以下文章来源于 AI 深度研究员 ，作者 AI 深度研究员

作者 | AI 深度研究员

来源   |   AI 深度研究员  管理智慧 AI+

咨询合作 | 13699120588

文章仅代表作者本人观点

( LlamaCon 大会，扎克伯格对话微软 CEO 萨蒂亚 · 纳德拉 )

微软 30 % 的新代码，确认已由 AI 生成。

美国时间，4 月 29 日晚的 Meta 的 LlamaCon 2025 大会上，Meta 首席执行官马克 · 扎克伯格与微软首席执行官萨蒂亚 · 纳德拉首度同台，抛出同一句论断：

工程师，不再是写代码的人，而是指挥一支 AI 小队的人。

GitHub Copilot 升级为 " 原型代理 "，能独立生成 PR、调度工作流；Meta 内部实验让每位开发者带 N 个模型 " 小徒弟 " 作战。

他们的共识只有一句：

不淘汰工程师，但会把岗位彻底重编译。

下面，本文用几个关键问题 拆解这次对话，帮你搞清：

"AI 写走 30 % 代码后，工程师还剩哪 70 %？"

" 模型小队 " 到底怎么带？"

……

读完这篇文章，你就能拿到工程师 " 下一版说明书 "。

AI 没有夺走工作，但工作换了形式

" 公司内部高达 30% 的新代码已经由 AI 编写。"

在 LlamaCon 2025 现场，微软 CEO 纳德拉甩出这句掷地有声的话。

" 不只是代码补全，Copilot 已经能独立完成原型任务，直接生成 PR，调度代码工作流。这不是辅助，这是接管。" —— Satya Nadella

这句话让现场沉默了一秒，然后全场鼓掌。

但真正值得警觉的，不是这 30% 的数字，而是它背后的结构性信号：

AI 不是来抢程序员饭碗的，它正在悄悄重写 " 什么叫工作 " 本身。

工程师的动作，被 " 剥离 " 了

扎克伯格接过话题，说了一个 Meta 内部的真实案例：

" 我们有一支团队，现在完全采用‘代理式协作流程’。开发者把任务拆解后，交由多个小型模型分别执行——生成代码、调试、测试、提交。

最后只需要一个人进行结构调整和质量验证。整整一个功能模块，从设计到上线，AI 负责了 80% 的动作。"

他用一个词来形容这种变化：" 工程师动作的剥离 "。

AI 正在把工程师每天做的那些重复性、规范化的部分一点点抽离。

过去的工程师是从 0 到 1 的 " 全能手 "：

写需求；

构建架构；

编写逻辑；

调试上线。

现在的工程师，是 " 任务发包者 "+" 结构维护员 "。

代码不再是凭手速和经验，而是凭 " 意图拆解 " 和 " 资源调度 "。

扎克伯格表示："AI 会完成你告诉它该做的事。关键不是它写得好不好，而是你‘告诉得明不明白’。"

AI 不只执行，还改变了执行的方式

纳德拉提出一个微妙却关键的判断：

"如果你还把 AI 当作效率工具，那你还停留在第一阶段。真正的转折点是—— AI 不只加速了原来的流程，它直接创造了一条新流程。"

他举了微软内部销售流程的例子：

过去：准备客户会议 = 手动查资料、写 briefing、发邮件；

现在：Copilot 实时整合 CRM 数据、企业动态、团队邮件，自动生成客户建议书。

工作成果从‘ Word 文档’变成‘实时交互式页面’。不仅内容不一样，整个工作过程都消失了。

不再是 " 用 AI 做事 "，而是 "AI 做事，人判断 "

这场对话中，最耐人寻味的，是两位 CEO 对未来角色的共识：

工程师不需要 " 更努力写代码 "，而是更会调度 AI；

开发者要从 " 动手做 "，转向 " 设计结构 "；

人类的工作不会消失，但会被迁移到 AI 系统的 " 上层逻辑 "。

大会上，扎克伯格甚至公开表示：

" 我们赌明年 Meta 内部的一半开发工作，会由 AI 主导完成。"

这不是炒作，而是现实。正如纳德拉所说：

" 我们正在进入一个时代，每一段代码、每一个功能模块，都可以问一句话：人类真的要亲手做这件事吗？"

你以为 AI 只是坐在你旁边，安静地补全几行函数， 但它其实已经在你看不见的角落里，生成了代码、提交了 PR、完成了交付。

工程师不是打工人，是 AI 调度者

" 未来的工程师，会像技术总监，带着一支由多个模型组成的 AI 小队，完成从建模到落地。" —— Mark Zuckerberg，LlamaCon 2025

这是扎克伯格在大会上最有远见的判断之一。这次大会上，没有重复 "AI 提效 ""AI 协作 " 这些老掉牙的词，他们在尝试提出了一个全新的角色设定：

技术指挥官（Technical Commander）

过去工程师最大的能力，是 " 一个人能做完一整套事情 "；而未来最有价值的能力，是 " 一个人能协调多个模型各司其职 "。

  从 " 动手能力 " 到 " 调度能力 "

在这场对谈中，两位 CEO 不约而同地指出：

工程师的竞争力，正在从 " 手速 + 经验 "，转向 " 思路 + 调度 "。

在 Meta，扎克伯格介绍了一个典型的开发场景：

高级工程师并不直接写大段逻辑；

而是使用一个多模型编排平台，把不同任务交给不同的 Llama 子模型处理；

然后再交由 Copilot 代理进行测试和部署。

扎克伯格补充：这更像一个团队作战，但这个‘团队’里没有人，全是 AI。"

