全文 6,000字 | 閱讀約32分鐘

(LlamaCon大會，扎克伯格對話微軟CEO薩蒂亞·納德拉)

微軟30 % 的新代碼，確認已由AI生成。

美國時間，4 月 29 日晚的Meta的LlamaCon 2025 大會上，Meta首席執行官馬克·扎克伯格與微軟首席執行官薩蒂亞·納德拉首度同臺，拋出同一句論斷：

工程師，不再是寫代碼的人，而是指揮一支 AI 小隊的人。

GitHub Copilot 升級為”原型代理“，能獨立生成 PR、調度工作流； Meta 內部實驗讓每位開發者帶 N 個模型“小徒弟”作戰。

他們的共識只有一句：

不淘汰工程師，但會把崗位徹底重編譯。

下面，本文用幾個關鍵問題 拆解這次對話，幫你搞清：

• "AI 寫走 30 % 代碼后，工程師還剩哪 70 %？"

• "模型小隊”到底怎么帶？"

讀完這篇文章，你就能拿到工程師“下一版說明書”。

?? 第一節｜AI沒有奪走工作，但工作換了形式

“公司內部高達30%的新代碼已經由AI編寫。”

在 LlamaCon 2025 現場，微軟 CEO 納德拉甩出這句擲地有聲的話。

“不只是代碼補全，Copilot 已經能獨立完成原型任務，直接生成 PR，調度代碼工作流。這不是輔助，這是接管。” ——Satya Nadella

這句話讓現場沉默了一秒，然后全場鼓掌。

但真正值得警覺的，不是這30%的數字，而是它背后的結構性信號：

AI 不是來搶程序員飯碗的，它正在悄悄重寫“什么叫工作”本身。

工程師的動作，被“剝離”了

扎克伯格接過話題，說了一個 Meta 內部的真實案例：

“我們有一支團隊，現在完全采用‘代理式協作流程’。開發者把任務拆解后，交由多個小型模型分別執行——生成代碼、調試、測試、提交。

最后只需要一個人進行結構調整和質量驗證。整整一個功能模塊，從設計到上線，AI 負責了 80% 的動作。”

他用一個詞來形容這種變化：“工程師動作的剝離”。

AI 正在把工程師每天做的那些重復性、規范化的部分一點點抽離。

過去的工程師是從 0 到 1 的“全能手”：

• 寫需求；

• 構建架構；

• 編寫邏輯；

• 調試上線。

現在的工程師，是“任務發包者”+“結構維護員”。

代碼不再是憑手速和經驗，而是憑“意圖拆解”和“資源調度”。

扎克伯格表示：“AI 會完成你告訴它該做的事。關鍵不是它寫得好不好，而是你‘告訴得明不明白’。”

AI 不只執行，還改變了執行的方式

納德拉提出一個微妙卻關鍵的判斷：

“如果你還把 AI 當作效率工具，那你還停留在第一階段。 真正的轉折點是——AI 不只加速了原來的流程，它直接創造了一條新流程。”

他舉了微軟內部銷售流程的例子：

• 過去：準備客戶會議 = 手動查資料、寫 briefing、發郵件；

• 現在：Copilot 實時整合 CRM 數據、企業動態、團隊郵件，自動生成客戶建議書。

工作成果從‘Word 文檔’變成‘實時交互式頁面’。不僅內容不一樣，整個工作過程都消失了。

不再是“用 AI 做事”，而是“AI 做事，人判斷”

這場對話中，最耐人尋味的，是兩位 CEO 對未來角色的共識：

• 工程師不需要“更努力寫代碼”，而是更會調度 AI；

• 開發者要從“動手做”，轉向“設計結構”；

• 人類的工作不會消失，但會被遷移到 AI 系統的“上層邏輯”。

大會上，扎克伯格甚至公開表示：

“我們賭明年 Meta 內部的一半開發工作，會由 AI 主導完成。”

這不是炒作，而是現實。正如納德拉所說：

“我們正在進入一個時代，每一段代碼、每一個功能模塊，都可以問一句話：人類真的要親手做這件事嗎？”

