“AI工程師”已上崗！微軟 CEO 曝正嘗試新學(xué)徒制模式：內(nèi)部工程師的頂級(jí)實(shí)踐全變

整理 | 褚杏娟

最近的達(dá)沃斯論壇上，科技領(lǐng)袖們紛紛出來發(fā)表觀點(diǎn)。

當(dāng) Google 的 Demis Hassabis 和 Anthropic 的 Dario Amodei 在討論更宏觀的 AGI 話題時(shí)，微軟 CEO Satya Nadella 與英國前首相 Rishi Sunak 的對(duì)話，更聚焦在了 AI 應(yīng)用的話題。

Satya 以自己參加達(dá)沃斯的準(zhǔn)備工作變化為例，來說明在企業(yè)內(nèi)部，AI 正在打破傳統(tǒng)層級(jí)架構(gòu)，讓信息流實(shí)現(xiàn)扁平化。

“自從我 1992 年參加以來，直到幾年前，流程都沒什么變化：我的現(xiàn)場(chǎng)團(tuán)隊(duì)會(huì)準(zhǔn)備筆記，然后送到總部進(jìn)一步提煉。但現(xiàn)在我直接找 Copilot 說，“我要見 xxx，給我一個(gè)簡介”。它會(huì)給我一個(gè)全方位的視角。”“我做的是立即把這個(gè)簡介分享給所有部門的同事。”

他指出，企業(yè) AI 應(yīng)用呈現(xiàn)出明顯的 “杠桿效應(yīng)”：初創(chuàng)公司能從零開始構(gòu)建適配 AI 的組織，落地速度更快；大型企業(yè)雖手握數(shù)據(jù)、資源優(yōu)勢(shì)，但傳統(tǒng)工作流程與組織慣性帶來的變革管理挑戰(zhàn)更大。而無論大小企業(yè)，都需經(jīng)歷 “思維轉(zhuǎn)變 — 技能培養(yǎng) — 數(shù)據(jù)整合” 的艱苦過程。

人才方面，他認(rèn)為全球 AI 技術(shù)人才與初創(chuàng)公司的質(zhì)量已無顯著差異：“雅加達(dá)、伊斯坦布爾的人才技術(shù)水平并不遜色于西雅圖、舊金山。”真正的差距在于大規(guī)模應(yīng)用的推進(jìn)力度。

Satya 表示，判斷 AI 是否存在泡沫，關(guān)鍵也在于落地應(yīng)用：若僅停留在科技公司的技術(shù)討論，泡沫風(fēng)險(xiǎn)確實(shí)存在；但當(dāng) AI 加速藥物臨床試驗(yàn)、提升農(nóng)業(yè)生產(chǎn)效率、優(yōu)化公共服務(wù)時(shí)，技術(shù)就已轉(zhuǎn)化為實(shí)實(shí)在在的經(jīng)濟(jì)價(jià)值。

今天，Satya 參加 All-In Podcast 的采訪也發(fā)布了，這次談話與 Rishi 那次比，有部分話題重合，但也更微觀一些。他談到，科技行業(yè)每十年換一批競(jìng)爭對(duì)手是好事，能倒逼企業(yè)保持競(jìng)爭力，科技產(chǎn)業(yè)蛋糕會(huì)持續(xù)變大，絕非零和博弈。而微軟與 OpenAI 合作的核心邏輯：不押注單一模型，而是打造算力 + 應(yīng)用服務(wù)器層的平臺(tái)，兼容多模型生態(tài)。

他還提到，公司內(nèi)部全球網(wǎng)絡(luò)團(tuán)隊(duì)已用 AI Agent（數(shù)字員工）自動(dòng)化處理光纖挖斷、設(shè)備故障等 DevOps 重復(fù)工作，完全是自下而上的落地實(shí)踐。此外還將 LinkedIn 等團(tuán)隊(duì)各角色合并為“全棧構(gòu)建者”，重構(gòu) AI 產(chǎn)品工作流。現(xiàn)在，微軟正在嘗試新學(xué)徒制模式：由資深 IC 工程師帶一組應(yīng)屆生，借助 AI 加速新人生產(chǎn)力爬坡，以適配 AI 時(shí)代的人才培養(yǎng)方式，新人仍需持續(xù)進(jìn)入職場(chǎng)。

