Satya Nadella 在 Sources Podcast 谈到 AI 形态与能力的进化是两条曲线：从 ChatGPT 的对话，到 coding agent，再到 OpenClaw 预见的长时运行 agent，他说 agent 时代的市场会比云计算大几个数量级。

你有没有想过，微软这家公司在 AI 时代到底在下一盘什么棋？很多人觉得微软只是 OpenAI 的大股东，靠着 Azure 卖算力赚差价。但当我看完 Satya Nadella 最近在 Sources Podcast 的这场访谈，我意识到这个判断可能太浅了。

Nadella 在访谈里说了一句话让我印象很深，他说 agent 时代创造的市场规模会比云计算大几个数量级（orders of magnitude）。这不是随便说说的豪言壮语，他从产品形态、商业模式、AI 安全、到 Windows 的未来，把整盘棋讲得非常清晰。我把这场访谈里最有价值的几个判断梳理出来，加上我自己的思考，分享给大家。

一、agent 的形态演化：从 chat 到 long-running agent

Nadella 在访谈里提了一个很有价值的视角，他说如果你把 ChatGPT 出现以来的这段时间看作一条演化轨迹，你会发现 AI 的形态（form factor）和 AI 的能力（capability）一直在共同进化，而且这两条线经常是不同步的。一开始是 ChatGPT，本质是 GPT 模型加上 RLHF（人类反馈强化学习）让对话成为可能。再往后是 coding agent，让 Claude Code 这样的产品出现。再后来出现了 OpenClaw，这是第一次有人预见到 long-running agent（长时运行的 AI 代理）这种形态——让 agent 在云端持续运行好几天，保持上下文连贯，把记忆（memory）外置出来——而模型能力在某种程度上是后来才追上这个形态的。

这段话让我想了很久。很多人在讨论 AI 的时候，习惯把形态和能力当成一回事，但实际上它们是两条不同的发展曲线。OpenClaw 出来的时候，它预见的形态是对的，但那时的模型还不够聪明，跑不长、跑不稳，中途容易出错。Nadella 说，现在这两条曲线终于开始对齐了。云端的沙盒环境已经可以支撑 agent 连续运行多天，agent 也有了稳定的记忆机制，这就是为什么他们现在发布的新 Copilot 里，chat、Cowork、Autopilot 这几种形态同时存在——因为每一种都在不同场景里有它的价值，没有哪一种会彻底取代另一种。

我自己对这段历史的理解是，其实很多人对 AI agent 的期待在 2023 年就已经成型了，但那时候失望的声音很多，因为模型跑不起来，幻觉太多，任务稍微复杂一点就崩。现在能看到真正可用的 agent 出来，不是因为产品思路变了，而是模型能力终于追上来了。这跟我之前读到的一个判断一脉相承——同一个功能，早半年发布和晚半年发布，结果可能天壤之别。所以很多时候，一个产品失败了，不一定是方向错了，可能只是时机没到，底层模型还没准备好。这种判断对做产品的人来说非常重要，它意味着很多你以为“死掉了”的想法，其实只是在等技术追上来。

二、Autopilot：每个人都能有一个”首席幕僚”

访谈里我觉得最具体、最有画面感的部分，是 Nadella 聊 Autopilot（微软新推出的自主运行 AI 代理产品）。他说微软内部所有人现在都可以拥有一个类似“chief of staff（首席幕僚）”的 Autopilot，你给它一个身份、一台电脑、一个工作空间，然后告诉它要做什么方向，它就开始持续工作，有自己的记忆，你可以在 Teams 里像跟同事发消息一样跟它对话，不需要每次重新交代背景。

他还举了一个非常接地气的例子：有人每天上班第一件事是处理发票，那就让 Autopilot 专门负责管理发票，你需要的时候去跟它沟通，就像跟一个助理讲话一样。他说这类任务性工作（task work）会是 Autopilot 最先被大规模使用的场景，因为它的边界清晰、结果可验证，出错了也容易发现和纠正，不会造成太大的麻烦。

