，視頻流也能繼續播放。我的工作就是當眾拆掉光驅，證明流媒體還在繼續。

我們構建了分布式文件系統、流媒體服務器，并把 ATM 網絡連接到房子里。我有五部電影可以看，我看了一遍又一遍。

我們的愿景和方向（互聯網）是對的，但我們最初押注的實施路徑（交互式電視/專用網絡）卻被后來的技術演進（TCP/IP、開放互聯網）超越了。這在 AI 時代同樣值得深思：看準方向固然重要，但具體的架構選擇和實施路徑同樣決定成敗。

John Collison：但那就是比爾（Bill Gates）轉變方向的時刻，對吧？

Satya Nadella：沒錯，比爾在 1995 年所做的那個決定……事實上這很有趣。當時 Windows 95 即將發布，然后他說：“你知道嗎？一切都將改變。”如果你回想 1992 年到 1995 年之間，那是我們大家都初次接觸互聯網的時候。

1993 年 11 月，Mosaic 瀏覽器問世，差不多就是那個時期。在那兩年里，局勢并不明朗，大家都在通過旁敲側擊的方式探索。當時并不確定是某種專有協議棧會勝出，還是開放互聯網會勝出。直到 1995 年，形勢變得清晰，于是我們進行了轉向。

John Collison：有意思。那時候確實還不確定開放互聯網最終會獲勝。

Satya Nadella：是的。事實上，這里面有一個教訓，我一直在觀察并思考如何將其應用到人工智能（AI）上。那就是：首先你要把范式（Paradigm）弄對。但即便把范式弄對了，你也不清楚是否能找到那個“殺手級應用”，甚至是商業模式。

這在歷史上一直如此。以互聯網為例，誰能想到開放網絡的“組織層”（Organizing Layer），也就是擁有網絡效應的搜索引擎，竟然會由單一所有者掌控？我總是說，并不存在所謂的“開放網絡”和“谷歌網絡”之分，因為谷歌曾經統治了它。

John Collison：我們是否應該反思這一點？當時也許有人出于動機，認為像 Liberty Media 和 Microsoft 合資的那種專有解決方案會獲勝，但最終開放網絡贏了。然而，即使開放網絡勝出，你也應該提醒組織：無論是在我們自己的“信息高速公路”專有系統上，還是在開放網絡上，公司通常會對專有解決方案抱有樂觀的看法。

Satya Nadella：這是一個很有趣的話題。當我回過頭看時，像AOL 和 MSN 這樣的平臺，雖然輸給了開放網絡，但它們其實只是被新的形式所取代了，比如搜索引擎和應用商店。移動互聯網的出現實際上也非常吸引人。開放網絡確實曾是一個歷史性的時刻。

對我來說，更宏觀的規律是：即使在開放的生態系統中，“組織分層”也始終會出現。大量的品類影響力會轉移到那個組織層。而且正如上一個范式是搜索引擎，今天是聊天機器人（Chatbots），但這能持續多久？無人知曉。但不可否認的是，ChatGPT 目前作為一個聚合點，其成功是顯而易見的。市場和應用商店一直存在，下一步會是什么？電子商務會發生什么變化？是在一個具有代理性（Agentic）的市場中，還是在一個代理化的電子商務中？這些都是需要通過實踐來解決的有趣問題。

John Collison：我想談談這個問題，也想談談商業。既然我們還沉浸在“90 年代”的氛圍中，現在每個人都在拿這段時間與互聯網泡沫作比較，這幾乎已經成了陳詞濫調。但我認為這是一個合理的類比，原因在于：這確實是一個極其依賴資本支出（CapEx）的建設過程，這是一個非常重要的新范式，但確實伴隨著巨大的資本投入。

你在 2000 年的網絡泡沫期間曾在 Microsoft 工作過。Microsoft 的股價在上世紀 90 年代末到 2000 年初達到頂峰，直到 2016 年才重新超越那個高點。你在 1999 年時的感覺如何？你當時知道自己處在泡沫中嗎？還是覺得“這次不一樣”？

Satya Nadella：有意思。我記得大概在2000 年，我們超越了通用電氣（GE），成為市值最高的公司。那時候我們的資本投入模式其實還很輕。回顧那段時期，即便撇開金融周期不談，長期趨勢和方向是清晰的，互聯網確實改變了一切。因為即便在那時，商業模式也在逐步浮現。