國際競(jìng)爭方面，他認(rèn)為，美國技術(shù)棧的核心優(yōu)勢(shì)是生態(tài)效應(yīng)（平臺(tái)之上生態(tài)收入遠(yuǎn)超自身收入），而非單純市場(chǎng)份額，技術(shù)“擴(kuò)散”是做大全球蛋糕，而非搶蛋糕。

我們翻譯并整理了這次訪談內(nèi)容，并在不改變?cè)饣A(chǔ)上進(jìn)行了刪減，以饗讀者。

1 移民政策下的一段“奇妙經(jīng)歷”

Jason：今天非常高興，能請(qǐng)到重量級(jí)嘉賓 Satya Nadella，Microsoft 的第三任 CEO，和我們的 AI 與加密領(lǐng)域負(fù)責(zé)人 David Sacks 來一場(chǎng)即興爐邊對(duì)話。Satya 出生在印度，大學(xué)畢業(yè)后來到美國，這一路經(jīng)歷本身就很傳奇。你在書里寫過，為了把太太接來美國，還專門“折返”了一趟。能不能簡單和大家講講當(dāng)時(shí)是怎么回事？

Satya：這件事其實(shí)是美國移民政策下的一段“奇妙經(jīng)歷”。我和太太在印度讀的是同一所大學(xué)，后來我來美國讀研究生，我們結(jié)了婚。我拿到了綠卡，但問題是由于我們是結(jié)婚后才申請(qǐng)，她反而不能直接過來。結(jié)果就是，我不得不放棄已經(jīng)拿到的綠卡。

最有意思的是，我去新德里的美國使館，問工作人員：“請(qǐng)問放棄綠卡要排哪一隊(duì)？”他們直接說：“沒有這種隊(duì)伍。”在九十年代，主動(dòng)放棄綠卡絕對(duì)算是件“瘋狂”的事。但為了讓她能以 H1 簽證過來，只能這么操作。好在最后一切都解決了，現(xiàn)在想起來更像是一段久遠(yuǎn)但有點(diǎn)荒誕的回憶。

Jason：我想聊聊 Copilot。你們最早在 GitHub 上推出 Copilot，后來做到桌面端，再到直接把它放進(jìn) Windows，這對(duì) Microsoft 來說是個(gè)非常大膽的決定。我每天都在用。但老實(shí)說，在它還不能真正理解文件系統(tǒng)、也沒法和應(yīng)用深度交互之前，市場(chǎng)反應(yīng)不溫不火。不過現(xiàn)在你們明顯在持續(xù)加碼。

在我看來，面向知識(shí)工作者，AI 正在走向三種形態(tài)：一類是 Elon 在 xAI 做的那種“人類模擬器”，據(jù)說直接把“虛擬員工”塞進(jìn)聊天和郵箱系統(tǒng)；一類是 Claude 剛發(fā)布的協(xié)作型 Agent，強(qiáng)得離譜，很多人已經(jīng)被震住了，我自己連續(xù)玩了四十多個(gè)小時(shí)。

那 Microsoft 的愿景是什么？知識(shí)工作者究竟該怎么真正把這些東西用起來？現(xiàn)在大家更多還是在“玩 ChatGPT”，這和真正創(chuàng)造商業(yè)價(jià)值之間好像還有一道鴻溝。

Satya：要理解這些不同形態(tài)，最好的切入口其實(shí)是編程，代碼工作幾乎是最典型的知識(shí)工作。

回頭看這條演進(jìn)路線：最早是“Next Edit Suggestions”，也就是智能補(bǔ)全。老實(shí)說，我對(duì)這一代 AI 技術(shù)真正建立信心，就是從早期 Codex 那一代模型開始的。那還是 GPT-3.5 之前，但補(bǔ)全已經(jīng)相當(dāng)準(zhǔn)確了。后來我們有了 chat 交互，再往后是可執(zhí)行的 actions，現(xiàn)在則是全自主 Agent。這些 Agent 既可以在前臺(tái)，也可以在后臺(tái)；可以在云端，也可以在本地運(yùn)行。

有意思的是，這些形態(tài)今天在編程中都有，而且你會(huì)全部用到，而非只選其中一種。比如我在 CLI 里，可以有前臺(tái) Agent、后臺(tái) Agent，同時(shí)直接在 VS Code 里改代碼，這些全部并行進(jìn)行。這說明了不同形態(tài)是可以組合的。