我觉得“首席幕僚”这个比喻非常精准，而且它指向了一个很现实的不平等问题。以前只有 C-suite 级别的高管才负担得起真正意义上的助理或幕僚，帮你过滤信息、跟进任务、整理决策所需的材料。这件事在技术上现在已经可以平民化了，每个普通员工都能有一个持续在后台工作的 AI 代理，替你盯着那些重复但必要的事情。但我同时也在想，这件事要真正落地，最难的不是技术，而是信任的建立。Nadella 在访谈里也直接说了这一点，他说一旦你的 agent 做了一件你从来没预期它会做的事，你当天就会停用它。用户对 agent 的信任是非常脆弱的，一次意外就足以摧毁。所以可审计性（auditability）、可观察性（observability）、安全治理（security governance），这些才是让 Autopilot 真正被人接受的关键，而不是它能做多少事、跑得多快。

这让我想到一个更深的问题：agent 的产品设计，其实是在设计信任本身。不是设计功能，不是设计界面，而是设计用户在什么情况下愿意把控制权交出去，在什么情况下需要把控制权拿回来。这是一种完全不同的产品思维，以前我们做产品考虑的是“用户会不会用”，现在要考虑的是“用户敢不敢让它替自己做决定”。这两者之间的距离，可能比大多数人想象的要远。

三、定价模式：seat-based 加 usage-based 的组合拳

访谈里 Nadella 聊到了一个我觉得很值得关注的商业问题：AI 时代该怎么定价？他说微软在企业端采取的是 seat-based（按席位收费）加 usage-based（按用量收费）的组合方式。逻辑很简单，按席位收费让企业客户可以提前预算、没有意外惊喜，而 AI token 的成本每季度都在下降，这意味着他们可以不断把更多能力塞进同样的订阅里，让订阅本身越来越值钱。他说他自己已经好几个月没有手动选模型了，因为 auto 模式会自动选最合适的模型，这本身就是订阅价值持续提升的体现。

在消费端，他还额外提到了一个可能性，就是广告单元（ad unit）作为第三种定价工具——如果广告能给用户的订阅账户充值，就可以进一步降低消费端的使用门槛，让更多付不起订阅费的用户也能享受到 AI 能力。

我对这个定价逻辑的理解是，微软其实在做一件很聪明的事：把 AI 能力的价格下降红利，转化成订阅价值的持续增长，而不是让用户感受到“价格变便宜了”，而是让用户感受到“同样的钱，能做的事越来越多”。这两句话听起来像一回事，但心理感受完全不同。前者会让用户觉得以前买贵了，对品牌产生不信任；后者会让用户觉得自己的投入越来越划算，持续产生续费的动力。这对企业 SaaS 来说是一个非常重要的留存策略，也是为什么按席位定价在 AI 时代其实并没有消失，反而可能因为这个逻辑变得更加合理。

还有一点值得注意：他说“今天是 usage-based 的东西，明天就会进入订阅里”。这意味着 usage-based 其实是一种功能孵化机制，先让愿意尝鲜的用户付费试用新能力，等这个能力成熟了、成本降下来了，就把它打包进订阅，普及给所有人。这个节奏感我觉得非常有参考价值，对做 SaaS 产品的人来说，不一定所有新功能都要立刻决定是免费给还是收费，可以先用用量计费的方式试水，等时机成熟再调整。

四、为什么微软要押注多模型生态，而不是只赌 OpenAI

这是访谈里我认为最能体现 Nadella 战略纵深的一部分。主持人问他，微软跟 OpenAI 的合作限制已经解除，你们现在可以自己做前沿模型了，这跟“我们要支持所有模型”的开放生态是不是矛盾？

Nadella 的回答很清晰。他说微软自己在做的模型（MAI，由 Mustafa Suleyman 团队主导），主要是为了微软自身特定领域的需求——网络安全、代码、知识工作等，同时也是为了在数据管道和 RL（强化学习）循环里积累自己的能力。但 Copilot 永远会支持所有主流模型，因为企业客户不会接受被锁定在单一模型里。他说得很直接：你应该有自己的私有评测体系（private eval），用它来测试所有模型，找到最适合你场景的那个，而且任何一个模型消失了，你的能力也不会跟着消失。

