雖然Llama4不盡如人意，但是Meta創始人兼CEO祖克柏依然在一周多以前，領銜舉辦了首次Meta AI開發者大會——LlamaCon 2025。祖克柏也在會議期間，接受了播客專訪。
而在大會上，他則邀請了微軟CEO納德拉·薩提亞 (Satya Nadella)等企業家做了系列對話。這場活動已經過了幾天，但我依然選擇發這期博客，是因為薩提亞在對話中分享了一個非常深刻的觀點，值得記錄：文檔、應用程序和網站之間的界限正在消失。
據薩提亞在對話中說，這實際上源自比爾·蓋茨一直在微軟內部推崇的思考：「比爾總是讓我們思考文檔、應用程序和網站之間的區別到底是什麼。」這三者之間看起來區別很大，但是是否真的無法彼此融合？
薩提亞認為，在AI時代，它們的界限終於變得模糊了。接下來我展開講解一下。
先假想一下，當你用電腦解決一個問題時——比如規劃一次旅行——你的思維過程是怎樣的？你會查找資訊（閱讀），進行計算（處理），與他人交流（互動），最後形成決策（輸出）。在這個自然的認知流程中，其實並沒有"現在我要打開文檔"、"現在我要啟動應用"、"現在我要訪問網站"這樣的斷裂。你的意識是連續的，需求是流動的。
然而，在用電腦系統解決這個問題的真實場景中，我們會被迫將這個連續的過程切割成碎片：
- 文檔（Word）：用於記錄和閱讀
- 應用（Excel）：用於計算和處理
- 網站（Browser）：用於搜索和交互
但這種分割不是因為它符合人類認知，而是因為早期電腦的技術限制。處理器速度有限，記憶體容量不足，網路帶寬受限——我們不得不將複雜的人類需求簡化為電腦能夠處理的離散任務。
比爾·蓋茨很早就意識到這個問題。所以微軟在90年代推動了OLE技術時，本質上是在問：為什麼一個銷售報告（文檔）不能包含實時更新的銷售數據（應用）和客戶反饋（網站）？
這裡解釋一下OLE（對象鏈接與嵌入）技術，這是微軟在1990年第一次發布的組件技術，目的就是打破應用程序之間的障礙，實現"複合文檔"的願景。它允許用戶在Word文檔中嵌入Excel電子表格或PowerPoint幻燈片等活動對象，不僅能顯示內容，還能保留原應用程序的功能。作為微軟嘗試模糊文檔與應用界限的第一步，為後來的COM、ActiveX和.NET等技術也奠定了基礎，也是薩提亞所描述的資訊形態融合的思想源頭。
薩提亞索認為，由於大模型這樣的現代AI技術的出現，真正的突破終於來了。薩提亞描述了自己的個人數字體驗："我閱讀關於Llama 4的資料時，實際上是通過一系列網路聊天會話完成的，然後我們可以把內容添加到文檔中，而且有了代碼補全功能，還可以把它（文檔）很容易變成一個應用。"
這其中發生了什麼？AI實際上成為了一個"通用轉換器（transformer）」，它理解用戶意圖，而不是機械地執行命令。當你說"幫我了解Llama 4"時，AI其實能夠無視"你想要文檔、應用還是網頁？」的傳統問題，而是能夠根據上下文，在對話中提供資訊，組織結構化文檔，甚至生成可執行的代碼。
這種轉變的本質是：我們終於從"面向工具的計算"走向了"面向意圖的計算"。在新的範式中：
資訊的形態由使用場景決定，而非預設的容器
轉換是無縫的，因為AI理解上下文
用戶體驗是連續的，就像人類自然的思維過程
文檔、應用和網站由此走向融合——不是因為我們想要一個"超級應用"，而是因為這種分割本來就是技術限制下的權宜之計。當AI消除了這些限制，資訊終於可以按照人類認知的自然方式流動了。
當然，祖克柏和薩提亞在對話中遠不是只講了這些，只是我對這個觀點最感興趣，更多內容，大家可以繼續往下看，有更多有價值的資訊。
一、 AI：定義新時代的顛覆性平台轉型