把這套放到知識(shí)工作上也是一樣。我們是從 chat 開始，帶推理的 chat 不只是一問一答，你能看到它完整的思考過程；現(xiàn)在到了 actions 階段，通過模擬電腦操作、Skill 和 Agent 調(diào)用調(diào)用來執(zhí)行任務(wù)，這就是 Copilot 如今的狀況。

接下來，其實(shí)需要一個(gè)新的“隱喻”來理解 AI 時(shí)代的計(jì)算機(jī)。Jobs 當(dāng)年形容 PC 是“思維的自行車”；Bill Gates 說過一句我很喜歡的話：“信息觸手可及”。但在 AI 時(shí)代，我們需要新的說法。我很喜歡 Notion CEO 的一個(gè)比喻：“無限思維的管理者”。這個(gè)說法非常形象。

Jason：確實(shí)是個(gè)很棒的產(chǎn)品。不過你們還沒收購它。

Satya：還沒有（笑）。但這個(gè)比喻點(diǎn)中了關(guān)鍵：你同時(shí)在和大量 Agent 協(xié)作。我自己還常用兩個(gè)詞：宏觀委派和微觀引導(dǎo)，即你把一整塊工作交出去，同時(shí)在執(zhí)行過程中不斷給細(xì)節(jié)指令。寫代碼其實(shí)已經(jīng)是這樣了。這正是今天 Copilot 的真實(shí)狀態(tài)。

還有一種我特別期待的形態(tài)，很快你們就會(huì)看到：開發(fā)者并不是只待在自己的 repo 里。我們要開會(huì)、寫設(shè)計(jì)文檔、實(shí)現(xiàn)別人寫好的規(guī)格說明，還要保證代碼和這些內(nèi)容一致。這就意味著，Copilot 需要能通過 MCP Server 之類的方式，把我的工作流、待辦事項(xiàng)、上下文全部拉進(jìn)來。這才是真正的知識(shí)工作“組合”。

安全領(lǐng)域也是一樣。一個(gè)安全工程師面對(duì)的是海量日志：把日志放進(jìn)文件系統(tǒng)、用代碼分析、生成儀表盤，這些都是 AI 能大幅放大的知識(shí)工作場(chǎng)景。

2 數(shù)字員工如何進(jìn)入企業(yè)

Jason：那“數(shù)字員工”“數(shù)字同事”這種概念呢？是不是也在你們的規(guī)劃里？

Satya：核心問題其實(shí)是“身份”。我們推出了 Agent 365，就是把今天給人用的身份體系、終端防護(hù)體系，擴(kuò)展到 Agent 身上。

Jason：也就是說，你可以“克隆”一個(gè)我，讓他在 HR 或市場(chǎng)部里工作？

Satya：沒錯(cuò)。在 Office 體系里完全可以做到。這里有兩種模式：一種是，每個(gè)知識(shí)工作者都擁有“無限個(gè)大腦”；另一種是，創(chuàng)造完全獨(dú)立于你個(gè)人身份的 Agent。而身份這件事非常關(guān)鍵，權(quán)限、決策、責(zé)任追溯等全都依賴它。

Jason：說到底，就是搞清楚“誰對(duì)誰做了什么”。

Satya：正是如此。對(duì)任何組織來說，最重要的問題之一就是：工作是誰完成的、怎么完成的、來源是什么、能不能追溯，所以要么是“人 + 一堆 Agent”，由人來做宏委派、微觀引導(dǎo)，要么就是一個(gè)完全獨(dú)立的身份在運(yùn)作。

Jason：過去幾年，Microsoft 的員工數(shù)量基本沒變，但收入多了 900 億美元，利潤還翻了一倍。你們也像 Alphabet、Meta 一樣，削掉了不少中間管理層。這是因?yàn)樽詣?dòng)化？還是以前人確實(shí)有點(diǎn)多？

Satya：你抓住了一個(gè)非常關(guān)鍵的問題。我認(rèn)為，這是自 PC 普及以來，知識(shí)工作最大的結(jié)構(gòu)性變化。想想 PC 之前，一家跨國公司怎么做預(yù)測(cè)？傳真、內(nèi)部備忘錄滿天飛，最后湊出一份結(jié)果。后來 PC 成了標(biāo)配，Excel + Email，讓流程和產(chǎn)出物全變了，今天正在發(fā)生同樣級(jí)別的變化。

舉個(gè)例子，在 LinkedIn，我們以前有產(chǎn)品經(jīng)理、設(shè)計(jì)師、前端工程師、后端工程師，后來我們把前面這些角色合并、擴(kuò)大職責(zé)范圍，統(tǒng)一成“全棧構(gòu)建者”。這是結(jié)構(gòu)性的調(diào)整，它改變了工作本身，也改變了工作流。

