对话纳德拉、奥特曼：AI正在引领一场史诗级的美国重建

OpenAI上周宣布，正式成为一家非营利基金会控制一家营利性企业（PBC）的治理结构，还与微软签订了协议，划清了股权和今后最长7年的合作方式。这一“科技史上最成功的投资与合作”，进入了。

微软CEO纳德拉（Satya Nadella）和OpenAI CEO 奥特曼（Sam Altman），接受了风险投资机构Altimeter创始人CEO格斯特纳（Brad Berstner）的专访。在前半段，奥特曼谈到了未来合作的细节，OpenAI的上市可能性、美国在联邦层面建立起对AI的监管、对OpenAI2026年的展望。精彩的部分在纳德拉这一段，他提出了当年投资OpenAI的决策逻辑和过程，OpenAI对微软的业务及战略价值，尤其是OpenAI对扩展（scaling law）定理的执念，重构了Azure云，并且形成了AI基础设施的规模（scale）效应。

纳德拉提出了两个有力的论断：规模之上，就不会有什么是真正的商品 （At scale, nothing is commodity ），超级云计算（hyperscaler）通过供应链、成本结构和软件效率构建起运营利润的复利。在黄仁勋的AI工厂提法之上，纳德拉提出了智能体工厂（agent factory），即智能体将重构软件行业和SaaS商业模式，能最大效率地利用好token，创造出商业价值。

纳德拉对于AI的未来是乐观的，而且认为，AI正在引领美国进行一场工业重建。

（来源：采访视频截屏）

我们基本编译了全文，约15000字，如下：

目录

微软关联了两家世界上最大的非营利基金会

与微软交易的魔鬼细节

我们都被算力和电力卡住了

展望OpenAI的2026

投资OpenAI的决策与价值

AI基础设施的规模效应

AI原生软件的新时代

AI 工厂与智能体工厂

AI在引领一场史诗级的重建

正文：

Brad：

各位，这真是大新闻满满的一周。我从英伟达的 GTC 讲起——它市值刚到 5 万亿美元。Google、Meta、Microsoft……Satya，你们昨天刚发布财报。我们听到的一直都是：算力不够、算力不够、永远不够。周三还有降息，GDP 增速接近 4%。我刚还跟 Sam说，总统在马来西亚、韩国、日本，听起来还有中国，达成了一系列巨额协议——这些协议为美国再工业化提供了惊人的金融火力：比如 800 亿美元投向新核裂变——都是你们扩大量产算力所需要的。更重要的是，你们周二发布了澄清双方合作关系的重磅公告，恭喜！

我想先从这件事谈起。我想用最简单的语言把交易结构理清，让我和大家都能明白。先说投资部分吧，Satya。微软从 2019 年开始投资，到目前大约向 OpenAI 投入了 1340 亿美元（注：口述为数量级），相应换得公司全面摊薄后的 27% 股权。之前大约是三分之一，过去一年随着新一轮投资被进一步摊薄。这个持股比例大致正确吗？

微软关联了两家世界上最大的非营利基金会

Satya Nadella：

是的，大致如此。但在谈我们持股之前，我想先说一件更独特的事：OpenAI 在这次重组中诞生了全球规模最大的非营利基金会之一。别忘了，在微软我们很自豪地与两个全球最大非营利组织有关联——盖茨基金会，以及现在的OpenAI 基金会。这才是大新闻。当然，我们也非常高兴作为投资者和早期支持者参与其中。老实讲，我们当年投第一笔 10 亿美元时，并没想着会成为百倍股，但今天走到了这里。这是对 Sam 和团队的最好注脚——他们很早就看到了这项技术的潜力，并以极高的执行力把它做出来了。

Sam Altman：

这一路走来是一次非常出色的合作。正如 Satya 说的，我们一开始也不知道会走到哪里。我认为这是科技史上最伟大的合作之一。若没有微软，尤其是 Satya 早期的强烈信念，我们不可能做到现在这样。在当时的环境下，愿意下这种赌注的人并不多。我们对技术会怎么走并没有答案——准确地说，完全不知道。但我们对持续推进深度学习这件事有很强的信念，相信只要把它做下去，我们就能做出极佳的产品、创造巨大价值；同时，正如 Satya 所说，打造出我们相信会成为全球最大的非营利机构。我很喜欢现在这种结构：它既让非营利组织的价值能够增长，同时 PBC（公益性公司）也能获得持续扩张所需的资本。如果没有这种结构、也没有愿意支持这种结构的合作伙伴，非营利组织不可能有今天的体量。自我们建立合作以来已 6 年多了，这 6 年里我们取得了令人疯狂的成就，未来会有更多。我甚至希望 Satya 最终能在这笔投资上赚到 1 万亿美元，而不只是千亿级的回报。

Brad：

重组的一部分是：上层是非营利基金会，下层是公益性公司（PBC）。这很惊人。非营利基金会一开始就用 1300 亿美元的 OpenAI 股票完成了资本化，一出场就是全球规模最大的基金会之一，将来可能更大。加州总检察长也表示不会反对。你们已经把这 1300 亿与“确保 AGI 造福全人类”的使命绑定在一起。你们宣布首批 250 亿美元将用于医疗健康和 AI 的安全与韧性。

Sam，先恭喜两位——这对 AI 的未来是巨大贡献。请你讲讲为何把重点放在健康和韧性，以及如何确保基金会最大化社会效益、而不被很多非营利机构常见的政治偏见拖累？

Sam Altman：

首先，给世界创造大量价值的最好方式，就是我们已经在做的事：把强大的工具做出来，让所有人用得上。我认为资本主义很好，公司也很好，大家正把先进的 AI 带到更多人和企业手中，做了很多了不起的事。

