微软 CEO Satya：“传统的软件应用层正在瓦解，将逐渐被AI智能体（Agent）所取代”

推荐语

微软CEO Satya Nadella提出软件应用层将被AI智能体取代，引领未来工作方式变革。

核心内容：
1. AI智能体将成为新的产品形态，取代传统软件应用层
2. 微软布局AI智能体层，将Microsoft 365打造成自然语言集成开发环境
3. SaaS产品将转变为数据源，企业竞争焦点转向与AI智能体层的对接能力

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

完整对话

Matthew Berman: 好的，萨提亚，谢谢你和我聊天。同时对你们在 Build 大会上发布的精彩内容表示祝贺！我准备了几个问题。你在微软成功主导了几个重大的转型，包括微软云和开源技术的采用，现在我们似乎正处于下一个转型期。随着这些极其强大的 AI 智能体的崛起，你如何考虑在进行投资的同时，维持你现有的产品套件以及它即将迎来的重大变革？

Satya Nadella: 是的，首先，非常感谢你来参加我们的开发者大会。你知道，我是这么想的，首先你必须拥抱新事物，对吧？而且我认为，即使我们进入这个 AI 时代和这个智能体网络时代已经两到三年了（取决于你怎么算），构建 AI 智能体和应用程序的模式也正变得越来越清晰，对吧？所以你必须真正审视你现有的技术堆栈，那些你可能为先前的工作负载构建的东西，现在需要根据第一性原理为新的工作负载重新思考。

那么，就想想基础设施层吧，对吧？显然，我们为在全球拥有 70 个 Azure 区域感到非常自豪。然后你会说，哇，我们现在需要对它们进行改造或调整，让它们成为 AI 工厂。这差不多就是你需要做的事情。事实证明，即使是像 ChatGPT 或 Copilot 这样的应用，它确实需要大量的 GPU 或 AI 加速器，但它也需要其他所有东西。事实上，它在训练和推理期间都需要海量的存储空间。它需要大量的算力，是常规算力，而非 AI 加速的算力，以便能够为 AI 智能体提供运行环境。所以有趣的是，事实证明我们过去 15 年所构建的东西现在可能更具现实意义，因为 AI 智能体比以往任何工作负载都需要更多的这些资源。但这是一个不同量级的规模。所以这差不多就是我们要在基础设施层做的事情。

数据方面也是一样，对吧？拿数据来说，你会说，嗯，你知道，数据一直以来都和数据库有关。你说过那是你将人物、地点、事物结构化的地方。但现在你可以将智能层直接引入数据中，对吧，直接引入一个推理引擎。就像我们展示的最酷的一个演示一样，Postgres 这个东西非常模块化，你现在可以在你的 SQL 查询中混合搭配一个大语言模型（LLM）的响应，对吧？我的意思是，想想看你能生成的查询计划。所以我觉得技术堆栈的每一层都必须被重新构想，但这也意味着我们可以利用过去 15 年里我们所做的一些最出色的工作，并让它为我们的开发者带来复合效应，这样他们就能从中受益。所以我们就是这样思考的，对吧，也就是我们如何确保我们从第一性原理的角度来思考技术堆栈的每一层，以适应正在构建的新 AI 工作负载，然后真正地将它们整合在一起，从而满足客户的真实需求。

Matthew Berman: 是的，那么对于终端用户，特别是像 Office 365 这样人们非常熟悉的产品，我猜这些产品会变化得非常快。那么这种加速体现在哪里？

Satya Nadella: 是的，这很有意思，对吧？如果我来看 Office，对吧，我想说 Microsoft 365 有三种模式。第一种是全新的模式，就是我有一个为 AI 设计的新用户界面（UI），它实际上就是一个新的框架，里面有聊天、有搜索、有笔记，我可以在这里收集各种异构数据，还能处理播客和音频概览之类的事情。我有 AI 智能体，对吧？比如这些研究员和分析师。所以我可以把任务委派给它们等等。拥有所有这些真的非常令人兴奋。我甚至还有 Copilot Studio。换句话说，我可以构建 AI 智能体，对吧？所以这就是新东西，对吧？就是，你知道，我现在有了一个面向 AI 和 AI 智能体的用户界面。

另一件有趣的事情是，Teams 把所有这些都带入了多人协作模式，对吧？所有这些 AI 智能体在我的频道里、在我的会议中都可以使用，对吧？所以 Teams 成了一个框架，AI 现在可以在这个框架里以多人协作模式与我共事。