Jason：溝通成本一下就下來了，速度自然更快，一個(gè)人就能“vibe coding”。

Satya：沒錯(cuò)，而且 AI 產(chǎn)品本身也有一套全新的工作流：從評(píng)測(cè)、到科學(xué)建模，再到基礎(chǔ)設(shè)施。評(píng)測(cè)和產(chǎn)品由新的“全棧型 PM / Builder”完成，系統(tǒng)工程師負(fù)責(zé)支撐后端科學(xué)和基礎(chǔ)設(shè)施，這是一個(gè)全新的閉環(huán)，必須從組織結(jié)構(gòu)上去適配。

當(dāng)然，對(duì) Microsoft 來說，我們不可能只活在未來。現(xiàn)在，我們要一邊把 Windows 的熱補(bǔ)丁做好、質(zhì)量做到位；一邊還要持續(xù)提升 Copilot 的評(píng)測(cè)體系和質(zhì)量，這兩件事都必須是第一優(yōu)先級(jí)的。

3 “每十年換一批競(jìng)爭對(duì)手”

Jason：這大概是你職業(yè)生涯里最具挑戰(zhàn)性的階段吧？過去 Microsoft 在很多領(lǐng)域是雙寡頭甚至壟斷，但現(xiàn)在面對(duì)的競(jìng)爭完全不一樣。

Satya：確實(shí)非常激烈。但我一直覺得，每十年換一批競(jìng)爭對(duì)手，其實(shí)是好事，它能讓你保持“體能”。我 1992 年加入 Microsoft，那時(shí)最大的對(duì)手是 Novell；現(xiàn)在是 2026 年，環(huán)境完全不同。競(jìng)爭很殘酷，但從 GDP 占比來看，五年后科技產(chǎn)業(yè)一定更大，這不是一個(gè)零和游戲。

Jason：蛋糕在變大。

Satya：而且會(huì)大得多。整個(gè)技術(shù)棧對(duì)社會(huì)的影響會(huì)極其深遠(yuǎn)。最終的問題是 Microsoft 的品牌定位是什么？客戶期待我們提供什么？有時(shí)候我們會(huì)誤以為，所有客戶對(duì)所有廠商的期待都是一樣的，但真正重要的是弄清楚客戶“希望從你這里得到什么”。這其實(shí)是 Peter Thiel 那個(gè)觀點(diǎn)的另一種表達(dá)：不是逃避競(jìng)爭，而是通過理解客戶，找到你真正不可替代的位置。

David：這次在達(dá)沃斯，既有不少國家領(lǐng)導(dǎo)人，也有大量《財(cái)富》世界五百強(qiáng)公司的 CEO。昨晚晚宴上，有人問你一個(gè)問題：他們?cè)撊绾慰创?AI，怎樣才能真正把 AI 用好。我記得你當(dāng)時(shí)提到了“擴(kuò)散（diffusion）”這個(gè)詞，這一點(diǎn)和我最近參與的一些政策研究高度契合。能不能展開講講你的想法？

Satya：當(dāng)然可以。事實(shí)上，你們一直在做一件非常重要的事，就是確保以美國為代表的技術(shù)棧，能在全球范圍內(nèi)被廣泛采用、并且被信任。

回過頭來看，技術(shù)本身只是起點(diǎn)，真正的價(jià)值來自于被大規(guī)模、深入地使用。我一直很喜歡一項(xiàng)研究，是 Diego Comin 做的，研究的是工業(yè)革命時(shí)期各國是如何實(shí)現(xiàn)領(lǐng)先的。結(jié)論其實(shí)很簡單：那些把最新技術(shù)引入本國，并在此基礎(chǔ)上做價(jià)值疊加的國家，最終跑得最快。說白了，不要重復(fù)造輪子，而是先用最先進(jìn)的，再在上面持續(xù)創(chuàng)新。

這正是“擴(kuò)散”的意義所在。像 AI 這樣的通用型技術(shù)，關(guān)鍵在于能不能真正鋪開。就拿美國來說，技術(shù)我們已經(jīng)有了，但問題是：它有沒有進(jìn)入醫(yī)療？有沒有進(jìn)入金融？有沒有進(jìn)入所有行業(yè)？不只是大企業(yè)，也包括中小企業(yè)和公共部門。如果看不到這種廣泛而密集的應(yīng)用，就談不上真正的成功。

