4月30日，Meta CEO Mark Zuckerberg?和微軟CEO Satya Nadella在LlamaCon 2025 閉幕會議上進行了一場精彩對話。

本次對話從歷史視角切入，將 AI 定位為繼客戶端服務器、互聯網與云之后的又一次重大技術平臺革命，并剖析了其驅動下的效率飛躍與成本優化趨勢。對話深入討論了微軟在開源與閉源模型間的戰略平衡、Azure 云平臺在賦能開發者構建 AI 應用中的核心作用，以及 AI Agent 在重塑軟件開發和知識工作流程方面的潛力。此外，雙方還探討了 AI 驅動下的未來工具形態、模型蒸餾技術的機遇與挑戰等話題。

以下是本次對話實錄，經數字開物團隊編譯整理。

一、AI浪潮帶來新一輪技術平臺革命

Mark Zuckerberg： 非常榮幸能邀請到 Satya。你引領 Microsoft 這家偉大的科技公司實現了驚人轉型，推動公司向 AI、云等重要領域發展。對于我們所做的開源工作，你一直是我們的朋友和盟友。我非常珍視我們長期的伙伴關系，也感謝你就 Llama 生態系統及基礎設施建設給予的建議。

Satya Nadella： 謝謝你，Mark。我的榮幸。我還記得大約 2008 或 2009 年，我負責 Bing 時與你見面，當時你指出互聯網需要體現“人”的存在，用戶需要隨處可見的個人檔案頁面，這個觀點我至今記憶猶新。

Mark Zuckerberg： 是的，互聯網確實需要體現“人”。

Satya Nadella： 或者現在需要的是Agents。

Mark Zuckerberg： 兩者或許都需要。你曾多次提到，當前 AI 技術的蓬勃發展讓你想起了過去幾次重大的技術變革，比如向客戶端服務器架構的遷移、互聯網的興起。能否請你詳細談談這個看法？

Satya Nadella： 我經歷的第一個時代是客戶端概念興起。我在 Windows 3 發布后加入 Microsoft，親身經歷了客戶端服務器架構的誕生，接著是互聯網、移動和云時代。 現在這次 AI 浪潮可以算是第四次或第五次大的技術變革了。 每當發生這樣的轉型，整個技術棧的每一層都要被徹底重新評估，必須回歸第一性原理，重新開始構建。

例如，我們從 2007、2008 年開始構建的云基礎設施，其形態就需要為 AI 進行調整。用于 AI 訓練的核心存儲系統，和我們過去為通用目的構建的核心存儲系統截然不同；AI 訓練這種數據并行、同步的工作負載，也與過去的 Hadoop 之類的負載截然不同。 平臺轉型迫使我們重新思考整個技術棧，這是我們面臨的周期性挑戰。 新的技術在現有基礎上發展起來，就像互聯網誕生于 Windows 平臺，但其發展早已超越了 Windows。我也是這樣看待當前變革的。

二、AI性能指數級提升，多模型、多Agent應用成為可能

?AI效率與成本優化：摩爾定律“超速”與多模型協同 （多重技術S曲線疊加驅動AI性能每6-12個月提升10倍，成本快速下降，催生了編排多模型、多Agent的復雜應用需求）

Mark Zuckerberg： 你提到技術變得更高效時，會改變原有運作模式，人們最終會消費掉更多的服務量。在 AI 模型領域，這種趨勢是如何體現的？AI 模型效率越來越高，智能水平也遠超前代，這一切都發生得極快。你對此有何觀察？

Satya Nadella： 幾年前大家還在討論摩爾定律是否終結， 現在我們卻進入了一個摩爾定律的“超速”發展階段。 重大的技術平臺轉型，并非由單一的 S 曲線驅動，而是由多個 S 曲線疊加復合而成。

芯片本身在不斷進步 （如 Jensen 或 Lisa 的創新） ，產品迭代周期縮短，這是摩爾定律的 S 曲線。此外，還有計算集群系統軟件優化、模型架構優化、推理內核優化、應用服務器優化，乃至提示緩存技術等多個層面的進步疊加。所有這些因素加在一起，整體性能可能每過?6?到?12?個月就能提升?10?倍。能力以這樣的速度提升，成本以這樣的速度下降時，消費量的增長是必然的。