第三种模式是我的埋头工作模式。就像在 GitHub 里，我用 Copilot 和 VS Code，我埋头写代码，但我有可以使用的 AI 智能体。我埋头处理 Excel 电子表格，你知道，我的 Copilot 聊天就在那儿，对吧？这就像我分析电子表格时，旁边坐着一位数据科学家一样。当我做研究、写文档时，我旁边就有一位研究员。我们的想法是，我们把每一个 Office 画布都变成了一个带聊天的集成开发环境（IDE），如果你这么想的话。所以在某种意义上，我觉得 M365 系统的价值现在得到了更大的复合增长，因为智能被构建到了所有这些层级中。

Matthew Berman: 所以我想就这一点稍微深入聊一下。您之前说过，软件，尤其是应用层，最终会演变成以 AI 智能体为主导的模式。我还为此做了一个视频，标题是《SaaS 已死》。它，你知道，引起了很多关注。大家对这个话题的想法很酷，但我想听听，这个判断是指将会有一个 AI 智能体层，然后在它下面会有一个 AI 智能体可以读写的、有事实依据的数据库。这对垂直领域的软件即服务（SaaS）公司来说意味着什么？他们该如何为这个未来做准备？

Satya Nadella: 是的，就像我们所有人一样，我认为处理这个问题的方式，我是说，即使是我们今天展示的那个演示，对吧？演示中确实有 Dynamics 365，它带有一个 MCP 服务器，Copilot Studio 用它来协调一个跨越客户关系管理（CRM）和许多其他记录系统的多 AI 智能体应用，并最终完成了一个复杂业务流程的编排。这似乎就是当下正在发生的事。我的意思是，这显而易见，当你在思考业务流程和业务应用时，你必须把自己融入到这样的体系中去。所以，是的，如果你以前认为，嘿，我就是记录系统或交互系统之类的，我只管我数据之上的工作流。而这就是我的范围。那种想法是无法持续下去的。所以我认为，我们都必须对参与到智能体网络中的这个新编排层持开放态度，这个编排层基本上会有多个后端，对吧？你的 SaaS 应用将是其中一个后端。你最好支持像 MCP 这样的东西，以便能够参与到智能体网络中。然后，甚至像 NLWeb 这样的东西或许还能减少所有这些连接器的摩擦，对吧？因为如果你考虑企业，你知道，连接器的工作方式存在很大的摩擦。像 NLWeb 这样的东西，即使在企业内部也可能带来巨大的变革。所以我觉得，是的，我认为我们构建的 SaaS 应用可能需要彻底改变，以适应这个未来。

Matthew Berman: 是的，那么这些，我们就说这些 SaaS 公司吧，你认为他们会成为其客户的基础事实数据的管理者，然后 AI 智能体则由像微软这样的平台公司提供吗？

Satya Nadella: 是的，我的意思是，我有点觉得，我不太清楚最终会如何演变，因为在某种意义上，我们所有人都高估了我们今天拥有的某样东西的重要性，但现实是，当这些平台发生转变时，价值总会在别处被创造出来，对吧？所以，你知道，归根结底，需要完成的工作是什么？需要完成的工作是完成一个业务流程。它不关乎任何一个记录系统及其管理，也不关乎任何一个 AI 智能体或一个工作流。它关乎的是整体，对吧？所以对我来说，那才是大势所趋。问题是，你如何顺势而为？而不是认为我拥有护城河，我就要守着它，或者我要在它周围建一个漂亮的门面，比如套上个 AI 智能体的外壳之类的，但这种做法并没有真正看到用户真正需要的完整视角。

Matthew Berman: 是的，我很喜欢你说的，不同类型的 AI 智能体将会相互对话，不同的数据库，这些都不重要，它只是一个抽象层。所以这一切听起来都非常令人兴奋。你提到的另一件事，你在一次采访中说过，当你雇佣一名员工时，实际上雇佣的是他未来的能力，以及他所拥有的一整套智能体。这让我觉得很有意思。但我想就这一点了解得更清楚一些，因为看起来公司，也就是雇主，很可能会想要拥有那些 AI 智能体的知识产权，就像他们拥有传统知识产权一样。所以或许你可以澄清一下。