但也有一些领域，市场机制并不总能导向最符合公众利益的结果，需要用不同的方式去做。还有一些是这项技术带来的全新可能，比如用 AI 以极快速度推进科学、实现真正意义上的自动化发现。

当我们思考优先方向时，如果能治愈大量疾病，并让相关数据与知识广泛可得，那将是对世界非常好的事。至于AI 韧性，未来有些情况可能会变得有点陌生，而且并非都能靠公司各自为政来解决。随着世界跨越这个过渡期，如果我们能资助一些关键工作——比如网络防御、AI 安全研究、经济研究等，帮助社会更平稳地穿越这段时期——那就太重要了。我们非常有信心彼岸会更美好，但路上肯定会有些波折。

与微软交易的魔鬼细节

Brad：

继续回到这份交易。关于模型与排他性，OpenAI 可以在 Azure上分发其领先模型；但在未来七年（到 2032 年）之前，不能在其他主流公有云上分发——除非提前通过 AGI 验证。但你们可以在其他平台分发开源模型、Sora、智能体、Codex、可穿戴等。也就是说，ChatGPT 或 GPT-6不会出现在 Amazon 或Google 上，对吗？

Sam Altman：

不完全是。首先，我们希望和微软一起做很多事，为他们创造价值，也希望他们为我们创造价值。这方面会有很多合作。我们会把 Satya 曾经用过的一个术语保留下来——“无状态（stateless）API”——这部分到 2030 年前独家在 Azure上提供。除此之外，我们会把很多产品分发到别处，这对微软其实同样有利。总之，很多产品会在很多平台出现，而“无状态 API”这块只在 Azure，用户可以通过 Azure 或我们来获取，我觉得这很好。

Brad：

关于收入分成：OpenAI 仍需就全部营收向微软支付分成，这个分成到 2032 年结束，或者在 AGI 被验证时提前结束。假设分成比例是 15%，如果 OpenAI 的年营收为200 亿美元，那就向微软支付 30 亿美元，并计入Azure 的营收，对吗？

Satya Nadella：

我们确实有分成安排，正如你说的：要么持续到 AGI，要么到期结束。至于它在微软内部计入 Azure 还是其他口径，我倒还真记不清了——这个问题该去问 Amy。

Brad：

既然排他性与分成都在AGI 验证时提前终止，那 AGI 的判定就非常关键。据我了解，如果 OpenAI 声称达到 AGI，就会交由一个专家小组快速裁定是否达标。Satya，你昨天在财报电话会上说，没有人接近 AGI，短期内也不太可能；你还提到“锯齿状的、尖峰式的智能”。Sam 似乎比你更乐观。你们担心未来两三年真的要请“陪审团”来裁定是否到达 AGI 吗？

Sam Altman：

我理解你想制造点“火花”，但说实话，设立一个清晰的流程是好事。我预计技术还会经历许多出乎意料的转折。我们会继续做彼此的好伙伴，一起判断什么最合理。

Satya Nadella：

说得好。这也是我们之所以要建立这一流程的原因。归根结底，我相信智能的能力边界会不断提升。我们的真正目标，是把能力放到个人与组织手里，让他们获得最大收益——这也是当年吸引我与 OpenAI、与 Sam 团队合作的初心，我们会继续沿这个使命前进。

Sam Altman：

顺便说句显而易见的，就算明天我们真的做出了超级智能，我们仍然希望微软帮助我们把产品大规模交到用户手里。

Brad：

当然、当然。微软是全球最大的分发平台之一，你们一直是出色的伙伴。这些澄清能打破不少外界的误解。我们稍微换个话题——显然，OpenAI 是史上增长最快的公司之一。Satya，你一年前在我们的节目里说过：每一次技术范式迁移都会诞生一个新的Google，而这一次的Google已经出现，那就是 OpenAI。没有你们当初下的那些大赌注，这一切都不可能发生。话说回来，外界报道OpenAI 在 2025 年的营收是 130 亿美元。Sam，你这周直播里又提到你们对算力的超大承诺：未来四到五年总额 1.44 万亿美元——其中对英伟达 5000 亿、对 AMD 3000 亿、对 Azure 2500 亿等等。我这周听到市场上最大的一个问题是：一家营收 130 亿美元的公司，怎么能做出 1.44 万亿美元的支出承诺？你也听到了这些质疑吧，Sam。

Sam Altman：

首先，我们的营收远不止那个数字。其次，Brad——如果你想卖你的 OpenAI 股份，我能帮你立刻找到买家。我真的是说真的，有很多人很想买 OpenAI的股权——包括你，也包括我自己。那些在推特上对我们“算力承诺”大呼小叫的人，恐怕会非常乐意买这只股票。我们完全可以很快把你或别人的股份卖给这些最“吵”的人。

我们的计划是让营收陡峭增长——现在就在陡增。我们是在押注未来，营收会继续快速增长；不仅ChatGPT 会继续增长，我们还会成为重要的 AI 云之一；我们的消费级设备业务会成为一项重要支柱；而自动化科学研究的 AI 将创造巨大的价值。说实话，我并不常想当一家上市公司，但在某些时刻这很诱人——比如当有人写“OpenAI 要破产了”之类的荒唐东西时，我真想让他们去做空，然后看看他们怎么被打脸。

当然，我们的推进是精心规划的。我们理解技术与能力会如何演进，也清楚围绕这些能力我们能做出什么产品、带来怎样的营收。我们也可能搞砸——这就是我们在下注、在承担的风险。其中一个非常现实的风险是：如果没有算力，我们就做不出这个规模的模型，也赚不到相应的收入。