現(xiàn)在我們正處在這樣一個(gè)階段：AI 正在更快地“擴(kuò)散”。你們做的那些政策層面的工作其實(shí)非常關(guān)鍵。好消息是，技術(shù)已經(jīng)成熟了，云計(jì)算和移動(dòng)互聯(lián)網(wǎng)這些“基礎(chǔ)設(shè)施軌道”早就鋪好了，這讓 AI 的傳播成為可能。現(xiàn)在真正的問題不在算力能不能拿到，而在于具體的應(yīng)用場(chǎng)景是什么，以及組織如何管理隨之而來的變化。

在達(dá)沃斯，還有一個(gè)常被提起的問題：發(fā)達(dá)國家之外，全球南方怎么辦？我反而覺得這里蘊(yùn)含著巨大的機(jī)會(huì)。在很多全球南方國家，公共部門在 GDP 中的占比非常高。想象一下，如果 AI 能顯著提升政府把納稅人資金轉(zhuǎn)化為公共服務(wù)的效率，哪怕只提升一點(diǎn)點(diǎn)，那可能就是幾個(gè)百分點(diǎn)的 GDP 增長。

所以我非常樂觀，我認(rèn)為會(huì)形成一種強(qiáng)烈的拉動(dòng)力，而美國也應(yīng)該把我們已有的技術(shù)棧，推動(dòng)在歐洲、亞洲、南美、非洲等地廣泛落地。

David：我經(jīng)常被問到一個(gè)問題：這場(chǎng) AI 競(jìng)賽，怎么判斷誰在贏？或者美國是不是領(lǐng)先全球？我給出的答案很直接：看市場(chǎng)份額。如果幾年后我們放眼全球，看到美國公司的技術(shù)占據(jù)了絕大多數(shù)市場(chǎng)，那說明我們做對(duì)了；如果看到全球到處用的都是中國的芯片和模型，那可能就意味著我們輸了。說到底，使用情況才是最真實(shí)的檢驗(yàn)標(biāo)準(zhǔn)。

Satya：我同意。但你也在 Microsoft 工作過幾年，應(yīng)該記得 Bill Gates 對(duì)“平臺(tái)”的理解。對(duì)我來說，除了市場(chǎng)份額，更重要的是生態(tài)效應(yīng)。美國一直以來的優(yōu)勢(shì)，不只是本國公司的收入規(guī)模，而是圍繞平臺(tái)形成的完整生態(tài)。

我在 Microsoft 學(xué)到的一點(diǎn)是，每次去一個(gè)國家訪問，最先看的不是我們賣了多少軟件，而是圍繞 Microsoft 平臺(tái)，在當(dāng)?shù)貏?chuàng)造了多少就業(yè)崗位。比如有多少渠道伙伴、多少 ISV、多少相關(guān)的 IT 從業(yè)者。我們有一整套指標(biāo)，衡量一個(gè)國家的生態(tài)是如何圍繞平臺(tái)建立起來的。

這正是美國技術(shù)棧過去在全球，包括在中國，能夠被廣泛采用的原因：當(dāng)?shù)毓灸茉谏厦鏄?gòu)建自己的產(chǎn)品和業(yè)務(wù)。這種事情還會(huì)再次發(fā)生。所以你們推動(dòng)“擴(kuò)散”的工作，本質(zhì)上不是在搶蛋糕，而是在把蛋糕做大，增強(qiáng)對(duì)平臺(tái)的信任，從而帶來真正的經(jīng)濟(jì)機(jī)會(huì)。

David：你這么一說，我確實(shí)想起了一些往事。那還是十多年前，Yammer 被 Microsoft 收購，我們并入了 SharePoint 團(tuán)隊(duì)。當(dāng)時(shí)產(chǎn)品經(jīng)理們非常自豪的一點(diǎn)是：圍繞 SharePoint 的生態(tài)收入，即非 Microsoft 的咨詢公司、實(shí)施伙伴創(chuàng)造的收入，其規(guī)模是 Microsoft 自身軟件收入的好幾倍。Bill 也說過一句話：只有當(dāng)平臺(tái)之上的收入，顯著超過平臺(tái)自身的收入時(shí)，你才算真正擁有一個(gè)生態(tài)。所以，當(dāng)我們談“擴(kuò)散”，希望美國保持領(lǐng)先地位，并不意味著這對(duì)世界其他地方是壞事。恰恰相反，其他國家和公司可以在這個(gè)平臺(tái)之上創(chuàng)造出更大的價(jià)值。