當時 Microsoft 最大的教訓是：天哪，我們那時候的首要策略，比如打造瀏覽器、搭建 Web 服務器、普及互聯網協議。我們做了所有顯而易見的事情（比如在辦公室內部做一個所見即所得的網站構建器），但我們意識到，僅僅做那些顯而易見的事是沒有意義的。我們需要重新構建我們正在做的事情。新的商業模式最終會變得清晰。在某種意義上，那次修正沖刷掉了許多東西，但核心理念一直存在。

我在思考這里發生了什么。當時鋪設的基礎設施本身，其實有更直接的影響。比如暗光纖（Dark Fiber）的鋪設，雖然會有孕育期，但互聯網公司最終會規模化發展并利用它。但這一次，人們似乎排著隊在門外搶購這些基礎設施（GPU 等）。

這一次，坦白來說，我們在基礎設施建設上是落后的。當我看我們的基建進度和今天的需求時，這與當年的泡沫截然不同。當年是“暗光纖”泡沫，顧名思義，光纖是“暗”的，沒有被點亮（利用率低）。而現在，我們并沒有利用率的問題，所有算力資源都賣光了。事實上，問題是得拼命增加供應。

當然，沒有任何供應鏈能完美匹配供需。但這一次在構建過程中，考慮到長交付周期，我們必須向華爾街清晰描述我們的資產。有些資產（如建筑外殼）可以使用 20 年，有些（如芯片）只有 4~5 年的壽命。你必須以不同的方式對此作出決策。在資產負債表上有一個閑置的“冷外殼”，其實沒關系，這就好比擁有一個有五棟樓的園區。

真正的問題是，如果沒有可以被“點亮”的增強型外殼（Hot Shell）來滿足需求。現在的瓶頸可能在于電力設施、渦輪機，或者經過增強的外殼本身。如果我沒有足夠的增強外殼，我就無法把 GPU 放進機架并投入運行。這（土地許可、電力許可、建設）才是耗時最長的部分。

順便說一句，位置也很重要。我們不僅在美國本土大量建設，還必須在全球范圍內建設。數據法規實際上每天都在增多，各國都非常在意主權問題。因此我們必須確保這是一支全球化的艦隊，能夠處理訓練、數據生成（DataGen）到推理的各種工作負載。

John Collison：誰應該關心數據主權？比如愛爾蘭有很多數據中心，但他們并不特別糾結于“數據必須只保存在愛爾蘭”這個想法。你們是完全按照各國的意愿行事，還是會就數據主權的必要性提供建議？

Satya Nadella：顯然這是每個國家的政策制定者都高度關注的話題，也有其合理原因。但在人工智能時代，我對“主權”的思考方式有些不同。

我認為最終的主權問題更多是關于“公司的未來”。如果你回到科斯定理（Coase Theorem）的核心，你會問：“如果大模型是那個全知全能的東西，那我存在的意義是什么？”企業的存在是因為掌握了一些隱性知識（Tacit Knowledge），這使組織內部的交易成本低于僅在市場上進行交易的成本。

因此，我認為至關重要的主權問題是“公司的主權”。在一個模型持續學習、回報遞增的時代，公司必須擁有那一層智能，無論是作為支架，還是作為嵌入在模型中的權重。這不僅關乎使用別人的基礎模型，而是你是否在自己的基礎模型上擁有主權。我的新概念是：公司的未來在于擁有自己的基礎模型，該模型在本質上捕捉了那些能降低內部交易成本的隱性知識，并能加速知識在組織內部的積累和傳播。

John Collison：這非常有趣。如果 AI 改變了公司的本質……有些公司本身已經是知識產權（IP）的集合，比如迪士尼，或者像禮來公司（Eli Lilly）這樣的制藥巨頭。目前這些 IP 散落在電子郵件、文檔，尤其是人們的頭腦中。而這些 IP 最終也許可以被集中進單一模型中。我原本以為你會說未來的公司結構會變成像 DAO（去中心化自治組織）或者那種一人創造十億美元營收的公司。

Satya Nadella：那些結構上的變化也是可能的。但對我來說，更有趣的問題是：隱性知識到底存在于何處？顯然，它存在于人們的腦海中，是經典的專有技術。但我認為，未來它也將駐留并復合成某種LoRA 層（Low-Rank Adaptation，大模型微調層）中的權重，這是貴公司獨有的資產。所以我覺得，在禮來、Microsoft 或 Stripe 中產生的新 IP，除了現有的形式外，我們還會說：“哦，它們存在于某個嵌入（Embedding）里。”

John Collison：你提到 Stripe 很有趣。Stripe 剛開始時并沒有強烈的網絡效應，更多是單一角色的 API 體驗。但隨著擴展，我們現在擁有了一個信任網絡。因為我們見過大多數互聯網用戶，所以如果沒見過某個用戶，這本身就有點可疑。這變成了一種類似于 Google reCAPTCHA 的聲譽網絡。