你以為 AI 只是坐在你旁邊，安靜地補全幾行函數， 但它其實已經在你看不見的角落里，生成了代碼、提交了 PR、完成了交付。

?? 第二節｜工程師不是打工人，是AI調度者

“未來的工程師，會像技術總監，帶著一支由多個模型組成的 AI 小隊，完成從建模到落地。” ——Mark Zuckerberg，LlamaCon 2025

這是扎克伯格在大會上最有遠見的判斷之一。這次大會上，沒有重復“AI 提效”“AI協作”這些老掉牙的詞，他們在嘗試提出了一個全新的角色設定：

技術指揮官（Technical Commander）

過去工程師最大的能力，是“一個人能做完一整套事情”； 而未來最有價值的能力，是“一個人能協調多個模型各司其職”。

從“動手能力”到“調度能力”

在這場對談中，兩位 CEO 不約而同地指出：

工程師的競爭力，正在從“手速+經驗”，轉向“思路+調度”。

在 Meta，扎克伯格介紹了一個典型的開發場景：

• 高級工程師并不直接寫大段邏輯；

• 而是使用一個多模型編排平臺，把不同任務交給不同的 Llama 子模型處理；

• 然后再交由 Copilot 代理進行測試和部署。

扎克伯格補充：這更像一個團隊作戰，但這個‘團隊’里沒有人，全是 AI。”

納德拉也表達了類似的觀點。他提到，微軟正在構建一個面向開發者的“代理開發棧”，包括：

• 意圖輸入界面；

• 多模型決策層；

• 工具接入 API；

• 再往下，才是具體模型執行層。

在微軟，開發不再是‘我會什么語言’，而是‘我能調度哪些智能資源’。

AI 工具，不再是插件，而是“作戰單元”

要真正成為“AI 軍團的指揮官”，工程師不僅需要會寫 prompt，更需要掌握三種新能力：

1. 意圖建模：把人類需求準確轉化為模型可執行的結構任務；

2. 模型編排：知道哪個模型適合干哪件事，如何拆分、組合、接力；

3. 任務監督：在 AI 執行中做質量監控、結果評估、風控容錯。

在這個過程中，工程師像極了一位導演：

• 每個模型都是演員；

• Copilot 是副導演；

• 工具 API 是拍攝設備；

• 而產品上線，就是那部電影的“首映”。

不再是“我能寫什么”，而是“我能調誰干活”

這場結構轉變，最難的不是技術升級，而是身份認知的變化。

扎克伯格明確說：

“工程師不是在‘寫代碼’，而是在‘寫結構’。”

他強調：工程師必須像產品經理一樣，具備結構感、協作思維和資源調度能力，否則就會被模型反向驅動。

而納德拉補了一句關鍵點，

Copilot 不只是助手，它是‘你的工作分身’。你需要會用它干活，而不是跟它搶活。

未來的工程師，不再靠自己打工，而是靠調度 AI 軍團創造結果。 會 prompt 只是入門，會 orchestrate（編排）才是真正的分水嶺。

?? 第三節｜最強模型？不如最會協作的組合

對話中，一個不太被外界注意的高頻詞是：Orchestration（編排）。

扎克伯格說：“第一代AI產品，是一個模型對應一個任務；但現在，我們進入了多模型協作的階段。”

納德拉補充：“你不再需要一個超級模型什么都做，而是多個專業模型互相交談，各自完成子任務。”

這不是術語上的精細化，而是下一代AI平臺的根本分歧：

• 第一代：以模型為中心，“一個大腦搞定一切”

• 第二代：以編排為中心，“多個模型各司其職”

多模型系統，才是真正的“代理操作系統”

過去我們理解的AI應用，往往是ChatGPT/DeepSeek那樣的“一問一答”，本質上是封裝了一個通用模型的接口。

而在這場對話中，扎克伯格與納德拉給出了另一個未來藍圖：

每個 AI 應用都將是一個‘編排系統’：前臺看起來是一個對話界面，后臺是多個模型在默默協作。

納德拉舉了微軟最新在做的一件事：將 Copilot 從一個“代碼生成器”升級為“任務編排器”：

• 模型A負責理解意圖；

• 模型B負責數據檢索與結構化；

• 模型C負責編碼實現；

• 然后調用安全模型驗證結果，最后通過API調用部署。

扎克伯格也提到 Meta 內部的“蒸餾工廠”實驗——

他們已經不再試圖把所有智能壓縮進一個龐大模型，而是通過多個模塊化模型協作，以實現更高效的部署和控制。

簡單說，我們不是在構建一個 AI，而是在構建一個 AI 聯盟。

MCP、A2、LoRA……是下一代開發者的新“語法”