對話一開始，祖克柏便引導話題，提及薩提亞曾多次將當前AI的蓬勃發展與歷史上重大的技術變革相提並論。薩提亞對此進行了深入闡釋，他回顧了自己的職業生涯，親歷了從客戶端-伺服器（client-server）架構的誕生，到網際網路（web）、移動（mobile）和雲計算（cloud）的崛起。在他看來，當前的AI浪潮，可以視為第四次或第五次（取決於如何劃分）重大的平台級轉型 。
薩提亞強調，每一次這樣的平台轉型，都會引發對整個技術堆棧（tech stack）的「重新審視」與「重新構建」 。他比喻：「你幾乎可以回到第一性原理開始構建」 。
以雲基礎設施為例，他指出，為AI訓練而設計的核心存儲系統，與他大約在2007-2008年開始構建的傳統雲存儲系統截然不同 。AI訓練負載，尤其是數據並行同步負載（data parallel synchronous workload），也與早期的Hadoop等分布式計算框架有著本質的區別 。這種從底層硬體到上層應用的全面革新，正是平台級轉變的核心特徵。「事實在於，你必須在每一次平台轉變中，自上而下地重新思考技術堆棧的每一環，這是我們時常面臨的挑戰。」
他進一步補充道，雖然新技術往往孕育自現有基礎（例如網際網路誕生於Windows這樣的作業系統之上），但其發展最終會遠遠超越其最初的載體 。這便是他對當前AI發展的宏觀判斷。
二、 AI效率的「超級摩爾定律」與消費增長
祖克柏接著關注到薩提亞曾多次提及的觀點：隨著技術效率的提升，服務成本下降，人們最終會消費更多的服務，這就是著名的傑文斯悖論。他詢問薩提亞，在微軟龐大的企業業務中，AI模型的效率提升是如何具體體現的，尤其是在各代模型能力飛速增強的背景下 。
薩提亞對此回應道，幾年前業界還在憂慮摩爾定律是否終結，而如今我們卻仿佛進入了一個「瘋狂的超光速摩爾定律（hyperdrive Moore's law）」時代 。他指出，任何技術平台的變革都不是單一S型曲線（S-curve）的演進，而是多條S型曲線的疊加複合效應。具體到AI領域，首先是晶片層面，像英偉達的Jensen（黃仁勛）和AMD的Lisa Su（蘇姿豐）等行業領袖正在推動巨大的創新，晶片疊代周期不斷縮短，這本身就是一種摩爾定律的體現。這也是薩提亞在自己的推文中表達過的觀點：
但更重要的是，在此基礎上，整個系統的優化也在同步發生：從數據中心的集群管理、系統軟體優化，到模型架構的創新、推理核心的優化，乃至應用伺服器和提示緩存（prompt caching）技術的進步，每一個環節都在快速疊代 。薩提亞總結說：「當你把所有這些因素疊加起來，可能每6到12個月，我們就能看到大約10倍的性能提升。」 這種能力和效率的指數級增長，伴隨著價格的相應下降，從根本上驅動了消費量的激增 。因此，他對AI應用的深度發展非常樂觀，認為我們正處在一個能夠構建複雜、深度應用的階段 。
三、 多模型協同：構建複雜AI應用的未來
隨著AI能力的增強和成本的降低，薩提亞預見到應用開發將從依賴單一模型轉向更為複雜的「多模型應用（multi-model applications）」 。他解釋說：「我們終於開始進入多模型應用的時代，在這裡我可以編排一個基於某個模型構建的智能體（agent）與另一個智能體進行確定的工作流交互。」
他提到，為了實現這種多智能體、多模型之間的順暢協作，一些標準化協議，如MCP或A2A，正扮演著越來越重要的角色。薩提亞認為：「如果我們能在一定程度上實現標準化，那麼我們就能構建出能夠充分利用這些能力增長但同時保持靈活性的應用程序。」