我們正處在一個可以構建真正深度應用的階段，特別是那些需要編排層來協同調度多個?Agents?和多種模型的復雜應用。第一代AI 應用通常與特定模型高度耦合。現在我們能夠構建多模型的應用程序，可以編排確定性的工作流，讓一個應用或基于某個模型構建的 Agent 與另一個 Agent 交互。

已經有一些有用的協議支持這種交互，比如 MCP、A2N 等。如果在協議等方面實現一定程度的標準化，開發者就能更容易構建出既能充分利用這些日益增強的技術能力、又具備高度靈活性的應用程序。這恰是開源可以發揮其巨大作用的領域。

三、開源與閉源AI模型各有優勢且市場需要并存

Mark Zuckerberg： 之后我們一定要深入探討如何協同使用多個模型，以及你提出的“distillation factory”概念。在此之前，Microsoft 在擁抱開源方面歷經轉變，這是你任期內的早期關鍵舉措之一。你們與 OpenAI 早期合作，但也明確表示， 除了閉源模型，也要服務好開源模型。 你是如何考慮開源與閉源的關系？如何看待開源生態的發展？它對你們的客戶為何重要？在構建基礎設施時如何考量開源因素？

Satya Nadella： 我在 Microsoft 早年負責確保 NT 系統能與各種 Unix 實現互操作性的經歷讓我認識到： 互操作性是客戶的需求，做好互操作性對業務有益。 這是我思考開放問題 （包括開源） 的出發點。

我對閉源還是開源并不固執己見， 世界兩者都需要，客戶也會同時需要它們。 即使有人對此抱有執念，最終市場格局會證明對兩者的需求真實存在。現實中：有 SQL Server，也有 MySQL 或 Postgress；有 Linux，也有 Windows；還有 Windows 上的 Linux （WSL） 。我喜歡在 Windows 上用 WSL，因為它能方便地使用大量 Linux 開發工具并進行部署。

采取一種允許靈活組合搭配閉源和開源的策略非常有益。這也和你提到的觀點相契合，很多企業客戶希望基于自身擁有的模型或數據進行“distillation”——這是他們的IP。

在這種場景下，開放權重模型相較于閉源模型，擁有巨大的結構性優勢。 當前世界同時擁有頂尖的閉源前沿模型和頂尖的開源前沿模型是好事，能更好地滿足各方需求。 對我們這樣的超大規模云服務提供商而言，這也是有利的，我們的職責就是服務。就像在 Azure 上，客戶可以獲得出色的 Postgress 服務，也可以獲得優秀的 SQL Server 服務，可以選擇 Linux 虛擬機，也可以選擇 Windows 虛擬機。同理，在 AI 領域，我們希望提供豐富的模型選擇，并圍繞這些選擇提供強大的工具支持。

四、Azure賦能開發者：打造AI時代的基礎設施與工具鏈

Mark Zuckerberg： Azure 在支持開源方面的核心價值主張或角色是什么？特別是對剛起步的開發者，你們在哪些領域打造差異化，力爭成為最佳選擇？

Satya Nadella： AI 工作負載并非只在推理時涉及 AI 加速器和模型。任何 AI 工作負載的底層都離不開存儲、其他計算資源及網絡等核心基礎設施。Azure 致力于構建世界級的計算、存儲、網絡及 AI 加速器整合的IaaS，為構建下一代 Agents 的開發者提供最好的基礎平臺。在此之上，我們通過 Foundry 構建應用服務器層。

在每次平臺轉型中，應用服務器都扮演了重要角色，它將所有必要服務——搜索、記憶、安全、模型評估 （Evals） 等打包起來，這些都是開發者構建應用時普遍需要處理的。將這些功能封裝好，提供框架和工具，是核心價值所在。

此外，我們非常注重開發者工具鏈，GitHub Copilot 是重要代表，我們對其進展非常興奮。將強大的工具、強大的應用服務器和強大的基礎設施結合起來，是加速應用程序開發的關鍵。