為了支撐這種多模型結構，背后需要的是新一代的協議層與調用結構。

在這場對話中，納德拉重點提到了兩項：

• MCP（Multi-agent Coordination Protocol）： 用于調度多個模型之間的對話、數據傳遞與任務分發；

• A2協議（Agent to Agent）： 定義模型如何互相調用、響應、確認結果，避免“任務斷層”或“認知沖突”。

這類協議，就像早期的 HTTP 之于網頁瀏覽，正在成為AI 世界的基礎設施語言。

只是我們所有人才剛剛進入這個階段，就像1996年的網絡協議一樣，沒人看得懂，但它正在搭平臺。

這意味著未來的開發者，不再需要自己訓練一個萬能模型，而是需要懂得如何編排多個開源、閉源、專用模型協作，完成更復雜、更真實的任務。

模型之間，正在建立“角色分工”和“對話能力”

扎克伯格透露，在 Meta 的 Llama 系列模型內部，正在嘗試一個實驗性架構：

• 讓多個模型扮演不同的“角色”——有的負責推理，有的負責判斷，有的負責生成；

• 然后在一個統一調度環境中，通過“角色分工”完成復雜決策。

“AI 不只是會說話，更要能開會。” ——Mark Zuckerberg

他補充說，這種結構與人類組織高度相似：有人提議，有人執行，有人校驗，有人負責善后,

而當前多模型 AI 正在接近這種“系統性思維”的早期雛形。

模型調度，將成為新平臺戰爭的關鍵變量

在這場技術路線對比中，兩位 CEO 的判斷驚人一致：

未來不屬于擁有最大模型的公司，而屬于能最優調用多個模型的公司。

這背后的轉變邏輯是：

• 模型參數規模，正在趨于邊際收益遞減；

• 編排能力，才決定真正的落地效率、成本控制與安全治理；

• 而“會調度”本身，就是新的競爭力。

換句話說，AI世界將不再有一個“最強模型”，而將出現“最強組合”。

?? 第四節｜開源不是免費，而是可控

扎克伯格在LlamaCon上說了一句意味深長的話：

“Llama最大的意義，不是開源本身，而是它能被蒸餾，被適配，被每個開發者‘馴化’成自己的AI。”

這是他在對話中反復強調的一點：真正讓開源模型變得強大的，不是自由下載的權利，而是它的可定制性、可嵌入性，以及可調教性。

“蒸餾工廠”不是比喻，而是AI工程體系的范式革命

扎克伯格首次系統性地解釋了Meta內部的“蒸餾工廠”概念：

• 起點是一個多模態大型模型（如Behemoth、Maverick）；

• 經過預訓練與后訓練，提取出穩定結構；

• 再通過多輪蒸餾，生成不同規模、不同用途、不同架構的模型；

• 最終形態，是適配各種環境（移動端、邊緣設備、本地企業服務）的輕量模型。

換句話說，他們不是拿著一個幾千億參數的模型去解決所有問題，而是把它拆成一系列能落地的小模型。

這不是“弱化模型”，而是“結構重構”。

Meta 的目標，不是讓 Llama 變成一個新神，而是讓它變成千千萬萬用戶手中“自己的助手”。

微軟的定位：為蒸餾生態提供“工廠級基礎設施”

納德拉對此表示高度認同。他指出，Azure 正在做的一件重要工作，就是把“蒸餾”變成一種平臺能力：

“你可以在 Azure 上選擇一個基礎模型，然后一鍵生成自己的版本： 加上你的數據、你的任務、你的指令集，生成一個屬于你的 LLM Agent。”

他甚至提出了一個場景：

“未來 Microsoft 365 的每個企業用戶，都能在后臺部署自己的蒸餾模型，讓它服務特定場景，甚至變成內部 Copilot 系統的子模塊。”

