當程式碼變得便宜之後的軟體工程:與薩提亞·納德拉對談
當程式碼變得便宜之後的軟體工程:與薩提亞·納德拉對談
微軟執行長薩提亞·納德拉認為,隨著程式碼生成變得便宜,價值將轉移到驗證,企業必須掌握自己的學習迴圈——私有評測、解耦的模型框架,以及可稽核的代理——而不是被綁死在單一模型上。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
微軟執行長薩提亞·納德拉(Satya Nadella)主張,一旦 AI 讓程式碼生成變得廉價,驗證與規格定義就會成為稀缺的工程能力;而每家公司都必須擁有自己的 AI 基礎設施,否則就可能失去對自身知識的控制權。這場對談大部分時間都花在軟體團隊在代理式編碼(agentic coding)之下究竟如何改變——所謂的「軟體工廠」、驗證迴圈、Windows 與 GitHub 這類既有產品的棕地遷移(brownfield migration)——以及納德拉建議企業採用、讓模型保持可替換性的架構。本集標題所揭示的主題「軟體工程將變成什麼」,確實是貫穿全場的主線;自願離職方案與應屆畢業生招聘放緩,則在接近尾聲時佔了較小的篇幅。
Gergely Orosz 曾任微軟工程師,如今撰寫電子報並主持 Pragmatic Engineer 播客。他追問納德拉微軟在競爭上的失手(Cursor、Claude Code)、AI 敘事對在職工程師造成的焦慮,以及公司的自願退休方案是否是 AI 裁員的前奏。納德拉則以一位從基層工程師做起的經營者身分回應,並表示他的「夢幻下一份工作」會是加入微軟新設的代理式工程團隊。讀者讀完後,應該能掌握納德拉對「後程式碼生成時代軟體組織」的心智模型、他對企業 AI 的具體架構處方,以及清楚理解微軟正在向自家工程師傳達未來兩年的什麼訊息。
新的瓶頸是驗證,而非程式碼生成
納德拉的核心論點是:軟體生產的經濟邏輯已經翻轉——程式碼如今是產出,真正的難題已轉移到「證明這份產出正確」。他把這個轉變描述成「運算順序」的問題,而不是產量的問題:失敗模式不在於團隊生成一堆隨機程式碼,而在於他們缺乏驗證程式碼的機制。
「在一個程式碼生成已經變得廉價的世界裡,真正變難的是驗證。」
他坦言自己並未親身待過以程式碼為主要產出的團隊,並表示想加入微軟內部的「perceptorship」團隊——他把這類團隊與 Mark Russinovich、Scott Hanselman 連結在一起,並稱其與 Carnegie Mellon 有合作關係——以便第一手學習這套實務。他對這些團隊在做什麼的說明如下:
- 每一次失敗都會變成新的測試案例,而測試本身也必須被驗證。
- 代理式編碼最適合以小型指派任務的形式運作,並搭配一個明確的「是否真的完成了」的批判步驟。
- 用另一個模型家族擔任批判者很重要,這樣一來,某個模型家族的對齊問題才不會變成你自己的問題。
- 生產環境的追蹤資料會回饋到迴圈中:取得日誌、驗證修正、走完整的測試路徑部署。
他明確以編譯器作類比:工程師曾經手寫組合語言,後來把抽象層次往上拉,變成從意圖直接生成程式碼。當前的轉變是再往上一個層次,但它同時也改變了團隊的組成方式與產品的打造方式,而不只是程式碼怎麼打。
軟體工廠是真實的組織形態,微軟正圍繞它重建棕地系統
納德拉請讀者參考兩篇他視為案例研究的公開文章:一篇來自 GitHub Copilot 團隊,描述單一開發者如何維護並遷移一整套執行環境(他記得是 Python 轉 Rust,但記不太清楚,還開玩笑說「反正最後都是轉 Rust」);另一篇則來自 co-work 背後約九到十二人的團隊。他從中得到的結論是:規格與意圖——設計檔案、對齊——變得更重要,而非更不重要;而新人上手反而更容易,因為工廠式程式庫的檔案夠完整,可以直接拿來追問。
微軟內部更具影響力的例子則是棕地專案。Windows 如今面臨一波由 AI 模型找出的 CVE 漏洞,團隊正在 Windows 既有的建置系統之上,打造一條從當機追蹤到修正的新流程。與此同時,GitHub 上有「代理程式來上班」,規模遠超人力,迫使 Git 協定與儲存系統必須改變。納德拉的重點是:從零開始的展示很簡單;真正的工作是把原始碼控管、建置與 CI/CD 強化到能在既有環境中運作,而這個過程「需要時間、投資與思考」。
| 案例 | 改變了什麼 | 納德拉的結論 |
|---|---|---|
| GitHub Copilot 執行環境 | 一名開發者維護並遷移了整套執行環境 | 單一開發者的生產力被重新定義 |
| co-work 團隊 | 總共約 9–12 名工程師 | 小團隊就能運作一整座軟體工廠 |