祖克柏對此深表認同，並引出了「蒸餾工廠（distillation factory）」的概念，認為微軟在提供支持多模型協同的基礎設施方面具有獨特優勢 。這預示著未來的AI應用將不再是單一龐大模型的簡單調用，而是由多個經過優化的、可能功能各異的模型（智能體）通過精心設計的編排層（orchestration layer）協同工作，共同完成複雜任務 。這不僅提升了系統的靈活性和效率，也為開源模型提供了廣闊的用武之地，因為開源模型更容易被定製和整合到這樣的複雜系統中。
四、 開源之道：微軟的轉型與AI時代的戰略選擇
既然是在Llama的開發者會議上，對話自然而然地轉向了開源在AI生態中的地位和作用。
祖克柏指出，微軟在薩提亞的領導下，經歷了一段有趣的開源之旅，從早期對開源的謹慎態度轉變為積極擁抱（熟悉微軟歷史的朋友可能會知道，前微軟CEO，現NBA快船隊老闆鮑爾默曾經在2001年接受採訪時說，Linux是癌症）。微軟不僅與OpenAI建立了早期的合作夥伴關係（儘管OpenAI的模型主要是閉源的），同時也明確表示要大力支持開源模型的發展 。祖克柏非常好奇薩提亞是如何思考這一轉變，以及他如何看待開源生態的演進，及其對微軟客戶和基礎設施建設的重要性 。
薩提亞坦誠地分享了他的心路歷程。他回憶起在微軟早期的一項重要工作，就是確保Windows NT系統與當時各種Unix變體之間的互操作性 。這段經歷讓他深刻體會到：「互操作性首先是客戶的需求。如果你能在這方面做得很好，那對你的業務是有利的，而且顯然你也在滿足客戶的實際需求。」 這一理念塑造了他對開源的態度。
薩提亞強調，他對於閉源或開源並非採取教條主義的立場，「我並不固執於閉源或開源，世界上兩者都需要。」 他認為，即使個體或公司有自己的偏好，市場最終會做出選擇，客戶的需求將決定一切 。他列舉了SQL Server與MySQL/Postgres、Windows與Linux並存的例子，甚至提及了他個人非常喜歡的Windows Subsystem for Linux (WSL)，因為它極大地便利了開發者在Windows上使用各種開發工具 。
因此，他認為擁抱一種允許混合和匹配開源與閉源方案的姿態是極為有益的 。這與之前討論的多模型協同和「蒸餾工廠」概念不謀而合。薩提亞指出，許多企業客戶希望能夠「蒸餾」他們自己的模型，因為這些模型承載著他們的智慧財產權（IP） 。
在這種場景下，「一個開放權重的模型（open-weight model）相比於閉源模型，具有巨大的結構性優勢。」 他總結道：「所以我確實感覺到，當今世界，有了優秀的閉源前沿模型和優秀的開源前沿模型，會得到更好的服務。對我們這樣的超大規模雲服務商（hyperscaler）而言，這是一件大好事，因為歸根結底，我們的工作就是服務。」 就像在Azure上客戶既可以選擇Postgres、Linux虛擬機，也可以選擇SQL Server、Windows虛擬機一樣，微軟希望在AI模型領域也提供同樣豐富的選擇和完善的工具鏈支持 。
五、 Azure賦能開發者：構建世界級AI基礎設施與工具鏈
祖克柏進一步追問，Azure平台對於支持開源（以及所有）AI開發者，其核心定位和差異化優勢體現在哪些方面 。
薩提亞首先強調，一個AI工作負載遠不止AI加速器和推理時的模型那麼簡單 。其底層依賴於大量的存儲、通用計算（而非僅僅AI加速器）、以及高性能網路等基礎設施 。因此，Azure的首要任務是「構建世界級的計算、存儲、網路以及AI加速器即服務（IaaS），為那些希望構建下一代智能體（agents）的開發者提供堅實基礎。」
在此之上，微軟正通過其Foundry平台打造一個應用伺服器（App Server）層 。薩提亞解釋說，回顧微軟的每一次平台轉型，應用伺服器都扮演了關鍵角色，它負責將各種服務（如搜索、記憶、安全評估等）打包起來，供開發者調用 。這些都是每個開發者在構建應用時所必需的組件 。將這些服務封裝成框架和工具，是Azure的另一核心任務 。