我們現在正在利用 Stripe 網絡中的所有數據訓練一個支付領域的基礎模型。所以對我們所有人來說，有一個關鍵問題，就是如何保護那一點核心優勢，防止它被泄露到通用的基礎模型中？通用的基礎模型是否會因為能力提升而學會欺詐檢測，從而取代我們？

Satya Nadella：這就是關鍵問題。對此有兩種論點。一種論點是“模型將吞噬世界”，因為一切不過是模式，通用模型最終會學會所有東西。

但我傾向于另一種觀點，就像你提到的Stripe 的例子：可以同時采用多個模型。你可以構建一個不可思議的、以模型為先的“欺詐檢測層”，再加上對 Stripe 的記憶、工具使用和操作空間的獨有理解。對我來說，那就是公司的未來，無論是制藥公司、支付公司還是軟件公司。這就是所謂的“主權”。你需要一個通用基礎模型，再加上屬于你自己的、包含隱性知識的專有層。

五、軟件、工作流、商業的未來

John Collison：這讓我想到了另一個話題。我們已經有了面向非軟件工程師的IDE（集成開發環境）。但我仍然覺得，這在未來十年對金融從業者來說會是一個產品。事后看，這顯然是正確的用戶界面。就像電子表格（Spreadsheet）一樣，當它作為一種 UI 出現時，感覺像是憑空誕生的。說到電子表格，對某些軟件公司來說，嘗試挑戰 Excel 幾乎成了一種成年禮，但 Excel 在四十年里似乎一直屹立不倒。為什么它這么耐用？

Satya Nadella：是啊，太不可思議了。我認為這是“列表”和“表格”的力量，加上軟件的可塑性，兩者的結合非常完美。這就是為什么它像一個永遠存在的“閃爍畫布”。我們可能會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。

我們往往沒給它應有的評價，它是世界上最易上手的編程環境。你可以不經思考地直接開始編程。還有一個美妙之處。就像我們現在討論 AI 需要“變革管理”（Change Management），但當電子表格出現時，沒人談論變革管理，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的，他在傳真機時代加入了通用再保險公司（Gen Re），他記得在電子郵件和 Excel 出現后，整個工作流程被根本性地顛覆了。我認為 AI 也會如此，工作產物和工作流會從底層被重新審視。現在是從事軟件工作的一個非常有趣的時期，比五或十年前有趣得多。

如果你在當年問我什么最熱門，我會說是云計算、多區域數據庫（Cosmos DB）等。當時我們覺得已經到了某種穩定狀態。然后疫情發生了，云計算進入了另一個超級推進階段（Teams 等應用的爆發）。

John Collison：在Stripe，我們也看到了類似的圖表，出現了一個明顯的不連續性——電子商務活動呈階躍式增長，而且從未回落。即使人們回到了實體辦公室，線上業務依然保持在那個高位，甚至繼續上升。我相信 Azure 也是這樣。

Satya Nadella：完全正確，它從未降低。既然我們在談論商業，不妨談談我們正在共同推進的工作。

我們要探討的是：什么是對商家最友好的規則？什么是對顧客最友好的規則？是否存在完美匹配？“對話式商業”（Conversational Commerce）是人們一直在討論的話題。現在我認為，隨著你們以及我們所做工作的進展，我們可以真正將商家和最終用戶結合起來，打造這種具備“代理性”（Agentic）的體驗。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做。我對此感到非常興奮。

John Collison：我們看到了過去的嘗試與現在的不同之處。以前也有過類似的嘗試，比如在Twitter 或 Instagram 上直接購買，但這次的不同點在于：第一，有了 AI，商家集成的難度大大降低了，這比以往任何時候都要容易；第二，這種體驗對最終用戶來說非常有吸引力。從我們早期客戶的反饋數據來看，這一點已經得到了證實。幾周前，我們在 ChatGPT 上推出了相關功能，數據表明，這種方式對終端客戶來說要方便得多。

Satya Nadella：我總是在尋找相關裝備。但無論是 Amazon 還是 Walmart，網站內的搜索體驗有時真的很差。現在的聊天體驗起初很棒，但最后往往還是把用戶指回傳統的商品目錄。雖然目錄依然是核心，但如果能將“結賬”與“目錄”無縫結合，那才是真正的流暢體驗。

John Collison：在做產品調研時，我發現使用 AI 應用進行搜索的效果要比傳統的關鍵詞搜索好得多。令人驚訝的是，直到去年，我們還認為關鍵詞搜索是可以接受的方式。