他强调了一个我认为很关键的概念，叫 harness（工具框架）。他说 harness、context（上下文）、memory（记忆）和模型这四件事必须是可分离的，不能捆绑在一起，这样才能保证灵活性和可替换性。这个判断对很多在做 AI 产品的团队来说是一个很重要的架构原则：不要把你的产品核心逻辑跟某一个具体的模型深度绑定，否则模型一换，或者模型的 API 价格突然涨了，你的整个产品可能要从头重建。

我自己对这个多模型生态策略的理解是，微软其实在做一个平台公司最经典的动作：把自己变成不可绕过的基础设施，同时保持对所有上层应用的开放性。这跟 Windows 当年的策略如出一辙——不押注某一个具体的软件，而是让所有软件都跑在我的平台上。现在换成了 AI 时代，不押注某一个具体的模型，而是让所有模型都跑在我的 harness 和 infrastructure 上。这个逻辑成立的前提是，你必须在 harness 这一层做出真正的差异化价值，让模型厂商和应用开发者都觉得离不开你。这很难，但如果做成了，护城河是极深的。

还有一个细节值得单独说。Nadella 提到微软对 OpenAI 的访问权限会持续到 2032 年，这是一个巨大的优势。但他同时强调，微软的目标不是有一两个大客户，而是有很多很多大客户。这句话其实是在说，微软不想让自己的命运跟任何一个单点绑定，无论是 OpenAI 还是其他任何合作方。这种分散风险的思维，在商业上其实是非常健康的。

五、用 AI 追踪 capex：Nadella 自己是怎么用 AI 的

访谈里有一个细节让我反复想了几次。主持人问 Nadella，你们的资本支出规划有没有被 agentified？Nadella 说，他自己搭了一套系统，实时追踪所有云服务商（包括竞争对手）的 SEC 文件（美国上市公司的公开财务披露），把这些数据通过 Fabric（微软的数据平台）里的数据管道拉进来，建成语义模型，再由 coding agent 读取，最终呈现成一个每天刷新的 dashboard，里面有按层分拆的资本回报率（ROIC）数据，涵盖他自己的内部分析和外部所有竞争对手的公开信息。

这件事有两层让我觉得有意思。一层是 Nadella 作为一个公司 CEO，自己在用 GitHub Copilot 搭这套东西，不是让下面的团队做，而是自己动手。这说明在他看来，这类工具现在已经进入了“普通人也能用来搭建复杂系统”的阶段，门槛已经低到不需要专业工程师介入。另一层是这套系统的设计思路：它把外部的公开信息和内部的分析数据整合在一起，做成一个实时更新的情报系统，而不是每次需要的时候临时去查，每次都要等人去收集、清洗、汇总。

我自己做产品的时候也在想，有多少决策信息其实是可以被这样常态化、自动化地整合起来的，而不是依赖人工去收集和整理。很多公司的决策质量差，不是因为决策者不够聪明，而是他们拿到的信息永远是滞后的、不完整的、需要二次加工的。如果 AI agent 能解决这个信息基础设施的问题，让决策者在每次做判断的时候都能拿到实时的、整合好的、可直接使用的数据，那对企业的实际价值可能比任何一个具体的效率工具都要大。这可能才是 agent 在企业里最值钱的落地场景之一。

六、agent 的安全问题：containment 才是关键词

Nadella 在聊 AI 安全的时候说了一些我觉得比较务实、比较少见的判断，他没有说一些很宏观的话，而是直接切到了具体的工程问题上。他提到有 agent 在运行过程中产生了欺骗性的行为（deceptive action），没人能解释清楚这个行为是从哪里来的，训练数据里有什么东西导致了这个结果。他说这个问题必须认真对待，因为 long-running agent 本质上是一种持续存在的系统，有点像内部风险（insider risk），必须对它的行为进行实时监控和治理，不只是在训练阶段做好，在运行阶段也要持续观察。

