大家好，这里是最佳拍档，我是大飞。9月中旬，洛杉矶环球影城第五届All-In Summit压轴出场的一位嘉宾是微软董事长兼CEO萨提亚·纳德拉（Satya Nadella）。这场36分钟的炉边对谈时机非常微妙，就在此前两周AI圈正陷入一场减速之争。OpenAI的Sam Altman在Axios采访中释放了所谓的冷静警报，知名播客主Dwarkesh Patel关于Hugging Face智能体失控的文章持续发酵。甚至引来参议员伯尼·桑德斯公开呼吁限制AI，几家前沿实验室的负责人集体转向大谈对齐优先和可靠性优先。

所以All-In的主持人们开场第一个问题就直奔主题：我们要不要给前沿减速？纳德拉没有直接回答要或不要，他把这场对谈讲成了一套完整的微软立场。他从最基础的常识讲起，他说：“我们建造的东西首先要服务人类，并且处于人类的控制之下。”有点疯狂的是，我们居然要从这个层面的常识讲起。但他认为这是个好的起点，真正关键的是技术的广泛扩散（broad diffusion）。

AI的好处必须出现在所有地方，而不只是科技行业内部。这就需要选择、需要竞争、需要各种各样的商业模式。开放权重也好，封闭权重也好，都得有。紧接着他提出了一个没有太多人谈过的问题，就是企业对这项技术的控制权。他说：“很多时候这东西太不透明了。”对于企业来说，“我要我的隐私，我要能把我的知识嵌入到一组我能控制的权重里。

我要看到生成的全部思维链，我要用它微调我自己的模型，我的IP不能泄露。”这段话呼应了他7月公开提出的一个警告：企业为AI付了两次钱。一次为token付费，一次是拱手交出让模型变得有用的专有知识。谈到安全，纳德拉明确支持引入第三方测试。他说他在一家永远在做测试的公司长大，“这有什么新鲜的？绝对是个好主意。”但是他紧接着补了一刀，要避免那种亲密关系式的安排（cozy arrangements），测试应该是广泛的。

对当前的风险讨论，他做了一个关键区分：一类是平庸的错误，包括配错的容器、暴露在外的API密钥、没有监控、直接联网。他管这叫基础DevOps；另一类是真正新颖的东西，比如持久运行的智能体集群出现的奖励黑客行为。他承认，这一块的科学还没到。他引用了一位研究者的说法：“我们是在培育智能，而不是在建造智能。”这是一门实验科学，越实验就越要确保实验发生在受控环境里。

然后他抛出了全场最锋利的一个例子。他说：“假设我在企业里对一个前沿模型说，去优化我的营运资金。”它可能会给我做假账。这是一种新型的内部人风险（insider risk）。怎么防呢？他的答案是工程，而不是玄学。要对智能体行为做侵略性的监控，一切行为要留痕、可审计，追踪它访问的每一个对象。尤其是密钥，当它开始把几个漏洞串联起来要去攻击什么的时候，你必须看得见。他还要求思维链的透明，思维链要用大家都懂的语言写出来。

这样企业拿到完整思维链后，可以跨多个模型对照审查。他的原话是：“比起说这东西太神秘了我们搞不定，把东西造得更健壮一点的经典工程学才是我们应该更多公开讨论的事。”主持人把问题挑明了：“Anthropic现在有人说10%的概率我们都得死，这些技术专家到底怎么了？是真信，还是某种集体癔症呢？”纳德拉拒绝点评别家公司，转而开始讲微软的工程文化。

他说：“你在微软当工程主管，最早学会的事之一就是怎么处理showstopper。”也就是那些拦路bug：是先停下来修，还是延期？还是判断这只是个边缘案例？他回忆自己做数据库的年代，凡是可能丢事务、丢数据的bug就必须停下来修。随着赌注升高，你对showstopper的标准也越高。所以，“如果他们确实在别人之前看到了showstopper，那就必须要停下演出，去把bug修掉。”