Satya Nadella：

没错。我再补一句，Brad，无论作为合作伙伴还是投资者，我从没见过 OpenAI 拿出的商业计划没有达成甚至没有超额完成的。坦率地说，大家谈论最多的是他们在使用量与影响力上的成功，但就业务执行而言，同样惊人。

我们都被算力和电力卡住了

Brad：

我几周前在 CNBC 上听到 Greg Brockman 说过：如果我们的算力能扩大 10 倍，营收未必正好扩大 10 倍，但肯定会大增，因为目前就是被算力卡住了。

Sam Altman：

是的。说真的，我们被桎梏得相当厉害。过去一年我们的算力大概放大了 10 倍，但如果还能再放大 10 倍，营收未必正好 10 倍，但我不觉得会差太远。

Brad：

昨晚你也说过类似的话，Satya——你们也被算力掣肘，如果有更多算力，增长会更高。Sam，帮我们量化一下：你们今天被算力约束的程度如何？再看未来两三年的扩建进度，你觉得会不会有一天不再被算力约束？

Sam Altman：

我们经常讨论算力是否足够这回事。我觉得正确的思路类似能源：只能在某个价格点上谈需求。如果不谈价格水平，谈总需求是没有意义的。

如果单位智能的算力价格明天骤降 100 倍，使用量会增加远超 100 倍。很多现在从经济上说不通的用例，在那种成本下都会涌现出全新需求。

另一方面，随着模型变得更聪明——比如能用于治愈癌症、发现新物理、驱动一大群人形机器人去建空间站之类的疯狂事情——那么人们也愿意为更高等级的智能付出更高的单位成本。

所以，谈产能，就必须同时谈单位成本曲线与单位能力曲线；没有这两条曲线，问题就是伪命题，规格也不清。

Satya Nadella：

我同意。你（Sam）常说，如果智能 ≈ 计算量的对数，那我们的目标就是不断提升效率：让每美元、每瓦能产出的 token最大化，同时让社会获得的经济价值更大、成本更低。这也对应杰文斯悖论的直觉：当你把智能成本不断商品化、压低，它就会成为GDP 增长的真正驱动力。

Sam Altman：

遗憾的是，现在更接近“智能的对数≈计算量的对数”。不过我们也许会找到更好的缩放律，也许能打破它。

Brad：

昨天微软和谷歌都说了：如果有更多 GPU，云业务会增长更快。我问过黄仁勋：未来五年会不会出现算力过剩？他说未来两三年几乎不可能。你们同意吗？

Satya Nadella：

供需周期在这个领域很难预测。长期趋势正如 Sam 所说。但当下我们最大的瓶颈不是芯片供应，而是电力与连网的建设速度。如果这两件事解决不了，你就会有一堆芯片躺在仓库*无法上电——这就是我今天的实际问题：不是芯片不够，而是没有地方可以插电。全球扩张也使链路更复杂、约束更多，通往目标不会是直线。

Sam Altman：

总有一天会出现过剩——两三年后，还是五六年后，我说不准，但一定会，而且可能发生不止一次。这和人类心理、泡沫循环很有关；同时正如 Satya 说的，供应链极其复杂、技术版图会剧烈迁移。

如果极廉价能源在短期内大规模上线，很多人会被自己签过的长约反噬。再比如，若我们继续把单位智能成本以每年几十倍的速度压降，对基础设施建设来说那是一个可怕的指数。我们押注更便宜会带来更多需求，但我也担心，万一我们一路突进、大家都能在笔记本上跑个人 AGI，那就会像历次基础设施周期一样，有人被狠狠伤到。

Brad：

说得很好。这两种同时为真的命题必须同时握在手里。2001 年我们也经历过类似的事，但互联网最终比任何人当时的估计都大得多、好得多。

Satya Nadella：

还有一点常被忽视：OpenAI 最近在推理栈（inference stack）上的优化，让同一块 GPU榨出的效率远超摩尔定律的硬件提升；软件端的提升甚至更快。

Sam Altman：

总有一天，我们会做出一款令人惊叹的消费设备，在极低功耗下完全本地运行相当于 GPT-5或 GPT-6 能力级别的模型。光是想象这件事就让人难以置信——可那一刻会到来。而这，恰恰是一些构建超大中心化算力的人最感到不安的地方。

Brad：

Satya，你也多次谈过要把推理能力分发到“边缘”和全球各地。

Satya Nadella：

是的。至少在我的设想里，关键是打造一支可互换（fungible）的算力机队。在云基础设施业务里，你必须做到两件事：第一，做一座高效的 token 工厂（在这个语境中）；第二，高利用率。就这两点。要想实现高利用率，你必须能把多种工作负载排程到同一套资源上，哪怕是训练环节也是如此。看整条 AI 流水线：有预训练、中期训练、后训练、强化学习（RL）……你都得能做。所以，对云服务商而言，机队的可互换性就是一切。

Brad：

好。Sam，你刚刚提到——而且路透昨天也报道——OpenAI 可能在 2026 年末或2027 年上市。

Sam Altman：

不不不，我们没有任何那样具体的计划。我是个现实主义者，我假设总有一天会发生，但不知道这些报道为什么会写成那样。我们没有确定的日期，也没有做出那样的决定。我只是推测终局可能会走到那一步。

Brad：

但在我看来，如果你们在 2028 或2029 年的营收超过千亿美元，那至少就有资格——

Sam Altman：

2027怎么样？

Brad：

好，2027 更好。那你们就有条件IPO，并达到传闻中的一万亿美元市值。给听众做个参照：如果你们以营收的 10 倍上市（比如 1000 亿营收，对应1万亿市值）——这其实低于 Facebook 上市时的倍数，也低于许多大型消费公司上市时的倍数——如果再发行 10%–20%的股份，就能融资1000–2000 亿美元，这看上去足以支持你们的扩张与上述计划。所以你并不反对，只是——

