Satya Nadella on AI 深度访谈

访谈以 Microsoft Build 2026 现场开场，主持人欢迎 Satya Nadella 并请他概括本次 Build 的最大收获。Nadella 表示，最重要的不是某一个模型或某一个平台，而是把当前 AI 发展理解为一个生态系统。他回顾微软经历过多个平台转型，认为真正的平台应能让平台之上创造的价值超过平台自身捕获的价值。因此，本次 Build 的核心是让 AI 原生公司、传统企业等都能以一等参与者身份创建并指向“自己的 AI”，微软的任务是提供路径、技术栈、工具和方法。

在谈到微软的模型训练策略时，Nadella 解释 MAI 模型的重点是建立清晰、干净的模型谱系：从高质量预训练数据开始，通过系统性消融排除污染和噪声。他指出，很多开放权重模型在少数 benchmark 上表现好，但在实践中不够可靠。微软希望让企业不仅使用通用模型，还能围绕小模型构建 hill climbing scaffold，结合私有数据、运行轨迹和强化学习环境，训练面向自身业务的专业智能。他还用 Land O’Lakes demo 举例，说明通过收集 traces 后，小型推理模型也能达到更高效果。

主持人询问 Nadella 如果回到两三年前会提醒自己什么。他回顾自己对 scaling laws 论文的兴趣，以及 OpenAI 合作的背景：当时的判断是把大量计算投入 transformer 会带来能力提升，而事实也证明这些模型能力随计算增长而提升。但他认为行业低估了真实世界部署的复杂性。Benchmark 结果重要但并非最终评估，真正的 eval 是用户能否用 AI 完成只有他们自己能定义和衡量价值的独特工作。他还指出，行业过去没有充分意识到 token 应被视作创造价值的单位。

谈到客户最受益的应用场景时，Nadella 首先承认代码生成已经产生大规模影响，但他强调代码场景本身也暴露出新需求：当开发者拥有上百个代理会话时，人类认知负担会被重新推回，因此 IDE 和 UI 需要重构，聊天界面也不足以承载全部协作，需要 canvas 等新形态。随后他扩展到企业中的“glue work”，即大量需要判断、协调和连接流程的工作。他认为长运行、可持久化、具备授权身份的代理会像代码代理一样放大人类能力，帮助压缩工作流并完成任务。

主持人追问企业中相当于 coding agent harness 的概念是什么。Nadella 回答说，harness 应定义模型、数据和工具，并在三者之间形成闭环。微软希望 GitHub Copilot、Security Copilot、M-Dash、科学发现等产品都成为多模态 harness，能够以 token 高效的方式渐进式调用工具，并注入丰富上下文。他强调过去两年最大的教训之一是上下文层准备非常关键，计划能否高效执行很大程度取决于上下文。M-Dash 的案例证明，多模态 harness 在真实世界中可以发现传统方法未发现的漏洞。

在讨论微软生态与独立前沿实验室商业模式差异时，Nadella 表示，平台公司拥有第一方产品并不矛盾，关键是不能限制其他公司获得同样成功。他认为这一次智能网络效应不同，因为模型可从少量样本中学习到新颖性。因此，每家公司拥有私有 eval 可能会成为最重要的知识产权之一。企业若能用私有 eval 让不同模型持续 hill climb，并且不泄露 traces，就能保持控制权。相反，如果无法在模型 A 与模型 B 之间切换并继续提升，就说明企业没有真正掌控自己的 AI 能力。

主持人总结微软可能正在从操作系统公司、云公司进入第三阶段，即帮助企业构建 harness、eval 和自身智能。Nadella 认同这一点，并把本次开发者大会的口号概括为：每家公司是否都能用自己的 frontier intelligence 在前沿运作。他认为这对于形成稳定均衡至关重要，因为企业需要知道自己可以在不断进步的平台之上持续复利，并因此拥有长期价值。他用 Windows 上的 Adobe、Autodesk，以及 DirectX 与 CUDA 的关系类比，说明平台层的意义在于让他人在其上扩展和构建自己的智能层，而不是让开发者只崇拜一个模型。

随后话题转向公司价值和 IP 的定义变化。Nadella 认为，人力资本仍然非常重要，因为人类发现空白、表达能动性和野心的能力仍是价值创造来源。但随着 token capital 增长，企业需要思考如何让人类资本与 token 资本相互复利。在 Teams 等协作场景中，人类与代理共同工作产生的 traces，记录了企业如何创造价值，这些上下文可以训练出不是通用模型、而是“company veteran agent”的企业老兵代理。他甚至认为这种通过时间和 traces 捕获的默会知识，未来可能接近资产负债表意义上的企业资产。

最后一段讨论“软件终结”和企业应用的未来。主持人提出，过去 SaaS 公司围绕垂直或水平工作流构建应用，而现在工作流生成成本下降，企业和供应商的边界可能改变。Nadella 回答说，传统应用本质上是将工作流封装进数据模型、业务逻辑和 UI：先 schema 化业务流程，再构建业务逻辑，最后叠加界面。他认为这套垂直堆叠现在会被重新审视，但底层数据模型仍然有价值，例如总账就应保持稳定；Power BI 仪表盘背后的语义模型和业务度量也很重要。SaaS 的挑战在于学会拆解这些层，再以新方式重新打包并探索新商业模式。