五、AI Agent正在重塑軟件開發與知識工作流

Mark Zuckerberg： 你提到了 Agents 和生產力提升，這是當前的熱門主題。這一趨勢在 Microsoft 內部是如何體現的？在外部開發者中，你觀察到了哪些利用 Agents 提升生產力的有趣案例？

Satya Nadella： 觀察軟件開發領域的變化非常有幫助。GitHub Copilot 的演進值得注意：從代碼補全，到加入聊天功能 （讓開發者無需離開編輯器查詢） ，再到 AI Agent 工作流 （直接分配任務） ，甚至現在有了 proto-Swee Agent （可分配更高級別指令或PR） 。

這三種甚至四種功能是并存互補的，都帶來了生產力提升。我們得到的最大經驗是， 必須將所有這些工具與現有的代碼倉庫和開發者工作流整合起來。 從零開始構建一個全新的“綠地”應用是一回事，但現實中很少有人能一直做全新的項目。開發者通常在龐大的代碼庫和復雜的工作流中工作，因此必須整合工具鏈，這是任何工程團隊都需要完成的系統性工作。只有這樣，才能真正實現生產力的提升。

這同樣適用于其他知識工作。以我們在銷售場景部署 Copilot 為例，準備客戶會議的方式徹底改變了。過去需要有人寫報告、郵件分發、提前閱讀。現在，使用 Copilot 的研究功能，就能實時整合來自網絡、公司內部及 CRM 系統中的所有相關信息。這不再需要專人準備材料，信息唾手可得。

但這要求人們改變工作方式、成果和流程，這種改變起初緩慢，隨后會突然加速普及。這就像個人電腦時代，電子郵件和 Excel 普及之前，人們通過傳真和內部備忘錄來做預測。后來用電子郵件發送電子表格徹底改變了預測方式。我們現在正處于類似變革的起點，在客戶服務、營銷材料創作、內容創作等方面都能看到實實在在的進展和生產力提升。

六、未來工程師將更像帶領AI Agent團隊的技術負責人

Mark Zuckerberg： 關于 AI 改進編程效率，你了解目前在 Microsoft 內部，AI 編寫的代碼占總代碼量的百分比大概是多少嗎？

Satya Nadella： 我們主要追蹤兩個指標。一是追蹤代碼建議的接受率，大概在 30% 到 40% 之間，并持續增長，具體取決于編程語言 （如 C# 效果不錯，Python 很好，C++ 支持也在改進） 。至于 AI Agent 生成代碼的應用，目前仍處早期階段，全新的“綠地”項目比例較高，但多數項目并非全新。另外， AI 在代碼審查方面的應用比例非常高。 總的來說，估計目前在我們代碼倉庫的某些項目中，大約有 20%~30% 的代碼可能是由 AI 編寫的。你們 Meta 的情況呢？

Mark Zuckerberg： 我沒有確切數字。目前統計數據多來自代碼自動補全。我們有些團隊在特定封閉領域 （如信息流排名、廣告排名） 嘗試讓 AI 基于歷史變更記錄做修改。我們當前重點是構建能輔助甚至擔當 AI/ML 工程師角色的 AI 系統，加速 Llama 模型自身的開發。預計接下來一年，可能一半開發工作由 AI 完成，且比例會持續上升。你們是否觀察到類似趨勢？

Satya Nadella： Swee Agent 是我們的初步嘗試。我們關注 AI 能否在內核優化等任務上取得實質進展，可能性很大。至于提出全新模型架構變更，可能還不行，關鍵在于任務類型。

Mark Zuckerberg： 是的，像優化、安全改進這類任務，AI 的應用機會很大。我們解決問題的角度不同，你們服務大量開發者，我們更多是 把 AI 作為提升內部效率、改進 Llama 模型的工具。

Satya Nadella： 另一方面，Bill 創立 Microsoft 時就是一家工具公司。現在我們或許應該重新構想為 AI Agent 設計的工具和基礎設施。即便是 Swee Agent 也需要工具，這些工具、基礎設施、沙箱環境該是什么形態？我們未來要做的很多工作，本質上就是演進 GitHub 代碼倉庫結構，使之更適合 Swee Agent 使用。