| Windows CVE 流程 | AI 找出漏洞;在既有建置系統上打造從追蹤到修正的新流程 | 棕地才是真正的考驗 |
| Azure 網路 | 連線程式庫的代理式維運系統,管理全球約 500 家光纖營運商 | 維運加上軟體本身成為交付成果,而非工作內容 |
| GitHub | 代理程式帶來的負載迫使 Git 協定與儲存方式改變 | 核心基礎元件必須重新設計 |
他駁斥「這只是 React 式的漸進採用」這種說法。他主張「這次不一樣」的理由是:過去每一波技術浪潮——新框架、新執行環境,甚至行動裝置——概念數量大致維持穩定,他職涯中程式碼始終是在 IDE 裡寫的。如今執行環境、框架、IDE 與技術堆疊同時在變動,而且任何時候一次新的模型發布,都可能再次改寫整個局面。
微軟錯過了命令列介面的轉向,納德拉解釋原因
Orosz 梳理了整個過程:微軟在 GPT-4 之前就以 Copilot 搶得先機,在代理模式時代與 Cursor 維持平手,但當 Anthropic 的模型讓命令列成為主流形態後,微軟就失去了主導權。納德拉並未否認。
他的解釋與其說是認錯,不如說是一條產品打造原則:當模型能力出現非線性躍升時,產品形態必須快速改變,團隊不能愛上自己已經做出來的東西。微軟靠開源模型在代理模式上追了回來,但命令列介面的轉向——從輸入到輸出的完整任務處理——進展得更快。他坦承 IDE 在大約六個月內就「有點淡出了」。
接著他主張鐘擺可能擺回來。他所謂的決策引擎模型——嵌入軟體中的智慧函式——可能讓 IDE 復活,成為以 Token 高效率方式嵌入智慧的地方。他的結論是:未來會有多種產品形態並存,各自對應不同的模型能力,而不是由單一永久贏家通吃。
決策引擎是智慧時代的預存程式
納德拉對決策引擎這項新基礎元件興致高昂,並歸功於 Diego(Orosz 先前的來賓),還把野心比作要讓它「像資料庫一樣無聊」。他的類比是 Excel 巨集:一旦能嵌入邏輯,試算表的用處就大幅提升;而把智慧當成基礎元件嵌入程式碼,走的也是同一條路。
其設計理念是 Token 效率與可重複性。他描述一套 Xbox 用來管理社群回饋的系統:正確做法不是每次請求都生成 LLM 程式碼,而是嵌入一個帶有分佈的決策基礎元件,呼叫時無須重新生成。他說關聯式資料庫是他心目中開發者工具鏈裡僅次於編譯器的最愛產品,因為它靠可靠性讓一整類應用得以成真——而他預期決策引擎將為智慧扮演同樣的角色。
「這就像是智慧時代的預存程式。」
這個說法由 Orosz 提出,納德拉接受並加以延伸:商業邏輯長久以來都住在資料庫與預存交易裡,因此在 AI 系統中承載決策邏輯的基礎元件,也將繼承同樣的戰略位置。
每家公司都需要自己的模型系統,否則就談不上主權
這一節對企業技術策略的意涵最直接。納德拉從海耶克(Hayek)談起:知識在經濟體中是分散且隱性的,因此如果你不接受「單一前沿模型掌握全世界知識」的想法,就必須接受「世界上有多少家公司,就有多少個前沿模型」。如此一來,每家公司同時握有人力資本與 Token 資本,而 Token 資本可以是嵌入公司知識的開放權重模型,也可以是架在多個封閉模型之上的上下文層。
他提出一套具體架構與一項嚴苛的檢驗。
flowchart TD
A["外殼層(經實戰驗證、可替換)"] --> B["路由器/決策引擎"]
B --> C["封閉式前沿模型"]
B --> D["開放權重模型"]
B --> E["裝置上的地端模型"]
A --> F["上下文、記憶、追蹤紀錄(公司自有)"]
F --> G["私有評測"]
G --> H["用自家追蹤資料微調小型模型"]
H --> D
A --> I["動作空間:外掛、技能、連接器"]
I --> J["信任架構:許可權與智慧分離"]
那項嚴苛檢驗是:你應該能替換任何模型,同時仍能在自家的私有評測上持續爬坡。如果做不到,「你憑什麼算是一家有主權的公司?」他警告,如果你的記憶存在某個模型的嵌入向量裡,當那個供應商不再更新你時,你就遷移不出去——資料庫的類比恰恰在這裡失效,因為關聯式資料庫從不會把你的資料帶走。
他也堅持許可權必須與智慧分離。規模定律帶來更多能力,卻不帶來更多對齊,他稱這是「最危險的處境」,因此代理程式必須被當成內部風險來管理:以人類語言呈現思維鏈、可稽核、有日誌、可防竄改,並在推論時運算中加入防範獎勵駭客的執行期防護。微軟的商業答案就是 IQ 層——把 Copilot 與 GitHub Copilot 外殼層以託管服務形式提供於 Foundry,同時支援第三方外殼層、多個模型端點,以及客戶自有的上下文層。他指出,客戶通常先從前沿模型起步、蒐集追蹤資料,再把確定性的工作流程搬到像 MAI Flash 這類較便宜的模型,並用自家資料微調。