Sam Altman：

我们更想用营收增长来为公司输血。这是我所期望的。但我并不否认你说的路径。

Brad：

我也说过，在我看来这是家极其重要的公司。很多人（包括我的孩子）都有自己的小账户在交易，他们天天用 ChatGPT。我觉得让散户也能买到这样一家最重要、也可能是最大规模的公司之一的股票——老实说，这对我来说可能是最具吸引力的一点。

展望OpenAI的2026

Brad：

Sam，我想把视角拉远一点。你的团队提到过很多令人振奋的项目。当你开始考虑几乎无限算力、ChatGPT-6 及更远期版本、机器人、实体设备、科学研究时——展望 2026 年，你认为最让人意外的是什么？哪些是你最兴奋、最期待的方向？

Sam Altman：

你刚好提到了其中很多关键点。我觉得 CodeX是今年最令人惊喜的成果之一。随着任务从多小时延长到多日级（我预计明年就会出现这种情况），人们将能以前所未有的速度、用全新的方式创造软件。

这让我非常兴奋。我相信这种变化也会扩散到其他行业。只是我对编程领域更熟悉，所以感触更深。它会真正改变人类能做的事情的上限。

我还希望 2026 年能出现一些很小的科学发现。哪怕只是小突破，只要实现了，就能为后续带来更大的进展。想象一下——AI 在 2026 年首次独立发现新的科学原理，哪怕只是微小的——这将是极具意义的一刻。

此外，还有机器人、计算机乃至新型计算架构的发展。这些都非常关键。但对我个人来说，如果AI 真能参与科学研究，那几乎就是通往超级智能的一步。因为那意味着它开始扩展人类知识的总量——这太惊人了。

Satya Nadella：

我觉得你举的 CodeX 例子非常典型。模型能力的演进和交互界面的结合就像当初 ChatGPT 的魔法时刻，UI 与智能结合，一瞬间让一切爆发式起飞——令人难以置信。而其中的关键，就是模型的指令跟随能力（instruction following）终于成熟。

CodeX 以及这些编程智能体（coding agents）正在推动下一次飞跃——一个智能体可以长时间自主工作，然后再回来让用户进行微调式指导（micro steering）。

我们正朝着一种新交互形态前进，宏观授权 + 微观引导（macro delegation & micro steering）。

当这种新智能能力遇上新的用户界面（UI），那将是人机交互的一次重大变革。

我现在在 GitHub Copilot 里使用 CodeX，就已经能看到这种雏形——它不是传统聊天界面，而是一种全新的交互方式。我认为这可能比聊天式界面更革命——甚至可能成为新计算设备形态出现的起点。

毕竟，传统电脑根本不是为这种工作流设计的；“聊天窗口”式 UI 明显也不适合。但如果我们拥有一种随身设备，它既能在你身边，又能在后台长时间执行任务，并在需要时主动向你请求微调指导，同时对你的生活和工作情境有极强的上下文感知——那将是令人振奋的未来。

Brad：

而你们两位都没提到——消费者场景。我常在想：如今我们依然要在设备上一层层点开上百个应用、手动填写表单，这种交互二十年来几乎没变。但如果能让人类拥有一个个人助理——真正意义上的、几乎免费的数字助理，帮助全球数十亿人改善生活，不论是为孩子订尿布、预定酒店、还是修改日程——这些看似平凡的小事，反而会带来最深远的影响。

当我们从回答问题进化到拥有记忆与行动力，再到可以通过耳机或可穿戴设备直接交互，而不必整天盯着这块矩形玻璃屏幕，那将是非常了不起的转变。

Satya Nadella：

没错，这正是 Sam 刚才暗示的方向。希望我们能把它做好。

（奥特曼先离开了对话）

投资OpenAI的决策与价值

Brad：

正如 Sam 知道的，我们当然是买方而非卖方。但有时我们需要意识到——我们这一小群人每天都在研究这些前沿问题，花了上万小时去思考，所以有很强的信念；但世界上绝大多数人并没有花一万小时来理解这些东西。

他们看到的，往往只是一些雄心过大的目标，因而怀疑我们能否做到。

我想请你回顾一下——你在 2019 年把投资 OpenAI 的提案（10 亿美元）带进董事会时，过程是怎样的？这是否是一次轻而易举的决定？你是否花了政治资本来说服董事会？我想知道那个时刻的情景——因为那可能不仅改变了微软，也改变了这个国家，甚至整个世界。

Satya Nadella：

这真是个有意思的问题。回头看，这段旅程其实从2016 年就开始了——那时微软就已与 OpenAI 合作。事实上，Azure 是最早的赞助方之一。当时他们主要研究的是强化学习（RL），我还记得 Dota 2 的比赛就是在 Azure 上举办的。后来他们的研究方向扩展了。

我当时就对 RL 感兴趣，但正如你说的，这其实也与一万小时的准备有关。

微软自 1995 年以来一直痴迷于自然语言——那是 Bill（盖茨）对公司最核心的执念。毕竟我们是家编程公司，也是信息工作公司。

所以当 Sam 在 2019 年开始谈论文本、自然语言、Transformer 和扩展定律（scaling laws）时，我心想：“哇，这非常有意思——他们的方向与我们的兴趣几乎完全重叠。”