最後，GitHub Copilot作為開發工具，也是微軟非常重視的一環，其進展令人鼓舞 。薩提亞總結道：「卓越的工具、優秀的應用伺服器和強大的基礎設施，這三者的結合，是我們認為加速應用開發所必需的。」
六、 AI驅動生產力革命：從代碼生成到知識工作重塑
接下來，他們的話題轉向了AI智能體（agents）在提升生產力方面的巨大潛力，這無疑是整個AI生態系統和開發者社區的核心主題之一 。祖克柏好奇地詢問薩提亞，這一趨勢在微軟內部是如何體現的，以及在外部客戶中，他看到了哪些最有趣的實例 。
薩提亞表示，軟體開發領域的變化是最直觀的例證 。以GitHub Copilot的演進為例，它最初提供代碼補全（code completions）功能；隨後加入了聊天（chat）功能，使得開發者無需跳轉到Reddit或Stack Overflow等外部網站尋求答案，保持了工作流的連貫性 ；再後來發展出智能體式工作流（agentic workflow），可以直接給AI分配任務 。如今，甚至出現了「初級軟體工程師智能體（proto-SWE agent）」，可以直接通過高級提示（high-level prompt）或將拉取請求（PR）分配給AI來完成編碼任務 。
薩提亞強調，這些功能並非相互替代，而是開發者在日常工作中會同時使用到的 。而實現這些功能並帶來生產力提升的關鍵在於，「你必須將所有這些與你現有的代碼倉庫（repo）和你當前的開發者工作流整合起來。」
畢竟，大多數開發者並非總是在全新的「綠地項目（Greenfield app）」上工作，而是需要在一個龐大的代碼庫和複雜的流程中進行開發 。這種工具鏈的深度集成，正是工程團隊需要完成的「系統性工作（systems work）」，也是看到實際生產力提升的前提 。
同樣的邏輯也適用於其他知識工作領域 。薩提亞以銷售場景為例，描述了他準備客戶會議的流程變化。過去，準備一次企業客戶會議的流程自1992年他加入微軟以來幾乎沒有改變：總會有人撰寫一份報告，通過郵件發送或文檔共享，他會在會議前夜閱讀。而現在，「我只需使用Copilot中的研究功能，就能獲得整合了網路資訊、內部資料乃至CRM系統中所有相關數據的實時報告。」 這意味著不再需要有人專門準備這些材料，因為資訊已經「觸手可及（on tap）」 。這種轉變「要求你改變工作方式、工作成果（work artifact）和工作流程（work flow）」 。薩提亞認為，這種變革起初可能緩慢，但隨後會突然加速，就像個人電腦（PCs）的普及改變了企業做預測的方式一樣——從傳真和內部備忘錄，到通過電子郵件發送電子表格 。他相信，我們正處在這場變革的開端，並且已經在客戶服務、市場營銷、內容創作等領域看到了切實的進展和生產力提升 。
七、 AI編碼占比與未來軟體工程師的角色
祖克柏對AI在微軟內部編碼的具體貢獻比例非常感興趣，他問道：「在微軟內部，目前有多大比例的代碼是由AI編寫，而不是由工程師編寫的？」
薩提亞回應說，他們主要追蹤兩個指標。一是代碼接受率（accept rates），這個數字大約在30-40%，並且在持續上升。這個比例也與編程語言有關，例如，微軟內部仍有大量C++代碼，而早期AI對C++的支持不如Python那麼好，但現在情況已大有改善 。隨著對更多語言支持的增強，代碼補全功能也越來越好 。
對於由AI智能體生成的代碼，目前尚處於「萌芽階段（nascent）」 。在全新的「綠地項目」中，AI編碼的比例非常高，但如前所述，很多工作並非全新項目 。不過，薩提亞提到，AI在代碼審查（code reviews）方面的應用增長顯著 。他估計：「目前在我們的一些項目中，代碼庫中大約20-30%的代碼可能是由軟體（AI）編寫的。」
