微软CEO萨提亚：Excel为什么40年不倒？因为它是世界上最平易近人的编程环境，如果企业没有自己的模型，就不需要存在了原创

萨提亚回忆起90年代在微软评审会上听到的场景。Gates当时说:"软件只有一个品类--信息管理。

这是Stripe推出的"Cheeky Pint"播客系列中最新的一期对话，我觉得是近期萨提亚近期含金量最高的一期播客。

微软CEO萨提亚：Excel为什么40年不倒？因为它是世界上最平易近人的编程环境，如果企业没有自己的模型，就不需要存在了

值得注意的是，萨提亚在访谈中反复提到比尔·盖茨(Bill Gates)的一个观点："软件只有一个品类，叫信息管理。你只需要把人、地点、事物模式化，就完事了。"这个在1990年代显得激进的想法，在大语言模型时代突然有了新的解释空间——也许真正的结构化不是SQL数据库，而是神经网络的参数空间。

1、Bill Gates讨厌文件系统，他的梦想终于要实现了

萨提亚回忆起90年代在微软评审会上听到的场景。Gates当时说："软件只有一个品类——信息管理。模式化人、地点和事物，搞定。"Gates憎恶非结构化的文件系统，他梦想一切都是SQL数据库，可以用查询语句直接编程处理所有信息。这个梦想在关系数据库时代破产了，因为人类太混乱，数据即使结构化也无法用单一索引或SQL查询覆盖。但AI出现了。深度神经网络以参数的形式，用算力和规模找到了模式——这才是Gates当年想要的那个"优雅解决方案"。

萨提亚强调了一个被忽视的转折点：认知核心(cognitive core)与知识的分离。过去我们痴迷于设计复杂的数据模型来捕捉企业的本质，现在发现答案藏在神经网络的大量参数里。这意味着企业AI化的关键不再是整理数据仓库，而是让模型持续学习(continual learning)。

2、企业AI落地的真正瓶颈：权限系统、记忆和行动空间

萨提亚列出了三个AI在企业场景必须攻克的外部要素，它们都在模型之外，但必须在运行时无缝对接：

• 记忆(Memory)：包括短期、长期记忆，以及人类擅长的"长期信用分配"(long-term credit assignment)。举例：人类能记住某个错误是几周前某次决策导致的，并据此惩罚/奖励。AI模型需要类似能力。

• 权限(Entitlements)：模型必须在运行时尊重企业的角色权限系统。用户只能看到自己有权访问的数据，AI不能越界。

• 行动空间(Action Space)：模型需要能实际执行任务，而不仅仅是回答问题。

这三者构成了AI的"环境"。萨提亚指出，Copilot今天同时使用OpenAI和Claude的模型，系统必须跨模型工作——这才是前沿问题所在。

3、微软20万员工，CEO最重要的工作是"闭嘴"

萨提亚透露了他的日常：每天至少2-3个与客户的Teams通话，大量会议时间。他把会议分为两类：

• 第一类：只需要他"召集"(convene)的会议。他的任务是闭嘴，因为工作在会前或会后自然发生，CEO过度表现反而有害。

• 第二类：他必须学习、做决策或传达信息的会议。

最有趣的是他如何"管理"：不再是物理上走动视察，而是潜伏在Teams频道里。他说自己在那里学到的东西比任何其他方式都多——看到谁在做Excel的agent，他们用什么评估标准，产品细节是什么。这是"虚拟走廊"的新形式。

他抱怨的唯一问题：权限设置让他无法随意进入所有频道。"我最大的不满是不能去所有我想去的地方。"

4、Stripe的"开发者优先"策略，微软30年前就在用

Collison提到Stripe的一个核心信念：今天的小创业公司是明天的上市公司，所以要为创业公司构建产品。更重要的是，创业公司喜欢的往往是更好的产品体验——最终企业客户会跟上。

萨提亚立刻表示认同，并说这是微软"重新发现"的东西。他解释为什么收购GitHub："每个创业公司都有代码仓库在GitHub上。待在那个循环里很重要——不是为了战略位置，而是为了学习，做出更好的产品。"

他总结：跟着开发者走，理解新工作负载(workload)，是构建技术平台的唯一路径。创业公司是耐心最少、对产品交付时间最敏感的群体，服务好他们才能掌握"无摩擦交付"的审美。

5、UI的未来不是消失，是变成"带闪烁光标的收件箱"

Collison提出一个问题：既然AI能生成代码，为什么不干脆生成个性化UI?萨提亚回应：IDE正在回归。即使在AI时代，程序员依然需要出色的编辑器来对比(diff)AI生成的输出，迭代修改。IDE将进化为"平视显示器"(heads-up display)——就像战斗机驾驶舱的仪表盘，你需要监控数千个agent的工作状态，实时微调它们的方向。

他提出了一个框架：宏观委托，微观操控。你给agent发布大量指令，它们工作数小时甚至数天，但会持续签到汇报。关键是如何让这些签到不会变成"通知地狱"——5个字的推送，毫无上下文。

他的预测：所有成熟软件最终都会长成收件箱+消息工具+画布的样子。具体来说：

• 表格和电子表格(人类喜欢这种形式)

• 线性文档

• 收件箱/消息工具

这些UI不会消失，但它们背后的工作会由AI完成。例如GitHub Copilot的"任务控制中心"(mission control)：你启动5-6个分支，每个分支里跑不同的自主agent，它们完成工作后回来，你的任务是做PR triage——也就是批量审查这些代码变更，决定哪些合并、哪些重做。这就是下一代IDE的诞生地。

6、这轮AI基建不是互联网泡沫，因为"没有暗光纤"

Collison问：2000年互联网泡沫的教训是什么?能类比今天的AI CapEx狂潮吗?