从那一刻起，这个合作在战略上就变得顺理成章。

当然，当你走进董事会，说“我打算拿 10 亿美元投给一个我们都还不太明白的结构——一个非营利组织加上某种奇怪的公司层级”，自然会引发讨论。

Bill 当时非常谨慎——这是理性的。但在看到 GPT-4 的演示后，他立刻改变了看法。他后来公开说，那是他自从看到 Charles Simonyi 在 Xerox PARC 向他演示图形界面以来，最令人震撼的 demo。

对我来说，真正的转折点是看到 GitHub Copilot 里早期的 CodeX——看到代码自动补全的那一刻，我心想：“我们可以从 1 走到 10 了。” “1” 是最具争议的阶段，而“1→10” 让整个新时代成为可能。

之后就是团队的执行力、产品化落地——他们和我们都做得非常出色。如果你现在把 GitHub Copilot、ChatGPT、Microsoft 365 Copilot、Edge Copilot 加在一起，那就是当今世界上最完整、最具影响力的 AI 产品体系。正是它支撑了这一切。

Brad：

没错，而且我想很多人不知道，你们的 CTO Kevin Scott（前谷歌工程师）就住在硅谷，

微软曾错过搜索，错过移动。等你成为 CEO 时，几乎又要错过云计算——你自己也形容那是赶上了最后一班车。而这次，你似乎非常坚定地要在硅谷安上眼睛和耳朵，确保不会再错过下一个时代。所以我想 Kevin（微软 CTO Kevin Scott）对你来说也起了关键作用吧？

Satya Nadella：

完全正确。实际上我会说，Kevin 的信念是整个过程的关键之一。起初他也是怀疑的——我特别关注那些从怀疑转为信任的人。因为对我来说，那是一种信号。一个最初不信的人，突然有一天变得兴奋、投入，这让我非常好奇“为什么？怎么变的？”

Kevin 一开始跟我们所有人一样都是怀疑派。毕竟，这一切似乎挑战了我们在学校里学到的思维方式——我们被训练成相信世界上一定有一个算法能解开问题，而不是靠缩放定律（scaling laws）+算力堆叠。但Kevin 的信念——这件事值得去做——成为推动我们前进的关键力量之一。

Brad：

我们谈到那笔如今价值 1300 亿美元的投资——也许未来能涨到一万亿，就像 Sam 说的。但那其实低估了这段合作的价值。

除了股权收益，你们还有每年数十亿美元的营收分成；OpenAI 向 Azure 承诺了 2500 亿美元的算力采购，你们也从中获得利润；再加上独家 API 分发权带来的巨额销售额。

能不能谈谈你怎么看这几个层面的价值，尤其是这种独家合作如何吸引了原本在 AWS 上的客户转向 Azure？

Satya Nadella：

当然。对我们来说，除了股权层面的收益，真正的战略价值在于那个Azure 上的无状态（stateless）API 独家权。它帮助了 OpenAI，也帮助了我们和客户。因为在企业场景中，客户希望使用的 API 是无状态的——这样他们就能把它与算力、存储结合起来，在下层放置数据库以保存状态，从而构建完整的工作负载。

而这正是 Azure 与 OpenAI API 结合的优势所在。比如我们现在在做的 Azure Foundry*，本质上是为开发者提供一个能让他们轻松构建 AI 应用的平台。关键不只是训练模型，还要保证模型的评估与反馈循环（evals）足够好——因此需要一个完整的应用服务器（app server）。Foundry 正是为此设计的。所以我认为，这就是我们未来基础设施业务的核心上市路径。

另一方面，对微软而言，价值获取的另一面在于我们可以把 OpenAI 的所有知识产权（IP）整合进来。不仅我们在 Azure 上独享这些模型，还能访问它们的 IP。哪怕撇开经验、know-how 等不谈，单就未来七年无专利税（royalty-free）访问权这一点，就让我们的商业模式拥有极大灵活性。

换句话说，如果你是微软股东，可以把这看作我们拥有了一个免费使用的前沿模型——我们能在GitHub、Microsoft 365、消费者端的Copilot 等产品中自由部署，结合我们的自有数据做后训练（post-training），直接将智能嵌入权重里。因此，我们不仅能在 Azure 和基础设施层创造价值，也能在高价值领域——比如医疗、知识工作、编程、安全——全面释放潜力。

Brad：

不过你们也在合并 OpenAI 的亏损，对吧？昨天公布的财报显示，微软本季度合并了 40 亿美元的亏损。你是否觉得投资者在定价时有些误判？他们可能甚至给 OpenAI 的部分资产打了负*，因为亏损影响了每股收益。但从我角度看，你们获得的利益远超这些损失——包括前面说的分成、算力、独家分销，还有潜在的股权市值。你认为市场是不是低估了 OpenAI 对微软的整体价值？

Satya Nadella：

这是个好问题。Amy（微软 CFO）现在采取的策略是完全透明。我不是会计专家，所以最好的方式就是让外界看得清清楚楚。

这也是为什么我们采用 non-GAAP 与 GAAP 并列披露——至少能让大家看到真实的每股收益（EPS）。

我看得很简单：如果我们投资了 135 亿美元，理论上我们最多只能亏 135 亿，不会亏得更多；但另一方面，我们这笔投资目前在账面上虽然不流动、没有出售计划，但确实伴随风险。

不过，真正的重点是你提到的那些间接收益。比如 Azure 的增长，如果没有 OpenAI 合作，Azure 会有现在这样的增长吗？我们吸引了多少第一次从其他云平台迁移过来的客户？这是真正的受益点。

再比如 Microsoft 365。大家之前都在问，E5 套件之后的下一个增长引擎是什么？答案是——Copilot。它的渗透率、使用频次、增长速度——都超过了微软历史上任何一款信息工作类产品。