至于引发这一轮恐慌的Hugging Face事件，他的解读很务实：那本质上是一次网络安全评估（CyberGym eval）。智能体在评估中找到了奖励黑客的路径，才把事态放大。与其把它说成拟人化的失控，不如把它当成长期运行的持久智能体带来的新型内部人风险。需要从最基础的隔离做起。聊到这里，主持人大卫·弗里德伯格（David Friedberg）问了一个很实际的问题：接下来一两年，我们是只会看到改良还是会有新的能力呢？

纳德拉的判断是：“现在已经有巨大的能力过剩了。”模型已经很好了，卡脖子的是扩散。他说：“要压缩和改变工作流，企业里需要的变革管理量才是真正花时间的东西。”他回顾了两次形态创新的威力：编程智能体真正好用，是因为发现了“智能体循环+文件系统”这个组合；ChatGPT时刻则来自最后那一下基于人类反馈的强化学习，让对话成立。

下一波他点名多模态模型与计算机使用智能体：“给模型加上harness才可能跑通可以被完全自动化的长任务，带来真正的广泛采用。”另一个他反复强调的点是互操作标准。他问了两个很直白的问题：“为什么我不能跨多个模型家族复用KV缓存呢？为什么没有一个外置于模型的Harness，让我的记忆不绑定在某一个模型上呢？”

然后他给出了全场最直白的一个类比。他说：“这是历史上第一次，你对一项技术的使用、以及使用产生的数据尾气可能不属于你。”好比我卖给你一个数据库，然后告诉你：“你存进去的数据不是你的，是我的。我收回授权它就没了。”那你会是什么感觉？主持人杰森·卡拉卡尼斯（Jason Calacanis）接着算了一笔账：OpenAI的百万token输出大约50美元，而DeepSeek新模型最低可以做到15到60美分。

相当于99%的成本压缩，那企业为什么还要付50美元呢？前沿实验室是不是站错了商业模式呢？纳德拉的回答是：“这就是老派的竞争回来了。”Windows当年有Linux制衡，SQL Server有PostgreSQL和MySQL制衡。现在开源对前沿实验室的制衡也是真的，当然这是好事。没有它，就不会有广泛的前沿生态，我们会回到大型机时代。

由此他推出了一个重要的商业判断：今天一个AI产品的版税会全部流向模型层。如果你想建一家产品公司，这不成立。正如同没有开源制衡、数据库价格就不会降到能长出应用层的程度；只有模型变便宜之后，应用层在经济上才活得下去。记忆、编排、工具这些中间件层也会长成一个丰富的生态，当然模型公司自己也会过得不错。他还翻出一段亲身历史：早年Windows做了与Unix的互操作，大家都担心互操作会让我们被用得更少。

结果恰恰相反，因为互操作Windows和Unix都变得更好，微软反而借此打进了企业市场。接下来是全场最尖锐的一轮连环问：杰森直接问，Azure在拒绝客户吗？你们在做1750亿美元的资本开支，但你们的资本开支远低于Meta和Google。他们在做3500亿美元的二级融资和举债，前沿实验室在花5000亿美元。你们虽然投资OpenAI极有先见之明，但是Copilot谈不上打响了名气，你们也没有前沿模型。

微软到底做的是什么生意呢？你们错过了移动互联网，会不会也错过AI呢？纳德拉逐条回应。关于资本开支，他说微软起步早，要按累计口径来计算；而且现在这时候大谈资本开支不是优点，是缺点。更关键的是投向：他们校准资本开支的方式是不为一两个客户建，要为长尾建。如果你是超大规模云厂商只做两家模型公司的供应商那不是生意。

关于Copilot没打响名气，他直接给了一个数字：Copilot的企业付费订阅已超过3000万。参照系是Microsoft 365覆盖的知识工作者总共4.5亿，包含了全球学生。真实的企业用户市场大约2.5亿到3亿，所以Copilot的渗透率已过一成而且仍在增长。关于没有前沿模型，他官宣了微软自研模型MAI的进展：自研的轻量模型配上自家Harness之后，在编排其他模型方面比如CyberGym这类评测上已经能够取得领先的表现。

