微软CEO纳德拉：掌握“模型编排”能力，才能在AI时代建立护城河-AI Express News

文｜海伦

编辑｜炯慧

当地时间1月20日，在瑞士达沃斯举行的世界经济论坛上，微软董事长兼CEO萨提亚·纳德拉（Satya Nadella）与贝莱德CEO劳伦斯·芬克（Laurence D. Fink），展开了一场关于当下AI技术、企业和社会劳动结构关系的深度话题。

“这个时代，我们日常使用的工具和工作方式会被AI彻底重塑”，纳德拉说。

这种重塑，正在以肉眼可见的速度发生：当一个初级开发者打开Copilot（微软旗下人工智能助手），几秒钟就能生成过去需要几小时才能写完的代码；当产品经理开始用ChatGPT直接搭建原型、当Claude推出Skill功能，可以自动创建Word、PPT、Excel文件，甚至调用API完成复杂的自动化流程，我们不得不承认一个事实：AI已经不再只是"辅助工具"，而是开始接管那些曾经需要专业技能才能完成的核心工作。

在这样的快速发展和接管背景下，关于人类是否会被AI取代的质疑和担忧声越来越多，正在各个领域中加速蔓延。尤其对程序员群体来说，当AI能写代码、能debug、能重构，自身职业技术的护城河似乎正在被填平。

那么，在这个被AI重塑的世界里，人的价值究竟在哪里？企业的竞争力又该如何构建？

纳德拉强调，人的核心价值在于把经验、判断和业务理解转化成AI无法复制的独特竞争力。企业的关键不是要找“哪个是最厉害的模型”，而是知道如何“编排”AI，让不同的工具配合解决复杂问题。

以下为对话纳德拉全文实录：

图：出席2026冬季达沃斯的微软CEO纳德拉

01 AI正在接管更复杂的知识工作

芬克：今天在达沃斯，很高兴能邀请到微软CEO萨提亚·纳德拉。目前，AI是一个我们绕不开的话题，不论是商业、技术，还是社会等所有层面都在热议。它已经不是单纯的概念，而是实实在在在改变商业和社会的根基。你之前提到AI代表的是一次"平台转型"。可以具体谈谈这意味着什么吗？未来几年会有哪些关键变化？五年后回看今天，哪些趋势是我们现在应该看到却没有看清的?

纳德拉：我昨天看了你在论坛前发的公开信，里面有句话特别好：AI如何才能真正扩散开，在全世界普及？这正是我们所有人要回答的根本问题。

我认为，当下的整个数字革命背后有一条主线：把现实世界的一切，人、地点、物体、信息、流程等，都转化成数字形式，然后用这个"数字副本"来分析、预测和优化。从大型机到个人电脑，再到互联网、移动设备和云计算，其本质上都在做同一件事。AI是这条主线的延续，但影响可能比互联网和移动革命还要深远。

我常用写代码举例。以前这是很专业的“知识工作”，但GitHub Copilot出现后，它能猜出你下一行要写什么。这证明AI能理解复杂工作。然后它从补代码，到帮你写小模块，再到接手整个子项目，越来越能干。当然，现在让AI长时间保持逻辑一致还有挑战，但方向很明确。

这让我常想到80年代。如果那时有人说,未来会有40亿人天天打字，我们肯定会问：要这么多打字员干什么？但个人电脑确实创造了”知识工作者“这个庞大群体。AI带来的变革也类似：不是程序员会消失，而是这个职业的定义、工具和工作方式会被彻底重塑。

这让我想起，比尔·盖茨以前思考的一个问题：文档、网页、应用，本质的区别是什么？其实本质都是信息的不同形式，AI让这些形式之间的转换变得无比自然。一份文档能一键变成网站，网站描述能直接生成应用。这种能力已经用在很多地方了，比如你们贝莱德把Copilot和Aladdin平台结合，有些原来要算12小时的任务，现在几分钟就搞定。

02 AI实现普及和落地看两大方面

芬克：效率提升是好事，但带来的“盈余”归谁？是公司利润，还是会导致失业、加剧分化？

纳德拉：这是核心的问题所在。现在大家似乎更热衷于谈论AI技术本身有多酷,但我们真正需要的是让AI去解决实际问题，比如改善人们的生活、振兴社区、推动国家发展、提升各行各业的效率。否则，这一切有什么意义?