所以我们对为股东创造价值充满信心，同时也会让外界透明看到损益结构。会计规则怎么规定我们就怎么做，但人们能清楚地看到事情的本质。

AI基础设施的规模效应

Brad：

不过一年前有很多报道说，微软在 AI 基础设施上收缩投资。不论公正与否，外界确实这么传。有人说你们当时态度比较保守、甚至有些怀疑。而昨晚 Amy 在电话会上说，你们在过去多个季度都电力与基础设施不足，预计会追上，但一直没追上——因为需求不断增加。所以现在回看，你觉得那时是不是过于保守了？接下来你们的路线图是怎样的？

Satya Nadella：

这是个很棒的问题。其实我们当时的认识，现在看来是正确的。我们意识到必须构建一支真正可互换（fungible）的算力机队——能在 AI 生命周期的各个阶段互换、能跨地域互换、还能跨硬件代际互换。

举个例子：看看 Jensen（黄仁勋）团队现在的迭代速度——几乎是“光速级”。GB300 已经在上线测试。你可不想刚把一大批 GB200 插上电，就发现 GB300 已经全面量产。所以我们必须持续现代化，让集群分布全球、能按工作负载灵活调度，再叠加前面提到的软件优化。

因此我们当时做出的决定是，有时必须对部分需求说“不”，哪怕是来自 OpenAI 的。

比如 Sam 可能会要求我们为他建一个专用的多GW级数据中心，用来训练大模型——这在 OpenAI 的角度合理，但从 Azure 长期基础设施规划看并不合理。

所以我们选择让他们去其他供应商那里采购部分资源，同时维持我们在 OpenAI 那里的大额业务份额，更重要的是，保持对其他客户乃至我们自己内部的灵活调度。

换句话说，我们要确保永远不会让 Azure 自己的算力短缺——这是我们最不能出错的地方。

事实上，我们的投资者有时过于执着于 Azure的单一数字。但请记住，对我来说，高毛利业务是Copilot——包括 ecurity Copilot、GitHub Copilot、Healthcare Copilot。所以我们希望用更均衡的方式来看待股东回报。这点在我们的投资者群体中也许常被*误解——我觉得既奇怪又好笑。大家持有微软，不正是因为我们多元的产品组合吗？可他们却盯着一个叫 Azure 的“小东西”的增长数字不放。

Brad：

说到这点，本季Azure在930 亿美元的年化规模上增长了39%。相比之下，GCP（谷歌云）增长 32%，AWS接近 20%。但考虑到你们把一部分算力分配给了 自有业务和研究，听上去如果你们有更多算力可供外部，Azure 本可以增长到 41%～42%？

Satya Nadella：

完全正确，毫无疑问。这也是我们内部要做的权衡：既要符合股东的长期利益，也要**服务好客户；同时还要避免集中度风险。我们当然想要更多的 OpenAI 业务，但也需要其他客户。目前我们是供给受限而非需求受限，所以我们在塑造需求，让它与供给在长期视角下达到最优匹配。

Brad：

说到积压订单（RPO），你提到还有 4000亿美元的合同负债，这是当前已锁定的业务；随着销售继续进入，这个数字会进一步上升。你也说过，为了服务这部分积压需求，你们必须扩充产能。就多元化程度而言，这个4000 亿有多分散？你们对这笔订单在未来两年转化为营收有多大信心？

Satya Nadella：

这 4000 亿的平均期限约两年，这是Amy已解释过的。所以我们的意图非常明确——这也是我们进行高确定性资本开支、尽快清理积压的原因。按你的问题，它在 1P（自有）和 3P（第三方）之间都相当分散。我们的自有需求本身就很高；第三方方面，我们也看到越来越多公司在构建可扩展的真实工作负载。因此我们很有信心。老实说，RPO 的好处就在于可以有计划地推进建设。此外，这还不包含我们即将看到的新增需求，比如那 2500 亿（更长周期），我们也会相应按计划扩建。

Brad：

如今赛道里有很多新进入者在扩充算力——Oracle、CoreWeave、Crusoe等。通常这会压低行业利润，但你们一边大规模建设，一边还能维持 Azure 健康的运营利润率。问题是，微软如何在一个大家都在举债扩张、压低利润的世界里竞争，同时平衡利润与风险？你是否看到有竞争对手在做让你挠头的交易，仿佛在为下一轮繁荣—萧条循环埋下伏笔？

Satya Nadella：

从某种意义上说，好消息是我们每天都在与超大规模对手竞争——与 Amazon、Google在各方面都激烈竞争。表面看，一切都是商品化——算力、存储……我记得大家以前都说，“哇，这里怎么可能有利润？”但在规模之上，没有什么是真正的商品。因此，我们必须持续在成本结构、供应链效率、软件效率上复利，才能确保利润空间。

而且这里是一个规模游戏。我非常喜欢与 OpenAI 的合作，因为它让我们到了真正的规模。当最大的工作负载跑在你的云上，不仅运营学习曲线更快，你的成本结构也会比别人更快地下行——这会让我们在价格上更有竞争力。所以我对我们的利润能力很有信心。

这时产品组合的优势也体现出来了。老实讲，我一直被迫单列Azure 数字，但在我的资本配置里，我并不会把Xbox 云游戏、Microsoft 365、Azure分开看——是这同一笔“云与 AI”的资本投入。从微软角度看，后面只是一只总表的计量表：我们要做的是让组合后的平均回报，达到公司所需的运营利润率。毕竟我们不是一个松散的联合企业，而是一家拥有统一平台逻辑的公司。我们涉足这五六个业务，只是为了在云与 AI 投资上不断复利回报。