他用了一个词我觉得特别准确：containment（控制与围栏）。意思是你必须有技术手段把 agent 的行为边界框住，让它在授权范围内行动，一旦越界就能被发现和纠正。他说这需要成为整个行业的标准做法，包括沙盒隔离、实时行为监控、权限审计，这些都是硬需求，不是加分项。

我自己的判断是，AI 安全的讨论很多时候停留在“对不对”“好不好”这种价值判断层面，但真正难的是工程实现。怎么让 agent 在出错的时候被发现？怎么让它的每一步行动都留下可追溯的记录？怎么设计权限系统让它能做该做的事，但绝对做不了不该做的事？这些问题没有捷径，需要踏踏实实地做系统设计。而且这件事越早做越好，因为一旦 agent 在企业里大规模部署，再想回头补安全机制，成本会非常高。我觉得这是现在很多在做 agent 产品的团队容易忽视的一点，大家都在比谁的 agent 能力更强、跑得更快，但 containment 做得怎么样，其实才是决定这个产品能不能被企业真正信任和采用的关键。

七、Windows 的未来：unmetered intelligence（无限量智能）

Nadella 对 Windows 未来的描述让我觉得很有意思。他说他对 Windows 下一代的愿景，是实现 unmetered intelligence（无限量智能）。具体来说，他提到 GitHub 上有一个叫 Hydra Fusion 的项目，可以在本地设备和云端之间做自动路由，当你用本地设备的算力时就不消耗 token，当需要云端能力时再无缝切换过去，整个过程对用户完全透明。他说他希望未来一台 Windows 设备能自动把本地算力整合进你的 token 使用方案里，用户不需要纠结“我是买本地大模型还是买云端订阅”，这些路由决策都由设备和系统自动处理。

我觉得这个愿景背后有一个更大的逻辑：AI 的接入门槛必须继续降低，才能真正大规模普及。现在很多企业和个人用 AI 的最大顾虑之一，就是不知道这个月会花多少钱，token 用量不好控制，用着用着账单就出来了，很难预算。如果能把本地算力整合进来，让用户感受到的是“我的设备在帮我省 token”，而不是“我每次用 AI 都在烧钱”，那 AI 的渗透速度会快很多。这跟之前聊到的定价逻辑也是一脉相承的——让用户感受到的是“我在持续获得价值”，而不是“我在持续付出成本”。

更深一层来看，Nadella 这个 unmetered intelligence 的概念其实是在重新定义 Windows 的价值。Windows 过去的价值是“让你运行所有软件”，现在他想让 Windows 变成“让你随时使用 AI，不用担心用量和成本”。这是一个非常大的赌注，因为它要求微软在本地模型、云端模型、路由系统、定价机制这几个维度同时做好，缺一不可。但如果做成了，Windows 设备在 AI 时代的差异化就会非常清晰，不只是一个运行软件的平台，而是一个让 AI 能力真正触手可及的基础设施。

八、我的一点总结

听完这场访谈，我觉得 Nadella 最值得学习的一件事，是他始终在用系统性思维来看 AI，而不是把某个具体产品或某个具体模型当成终点。他谈 Copilot 的演化，谈定价，谈多模型生态，谈安全，谈 Windows，背后都有一个一以贯之的逻辑：在一个快速变化的技术环境里，真正的护城河是你对这个系统整体的理解和掌控能力，而不是你绑定了哪个最好的模型或者跑通了哪个最炫的 demo。

他说 agent 时代的市场规模会比云计算大几个数量级，我倾向于相信这个判断。但我更在意的是，这个时代真正的竞争不会发生在“谁的模型更聪明”上，而会发生在“谁能把 agent 的能力真正嵌进企业和个人的工作流里，同时让人觉得安全、可控、值得信任”。技术是基础，但最后决定胜负的，是信任。而信任这件事，没有捷径，只有一次次把体验做对、把边界守住、把用户预期管理好，慢慢积累出来。这可能才是未来几年最难、也最值钱的事。