開放模型循開源的老路,地端模型讓智慧不必計量
被問到開放模型運動是否與開源平行時,納德拉說是的,而且結構相同:封閉模型彼此競爭,開放權重則是買到彈性的替代選項。他預期「開放對封閉」這個框架本身會消融——「下次你我再聊時,大家都會說重點根本不在開放或封閉,每個人都有自己的模型系統。」
談到地端推論,他把它定位成分散式運算:用上所有可用的 Token,而不只是雲端的。他提到能力落後的時間差——去年的前沿模型能在筆電上跑,上一季的能在桌機上跑——並描述 Copilot 的模型路由器(Copilot Fusion)會依任務挑選模型,代理程式叢集中的子代理會呼叫地端模型,有時還會聽到他的 Surface Ultra 風扇轉起來。他為這個效益取的名字是「不必計量的智慧」:用量無須計量。
Orosz 提到 MAI Code Flash 1.1,說自己並不驚豔,也不覺得其他人驚豔,但指出封閉模型可以下載到 Windows 機器上執行。納德拉接受這個說法,並說明 MAI 策略:透過合作關係繼續使用 OpenAI 模型、從零打造新的模型家族,並公開 MAI-2 基礎預訓練配方——他說有外部人士告訴他,這是歷來最詳盡的預訓練公開描述之一。他宣稱的差異化在於:用微軟自家的產品場域(資安、知識工作、程式開發),以訓練 FLOP 效率與部署 Token 效率在前沿曲線上放上新的點,同時讓代理程式在模型家族之間選擇,而不是繫結單一模型。
自願離職關乎自主權,應屆招聘放緩可能只是暫時
Orosz 直接追問微軟的自願退休方案是否是 AI 裁員的前奏。納德拉的回答建立在三項主張上:機會會增加,但形態會改變;微軟應該在內部創造更多新機會;即使公司成長,團隊規模與工作流程也會有不同配置。他舉系統工程師、基礎設施人員以及訓練領域研究人員的薪資為證,說明專業能力正在被重新定價、往上調,而非被丟棄。
「如果你待的團隊讓你覺得職涯卡住了,你可以用腳投票。但我不希望你這麼做,因為坦白說,微軟內部本身就有很多地方可以去。」
他明確點出那股焦慮——奇點敘事與「以後沒有工作」的說法,讓人覺得自己無法掌握命運——並把自願方案定位成給人自主權,讓人朝長期經濟機會移動,而不是卡在一個沒有在轉型的團隊裡。他坦承微軟並非每個部門都以同樣的速度「收到通知」。
關於應屆招聘,他主張應該用長期趨勢而非逐年來解讀這波放緩。他的順序是:先重新配置既有團隊,再把新的應屆畢業生加進新的配置裡。他描述 AI 原生公司的模式是先有一筆 Token 預算加一個人,把這個人的預算用到滿,再加下一個人——並說每家公司、每個產品團隊最終都會長成那樣。他認為,從目前的招聘資料推長期趨勢線還太早。
他也點出「前線部署工程師」(forward deployed engineer)是微軟成長最快的職務類別之一,並主張業務代表、客戶成功、技術支援與 FDE 都應該和軟體工程師一樣接受同一套 perceptorship——他舉 LinkedIn 把職務整併為「full stack builder」作為可比的例子。
納德拉給工程師的建議,以及他坦承自己會怎麼做
他的建議一貫且帶點自我批判:調整「說」與「做」的比例。他說如果自己能改變這個比例,他會改,而且他狀態最好的時候是「在求學模式」。真正重要的能力還是同一批——深度、好奇心、對運算順序的判斷力——只是換上新的槓桿來施展,而不是專業能力貶值。他提到第一屆從未見識過 Copilot 之前 IDE 的大學畢業生,並說在微軟內部如魚得水的工程師,是那些既有深度、又對新工具鏈充滿好奇的人。
「我什麼時候狀態最好?就是我在求學模式的時候。所以,讓我們回到學校吧。」
他也主動提到,他的夢幻下一份工作會是加入這些代理式工程團隊,而且他想學習管理複雜軟體專案的新「部落知識」,而不是從部落格上讀來。
本集未解的張力,在於納德拉對專業能力被重新定價的樂觀,與他自己坦承工作形態變化速度超越以往任何一波、且一次新模型發布隨時可能改寫局面之間的落差。值得追蹤的具體事項包括:微軟在 Windows 與 GitHub 上的棕地工廠工作是否帶來可衡量的可靠性提升;自願離職之後是否跟著出現非自願裁減;團隊重新配置後應屆招聘是否回升;以及他所描述的「主權公司」架構,會成為標準的企業藍圖,還是停留在 Ignite 大會上的口號。Orosz 的結語解讀是:工作正在擴張而非緊縮——決策引擎這類新基礎元件需要有人決定它們往哪裡去、如何部署、如何持續從中學習——但這個結論建立在納德拉對微軟內部實驗的說法之上,而外界目前還無法驗證。