如果我们做不到这一点，社会很可能不再支持我们继续消耗能源等稀缺资源来生成所谓的“token”。如果这些token不能改善健康水平、提升教育质量、提高公共部门效率、增强各行业竞争力，那么最终目标就难以实现。因此，普及才是关键。

那么，普及如何实现？我们可以从两个方面来看。

在供给侧，每个国家都需要提高“每美元、每瓦特能产生多少高质量token”的效率。这就是为什么包括微软在内的科技公司都在大力投入，从研发芯片到在全球建设"token工厂"(数据中心)。未来这些设施会像电厂一样遍布世界,形成一张覆盖全球的AI基础设施网络,为整个经济提供动力。

需求侧，每家企业都要真正用起来。回想个人电脑刚出现时，乔布斯称它是“思想的自行车”,比尔·盖茨说它是“指尖的信息”，两者都在强调技术是放大人类能力的工具。今天的AI就是这样的工具,只是能力被放大了十倍、百倍。每个知识工作者现在都能获得近乎无限的智能支持。

图灵奖得主拉吉·雷迪（Raj Reddy）早在生成式AI兴起之前就提出：AI可以是一个认知放大器，也可以是一位守护天使。如果以这样的视角看待它，当AI帮助医生完成记录整理、病历录入、账单编码时，医生就能更专注于病患，医疗系统也能更高效运行，最终让医护和患者共同受益。这正是技术普及所能带来的共享价值。要实现这样的未来，离不开公共部门与私营机构真正的领导力。

此外，技能培训同样至关重要。技术普及的深度，很大程度上取决于人们掌握相关技能的广度。

移动时代与PC时代的不同启示在于：过去，学会Excel或Word可能直接帮你找到工作。今天，移动技术带来的机会更多由消费端驱动（比如创作者经济）。而未来，关键问题将变成“如何借助AI获得一份医疗、金融等领域的工作，或在职业生涯中持续进步”。人们需要意识到：“掌握AI技能，能让我在现实经济中成为更优秀的产品提供者或服务者。”

移动技术的普及如何影响经济（尤其在“全球南方”）已经十分明显。但我最近读到研究显示，目前AI的应用仍严重偏向高学历人群和发达经济体。这会不会加剧社会分化？我们能否实现均衡普及？又该如何避免世界上多数地区被甩在后面？这无疑是我们将要面对的重大课题。

我们正处在一个特殊阶段。依托现已普及的移动网络与宽带，我们能够以远比PC时代、甚至比智能手机普及初期更均衡的方式，向世界输出“token”。如今，模型与其产出几乎已无处不在。真正的问题是：什么才是有意义的应用场景？

我常想起2023年初的一个案例：印度一位农民通过基于早期GPT模型构建的本地语聊天机器人，了解农业补贴政策，并让机器人协助填写申请表格。这件事的意义在于，它为那些因技术门槛而被边缘化的人群找回了主动权。因此我相信，只要善加利用，AI在全球南方也能创造出前所未有的机会。

当然，这需要一定条件：是否有资本愿意投入？是否有鼓励创新的环境？作为全球云服务提供商，我们也在包括全球南方的地区进行投资。只要环境能吸引资本、需求真实存在，下一步便是如何通过政策设计，引导资本与技术需求有效对接。

值得注意的是，有些领域私人资本可参与，但公共资本的角色不可替代。例如电网，在大多数国家，电网建设仍以政府与公共部门为主。若没有现代化的电网体系，发展必将受限。虽然“电表后端”的分散式方案在某些国家可行，但其规模有限，长期来看难以持续。真正具备规模效应的路径，是让“token工厂”深度融入实体经济，连接电网与通信网络，实现智能与数据的无缝流动。这才是推动全球发展的根本动力。

AI的可持续增长：避免泡沫，让相关收益均衡分配

芬克：目前，很多人在谈论可能存在的“AI泡沫”。作为投资者，我们看到的最重要的事情是，技术的普及和扩散确实会改变需求。那些扩散最快的公司或国家，终将成为赢家，而不仅仅是技术的创造者。对此你怎么看？

纳德拉：要避免AI泡沫，从本质上讲，必须让这项技术带来的收益更加均衡地分配。判断AI是否是泡沫的一个信号是：如果我们谈论的始终只是科技公司，只关注技术本身的发展，那本质上就仅仅停留在供给侧。