祖克柏也分享了Meta的觀察和目標。雖然他沒有提供確切的AI編碼比例數據，但他提到Meta內部許多團隊（如動態消息排序、廣告排序團隊）正在特定領域內進行實驗，通過分析歷史變更來讓AI自動生成代碼 。Meta更宏大的目標是構建一個AI和機器學習工程師智能體，以加速Llama模型自身的開發 。
祖克柏大膽預測：「我們認為，可能在未來一年內，大約一半的（Llama）開發工作將由AI完成，而不是人類，並且這個比例此後會持續增加。」 他關注的主要是優化、安全改進等類型的任務，認為這些領域AI大有可為 。
兩位CEO都預見到，未來軟體工程師的角色可能會發生轉變。祖克柏形象地比喻道：「每一位工程師未來實際上更像是一個技術主管（tech lead），領導著一支由AI工程智能體組成的『小分隊』與他們協同工作。」 薩提亞也從工具和基礎設施提供商的角度思考，認為未來微軟的工具和基礎設施，可能更多是為這些AI智能體本身服務的，包括為它們設計合適的工具、基礎設施和沙箱環境，甚至重新定義GitHub代碼倉庫的形態以適應AI智能體的需求 。
八、 「蒸餾工廠」：釋放開源模型潛力，普及普惠AI
對話再次深入到「蒸餾工廠」（distillation factory）這一概念，探討如何將大型、複雜的AI模型通過「蒸餾」技術，轉化為更小、更專注、更高效，且易於部署和使用的模型 。薩提亞認為，這正是開源模型能夠發揮巨大作用的領域之一 。
他解釋道：「例如，在Llama家族內部，將一個大型模型蒸餾成一個更小但保持相同模型結構的模型，就是一個非常重要的用例。」 微軟的目標是為此構建工具和服務，降低開發者進行模型蒸餾的門檻 。他設想，如果Microsoft 365的每個租戶都能方便地創建一個經過蒸餾的、針對特定任務的模型（作為智能體或工作流的一部分），並能從Copilot內部調用，這將是一個突破性的場景。
祖克柏對此表示強烈認同，並認為蒸餾是開源最強大的特性之一 。他坦言，Meta內部也在進行類似的工作。例如，他們正在研發一個代號為「巨獸（Behemoth）」的超大型模型，其主要用途就是通過蒸餾產生更實用的模型 。事實上，Meta的Maverick模型（一個領先的多模態模型，文本性能與頂級文本模型相當，但尺寸更小）的卓越性能，很大程度上就得益於從類似「巨獸」這樣的預訓練大模型中蒸餾而來 。祖克柏興奮地表示：「蒸餾簡直就像魔法，你基本上可以用20分之一大小的模型，獲得其90%或95%的智能，而這個小模型運行起來更便宜、更高效。」
兩位CEO都看到了普及這種能力的巨大價值。目前，能夠進行複雜模型蒸餾或操作超大規模模型的實驗室數量有限 。他們希望通過構建強大的基礎設施和易用的工具，讓全球更廣泛的開發者都能從這項技術中受益，不僅能從單一模型蒸餾，未來甚至能混合匹配不同模型的優勢，創造出前所未有的應用 。薩提亞強調，關鍵在於降低門檻，提升疊代速度，確保開發者能夠快速適應和採用最新的模型進展，而不是被過去的成果所束縛 。
祖克柏還提到，模型形態（shape）的設計也與目標硬體和應用場景緊密相關。例如，Llama 4每個專家網路170億參數的設定，就是為了在Meta廣泛使用的H100晶片上高效運行 。而開源社區對更小模型的需求也非常旺盛，比如Llama 3的80億參數版本（8B）就非常受歡迎 。Meta也在研發更小的「小小駝（Little Llama）」版本，以滿足在筆記本電腦、手機等終端設備上運行的需求 。這種將大模型的智能靈活地灌注到各種形態因子（form factor）中的能力，被認為是未來AI發展的核心趨勢之一 。