Mark Zuckerberg： 這個想法非常有意思。我傾向于認為，未來每位工程師都會更像一個技術負責人，帶領著一支由工程 AI Agent 組成的“小團隊”協同工作。

七、AI將打破軟件邊界，實現從意圖到動態成果的流暢轉換，并融合不同工具

Mark Zuckerberg： 你個人使用 AI 的工作流程發生了哪些變化？另外，如果你今天作為開發者從零開始，會如何選擇使用的工具？

Satya Nadella： Bill Gates 過去常探討的是， 文檔、應用程序和網站之間的界限到底在哪里？ 現在，當你使用 Meta AI、ChatGPT、Copilot 等工具時，一個聊天會話和我們內部稱為“頁面”的東西之間的區別也變得模糊了。

例如，我可以進行聊天會話收集信息 （比如關于 Llama 4） ，然后整合保存到一個“頁面”文檔，甚至基于此生成應用。這種從高層級意圖出發，最終生成動態、鮮活成果 （過去可能稱為“應用程序”） 的理念，將對工作流程產生深遠影響。我們正處在這個變革的起點。作為基礎設施和工具的構建者及用戶，我希望我們能超越因過去技術限制而產生的類別界限。

我們過去一直思考為何 Word、Excel、PowerPoint 要各自獨立，多次嘗試融合未果。但現在有了 AI，可以真正構想這種融合。你可以從核心內容出發，將數據可視化成表格，然后進行演示，所有這些都可作為統一數據結構存儲。過去那種缺乏的可塑性，現在終于實現了。

八、AI是關鍵的新生產要素，但其經濟影響的顯現需要時間與系統性變革

Mark Zuckerberg： 當前圍繞 AI 有很多炒作，你總能洞察其本質并理性投資。你曾提到 AI 若要帶來生產力巨大提升，最終需反映在 GDP 增長上，但這需要數年時間。對此有何最新看法？我們應關注哪些跡象？未來三、五、七年，你預期它會發展到什么程度？

Satya Nadella： 對 Microsoft 而言，AI 是生存攸關的戰略重點。世界確實需要一個新的生產要素來應對挑戰。要實現發達國家 10% 的增長 （堪比工業革命鼎盛期） ，所有領域都必須提升生產力。AI 為此展現了潛力，但現在必須讓它帶來實質的生產力變革。

這不僅需要軟件，還需要管理革新，人們必須學會用不同的方式與 AI 協作。就像電力出現 50 年后，人們才意識到必須徹底改造工廠才能有效利用它。我們現在處于某個中間階段，希望不必耗時 50 年。 僅僅將 AI 視為替代舊工具的“無馬的馬車”，并不能帶來真正的跨越。 技術本身需要進步，更要融入實際系統，才能交付新的工作方式、成果和流程。

九、“蒸餾工廠”：釋放大小模型協同潛力

Mark Zuckerberg： 我們都在大力投資，期望不必等待 50 年。我們還沒深入討論“蒸餾工廠”的概念，以及你打算如何整合面向開源社區構建的眾多 AI 模型，還有支持這一切所需的基礎設施。

Satya Nadella： 這正是開源的核心價值之一：利用現有大模型 （如 Llama 系列） ，將其蒸餾成更小，甚至結構相同的模型，是一個關鍵應用場景。圍繞此構建工具并作為服務提供，能有效降低使用門檻。部署和運行大模型需要龐大基礎設施，不是人人必需。若將其云服務化并輔以工具，最終交付的就是蒸餾后的模型。

例如，Microsoft 365 的每個租戶若能擁有一個經蒸餾的特定任務模型，作為 AI Agent 或工作流，便可從 Copilot 內部調用。這是一個突破性的場景。我們希望通過“蒸餾工廠”簡化這個過程，實現一個大模型到多個蒸餾模型之間 “一對多，進而服務多” 的關系，這些蒸餾模型可與 GitHub Copilot 或 Copilot 內的其他工作流組合，通過 MCP 服務器調用其他 AI Agent。

