Satya Nadella 关于 AI 生态系统与企业智能的未来

向 AI 生态系统平台的转变

微软正从提供单一 AI 模型或平台，转向打造一个生态系统，使任何公司都能构建自己的“前沿智能”。Satya Nadella 表示，真正的平台在于其能够在平台之上创造出比平台内部捕获的价值更多的价值。目标是提供配方、技术栈和工具，让 AI 原生公司和传统企业都能成为 AI 创造的一级参与者，而不仅仅是其他公司模型的消费者。

MAI 模型与训练策略

微软对 MAI 模型的训练策略侧重于构建干净的数据血统和“认知核心”，以实现专用智能。该策略的关键组成部分包括：

• 干净血统： 在预训练阶段优先保证高数据质量并进行严格的消融，以避免开放权重模型在基准测试上表现良好但实际使用中失效的陷阱。
• 爬坡支架： 为模型提供结构，使公司能够通过收集轨迹并实现基于 AI 反馈的强化学习（RLAIF）来创建专用模型。
• 私有评估作为核心 IP： Nadella 认为私有评估（evals）可能是公司最重要的知识产权形式。公司能够在不同模型之间切换，并基于私有评估持续提升性能，决定了其是否真正掌控了自己的智能层。
• 时间前沿化： 使用高能力模型（例如 GPT‑5）收集轨迹，再用这些轨迹训练更小、更高效的推理模型（例如 5B 模型），以实现更高的性能。

企业 AI 的“ Harness ”概念

要提供真实世界的价值，AI 需要一个“ harness”——一个将模型、数据和工具集成的多模态环境。

Harness 的作用

Nadella 将 harness 描述为围绕模型、数据和工具的循环。过去两年的关键教训是，需要大量工作来准备上下文层，以便代理的计划能够高效执行。微软的做法是“逐步披露工具”，以保持 token 效率。

实际应用

微软的 M‑Dash 被视为该方法的存在性证明；通过使用多模态 harness，它发现了传统工具（如 Mythos）未能捕捉的漏洞和安全隐患。

SaaS 的未来与商业模式

AI 正迫使人们重新评估传统的 SaaS 垂直堆栈（数据模型 → 业务逻辑 → UI）。虽然底层数据模型和业务逻辑（例如 Power BI 中的语义模型）仍然有价值，但它们的包装方式必须改变。

拆分与重新组合

Nadella 认为 SaaS 供应商必须拆分其产品并以新方式重新组合。一个例子是 Microsoft 365 中的 Work IQ，它将 M365 数据（邮件、Teams 转录、文档）视为可供代理使用的数据库。这样，代理可以执行复杂任务，例如分析设计会议并向 GitHub 仓库提出具体修改建议。

定价演进

Nadella 预测将出现多种定价模型的混合，而非单一赢家：

• 按用户计费： 仍然必要，以确保预算确定性和权益分配。
• 基于消耗计费： 对于成千上万的自主运行代理的工作负载来说是必需的，使得按用户计费变得过时。
• 基于结果计费： 虽然在理论上很有吸引力，但 Nadella 指出，一旦实现了可衡量的结果，客户往往会抵制分享版税。

工程角色的变化与人类能动性

AI 的崛起正将工程从专业化的孤岛（QA、前端等）转向更具通用性的高杠杆角色。

• 全栈构建者： 借鉴 LinkedIn 的模式，Nadella 设想出现“全栈构建者”，他们兼具设计、产品管理和工程能力。
• 基础设施科学： 构建 RL 系统（如 Excel 中的系统）的复杂性需要深厚的分布式系统专业知识，即使在终端用户应用团队中也是如此。
• 元工作： AI 时代的雄心被定义为“让不可能成为可能”。Nadella 以 Azure 网络团队为例，该团队不再专注于“做网络”，而是致力于构建一个名为 Miles 的代理系统来管理网络运营。

社会影响与基础设施

随着微软以空前规模扩展数据中心布局，Nadella 强调行业必须通过切实的利益赢得“社区许可”。

• 社区 ROI： 必须通过本地的就业机会、税基扩张以及对能源电网和水资源补给系统的改进来让社区感受到收益。
• 切实利益胜于空洞承诺： Nadella 承认，公众对科技公司承诺的“光辉未来”持怀疑态度，行业必须在医疗和经济参与等方面交付即时、可衡量的改进。
• 教育改革： Nadella 认为下一个重大成功案例可能是一所新大学或一种新教学法，它在信息无处不在、应用能力至关重要的时代重新思考证书和学习方式。

---

摘要： 微软 CEO Satya Nadella 认为，AI 的未来在于生态系统方法，企业通过模型、工具、数据以及多模态 harness 的组合，构建自己的前沿智能。

标题： Satya Nadella 关于 AI 生态系统与企业智能的未来