Satya Nadella: 实际上，你说得对。事实上，你说的也算是我们的观点，对吧？如果我看看今天发布的内容，因为公司的知识产权是什么，对吧？我认为，我们任何人在工作中的工作成果都属于公司的财产。所以我想，对于 AI 智能体来说也是如此。这也是我们扩展规则范围的根本原因之一，对吧？你知道，AI 智能体有一个 Entra ID。你可以管理这些 AI 智能体的条件访问，就像你在组织内部管理人员一样。现在，说到 Purview，对吧？另一件非常重要的事情。如果 AI 智能体要访问数据，它需要遵守同样的数据保护和数据权利规定，所以我们将会，顺便说一句，还有安全规定。你需要像管理端点一样管理 AI 智能体环境。所以这就是为什么 Defender 要确保不会发生凭证被盗之类的事情。所以，绝对可以认为，我们为人员及其 IT 基础设施所做的所有身份管理和安全方面的工作，也将同样应用于 AI 智能体及其 IT 基础设施。

Matthew Berman: 是的，你知道，这很有道理。我也猜想很多人会为他们的个人生活构建自己的个人 AI 智能体。那么你是否能预见一个未来，他们也会把那些个人 AI 智能体带到工作中来。

Satya Nadella: 这是个好问题。我的意思是，一个允许你带入个人 AI 智能体的系统，必须做到让这两个世界之间不会发生数据泄露。所以问题就在这里，我们甚至可以拿一个简单的事情来说，就是我的个人电子邮件和我的公司电子邮件。今天，它们是两个相互隔离的东西。它们是两个身份。我们知道如何为了隐私和知识产权的原因将它们的状态分离开来，对吧？这两种原因都有其意义。我认为类似地，这就是为什么我们相信 Entra 和微软账户，也是为什么我们有 Copilot 和 Microsoft 365 Copilot。把这两者混为一谈，即使在用户模型层面，也会非常令人困惑。我用两个配置文件来固定 Edge 很有帮助，原因就是当我作为个人用户时，我使用微软账户，而当我在微软工作时，我使用 Entra。这是一个有用的划分，可以让这个，你知道的，心智模型保持简单。否则，我认为把所有东西都混在一起，你真的会搞得一团糟。

Matthew Berman: 我觉得这非常有道理。所以我想问一个关于你的愿景的问题。智能的成本似乎确实在迅速下降，有望趋近于零。我认为未来的世界将会非常迷人。你认为会涌现出哪些用例？当智能的成本趋近于零时，什么最让你感到兴奋？

Satya Nadella: 是的，我的意思是，对我来说，归根结底，对吧？当我放眼世界，我们是否需要更多像技术、像智能这样充裕的东西，来最终推动生产力和经济增长？绝对需要，对吧？我环顾四周然后说，天啊，你知道，现在，为了抑制通货膨胀或促进经济增长。我们需要一些帮助，所以现在正是时候。所以如果你把这件事，以及我们在开发者大会上分享的例子，就是斯坦福医学在一些真正高风险的领域所做的事情，对吧？比如肿瘤委员会会议、肿瘤学和癌症护理。他们能够利用所有这些技术，并以一种真实的方式应用它，他们在 Foundry 中使用了一个多 AI 智能体框架来协调病理学、临床试验、PubMed 数据，最终开一个更好的肿瘤委员会会议，然后把会议的数据和信息放到 PowerPoint 里用于教学，或者放到 Teams 里供大家协作。在我看来，这正是需要发生的事情。医疗保健占我们 GDP 的 20%，这个工作流程中的许多开销都与此相关。因此，如果每个医疗服务提供者都能开始使用 AI 来改善他们的病人护理和治疗效果，并降低成本，那将对我们的社会产生深远的影响。所以这正是我真正期待的。

Matthew Berman: 是的，我认为医疗保健的用例，我对超个性化医疗保健感到非常兴奋。我已经用过 ChatGPT Copilot 来回答关于我个人健康的问题了。这非常非常令人兴奋。还有你展示的一些研究，浸入式冷却技术，对吧？那个是被发现的。

Satya Nadella: 新材料的发现，是的，那太酷了。

Matthew Berman: 材料科学，这个领域有太多的可能性了。我听说一些轶事，一些年轻一代要么完全回避 AI，要么只是轻度使用，具体原因就是他们认为能源消耗将对我们的星球产生非常显著的负面影响，那么你，微软，是如何看待这个问题的？你会对他们说些什么来给他们信心？