Satya Nadella：這就像為你量身定制了一個目錄。不僅是展示搜索引擎的結果頁面。舉個例子，我們在給家里買家具時會討論：“這個位置還有這么多空間，放什么家具好看？尺寸要合適，風格要偏高端但不浮夸。”以前我們無法這樣的搜索，這很瘋狂。現在，這種定制化、傳達氛圍和整體美感的能力變得觸手可及。

我妻子是一位建筑師，她用 Copilot 筆記本記錄所有圖紙。她可以向 AI 提出非常高級的推理問題，比如“我應該在里面放什么？”。AI 能夠讀取建筑草圖，結合公開的家具目錄進行推理，并組合元素。這簡直太神奇了。

John Collison：在 Stripe 的商務領域，我們非常擁抱 AI，我們認為大量工作將向這里轉移。如果你進行的是開放式探索，比如“我想為某個場合買套衣服”，AI 的體驗遠勝于點擊瀏覽一列搜索結果。即使是針對性很強的搜索，比如“我要買這款自行車組件”，通過 AI 指定精確參數也會好得多。

如果 AI 既能囊括非定向的發現，又能處理高度定向的搜索，這基本上就涵蓋了互聯網上所有的商業行為了。可能唯一剩下的就是那類經常性的必需品購買，比如“再訂購一些寵物食品”。當然，Etsy 是我們很好的首個合作伙伴，因為他們的產品都是定制的。

Satya Nadella：是的，這非常有道理。在“發現”這一層面上，Instagram 等平臺已經做得很好。現在的問題是，在這個對話界面中，什么是新的發現層？Pinterest 曾做過有趣的嘗試。如果我們將這種發現層與對話界面結合，將會惠及所有人。

John Collison：我們現在正在做的一項工作是讓商家的產品目錄、庫存等信息可以在遠程查看，并且支持遠程購買。用戶不必跳轉到商家端完成整個流程，而是可以在像 Copilot 這樣的智能體驗中直接完成。這就是我們在基礎設施層面正在連接的東西。這也是為什么我們認為像 Pinterest、Instagram 和 Twitter 這樣的社交平臺會再次嘗試電商體驗。因為現在有了更多商家的支持和使用。

Satya Nadella：我們有一個叫 NLWeb 的項目，旨在收集每個商家的目錄，為其提供一個類似網站的自然語言界面，讓 AI 代理（Agent）可以與之交互并進行深度搜索。是的，今天最大的挑戰之一就是目錄的質量以及利用推理進行深度搜索的能力。如果你能解決這個問題，每個產品都能找到它的精準查詢匹配。

John Collison：我們正在構建這個平臺。在代理式商務（Agentic Commerce）領域，我們推出了自主代理商務協議等開源協議。當然，我們也有常規的 Stripe 支付產品。從支付角度來看，這很棘手，因為你希望 AI 應用能代表用戶在網絡上不同站點間付款，而無需在全網共享所有支付細節。

我們在代理式商務領域構建的是一個平臺型業務。你們在這方面很在行，對于我們在這一初期階段構建產品，尤其是在產品與市場契合度已經很明顯的情況下，你有什么建議嗎？

Satya Nadella：我認為你們已經走在正確的路上了。這就意味著要參與到這個代理式工作流中。現在每個商家都不得不去找像 Stripe 這樣的服務商，說：“嘿，我有目錄，我有結賬頁面，請幫我以最無摩擦的方式與 AI 代理對接。”

這正是我會使用 Stripe 的原因。我認為長尾商戶能夠輕松點擊并啟用“代理式商務”，這將是一個巨大的推動力。好消息是，雖然 ChatGPT 目前是最大的入口，但 Google、Meta、Perplexity 以及我們都會在場，這將會有大量的競爭入口。

更有趣的是，這些平臺自身也希望在網站或App 上支持自然語言查詢。因此，這需要被很好地解決。你不能要求一個小商戶去部署 MCP（Model Context Protocol）服務器或執行各種復雜協議，必須有一個“簡單按鈕”。

John Collison：我認為我們將看到的另一個趨勢是，許多代理式體驗正在逐步融合。Intercom 的 Des Traynor 正在做由 AI 協助甚至取代人類的客戶服務。他們發現，用戶最初是為了尋求幫助而來，結果發現這是一種瀏覽網站的更好方式。這幾乎就像一個命令行。

我想知道這些體驗會在多大程度上融合？比如我們處理購買行為，而在另一端處理客戶服務。什么時候它會變成一個通用的命令行應用？再回到時尚領域的例子，現在的體驗依然基于糟糕的關鍵詞搜索和手動標簽。在我看來，這完全應該是一個交互式的、基于AI 的體驗，就像 Midjourney 的提示詞一樣，你可以說“圖片不太對，請按這種方式修改”。在商業領域，這樣做會非常有意思。