Satya：完全同意。這一點(diǎn)非常關(guān)鍵。這不是“美國技術(shù)、美國收入”的問題，而是在用一個(gè)新平臺(tái)在全球范圍內(nèi)創(chuàng)造機(jī)會(huì)。

我 90 年代做數(shù)據(jù)庫產(chǎn)品時(shí)，和 SAP 有過深度合作。SQL Server 和 R/3 的結(jié)合，對(duì)雙方都是巨大的成功。大家常提 Intel 和 Microsoft，但對(duì)我個(gè)人成長影響很深的一件事其實(shí)是和一家歐洲軟件巨頭的合作。放到今天也是一樣，誰知道下一個(gè)偉大的 AI 應(yīng)用會(huì)出現(xiàn)在哪里？我始終相信，即便基于美國的技術(shù)棧，世界各地都可能誕生頂級(jí)的科技公司。

4 與 OpenAI 合作背后：所有公司、應(yīng)用會(huì)同時(shí)用多種模型

Jason：你不僅是技術(shù)領(lǐng)袖，也是一位非常出色的并購操盤手，這一點(diǎn)其實(shí)被外界低估了。你和 Sam Altman、OpenAI 的合作，被認(rèn)為既高明又充滿爭議。有人說，這筆交易可能讓 Microsoft 獲得巨額回報(bào)，但也有人質(zhì)疑：你是不是親手培養(yǎng)了一個(gè)未來最強(qiáng)的競(jìng)爭對(duì)手？尤其是考慮到 Microsoft 過去錯(cuò)過了移動(dòng)互聯(lián)網(wǎng)浪潮，你們?yōu)槭裁床蛔约鹤鲆粋€(gè) Gemini、xAI 或 Claude？

Satya：我理解這種疑問。很多人問我：你們自己的基礎(chǔ)模型在哪里？從知識(shí)產(chǎn)權(quán)角度說，我們確實(shí)擁有相關(guān)能力，但更重要的是，Microsoft 現(xiàn)在的戰(zhàn)略有幾個(gè)層面。

首先，我們要把“算力工廠”做好。Azure 是我們最大的業(yè)務(wù)之一，而隨著 AI 的發(fā)展，它的市場(chǎng)空間會(huì)變得極其龐大，這要求我們?cè)诋悩?gòu)基礎(chǔ)設(shè)施管理、軟件調(diào)度和資源利用率上做到極致。

其次，是應(yīng)用服務(wù)器層。未來，每個(gè)人都在構(gòu)建 Agent，有強(qiáng)化學(xué)習(xí)環(huán)境、有評(píng)測(cè)體系，就像每一代平臺(tái)都會(huì)有自己的應(yīng)用服務(wù)器一樣。我們現(xiàn)在在做的 Foundry，就是這個(gè)定位。

在這一層里，有一點(diǎn)已經(jīng)非常清楚：任何應(yīng)用、任何公司，最終都會(huì)同時(shí)使用多種模型。為什么不用呢，甚至在一個(gè)具體任務(wù)里，編排多個(gè)模型協(xié)同工作，效果往往比單一的前沿模型更好。我們?cè)卺t(yī)療領(lǐng)域做過一個(gè)“決策編排”的實(shí)踐，僅僅通過給模型分配不同角色再進(jìn)行協(xié)同，就能顯著提升結(jié)果質(zhì)量。

Jason：那是不是可以理解為，你其實(shí)看好開源模型，認(rèn)為大模型本身會(huì)逐漸商品化，真正的價(jià)值不在這里？

Satya：我更愿意把它類比成數(shù)據(jù)庫市場(chǎng)。最早大家覺得數(shù)據(jù)庫就是 SQL，后來才發(fā)現(xiàn)并不是。關(guān)系型、文檔型、NoSQL，各種數(shù)據(jù)庫層出不窮，甚至出現(xiàn)了大量開源項(xiàng)目和圍繞它們建立的公司。模型也會(huì)是類似的演進(jìn)路徑，會(huì)有閉源的前沿模型，也會(huì)有達(dá)到前沿水平的開源模型。