Brad：

我特别喜欢你刚才那句话——“在规模化之上，没有任何东西是真正的商品”。这点真是太妙了。我们在播客里和 Bill Gurley 花了不少时间讨论“循环营收（circular revenues）”，包括微软给 OpenAI 的 Azure 额度（credits）计入营收的问题。现在也有很多类似的案例，比如AMD 的交易——他们拿出 10% 的股权去换算力合作；还有 NVIDIA 的交易。我并不是想渲染风险，但想直接谈一谈——如今 CNBC、彭博上天天都在讨论这些交叉投资与循环合作。

从微软的角度看，你是否担心这种趋势会影响到AI 收入的可持续性与稳定性？

Satya Nadella：

首先，我们那笔135 亿美元投资（主要用于训练阶段的算力支持）并未计入营收。

正是因为这笔投资，我们才获得了 OpenAI 27% 的股权，对应约 1350 亿美元的估值部分。

这部分资金完全没有进入 Azure 的营收。Azure 的收入主要来自 ChatGPT 的算力消耗、API 使用等按使用计费的部分，也就是 OpenAI 向终端客户变现、我们再分成的那部分。

当然，从更广义上讲，厂商融资（vendor financing）一直存在，这不是新鲜事。一个公司在构建产品时，可能客户也在构建相关业务，而客户需要资金支持——这种结构早在传统行业就有。如今这些模式出现了更复杂的变体，有些确实值得投资界关注与审慎看待。但有趣的是，我们并没有采用那种“循环融资”模式。我们要么直接投资 OpenAI，换取股权+算力合作权，要么以更优惠的算力价格支持他们，让他们“自举”起来。别的公司选择不同路径，那没问题。

我认为，最终决定这种循环模式能否成立的，仍是终端需求。只要对最终产出的 AI 产品和服务存在真实的市场需求，这一切就能自洽——而目前，确实如此。

AI原生软件的新时代

Brad：

非常好。那我们来谈谈软件与智能体（agent）。你之前在节目里说过，大多数企业应用其实就是一层“薄薄的外壳”——覆盖在一个CRUD数据库之上。从本质上讲，传统商业软件就是围绕数据库运行的一套业务逻辑。而在 Agent时代，这一层逻辑可能全面坍塌。因为这些逻辑都会被智能体接管。

现在上市的软件公司普遍的市销率大约是 5.2 倍，低于十年平均的 7 倍，即便股市在历史高位。市场担心 SaaS 订阅模式和 利润率会被 AI 侵蚀。你怎么看 AI 对微软核心软件业务增长率的影响？特别是 Database、Fabric、Security、Office 365等产品。第二个问题是：微软如何确保软件业务不是被 AI 颠覆，而是被它增强？

Satya Nadella：

上次我们谈到这一点时，我的意思其实是，SaaS 应用的架构正在重塑——传统的业务逻辑层正在被智能体层（agent tier）所取代。

过去我们构建 SaaS 的方式，是把 数据层、逻辑层和界面层（UI）紧密耦合在一起。但 AI 天生不尊重这种耦合——它要求我们解耦结构，让上下文工程（context engineering）成为新的核心。

以 Office 365为例：我最喜欢它的一点是——低客单价（low ARPU）+高使用率（high usage）。Outlook、Teams、SharePoint、Word、Excel——用户每天都在用，创造出大量数据流入Microsoft Graph。这给了我极大信心——AI 层可以直接“读取”这些数据，从而更智能地服务用户。

事实上，无论是 GitHub还是 Microsoft 365，我们都在见证史上最高的数据活跃度。AI 让每一次代码生成（来自 CodeX、Claude 等模型）、每一个 PowerPoint、Excel、聊天内容——都变成新的语义文档（semantic docs），进入 Graph 或 Repo，成为 AI 的语义锚点。这些内容都会转化为向量索引（embeddings），让智能体具备语义落地的基础。

因此，下一代 SaaS 应用将出现明显分化：

* 如果你是高客单价、低使用率的应用，未来会更艰难；

* 如果你像我们一样是低客单价、高使用率，AI 将成为你的增长加速器。

比如 M365 Copilot 的价格是我们产品线中最高的之一，但它的部署速度和使用率反而最快。

或者看 GitHub，过去 10 年积累的代码量，如今 一年就能实现同等增长，因为代码创作本身已经从工具变成生产力的替代。这意味着整个软件堆栈（stack）与价值分配逻辑正在变化。

直到最近，云计算还主要运行预编译软件（pre-compiled software）——不需要太多 GPU，大部分价值都留在软件层、数据库层、CRM、Excel 等应用中。但未来，所有这些界面如果不是智能的（intelligent），就毫无价值。传统的静态软件会显得愚钝——未来的软件必须能思考、行动、建议，能生成 token，能实时处理上下文变化。

而这，就是AI 原生软件的新时代。

AI 工厂与智能体工厂

Brad

AI 的价值会不会更多地流向所谓的AI工厂（比如英伟达这样的算力生产者）？他们负责以最低成本生产 token，而模型或应用层（智能体、软件）未来分得的价值会比过去少？请你帮我帮我论证为什么这种看法是错的。

SatyaNadella：

我认为 AI 价值的形成，需要两种工厂共同作用，第一种是你刚才说的token 工厂。但要拆开看，这不仅是硬件和芯片系统的问题，更重要的是如何通过系统软件、资源可互换性（fungibility）与最大化利用率，实现高效运行——这正是超大规模云厂商（hyperscaler）的核心价值所在。

很多人以为做 hyperscaler 很简单：买一堆服务器、接上线就行。但如果真这么简单，现在不会只有三家能做到（微软、亚马逊、谷歌）。真正的关键是——最大化利用率的运营能力。