在他看來，開源模型的優勢不是“共享”，而是“分布”。

真正有生命力的，是那些可以被用戶用低成本、高定制方式進行再訓練、再部署的模型。

這就是“馴化”的真正含義。

閉源的性能封頂，開源的結構紅利剛開始

過去幾年，閉源模型的強勢，一度讓人以為“AI壁壘=參數規模”。

但正如這場對談所揭示的，結構紅利和生態適配力，才是AI落地的決定因素。

扎克伯格指出：

“我們已經不把模型的‘大’當作評估標準，而是看它能否快速蒸餾、部署、調用。”

Meta 內部的“小 Llama”項目，正是圍繞這一戰略展開：

• 在保持一定能力的前提下，壓縮模型尺寸；

• 降低推理成本，讓其運行于消費級設備或小型企業服務器；

• 讓未來的開發者，不必再依賴“云端調用”，而能本地構建自己的 AI 助手。

真正的“開源優勢”：不靠發布，而靠組合

納德拉一語中的：“開源模型的真正價值，不在于你能不能下下來，而在于你能不能調起來。”

他強調，Azure 的價值主張不是對抗封閉模型，而是為開源生態提供調度基礎設施和工具鏈支持：

• 用最強的 GPU 集群，支持模型訓練；

• 提供模塊化模型注冊、推理路由、Agent API 等中間件服務；

• 支持用戶自建蒸餾工廠，也支持低代碼/無代碼平臺進行調用。

他總結說：

“我們過去構建的是操作系統、瀏覽器、辦公套件；現在我們要構建的是：模型工廠、代理調度層、任務執行鏈。”

?? 第五節｜組織架構，也在被AI重寫

我們不再圍繞人來構建流程，而是圍繞模型能力來重新組織任務。

而納德拉回憶：

“最早比爾·蓋茨設想微軟是一家‘工具公司’，但現在，我們開始把AI代理視為工具中的使用者。”

這兩句話勾勒出的，是一個遠比“AI賦能企業”更激進的判斷：

組織的角色，正從“管理人”向“調度智能”轉變。

公司為什么存在？是為了解決“不智能的世界”

傳統的公司架構，是為了解決三個核心問題：

1. 信息不流通 —— 所以需要“中層管理”；

2. 決策不一致 —— 所以需要“流程與匯報制度”；

3. 執行不自動 —— 所以需要“人工協同與監督”。

這三件事，每一項，都是 AI 極擅長的：

• AI 能自動聚合信息、提煉重點、生成報告；

• AI 能輔助決策，甚至直接優化策略；

• AI 能執行工作流、調用系統、自動遞交結果。

納德拉直言：“過去你需要一個團隊配合才能完成的銷售準備、客戶報告，現在一個 Copilot 代理幾分鐘就能完成。”

他舉例說明自己的實際體驗：

“我準備客戶會，不再需要秘書寫 briefing。我只需要打開 Copilot，它自動聚合 CRM、郵件、內部知識庫，生成一份我能直接講的內容。”

組織層級不是被裁撤，而是被“系統取代”

這意味著什么？ 并不是公司不再需要人，而是很多傳統的“組織中層”正在喪失其存在基礎。

扎克伯格把這種變化稱為：

“組織結構的原子化”。

他認為：一些原本依賴匯報、審批的流程，正在被 Agent 接管；

那些“靠流轉信息吃飯”的職位，正面臨結構性消失；組織正在從“層級+線性”向“模塊+實時”轉型。

在 Meta 內部，他透露一個真實案例：

“我們測試用多個 AI Agent 替代產品中層的協調會議，讓它們互發任務、調度進度、生成周報，效率比人還高，質量也更穩定。”

管理者的角色，正在從“批準者”變成“設計者”

面對這樣的變化，納德拉特別提醒：

“不是每個企業都能立刻重構流程。 但最起碼，你要開始重新定義‘什么才叫管理’。”

在微軟內部，他看到一些團隊已經發生轉變：

• 團隊 leader 不再是匯報和分發任務的中樞；

• 而是設計任務模板、設定判斷機制、優化代理交互；

• 管理者從“組織人”變成“組織代理”。

這不是輕飄飄的概念創新，而是組織效率的躍遷。

他用一句話總結這個變化：

“人變成了模型的用戶，模型也變成了組織的參與者。”