接下來一個(gè)非常重要的方向是：企業(yè)能否把自身的隱性知識(shí)，真正嵌入到自己掌控的模型權(quán)重中。有人問我未來會(huì)有多少模型，我的回答是：可能和世界上有多少家公司一樣多。這聽起來極端，但在我看來，這正是“知識(shí)經(jīng)濟(jì)”向“AI 經(jīng)濟(jì)”轉(zhuǎn)變的方式。

Jason：那你有沒有在 Windows 桌面上，悄悄推進(jìn)一個(gè)本地運(yùn)行的大模型？

Satya：其實(shí)已經(jīng)在發(fā)生了，現(xiàn)在已經(jīng)有完全駐留在本地、基于 NPU 和 GPU 的模型。高性能工作站正在回歸，這本身就是一件非常有意思的事。

Jason：明白了。所以 Microsoft 當(dāng)然會(huì)重視 PC，這畢竟是你們的主場(chǎng)，有完整的桌面生態(tài)。

Satya：是的，本質(zhì)上這是個(gè)商業(yè)問題。我們一直認(rèn)為“形態(tài)”非常重要。我常開玩笑說，我的職業(yè)生涯是從命令行開始的，說不定最后也會(huì)回到命令行。但不管怎樣，形態(tài)一直在演進(jìn)。

Jason：你當(dāng)年起步時(shí)用的是 Sun 那種最早的工作站，價(jià)格五千到一萬美元。你能想象有一天，你會(huì)向客戶推薦一臺(tái)一萬到兩萬美元的桌面機(jī)，里面內(nèi)置 LLM 和強(qiáng)悍硬件嗎？

Satya：完全有可能。你可以插一張 DGX 卡，做出一臺(tái)非常強(qiáng)的機(jī)器。其實(shí)在模型架構(gòu)上，我們可能只差一次關(guān)鍵調(diào)整就能實(shí)現(xiàn)某種分布式模型架構(gòu)，比如真正能自我調(diào)度的 MoE 架構(gòu)。這類突破會(huì)徹底改變“混合 AI”該是什么樣子。

但不管怎樣，我們非常明確：PC 必須成為本地模型的最佳載體。本地模型可以承擔(dān)大量 prompt 處理，再按需調(diào)用云端能力。這里面還有大量工作空間，這也是我們正在堅(jiān)定推進(jìn)的方向。

David：云與本地的協(xié)同已經(jīng)證明了，能直接訪問本地文件系統(tǒng)，本身就非常有價(jià)值。這讓我想到 Yammer。很多人可能不知道 Yammer 當(dāng)年最大的特點(diǎn)，是用消費(fèi)級(jí)增長打法去攻企業(yè)軟件。站在今天去看企業(yè) AI 的采用，你覺得未來一年會(huì)怎么“擴(kuò)散”？現(xiàn)在好像正處在一個(gè)關(guān)鍵點(diǎn)：會(huì)是自上而下，由 CEO 拍板、搞戰(zhàn)略轉(zhuǎn)型、走 RFP；還是自下而上，由一批 AI 原生員工先用起來，把工具帶進(jìn)工作中，做出驚人的成果？

Satya：說實(shí)話，我覺得兩種都會(huì)發(fā)生。自上而下的原因很簡單：在客服、供應(yīng)鏈、HR 自助這些場(chǎng)景里，AI 的 ROI 非常清晰，IT 和 CXO 很容易拍板，這也是目前最先落地的一波真實(shí) AI 應(yīng)用。

但最終真正改變組織的，一定是自下而上的力量。回看 PC 的歷史也是這樣：最早是律師把 Word 帶進(jìn)公司、財(cái)務(wù)把 Excel 帶進(jìn)來，后來有了郵件，最后才變成標(biāo)配。現(xiàn)在正在重演這個(gè)過程。比如說 Agent，現(xiàn)在幾乎所有人都在做 Agent，本質(zhì)是在重構(gòu)工作流，把大量重復(fù)、枯燥的事情自動(dòng)化掉，這正是自下而上轉(zhuǎn)型的起點(diǎn)。

說實(shí)話，我最興奮的也是這種變化。以 Microsoft 為例，我們?cè)谌蚬芾碇灏俣鄠€(gè)光纖運(yùn)營點(diǎn)，尤其在亞洲。我自己以前都沒意識(shí)到，這些所謂的 DevOps，其實(shí)很大一部分是物理資產(chǎn)：光纖會(huì)被挖斷、設(shè)備會(huì)出故障。所謂 DevOps，很多時(shí)候就是在不停地發(fā)郵件問“這張光纖卡怎么了”“怎么修”。

