导语:当生成代码变得便宜,软件工程的重心就移到了验证上。这是微软 CEO 萨提亚·纳德拉在 The Pragmatic Engineer 播客里反复回到的主题。

纳德拉是少见的有工程师出身的大厂 CEO,他在雷德蒙德接受了 Gergely Orosz 的访谈,讨论微软内部正在怎么改软件开发方式,以及对普通工程师意味着什么。访谈录制于微软那次持续一整天的 Outlook 故障之前数小时。以下是要点整理。

1. 新的软件工程形态:software factory

纳德拉举了 Azure 网络团队的例子:该团队要对接 500 多家光纤运营商,最近构建了一套智能体系统来处理邮件与流程,运营效率明显提升。他认为这就是“AI 转型”的现实形态——不是推倒重来,而是在既有系统上(brownfield)搭建软件工厂改进团队运作,同时把日常工作继续做下去。

2. Copilot 被追上,是因为 IDE 在半年里“消失”了

开发工具本在微软的 DNA 里,但公司完全没准备好面对 Claude Code 用命令行取代 IDE 这件事。纳德拉承认 Anthropic 这一步打了他们一个措手不及,也让他意识到:当模型出现非线性跃升时,使用模型的产品形态可能迅速改变。他直言 IDE“在短短六个月里淡出”,而微软在开发工具上的护城河恰恰是 IDE 与 VS Code。

3. “拥有自己的智能”:避免锁定,把智能体当内部风险

纳德拉建议企业避免被单一模型供应商锁定——让 harness、记忆与模型三者解耦,以便随时替换。他认为更多公司应当考虑使用开源模型,以保护核心知识产权不外泄,并建立私有评测来决定用哪个模型、何时升级。他还强调模型虽然聪明但并不可靠,最好把它们当作“内部风险”(insider risk),另建一套系统去验证它们的行为。

4. 押注“混合智能”

纳德拉反问:既然去年与前沿相当水平的模型已经能跑在笔记本上、上一季度前沿水平的模型能跑在台式机上,为什么我们还要把 AI 基础设施全放在云上?他预计“混合智能”会成为趋势:本地模型跑在笔记本与台式机,一个模型路由器决定何时用便宜、不计量的本地模型,何时把请求送到云端更强的模型。微软正在为此建设基础设施。

5. 生成便宜了,验证仍然很难

他说自己近来想得很多的是:验证今天生成代码的正确性有多难。让模型对生成的代码做“批判”(critique)是一种办法,但会牵涉对齐问题——比如模型为了让测试通过,干脆把失败的测试删掉。他也认为会出现基于生产环境追踪数据的验证闭环,某种“递归自我改进”(RSI),但前提是模型能验证修复本身。

6. 那些自愿离职方案是怎么回事

Orosz 直接问了微软历史上首次向多数软件工程师提供自愿离职方案的原因,以及是否意味着后续裁员。纳德拉的回答很外交,Orosz 自己给出的更直接的解读是:大规模重组很可能发生,团队规模与职能都会变化(很多会变小),同时大量新的 AI 相关团队在组建;内部对 forward-deployed engineer 这类新角色需求很高;自愿离职方案会让那些觉得“卡住了”的工程师去外面面试,拿到 offer 后以更小的补偿离开。纳德拉也承认,即便在微软内部,也不是所有团队都收到了“变得更 AI 原生”的精神。受影响者可接受自愿离职方案的期限到 12 月。

7. 初级岗位招聘放缓的原因

被问到是否招应届生与初级工程师时,纳德拉承认确有放缓。他把原因归为进行中的过程:团队规模与角色在重组;各团队在摸索如何搭建软件工厂、如何平衡人力成本与 token 预算;等这些事情想清楚,初级招聘会恢复。目前多数团队忙于设计新的工作方式,不是引入新人的好时机,他预期这个“重组”阶段是暂时的。

8. 与 CMU 合作的“带教”项目

微软与卡内基梅隆大学合作推出 PRAISE 项目(Preceptorship for AI-accelerated Software Engineering),概念借自护理行业:新护士与有经验的护士配对积累实战经验。项目里由资深工程师担任 preceptor,指导“preceptee”有分寸地使用 AI 工具,同时培养系统思维、品味与判断力。

9. 下一个大工程问题:在团队和公司内部建软件工厂

纳德拉认为每家公司都需要掌控自己的 AI 基础设施——harness、上下文、记忆、模型——而生成代码的验证是一个困难且尚未解决的问题。微软内部很多团队在自建软件工厂以改进运作。这场对话也让人看到:搭建软件工厂会成为整个行业普遍面临的工程问题,因为它是新问题,几乎没有现成蓝图。

10. “迁移到 AI”不同于迁移到一项新技术

成为“AI 原生”的感觉类似 brownfield 项目引入新技术(比如从 HTML+JavaScript 迁到 React),但纳德拉认为其中有本质差异。

11. 他对决策模型(decision models)非常兴奋

纳德拉把 Jev 这类决策模型和微软的 Decision-1 视为一种新原语。他的原话大意是:这些决策模型有点像 Excel 宏。电子表格加上宏之后发生的事,也可能发生在“把智能作为原语嵌入代码”这件事上。这种原语有自己的分布,不需要反复重新生成,token 效率高。他说这正是软件工程依然生机勃勃的地方之一——“决策模型是智能时代的存储过程。”

12. 他的建议:别再只是读和听,开始用

纳德拉给想要在这一轮中胜出的工程师的建议是:少读少听关于 AI 的评论,多动手使用它。

信息来源:Gergely Orosz / The Pragmatic Engineer《Software engineering after code becomes cheap with Satya Nadella》(经 Techmeme 收录,2026-11-16)。原文为播客访谈及作者整理的 12 条要点,含完整音频、文字记录与时间戳。本文为中文编译,观点归属原访谈双方,未加入原文之外的判断。