Mark Zuckerberg： 我對此非常著迷。蒸餾是開源最強大的能力之一。考慮到我們的角色分工——我們訓練 Llama 初始模型，但不自建大部分開發者基礎設施——由 Microsoft 這樣的公司構建復雜基礎設施很有意義。我們研發中的 Behemoth 模型，除了蒸餾成更實用的形態，其直接用途尚不明朗。即使內部使用，我們也需構建大量基礎設施進行后訓練，無意直接在 Behemoth 上運行推理。

Satya Nadella： 你提到 Maverick 就是從它蒸餾出來的。

Mark Zuckerberg： Maverick 很大程度上是這樣來的，其卓越性能也得益于此。它是領先的多模態模型，文本處理能力與頂尖純文本模型相當，但體積更小，還具備圖像和多模態處理能力。我們能做到這一點，是因為完成了 Behemoth 的預訓練并正進行后訓練。

蒸餾的過程本身就很神奇：能將規模大?20?倍的模型的?90%~95%?的智能，壓縮到成本更低、效率更高的形態中。問題在于，如何讓缺乏自建基礎設施能力、技術不那么復雜的開發者也能使用？目前全球能進行此類蒸餾或運行同等規模模型的實驗室還很少。當你的愿景實現時，全球多數開發者不僅能從單一模型蒸餾，還能隨時間推移，自由混合匹配，汲取不同模型的優勢能力。這將是未來最激動人心的進展之一。

Satya Nadella： 的確如此。隨之而來的問題是，若從多個模型進行蒸餾，如何評估最終模型的質量和適用性？我們可以投入大量精力開發工具和建設基礎設施，降低門檻，賦予人們這種靈活性。好在這一切已經開始，可行性已有實例證明。

關鍵在于能否顯著降低構建門檻，以及跟上迭代的速度。當前的挑戰之一是：基于某模型進行微調后，新版本很快發布，開發者需要快速遷移。我們必須提升這種適應能力，因為不能被過去的工作所束縛，世界變化太快。

Mark Zuckerberg： 開發者需要不同形態的模型。Llama 4 每個專家 170 億參數的結構，是為 Meta 的 H100 設計的。一些開源模型雖智能，但推理效率不高。我們的模型是為服務器生產環境構建的。開源社區甚至需要更小的模型，最受歡迎的 Llama 3 是 8B 版本。我們也在研發更小版本 （Little Lama） 。關鍵在于能將大模型的智能通過蒸餾轉換成所需形態，使其能在筆記本、手機等任意終端運行。

Satya Nadella： 很高興看到你也在研究此方向。若能實現混合模型，例如結合專家混合模型 （MOEs） 與“思考模型”，并靈活獲得理想的延遲或“思考時間”，那將是我們共同追求的目標。

Mark Zuckerberg： 縱觀 AI 當前進展，未來幾年，開發者的創造最讓你樂觀或期待的是什么？

Satya Nadella： 我常從 Bob Dylan 的歌詞中汲取力量： “你要么忙于新生，要么忙于走向衰亡。” 活在當下，最好選擇“忙于新生”。尤其在此變革時代，令我樂觀的是，盡管存在限制，以 AI 為代表的新型軟件仍是最具可塑性的資源，用以解決棘手難題。這也是我樂觀的源泉，同時向各位發出行動號召：抓住機遇，積極投身，構建實際解決方案。無論是企業的 IT 積壓，還是現實世界的難題，都需要新方法。這正是 AI 技術價值所在，最終實現有賴于開發者們勇于探索、無所畏懼的精神。

Mark Zuckerberg： 謝謝 Satya，也謝謝各位蒞臨。這是激動人心的一天，我對我們共同構建的未來充滿期待。

關于本期對話：

訪談發布時間：2025年4月30日?

原視頻地址：https：//www.youtube.com/live/FZ-RZ0dKO8o?si=SU4ojMgF-gzSmgzF

本文來自微信公眾號： 數字開物 ，編譯整理：數字開物團隊