说到底，如果AI始终没有在关键领域带来实实在在的改变，比如，没有一家制药公司能借助AI加快药物试验、推动新药上市，甚至发现突破性分子，如果AI不能渗透到研发、审批、供应链这些核心环节中去发挥作用，那么这项技术就还没有真正扎根于现实。

但现实中，我们正开始看到这样的案例发生。这也让我更加确信：这项技术将构建在云与移动基础设施之上，以更快的速度普及，推动生产力曲线上升，并在全球范围内创造本地化的价值盈余与经济增长，而不只是由资本支出驱动的短期增长。

目前，我们在发达国家看到的更多仍是资本驱动型的增长。但别忘了，我们的资本投入虽然在美国规模很大，其中也有约50%分布于全球各地。有意思的是，这些投资最终取决于全球需求，而全球需求真正涌现的前提，是世界各地都出现与本土情境相结合的应用场景。这，正是我所看到的完整逻辑。

04 AI重塑组织，企业推动转型关注三个维度

芬克： AI会怎么改变公司内部结构？大公司和小公司，谁更有优势？

纳德拉：我觉得所有新技术都会面临一个重大挑战：当工具和工作方式变了，公司也得跟着改变。我记得几年前，一家意大利保险公司的CEO跟我讲，他刚入行时公司连电脑都没有，全靠传真和文件跟各地代理沟通。后来有了电脑,大家开始用Excel、发邮件,整个工作流程就完全重构了。现在AI来了，又是一轮彻底的改变。

其实每个公司都在面对“工作流重塑”这件事。就拿我自己来说，来达沃斯之前，我得准备几十场会谈。过去都是团队帮我收集材料、写摘要、一层层确认。现在，我只要打开AI助手，输一句“我要见芬克，帮我整理一份背景资料”，它就能快速把内部邮件、客户信息、市场动态整合好，几秒钟生成一份个人化的简报，还能一键发给相关同事。这不仅省时间，更重要的是改变了信息传递的路径，从“自下往上层层报”变成了“系统实时同步给所有人”。

这也就意味着，我们以前那套部门设置、岗位分工、管理流程，可能都需要重新思考。现在技术已经能让信息几乎无成本地自由流动，如果组织还保持旧结构，反而会成为阻碍。

所以我经常说，企业引入AI，不是买套软件或者招几个技术人员就够了，它需要从“观念、能力、数据”三个维度整体推动转型。观念上要愿意接受改变，能力上要让大家会用AI工具，数据上则要把公司多年积累的经验和知识，转化成AI能理解和使用的“背景信息”。这三点缺一不可，也正因如此，不同公司、不同行业在应用AI的进度上才会差别那么大。

说到公司规模，小公司往往更灵活，没什么历史包袱，可以直接用AI搭建全新的工作流程。大公司虽然积累了丰富的数据、客户资源和行业经验，但必须克服组织惯性，敢于用AI来激活这些“沉睡的资产”。未来的竞争格局，可能会是双向挤压：小公司靠AI快速做大规模，大公司靠AI把数据优势真正利用起来。

05 AI加速全球化：决定国家AI竞争力有三大变量

芬克：从国家角度看，你认为在AI发展上，不同国家之间的差距会拉大还是缩小？

纳德拉：我跑遍全球，一个最深的感受是：顶尖人才对AI的理解，差距正快速缩小。无论是在雅加达、伊斯坦布尔、墨西哥城，还是在硅谷和西雅图，我见到的开发者、创业者和企业技术负责人，他们对AI应用的思考深度，已经越来越接近。这主要得益于三股力量：开源技术的普及、云服务的触手可及，以及全球化带来的知识自由流动。

但从国家整体竞争力看，仍有几个关键变量：一是能源成本和清洁能源供给（AI太耗电了），二是数据基础设施和宽带普及率，三是政策环境是否鼓励长期投资和创新。比如在金融领域，美国因为监管较早明确了云和AI的框架，银行和资管机构的AI应用推进很快。而欧洲在某些方面还受限于数据跨境等问题，步伐相对谨慎。

关于欧洲，我想多说一句。欧洲有世界级的工业基础、中小企业集群和严格的隐私保护传统，这都是优势。但如果过分聚焦“数据必须留在本国”这类讨论，而忽略了怎么用AI提升全球竞争力，可能会错过更大的机会。真正的“数字主权”，应该是能不能基于全球数据训练出有欧洲特色的AI，让欧洲企业掌握自己独有的AI模型和能力。