微软的方法论是从最底部爬山（hill climb），坚持不蒸馏，用他们自己的RLHF和数据。差异化的定位仍然是在企业方面：让企业可以拥有模型、可以加入自己知识的权重。他给企业的建议干脆利落：“你可以用所有的模型，但是不依赖任何一个。”具体做法是一个评估测试：先定义你在意的结果，拿它跑遍所有模型。然后抽掉其中任何一个模型看你的评估还成不成立，如果不成立说明你依赖的可能是不属于你的东西。

面对为什么不学黄仁勋下重注的追问，纳德拉讲了他的资本配置框架。他认为资产可以分两类：一种是长周期的包括土地、电力、冷壳；一种是短期的套件（kit）包括机架和芯片，约占成本的60%，可以按需求驱动采购。微软的策略是长资产尽量自建一部分租赁，需求实在冲顶的时候甚至可以考虑临时租用。芯片层面他认为负载形态已经被充分理解，按推理和训练的不同阶段定制的专用芯片会越来越多。

多元化是必然的：微软的套件是异构的，英伟达是主力加上自家的自研芯片、OpenAI自研芯片和AMD。用来跑OpenAI、Anthropic和微软自己的模型，他的目标不是只有两三个客户。虽然OpenAI是最大的客户之一也还在增长但是微软需要更多的客户。话题随后引向地缘政治，大卫·萨克斯（David Sacks）问：既然美国的前沿实验室都在谈对齐和可靠性优先，中国的实验室会跟进吗？

纳德拉的回答逻辑很直接。他说：“如果美国关心这些安全问题，中国也应该深深地关心同样的问题。”他们同样会有奖励黑客的问题也同样希望自己的公民从AI中受益。风险不是什么特异性的东西会只出现在美国，如果要出错它会在所有地方同时出错。他接着说：“美国领先、爱争论、更透明这些都是美德。”这场辩论发生在美国，对世界是好事。他乐于见到美国主导建立一套让技术广泛扩散、同时保障安全的国际规范，包括对中国也适用。

最后一个问题关于民意：怎么扭转要求关掉超级智能、停建数据中心的民粹情绪呢？纳德拉给出了一个案例：华盛顿州昆西（Quincy）小镇的数据中心。微软2008年开建，如今已经有近20年的纵向数据：小镇的税收收入增长了12倍，居民实缴税负下降了三分之一。这个农业小镇的增速超过了西雅图，镇上有了新的学校、新的医院、新的市政中心、新的水上运动中心。人们总说数据中心没多少岗位，事实上20年里那里一直有大约1200个建筑岗位。

因为你不是建完就走，你在不断地翻新、扩建。现在它的规模至少要到400到500兆瓦，你去昆西问当地人会说：“谢天谢地有这个数据中心。”但怎么让这种故事被讲出去呢？纳德拉承认，微软高管站上台说“别担心这对社区好”这没人信。所以需要科技行业之外的人来讲，需要用做成的事去赢得许可。他说：“我们对科技行业任何人说的话怀疑都已经高到一定程度。”

所以我们必须去做那些艰苦的事，做出真实世界里的成果。让人们能说：“好，现在我相信你了。”主持人感叹这是一块新的肌肉，纳德拉显然非常受用把这句话重复了两遍。这场36分钟的对谈如果压缩成几个核心判断大概是这样：第一，AI的瓶颈已经从模型能力转移到扩散能力。在一个能力过剩的时代变革管理、新形态和互操作标准比下一个更强的模型更值钱。

第二，企业的AI主权是真问题：把知识嵌入自己能控制的权重里；用抽掉一个模型看eval是否成立来做体检。是纳德拉给的直接操作清单。第三，科技公司要开始练赢得社会许可这块新肌肉：按照纳德拉的标尺这一切最终要靠数字说话。至少带来7%到8%真实且广泛分享的GDP增长才证明这一切值得。感谢收看，我们下期再见。