現(xiàn)在負(fù)責(zé)全球網(wǎng)絡(luò)的同事，已經(jīng)構(gòu)建了一批“數(shù)字員工”，本質(zhì)就是 Agent 在自動(dòng)處理這些 DevOps 工作。這完全是自下而上的：工具已經(jīng)在那里了，我就用它來做自動(dòng)化，減少重復(fù)勞動(dòng)，提高效率和質(zhì)量。

而這些能力最終能不能規(guī)模化，關(guān)鍵不在“學(xué)會(huì)沒有”，而在“用不用”。所謂技能提升并不神秘，就是在實(shí)際使用中完成的。工具擴(kuò)散、工具被真正用起來，這才是最重要的事情。

5 “我們?cè)趪L試新的學(xué)徒制模式”

Jason：正因?yàn)槿绱耍F(xiàn)在用這些工具去賦能現(xiàn)有員工，比招人、培養(yǎng)新人要容易得多。站在今天看，如果 Microsoft 規(guī)模不變，三、四十年后誰會(huì)接我的工作？你們是典型的技術(shù)優(yōu)先公司，理論上已經(jīng)沒有太多理由繼續(xù)增加員工數(shù)量，這幾年你們也基本沒擴(kuò)張，只是在內(nèi)部結(jié)構(gòu)上做了調(diào)整。

那你怎么看下一代？對(duì)那些現(xiàn)在還沒拿到 Microsoft offer 的應(yīng)屆生，你會(huì)給什么建議？以前你花了很多精力去培養(yǎng)這群人，但現(xiàn)在好像沒那么“奢侈”了。

Satya：這是個(gè)好問題。現(xiàn)在確實(shí)有爭論：職業(yè)早期會(huì)發(fā)生什么變化、校園招聘還重要嗎？我依然堅(jiān)定相信校園招聘，因?yàn)?AI 會(huì)徹底改變一個(gè)人掌握代碼庫、建立熟練度的速度。

過去，新人進(jìn)團(tuán)隊(duì)的爬坡期很長；現(xiàn)在不一樣了，有文檔、有技能庫，還可以直接問 Agent，本質(zhì)上就像身邊有一個(gè)極其強(qiáng)大的導(dǎo)師幫你快速上手代碼。換句話說，應(yīng)屆生的生產(chǎn)力曲線會(huì)比以往陡得多。

我們也在嘗試新的學(xué)徒制模式：讓一位資深 IC 工程師帶一組應(yīng)屆生一起工作，因?yàn)檫@本身就是一種全新的工作方式。以前大家進(jìn) Microsoft 后會(huì)去讀 Dave Cutler（Windows 首席架構(gòu)師和設(shè)計(jì)師）的代碼，理解什么是頂級(jí)工程實(shí)踐；而現(xiàn)在，頂級(jí)實(shí)踐更多體現(xiàn)在十倍、百倍工程師是如何借助 AI 打造高質(zhì)量產(chǎn)品的。對(duì)于這些經(jīng)驗(yàn)，新一代畢業(yè)生會(huì)學(xué)得更快。

對(duì) Microsoft 這樣的公司來說，這是好事。畢竟只要人類還沒解決“永生”問題，我們就需要新人進(jìn)入職場(chǎng)、在 Microsoft 成長。所以我們依然會(huì)積極投入，只是會(huì)確保崗位的邊界和內(nèi)容，讓其既符合現(xiàn)有員工的期望，也符合新入職者的追求。

https://www.youtube.com/watch?v=5nCbHsCG334

聲明：本文為 InfoQ 翻譯整理，不代表平臺(tái)觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

會(huì)議推薦

InfoQ 2026 全年會(huì)議規(guī)劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產(chǎn)業(yè)落地，從技術(shù)前沿到行業(yè)應(yīng)用，全面覆蓋 AI 與軟件開發(fā)核心賽道！集結(jié)全球技術(shù)先鋒，拆解真實(shí)生產(chǎn)案例、深挖技術(shù)與產(chǎn)業(yè)落地痛點(diǎn)，探索前沿領(lǐng)域、聚焦產(chǎn)業(yè)賦能，獲取實(shí)戰(zhàn)落地方案與前瞻產(chǎn)業(yè)洞察，高效實(shí)現(xiàn)技術(shù)價(jià)值轉(zhuǎn)化。把握行業(yè)變革關(guān)鍵節(jié)點(diǎn)，搶占 2026 智能升級(jí)發(fā)展先機(jī)！