Satya Nadella: 是的，首先，你知道，年轻一代对此深切关心，这非常鼓舞人心，坦白说，因为在某种程度上，这对我们所有人都是一种正确的推动，让我们能够说，好吧，我们正在创造的任何东西，其根本目的都是为了帮助实现社会中对我们至关重要的成果，对吧？无论是在医疗保健、教育，还是在获得金融服务方面，无论哪个领域，最终都是为了经济增长、经济繁荣和富足。所以让我们把这作为第一点，那就是我们做这件事不只是为了某些技术成就，而是为了解决人类和地球面临的挑战。

然后第二部分也很重要，那就是我们必须以可持续的方式来做，实现可持续的富足。如果是这样的话，我回顾的一个公式就是：每美元每瓦特产出的 token 数量。我们能够利用软件这一最宝贵的资源，以最高效的方式使用能源，从而创造出最大程度的富足，进而改善健康、教育和其他成果，这是一件好事。我们只需要坚持下去。现实情况是，整个科技行业的耗电量大概只占当今电网电力或总耗电量的 2%、3%。所以这个比例很小，但是，是的，它会翻倍。所以如果它需要翻倍，它就需要获得社会许可才能翻倍。它需要在现实世界中创造更多的价值。事实上，这也是为什么我觉得我们作为科技行业，需要立足于的不仅仅是我们某一个被大家用来做好玩事情的产品。它必须应用于医疗保健、材料科学、广泛的知识工作以及小企业的生产力提升。因为这才会给予我们社会许可，让我们继续使用能源这种稀缺资源。要以可持续的方式去做。我们是替代能源的最大买家之一。事实上，你可以说，新项目最大的补贴就来自我们这样的人。我们真的想确保我们继续推动这件事，但最终要实现每美元每瓦特产出的 token 数量，并以此创造经济繁荣。

Matthew Berman: 我很高兴你这么说。我会把你说的告诉那些对环境影响非常紧张的人，我还会给他们看这个视频，所以谢谢你。现在计算架构肯定正在发生重大转变。架构中确定性部分和非确定性部分之间的界线正变得模糊。几个月前我看到一个非常酷的演示，他们用一个扩散模型重现了《毁灭战士》（Doom）这款游戏。每一个画面都是被预测出来的。你是否能预见一个未来，那时的操作系统也会类似，可能没有或只有很少的底层传统代码？

Satya Nadella: 是的，我们有一个类似的模型，比如我们构建的这个 Muse 模型，它是一个我们构建的世界动作模型，但我们用游戏数据来训练它，然后它开始做的事情，基本上就是，你可以用 Xbox 控制器作为动作输入，然后用这些动作来生成下一个场景，这有点像，你可以把它想象成机器人技术，游戏也是如此，所以，是的，可以说一切都是生成出来的。

操作系统，你知道，对我来说，这个想法，你知道，有时我认为我们甚至夸大了我们所谓的确定性系统的确定性，对吧？因为毕竟，你拿一个软件程序，你是无法证明它的，对吧？我的意思是，这算是计算机科学的根本挑战之一。

Matthew Berman: 对。

Satya Nadella: 所以因此我认为，是的，它是一个随机系统，但这个随机系统确实需要以我们至少可以检查的确定性方式工作。坦白说，当我在主题演讲中采访马斯克时，他说，嘿，我们必须理解智能的物理学。这其实是一个很好的思考方式，对吧？也就是我们必须以某种方式回到这样一个状态：当我们把这些复杂的系统组合在一起时，我们有某种方法来理解这些复杂系统的物理原理，然后对它们进行限制、沙盒化等等。我认为即使在操作系统中，我们也必须这样做。但当我回顾时，就拿我们刚刚推出的编程 AI 智能体来说。有趣的是，这个编程 AI 智能体有一个环境。在 GitHub Actions 底层，你实际上是放置了一个虚拟机，然后你真正在设定那个虚拟机的边界，对吧？也就是，嘿，它是否有网络访问权限？你必须控制它。如果它要通过 MCP 服务器访问工具，你必须控制它。然后所有这些都有完整的审计日志。所以我想，这就是我们将学习如何将一个可以说确定的系统，也就是我们用大量指令性代码构建的软件系统，你知道的，和这个 AI 智能体结合起来，然后让交互本身成为我们可以监控的东西。

Matthew Berman: 是的。所以，这真的很酷，因为你在主题演讲中说，我们正开始进入这场转变的中局。所以，我真的认为现在是一个非常有趣的时刻可以观察不同类型软件的融合会走向何方。非常感谢你和我在一起。我很感激。

Satya Nadella: 这是我的荣幸。感谢你来参加这次访谈。我期待下次再来。