Satya Nadella：從直覺上講，客戶服務其實也是一種內部銷售。在代理式世界中，這些拼接的縫隙將不再像今天這樣明顯。

六、AI品牌忠誠度

John Collison：或許我們之前建立的那些因軟件和組織架構限制而產生的“泳道”（職能分工），比如客戶服務和 SDR（銷售開發代表）的區別，很可能都會被拋棄。

關于模型，我們談論了很多Copilot、ChatGPT 和 Gemini。關于模型質量有多重要存在爭論。人們會像忠于可樂品牌一樣忠于某個 AI 品牌嗎？雖然可口可樂換配方引發過反抗，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 GPT-5 很忠誠。當 OpenAI 試圖拿走 GPT-4 時，用戶也反抗過。你認為人們是會對特定模型保持忠誠，還是對 AI 品牌忠誠？這將如何影響商業策略？

Satya Nadella：在消費類產品領域，這是我們第一次見到這種情況。當模型更迭時，這種變化并非對所有人都會產生統一的影響。個性、風格等因素成為了新的維度。這也是一個論點，即“風格”可能成為差異化因素。這就像智商（IQ）、情商（EQ）以及風格要點的結合。

但從長遠來看，我認為必須確保模型最有能力處理最艱巨的高價值任務。作為產品構建者，我的觀點是：雖然我們會展示最強的那個模型，但實際在生產過程中使用的是多個模型的組合。

我最喜歡的一個例子是 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，但歸根結底，我真正想要的是一個智能的“模型選擇器”。它不能只是一個簡單的路由器，它必須具備智能，能夠判斷：“這個任務需要這種級別的認知資源或這種類型的智能，這是代碼倉庫或 PR 任務的復雜度。”

這就是智能體（Agent）的未來。你需要一組模型的集成（Ensemble），并在中間有一些代理來協調這個組合，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？比如對于“我去哪吃冰淇淋”這種查詢，我會手動選擇 o3，因為我總是想要最好的。

Satya Nadella：也許吧，但這更多是習慣。確實，我們都不喜歡默認設置被改變。如果現在取消了模型選擇功能，確實會是個問題。但我也認為，如果我能信任系統在進行選擇時始終是為了我好，這種“交接”會帶來一種愉悅感。如果能建立這種信任，那確實是目標。

七、Microsoft的技術棧布局

John Collison：那么關于Microsoft 的模型，你們在技術棧的每一層都有布局：Copilot、OpenAI 的股份、Azure 層、芯片等。在這個堆棧中，有什么是必須贏的嗎？你們會做行業解決方案嗎？

Satya Nadella：從核心來說，我對它的概念化方式分為兩層。

首先是我們的基礎設施業務。我們必須非常擅長構建我稱之為“Token 工廠”的東西。這關乎每美元、每瓦特能產生多少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 工廠的區別在于，Agent 工廠能最有效地利用這些 Token 來推動業務成果或消費者偏好結果。這關乎每個 Token 的價值。

圍繞這兩個核心有一整套工具。這有點像新的應用服務器層。每一個新平臺都有對應物，比如萬維網時代的網頁服務器。現在則是 AI 服務器或 AI 云。

所以我們肯定會構建自己的智能系統，也就是Copilot 家族：

信息工作：Microsoft 365 Copilot。

軟件開發：GitHub Copilot。

安全：我們絕對會成為其中的主要力量。

這將是三條橫向主線。此外我們也有業務應用。

在垂直領域，我們在醫療和科學方面做了很多工作：

醫療：我們收購了Nuance，現在有一個叫 DAX Copilot 的產品，用于處理醫生筆記，對說話者進行分離和記錄。這讓醫生有更多時間與患者相處，AI 處理從編碼到會議記錄的所有事情。這也是 Epic 系統內嵌的一部分。

科學：這是一個很大的領域，我稱之為“外循環編排”。科學方法在本質上是提出假設、在計算機中進行實驗、反饋精煉。這是一條工具鏈。我們正在嘗試將 GitHub Copilot 與 Microsoft 365 的知識工作能力結合，為科學家服務。這甚至可能涉及與實驗室的 MCP 服務器接口對接，協調一切，以加速科學循環。

John Collison：作為平臺公司，我們總是需要決定何時將產品捆綁在一起，何時讓它們獨立。Apple 最初只允許 Mac 使用 iPod 以推動 Mac 銷量，后來才將其開放給 Windows。Microsoft 的歷史中也充滿了這些例子。