这包括如何在异构硬件体系中（NVIDIA、AMD、Broadcom 等各家芯片）实现调度、互通与负载优化，从而组成一个高效的异构算力机队——最大化token 吞吐率与能效。

这就是第一部分的工作。

第二种工厂，我称为 Agent 工厂。现代的 SaaS 应用已经不只是工具，而是能驱动具体业务结果的智能体。它们知道如何最有效地使用token 来创造商业价值。一个典型例子是 GitHub Copilot。它会根据输入内容（prompt）智能选择最合适的模型来完成代码补全或任务分配，这个选择不是随机的，而是基于测试与数据的反馈循环（evals, data loops）。

因此，新一代 SaaS 应用本质上是智能应用，它们通过评测与反馈体系持续优化，能最有效地利用token 工厂的产出。在某些场景下延迟更重要，在另一些场景下性能或成本更重要——能在这些因素间聪明地取舍，就是 SaaS 的新价值所在。

不过，总体上要承认一点，这一次的软件确实存在真实的边际成本。早年卖 CD-ROM 的软件几乎没这问题，云时代开始有了，到了 AI 时代，边际成本更高。因此，商业模式必须调整——要分别优化 Agent 工厂和token 工厂。

Brad：

你们其实有个巨大的搜索业务——这是史上最赚钱的商业模式之一。因为全球每天有几十亿次搜索，而完成一次搜索的成本，对微软来说只需要几分钱的一小部分。但现在用聊天模型（chatbot）的查询，计算开销完全不同。

假设未来这两种业务营收相当，聊天交互的单位经济（unit economics）能达到搜索的水平吗？

SatyaNadella：

很好的问题。搜索的魅力在于，它的广告单元与成本结构极其高效：索引是固定成本，可以反复摊销。而聊天每次交互都要重新计算，既有意图识别又有信息检索，要消耗更多 GPU 周期，所以经济学逻辑完全不同。

因此，聊天早期的商业模式大多是高级订阅制（premium / subscription）。未来可能会出现Agentic Commerce（智能体商务）或新的广告形态，但还未定型。

我个人的使用也变了。我现在用搜索主要是为了导航性查询，很多以往的购物类或任务类查询都转向了 Copilot 模式。在 Edge 或Bing 的 Copilot 里，这两者开始融合。这意味着，我们正处于类似当年 SaaS 颠覆的早期阶段——消费者互联网的经济模型正在被个人智能体交互重新塑造。而这恰恰是过去二十年来推动互联网数万亿美元价值的核心引擎。当“搜索经济转向个人助理经济，总价值会更大，但单位经济模型将完全不同——不再依赖单一索引广告。

Brad：

那对消费者来说，单位经济是不是更糟？而企业端似乎更清晰？

SatyaNadella：

确实，消费市场的竞争是赢家通吃（winner-take-all）的，因为人类的注意力有限；但企业市场不同：企业不是赢家通吃的格局；企业天然更适合智能体交互。

在企业里，智能体就是新的席位（Agents are the new seats）。因此企业的货币化路径比消费者侧更清晰、可持续。消费者侧则更模糊——新的经济单元和互动形态还在被探索。

AI在引领一场史诗级的重建

Brad：

最近大型科技公司裁员频繁，虽然收入增长很强。AI 是否部分导致了这种人少事多？AI 是净增岗位还是净减岗位？它会长期提升微软的生产率吗？

SatyaNadella：

我认为我们正进入利润率扩张的黄金时代（golden age of margin expansion）。

AI 会重塑工作流程，人们在任务层级拥有更多“代理权（agency）”，更容易完成工作。

微软内部也在全面推行——每位员工都配备完整版本的 M365 Copilot和GitHub Copilot，以最大化生产力。

但我们也在学习新的工作方式，如何与智能体协作。这就像当年 Office 套件刚出现时，大家重新学习了如何做预测、汇报。今天，每个项目的起点都是 AI：你用 AI 调研，用 AI 规划，再与同事协作。新的工作流与AI 能力曲线同步进化，这才是生产率提升的根源。能掌握这一点的组织，无论在科技业还是现实经济中，都会成为最大赢家。

Brad：

假设五年后微软营收翻倍，你们的员工会增加多少？

SatyaNadella：

我们会增加员工，但增长会有更高杠杆。比如有个负责网络运维的同事，她要管理全球 400 家光纤运营商、成千上万公里光缆。即使批准预算，也根本招不到足够人。于是她干脆自己用智能体自动化 DevOps 流程。这就是AI 工具让团队更高效的典范。所以未来我们会*以更高杠杆扩张人力。眼下的调整并不是裁员，而是大家都在学习如何重新思考自己的工作方式。

Brad：

听起来你认为我们正站在历史性生产率跃升的边缘。

SatyaNadella：

没错。企业们才刚刚进入AI 工作流改造的第一局第一棒。未来两三年内，大部分增长都将来自这一转变。我坚信这是净就业增长的过程——公司整体上会更快增长营收，而员工数量增长更慢，这就是生产率提升的表现。聚合到宏观层面，就是经济生产率的提升。由此释放的消费者剩余又会投入到新产业，创造前所未有的事物。

在软件开发中也是一样——我们并不缺程序员，缺的是能消化掉堆积如山的 IT backlog（技术债）的能力。智能体将帮助我们真正实现“常青软件（evergreen software）”。未来的知识工作层次会提升，工作流会适应这种新抽象层。这会反过来增加对软件产品的需求。

而从宏观角度看，未来几年美国的再工业化正在发生。微软和其他大型科技公司未来四五年投入的资本开支约 4 万亿美元，按通胀调整后相当于曼哈顿计划的 10 倍规模。这将是一场史诗级的经济重建。