萨提亚的回答切中要害：上次是暗光纤(dark fiber，铺设好但闲置未用的光缆)，这次是满负荷运转的GPU。

他解释：互联网泡沫时期，大量资本涌入铺设光纤网络，但需求还没起来，光纤"点不亮"——业内叫"暗光纤"，就是线路埋好了但没有数据流量。这次完全相反：

• 微软没有利用率问题，所有GPU都售罄。

• 唯一的瓶颈是内存带宽，导致利用率不够高——但这是优化问题，不是需求不足。

• 供应链的真正挑战是：没有足够的"温壳"(warm shells)——指已完成土地、电力、建筑等基础设施，通电待命、可以立刻部署机架的数据中心空间。

他强调，这些资产的生命周期差异巨大：有些是20年(如建筑本身)，有些是4-5年(如GPU)。关键决策点在于长周期投资——土地许可、电力许可。而且这必须是全球化的：数据主权要求迫使微软在世界各地建设数据中心舰队，既能训练、又能做数据生成(DataGen)和推理。

7、公司的未来：拥有自己的基础模型权重

这是访谈中最激进的观点。萨提亚提出了一个新的"主权"概念：企业主权将体现在AI模型的权重层，而非传统意义上的知识产权。

他引用科斯定理(Coase theorem)拆解这个问题：企业存在的原因是内部交易成本低于市场。但如果模型"知道一切"，为什么还需要企业?答案是：未来的公司必须拥有自己的基础模型，在其中嵌入"脚手架"(scaffold)或权重。

他举例：

• Stripe正在训练支付领域的基础模型，用Stripe网络的数据构建欺诈检测能力。

• 制药公司、软件公司，都应该有自己的模型。

萨提亚的逻辑：隐性知识(tacit knowledge)过去存在于人脑和文档中，未来会以权重的形式累积在公司专属的LoRA层(低秩适配层，一种轻量级模型微调技术)里。这才是新的智力资产。

他追问：如何防止这些能力泄漏到通用基础模型?一个可能的答案是：记忆、工具使用和行动空间构成的独特组合——这些是Stripe特有的，无法被通用模型轻易复制。

8、Excel为什么40年不倒?因为它是世界上最平易近人的编程环境

Collison感慨，许多软件公司都试图挑战Excel，但它依然屹立不倒。萨提亚给出两个原因：

• 表格的力量：人类天然喜欢列表和表格，这是最直观的信息组织方式。

• 图灵完备：Excel本质上是一个编程环境，但用户不觉得自己在编程。

他对比了AI的推广难题：大家都在谈"变革管理"(change management)，但电子表格出现时没人谈这个——人们直接用起来了。萨提亚引用Generali保险公司CEO的话：传真机、电子邮件和Excel同时到来时，整个工作流程从底层被重塑，没有人需要培训。

他的结论：这个时代需要发现类似的东西——允许自下而上重新设计工作、工件(work artifact)和工作流。

9、模型品牌忠诚度是个伪命题，真正的战场是"自动选择器"

Collison提出一个争议问题：用户对模型有忠诚度吗?还是对AI品牌有忠诚度?比如Copilot用户更换模型时发生过抗议，因为风格变了。

萨提亚认为：长期来看，重点是模型的能力(capability)，而非个性。他承认风格确实是新的差异化维度(IQ之外还有EQ和风格)，但产品构建者的任务是：

• 确保用户能用到最强大的模型

• 同时根据任务自动优化模型选择

他最喜欢GitHub的"auto"功能：模型选择器必须有智能，而不是简单的路由(router)。它应该知道：这个任务需要多少算力?代码库有多复杂?PR任务的性质是什么?

他的愿景：未来是模型集合(ensemble)，agent在中间调度，满足用户需求。用户会有偏好，但如果能建立信任——相信系统会做出令人愉悦的选择——那用户就会交出控制权。

萨提亚提了一个关键点：默认选择很重要。人类不喜欢"奶酪被移动"(cheese being moved)，即使手动选择模型，取消这个选项也会引发问题。所以信任是核心。

10、微软的捆绑策略：不要为了协同效应牺牲竞争力

Collison问了一个尖锐问题：微软什么时候捆绑产品，什么时候拆开卖?比如Apple最初只让iPod连接Mac，后来推出Windows版iTunes。微软在80年代很开放(大部分收入来自Mac应用)，90年代变得封闭(Office和Windows深度绑定)，现在Azure又变得开放(支持Linux)。

萨提亚的回答框架：从TAM(总可达市场)和竞争倒推，而不是从协同效应正推。

他举例：

• Azure必须支持Linux和MySQL/Postgres：如果只跑Windows工作负载，市场会非常小。即使这会"伤害"Windows Server，也必须做。

• Teams的捆绑是产品定义：Teams把聊天、频道、视频整合在一起，这本身就是产品——就像Outlook整合了邮件、日历和PIM。

他强调：模块化必须在原子层面(atomic level)想清楚。不要为了内部协同效应过度打包，否则会减少TAM、失去竞争力。

他的三层抽象：

• 基础设施层(Token Factory)：每美元、每瓦特产出多少token，追求极致效率。

• Agent层(Agent Factory)：每个token产生多少价值(value per token)，针对特定领域优化。

• 应用层(AI Systems)：Copilot家族——信息工作、编程(GitHub)、安全。

每一层都必须独立赢得市场，但三者之间保持反馈循环。客户和合作伙伴可以从任何一扇门进入。