薩提亞也補充說，業界正在積極探索混合模型（如稀疏混合專家網路MOE與稠密模型的結合）以及能夠根據需求調整思考時間/延遲的「思考模型（thinking models）」，以期達到性能與效率的最佳平衡 。
九、 文檔、應用與網站的界限消融：AI時代的新範式（這部分就是我們在開篇論述過的問題）
然後，薩提亞分享了一個非常深刻的洞察，源自比爾·蓋茨一直在微軟內部推崇的思考："比爾總是讓我們思考文檔、應用程序和網站之間的區別到底是什麼。"
在AI時代，這些界限正在迅速模糊。"現在當你使用Meta AI、ChatGPT、Copilot等工具時，很難分清聊天會話和文檔之間的界限。"薩提亞以自己的工作流程為例："就在今天，我閱讀關於Llama 4所有模型的資料時，實際上是通過一系列聊天會話，然後把內容添加到Pages文檔中保存。有了代碼補全功能，你還可以把它變成一個應用。"
"這種從高層次意圖開始，最終得到一個「有活力的產物」——過去我們會稱之為應用程序——的過程，將對工作流程產生深遠影響。"薩提亞認為，我們正處於這種轉變的開端。"作為基礎設施和工具的構建者，同時也是使用者，我的夢想是超越這些人為創造的類別界限。"
他進一步解釋："這些界限主要是因為軟體工作方式的局限性而產生的。為什麼Word、Excel、PowerPoint要分開？為什麼不能是一個統一的東西？我們嘗試過多次整合，但現在你真的可以想像這種統一了——你可以從Word開始，像Excel一樣可視化數據，然後呈現出來。它們都可以作為一個數據結構持久化。這種過去不夠強大的可塑性現在已經實現了。"
十、GDP增長的新引擎：AI作為生產要素的歷史性機遇
當討論轉向AI的宏觀經濟影響時，他認為，如果AI要帶來生產力的大幅提升，就必須反映在GDP的顯著增長上。"對我們來說，這是一個相當關乎生存的優先事項。世界需要一種新的生產要素，讓我們能夠應對面臨的諸多挑戰。"
他提出了一個大膽的思考實驗："想像一下，如果發達國家能實現10%的增長率會怎樣？這可能是工業革命高峰期才有的增速。"要實現這一目標，"你必須在每個領域都實現生產力提升：醫療保健、零售、廣泛的知識工作，以及任何行業。"
薩提亞認為AI有這樣的潛力，但真正的挑戰在於實施："這不僅需要軟體創新，還需要管理變革。人們必須以不同的方式使用AI。"他引用了電力革命的經典案例："電力存在了50年，人們才意識到必須真正改變工廠的設計才能充分利用電力。福特的案例研究就是著名的例子。"
"我們現在處於某個中間階段，"薩提亞說，"我希望不會花50年時間。但如果我們只是把AI當作'無馬馬車'來思考，也無法實現真正的飛躍。這不僅僅是技術問題。技術必須進步，但你還需要將其整合到系統中，真正實現新的工作方式、工作產出和工作流程。"
祖克柏幽默地回應："我們都在投資，仿佛這不會花50年時間。所以我希望確實不會那麼久。"
十一、 擁抱未來：AI時代的樂觀精神與開發者使命
在對話的尾聲，祖克柏邀請薩提亞分享他對AI未來發展以及未來幾年開發者機遇的展望，特別是他最為樂觀和興奮的方面 。
薩提亞引用了巴布·狄倫的歌詞：「你要麼忙著生存，要麼忙著消亡（either you're busy being born or you're busy dying）」，並表示「忙著新生總是更好」 。他認為，尤其在當前這個時代，最令人樂觀的是，即使面臨各種約束，軟體，特別是以AI這種新形態出現的軟體，依然是我們擁有的最具可塑性的資源，可以用來解決那些棘手的難題 。
薩提亞鼓勵開發者積極投身其中（用國內最近兩年流行的話，就是躬身入局），並創造出實際的解決方案 。無論是企業內部積壓的IT需求，還是現實世界中尚未解決的複雜問題，都需要新的方法來應對 。他認為：「這正是所有這些技術的最大益處所在，而這最終將取決於開發者們能否勇往直前地去實踐。」