早期（1985年左右）Microsoft 非常開放，大部分收入來自 Macintosh 應用，操作系統上也多是 Lotus 1-2-3 這樣的第三方應用。后來進入了 Windows 和 Office 緊密耦合的時代。Azure 起初也是，后來完全擁抱了 Linux。現在，Microsoft 作為一個平臺型公司，似乎越來越接受模塊化，比如 Stripe Radar 即使不使用 Stripe 支付也能用。你一般如何看待這個框架？何時耦合，何時獨立出售？

Satya Nadella：這是一個很好的觀點。我對這個問題的思考方式是：我們很多時候都夸大了所謂的“零和博弈”。實際上，對很多領域的分析應該更加敏銳，因為它們從定義上講就是多人互動的（Multi-player）。

云計算就是一個經典的例子。當我剛開始做Azure 時，AWS 已經遙遙領先了。人們會對我說：“哦天哪，AWS 難道不是已經贏了嗎？”但事實證明，這個市場足夠大，且是多方參與的。那么，市場上還有容納第二個云廠商的空間嗎？畢竟曾面臨 Oracle 和 IBM 等公司的競爭。在所有中間層服務器等領域，我當時的感覺是，企業客戶和商業客戶總體上會要求某種多樣化。這就是支撐我們投身其中的結構性認知，促使我們開始行動，剩下的就是歷史了。

如果把事情過度包裝，實際上可能會在某種程度上縮小你的可尋址市場（TAM），導致無法競爭。舉個例子，如果我們當初構建 Azure 時——我們以前叫它 Windows Azure，如果真的只叫這個名字，那就成問題了。因為 Azure 不可能只為 Windows 服務，它必須把 Linux 作為“一等公民”來支持，必須將 MySQL 和 PostgreSQL 作為“一等公民”來支持。

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。主要的推動力在于總體可尋址市場（TAM），這也是客戶對我們的期望。雖然我們將面臨激烈的競爭，但這對我來說，恰恰定義了模塊化。

到底是什么能最大化我的技術棧市場機會？我們是一家專注型公司，這也是我們不是企業集團的原因。因此，應該有一個關于整合收益及平臺效應的理論框架。那是什么？我們如何把它做得出色？

我認為在技術棧的每一層都應如此。即使是 Azure 的基礎設施層，客戶應該能夠說：“我只想使用 Azure 的裸金屬服務，我只需要 Kubernetes 分布式集群，但我只需要你幫我做管理部分，我會帶上我所有的軟件。”沒問題，我們必須贏得那項工作負載。也許將來某一天，當他們覺得自行管理多區域數據庫太麻煩時，可能會說：“哦，那我就用 Cosmos DB 吧。”但這應該是一個獨立的決定。

John Collison：這難道不總是有爭論嗎？關于是否只有在擁有Linux 和 Azure 的捆綁情況下，才會賣出更多 Azure？Windows 團隊的人可能會說：“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出售的，它們是同一事物的一部分，這使得整個組合更有吸引力。所以，你最終難道不會總是陷入這種爭論嗎：捆綁的成本是否超過了捆綁的收益？

Satya Nadella：是的，我認為其中一些例子，比如Teams，就是一個經典案例。Teams 作為一個產品的誕生，是將 Outlook 等四樣東西整合在了一起。Outlook 的引入也是如此，以前我們有 PIM（個人信息管理），有獨立的電子郵件客戶端，日歷也是分開的。Outlook 是第一個將這三者結合起來完成一項工作的“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，捆綁本身就是產品，是產品的腳手架。

當然，你也可以說：“嘿，那需要有一個開放的市場，并且需要與其他事物集成。”所以模塊化必須經過深思熟慮，在原子級別上具有意義。你不能過度思考那些協同效應或整合效應，否則就會失去競爭力。一個典型的例子是，如果你構建了一個驚人的公有云，但它只運行 Windows 工作負載或 SQL 工作負載，那它基本上只能占據市場的一小部分。

所以，滿足客戶需求符合我們的利益。我對 AI 堆棧的理解也是如此：我們有基礎設施業務，有應用服務器/數據層業務，還有應用業務。這只是簡化說明。我希望那三樣東西能獨立存在，憑借它們自身的優點立足。當然，我們希望這三層之間存在反饋回路，但客戶和合作伙伴應該能自主選擇從哪扇門進入。

John Collison：我的印象是，當你接手微軟時，你將公司文化從一種高度捆綁的狀態轉變了。以前是購買Windows 機器，運行 Microsoft Access 和 SQL Server，所有東西都被整齊地打包在一起，用戶生活在這個微軟生態中。而現在，你們走向了更偏向開放且互操作的策略。