組織的三項職能，正在被系統接管

組織正在失去對人的依賴，卻也在重獲一種新的靈活性：

• 更少的內部阻力；

• 更快的反饋循環；

• 更強的定制能力；

• 更深的模型融合。

而組織中的“人”，如果無法設計、調度、駕馭這些系統，就會被架空，最終出局。

?? 第六節｜AI不是工具，而是你的“操作系統”

在對話的最后，扎克伯格說了表示：

“我們過去總以為 AI 是一把工具，是你可以選擇要不要用的。 但我越來越感覺，它更像是一套基礎設施，是你組織的一部分，就像電力和云計算。”

納德拉則回應：

“沒錯，它不是一個‘插件’，而是一個全新的生產因子。 它不僅改變了你做事的方式，還改變了‘誰有資格做事’。”

這不是兩位科技巨頭的感性表述，而是他們對 AI 結構性力量的判斷：AI 正在從“效率工具”變成“組織能力”的組成部分。

AI 是“第二層基礎設施”，寫進公司最底層

打了一個比喻來說：

就像你不會每次寫網頁都先造個瀏覽器，

未來你也不會每次寫程序都先造個模型。

模型應該作為默認環境存在。

他們甚至提出一種新范式：

• 應用 = Prompt + Orchestration + 模型編排結構；

• 文檔 = 會話歷史 + 數據引用 + 交互邏輯；

• 產品經理/工程師的任務，是定義意圖結構，而非手動制造功能代碼。

也就是說：AI 不只是支撐應用，它本身已經是應用邏輯的一部分。

分水嶺：不是你會不會用AI，而是你能不能“組織 AI”

在過去一年，很多公司都在講“用 AI 提效”“Copilot 增能”， 但在扎克伯格與納德拉看來，這還遠遠不夠。

他們一致認為：

真正的分水嶺，是你有沒有能力把 AI 組織起來，而不僅僅是調用一下

也正因如此，“技術指揮官”“模型編排器”“蒸餾工程師”“代理系統架構師”這些新角色，正在成為一線科技公司的重點培養對象。

不是你寫得快，而是你調得準。

不是你prompt高級，而是你能構建結構、管理關系、調度模型。

AI不提升GDP，是因為組織沒準備好

納德拉提出了一個冷靜但深刻的判斷：

“AI真正影響生產力，需要3~7年，這取決于組織是否真的愿意改變自己。”

他引用了一個歷史類比：

“電力普及后，并沒有立刻帶來GDP激增，直到幾十年后企業開始重構工廠結構，才真正釋放電力的價值。”

今天的AI也是如此。 你用AI寫幾封郵件、畫幾張圖，不等于你公司完成了AI轉型。

真正的轉型是：

• 把AI接入到核心工作鏈條中；

• 把AI寫進組織流程、判斷邏輯和服務交付；

• 把人的角色，從執行者轉為系統設計者。

這是一種“生產關系”的升級。

新時代的開場白：不是AI有多強，而是你準備好沒？

在這場對談結束時，主持人問他們兩人：“你們對未來最樂觀的部分是什么？”

納德拉引用了鮑勃·迪倫的那句歌詞：

“你要么忙著出生，要么忙著死亡。” “更好的選擇是：忙著重建公司系統。”

他最后總結道：“我們真正缺的不是AI技術，而是敢于重建流程、結構、定位的組織與個人。”

你以為 AI 的競爭是“模型參數”，

其實真正的比拼，是“誰能馴化它，把它納入結構，變成新型生產資料”。

這是一場關于重新定義“能動性”的較量：

• 工程師要轉型為“模型調度師”；

• 管理者要轉型為“流程架構師”；

• 公司要轉型為“AI原生組織”。

只有這樣，30%的代碼才不會只是“由AI接管”的開始，

而是一次真正的進化：你不再是執行者，而是系統的設計者與主導者。

本文由AI深度研究院出品，內容整理自2025LlamaCon大會訪談。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

原文鏈接：https://www.youtube.com/watch?v=FZ-RZ0dKO8o&t=1s&ab_channel=MetaDevelopers

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編：圖靈