Satya Nadella：我想我會說，我的做法其實是回溯到更早的時期，也許是上世紀 80 年代的微軟。因為大多數大家熟知的事情確實發生在 90 年代，那時微軟幾乎只有 Windows。但在那之前，我們的許多事物是開始聚合在一起的，無論是在客戶端還是在服務器端。

就像你說的那個比喻，這像回到了上世紀 80 年代的情況。比如我們曾在 Mac 上開發 Office，那時 Windows 還來得比較晚。事實上，比爾·蓋茨創辦微軟時的理念是把它當作一家“軟件工廠”。我不偏愛任何單一類別，我只是想打造最好的軟件工廠，不停地產出各種東西：你想要飛行模擬器？沒問題，我們有一個；你想要一個基礎解釋器？我們有一個；你想要一個操作系統？我們也有一個。所以在某種意義上，這就是最初的想法。

而在某個階段，我們陷入了四五個部分之間的僵局，比如 Windows、Windows NT 和客戶端/服務器架構等。所以當我成為 CEO，甚至之前負責云業務時，我意識到：這正是一個時機，市場將變得更大且截然不同。當時我們也沒有移動平臺，所以確實需要確保我們在最大的市場中保持相關性，通過將我們的產品組合成合理的配置來覆蓋市場。

坦率地說，如果這不在公司的核心基因中，我不認為僅僅因為我作為CEO 說“我要做這個”，就能執行得很好。實際上，我們可以把軟件帶到每個平臺，這本身就是公司核心基因的一部分。

八、微軟的企業文化

John Collison：說到公司的核心基因，這就讓我想起那幅著名的漫畫：微軟內部各部門互相舉槍對峙。你們需要做多少文化層面的調整？你們究竟是如何在細節上做到的？因為你可以看到所有美好的事物，諸如全員大會之類的活動，但歸根結底，文化取決于什么樣的行為被接受和不被接受，以及決策是如何制定的。

Satya Nadella：我會說有兩件事。我是一個徹底的內部人，關于微軟過去 35 年里的任何優點和缺點，我都經歷過，也是其中的一部分，所以我無法否認這一切。

我當時的感受是，我們要么失去了信念，要么就是失去了敘事權。那幅漫畫是一個很好的例子，說明外界的定義如何塑造了后來成為文化敘事的內容，其影響力甚至超過了現實。人們開始認同那個卡通形象。

但這并不意味著我們內部以前都是完美分工、處于某種大和諧之中。事實并非如此。部門間的緊張關系是現實存在的問題，而且這也需要保持這種張力。社會凝聚力不是目標，在市場中取得勝利才是目標。但在某種程度上，你必須對這些大型組織進行編排。事實上，你甚至可能有意識地安排兩個相互競爭的團隊。

僅僅因為有人讀了《紐約客》上的漫畫就形成看法，這是領導者面臨的挑戰。在當今世界，當員工通過外部渠道讀到關于公司的信息并形成看法時，你該如何溝通？我認為這是最艱巨的領導力挑戰之一。問題是你如何贏得信任？你如何確保他們能感知并塑造現實？

另一件事是，每個人都傾向認為問題出在系統上，是高層那個人或者副總裁擁有所有權力，而“我”毫無權力。現實是，權力要分散得多，是分布式的。你如何幫助人們掌握這一點并重新塑造環境？有一句名言說：“我不是離開公司，我是離開我的主管。”我確實相信這一點。這是一種“微觀文化”，它們是可以被塑造的。

當我回顧我的微軟職業生涯時，我很幸運地遇到了一些人，他們在公司里創造了令人難以置信的環境，這正是我留下來的原因，也正因如此我才得以茁壯成長。

所以，你需要在頂層有一個敘事，并且這個敘事必須被踐行并保持一致。這就是“成長型思維”或者說“學習一切派（Learn-it-all）”與“自以為是派（Know-it-all）”的區別。這作為一個框架，對我們非常有幫助。因為它不是我的教條，而是一個廣為人知的兒童心理學概念，這能吸引工作之外的人。打破這種局面并踐行它本身就是一個挑戰。在當今世界，我們要擁有一種內在的組織力量，去抵抗社交媒體上的梗（Meme）對我們的定義。

John Collison：微軟大概有 20 萬員工，而 Stripe 有 1 萬人。也許還有正在聽這個節目的聽眾經營著 500 人左右的公司。在不同規模下，有哪些事情是通用的，又有哪些是只有在公司達到城市規模（20萬人）時才會出現的？

Satya Nadella：無論規模大小，很多活動基本上是差不多的：你需要與客戶溝通，舉行高層戰略會議，查看未來的財務數字，希望收入高一些、成本低一些。

但有些事情只有在大規模時才會顯現。首先，我只在微軟工作過，并非這方面的專家。但當接手創始人的位置時，Paul Allen 和 Bill Gates 創立了公司，Steve Ballmer 和 Bill 將其做大，我是第一位所謂的“非創始人”。我很快意識到，為了管理這個范圍，我需要一個團隊。

我們曾提出過一個關于 CEO 職責的框架：明確 CEO 需要做什么？比如綜合分析外部環境、制定標準、設定文化規范。你必須既關注長期又關注短期，不能只偏向一方。你必須真正把握那四五件只有你能做的事，然后組建團隊。

即使在 500 人的公司，這也是你要做的。但坦白說，在小公司，你可以把所有事情保存在工作記憶里。像開發者那樣，大家可能知道每一行代碼是誰寫的。但在某個時刻（規模變大后），你必須從“知道每一行代碼”轉變為“知道那個模塊或那個庫是誰負責的”。你必須找到那個“認識寫代碼的人”的人。這種模塊化、團隊建設以及凝聚力，我認為是最重要的。

John Collison：所以我理解得對嗎？在 Stripe 這種規模或者更小的規模上，你仍然可以把產品作為一個整體來思考，了解發布的所有東西。

Satya Nadella：我也認為創始人在這一點上很獨特。因為他們從第一天起就與公司共同成長。像我這樣的職業 CEO 很難直接拿走并植入創始人的“工作記憶”。即使我在 1992 年就加入了微軟，但我并沒有經歷上世紀 80 年代早期的階段。

這就是為什么我認為應該尊重創始人所能獨特完成的事情，以及創始人對繼任者的尊重——他們不能指望繼任者完全照搬做法。這也是為什么“創始人模式（Founder Mode）”這個概念很有趣。顯然存在創始人文化個性極其強大的情況，你應該利用它發揮到極致。而像我們這樣的“凡人”CEO，也得有點處于“重新當創始人”的狀態，但不要誤以為自己就是創始人。我認為這個細微差別很重要。

九、Satya Nadella的成長經歷

John Collison：最后一個問題，當我們談論文化建設時，海得拉巴（Hyderabad）的“水土”到底有什么特別之處？你、Shantanu Narayen（Adobe CEO）、Ajay Banga（世界銀行行長）都來自那所學校，很多優秀的國際象棋選手也來自那里。你對這種地區性的超常表現有什么理論嗎？

Satya Nadella：是的，事實上就是我們當時上的那所高中，海得拉巴公學（Hyderabad Public School）。如果算上 Jensen Huang（黃仁勛），他現在已經把我們所有人的光芒都覆蓋了（笑），雖然他不是同一所學校的。但在我、Ajay、Shantanu 以及現在的寶潔 CEO 之間，我們確實是校友。這有點像一個小圈子。

我想說，最引人入勝的事情之一是，在上世紀 70 年代末和 80 年代初的海得拉巴長大，并就讀那所學校，感覺那里給了我們更多的空間。如果你看看我們每個人，雖然學術很重要，但坦白說，我們大多數人都有擅長的領域，而且實際上，在學術之外還有很多其他方面。這在當時的印度是相當罕見的事情。

我把很大一部分歸功于我的高中，因為它為我們提供了更多的空間和余地，去追隨后來真正成為我們的熱情所在的事物，而不是讓我們覺得必須加入某種單一的競爭。

John Collison：你高中時的興趣是什么？

Satya Nadella：板球。事實上，順便說一下，這就像塞繆爾·貝克特（Samuel Beckett）。

John Collison：是的，我想聽聽這個故事。

Satya Nadella：如果你問誰是那位既打過職業比賽又獲得諾貝爾獎的人？我想他打過一兩場比賽，大概是為都柏林大學隊，而且他打過一級板球。他是唯一一個既打過職業板球又獲得了諾貝爾文學獎的人。

John Collison：真的嗎？真有意思。

Satya Nadella：所以你可以二者兼得，當時的象棋、拳擊之類的東西。一位諾貝爾獎得主，同時還是一名職業板球運動員。

John Collison：太棒了。好吧，雖然你差了一點（沒成職業球員），但在另一個人生里，那可能就是你。好啦，非常感謝你，Satya。

Satya Nadella：謝謝，非常榮幸。

本文來自微信公眾號：劃重點KeyPoints，作者：林易

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4808267.html?f=wyxwapp