纳德拉也表达了类似的观点。他提到，微软正在构建一个面向开发者的 " 代理开发栈 "，包括：

意图输入界面；

多模型决策层；

工具接入 API；

再往下，才是具体模型执行层。

在微软，开发不再是‘我会什么语言’，而是‘我能调度哪些智能资源’。

AI 工具，不再是插件，而是 " 作战单元 "

要真正成为 "AI 军团的指挥官 "，工程师不仅需要会写 prompt，更需要掌握三种新能力：

意图建模：把人类需求准确转化为模型可执行的结构任务；

模型编排：知道哪个模型适合干哪件事，如何拆分、组合、接力；

任务监督：在 AI 执行中做质量监控、结果评估、风控容错。

在这个过程中，工程师像极了一位导演：

每个模型都是演员；

Copilot 是副导演；

工具 API 是拍摄设备；

而产品上线，就是那部电影的 " 首映 "。

不再是 " 我能写什么 "，而是 " 我能调谁干活 "

这场结构转变，最难的不是技术升级，而是身份认知的变化。

扎克伯格明确说：

" 工程师不是在‘写代码’，而是在‘写结构’。"

他强调：工程师必须像产品经理一样，具备结构感、协作思维和资源调度能力，否则就会被模型反向驱动。

而纳德拉补了一句关键点，

Copilot 不只是助手，它是‘你的工作分身’。你需要会用它干活，而不是跟它抢活。

未来的工程师，不再靠自己打工，而是靠调度 AI 军团创造结果。会 prompt 只是入门，会 orchestrate（编排）才是真正的分水岭。

最强模型？不如最会协作的组合

对话中，一个不太被外界注意的高频词是：Orchestration（编排）。

扎克伯格说：" 第一代 AI 产品，是一个模型对应一个任务；但现在，我们进入了多模型协作的阶段。"

纳德拉补充：" 你不再需要一个超级模型什么都做，而是多个专业模型互相交谈，各自完成子任务。"

这不是术语上的精细化，而是下一代 AI 平台的根本分歧：

第一代：以模型为中心，"一个大脑搞定一切"

第二代：以编排为中心，" 多个模型各司其职 "

  多模型系统，才是真正的 " 代理操作系统 "

过去我们理解的 AI 应用，往往是 ChatGPT/DeepSeek 那样的 " 一问一答 "，本质上是封装了一个通用模型的接口。

而在这场对话中，扎克伯格与纳德拉给出了另一个未来蓝图：

每个 AI 应用都将是一个‘编排系统’：前台看起来是一个对话界面，后台是多个模型在默默协作。

纳德拉举了微软最新在做的一件事：将 Copilot 从一个 " 代码生成器 " 升级为 " 任务编排器 "：

模型 A 负责理解意图；

模型 B 负责数据检索与结构化；

模型 C 负责编码实现；

然后调用安全模型验证结果，最后通过 API 调用部署。

扎克伯格也提到 Meta 内部的 " 蒸馏工厂 " 实验——  

他们已经不再试图把所有智能压缩进一个庞大模型，而是通过多个模块化模型协作，以实现更高效的部署和控制。

简单说，我们不是在构建一个 AI，而是在构建一个 AI 联盟。

  MCP、A2、LoRA ……是下一代开发者的新 " 语法 "

为了支撑这种多模型结构，背后需要的是新一代的协议层与调用结构。

在这场对话中，纳德拉重点提到了两项：

MCP（Multi-agent Coordination Protocol）：用于调度多个模型之间的对话、数据传递与任务分发；

A2 协议（Agent to Agent）：定义模型如何互相调用、响应、确认结果，避免 " 任务断层 " 或 " 认知冲突 "。

这类协议，就像早期的 HTTP 之于网页浏览，正在成为 AI 世界的基础设施语言。

只是我们所有人才刚刚进入这个阶段，就像 1996 年的网络协议一样，没人看得懂，但它正在搭平台。

这意味着未来的开发者，不再需要自己训练一个万能模型，而是需要懂得如何编排多个开源、闭源、专用模型协作，完成更复杂、更真实的任务。

模型之间，正在建立 " 角色分工 " 和 " 对话能力 "

扎克伯格透露，在 Meta 的 Llama 系列模型内部，正在尝试一个实验性架构：

让多个模型扮演不同的 " 角色 " ——有的负责推理，有的负责判断，有的负责生成；

然后在一个统一调度环境中，通过 " 角色分工 " 完成复杂决策。

"AI 不只是会说话，更要能开会。" —— Mark Zuckerberg

他补充说，这种结构与人类组织高度相似：有人提议，有人执行，有人校验，有人负责善后 ,

而当前多模型 AI 正在接近这种 " 系统性思维 " 的早期雏形。

模型调度，将成为新平台战争的关键变量

在这场技术路线对比中，两位 CEO 的判断惊人一致：

未来不属于拥有最大模型的公司，而属于能最优调用多个模型的公司。

这背后的转变逻辑是：

模型参数规模，正在趋于边际收益递减；

编排能力，才决定真正的落地效率、成本控制与安全治理；

而 " 会调度 " 本身，就是新的竞争力。

换句话说，AI 世界将不再有一个 " 最强模型 "，而将出现 " 最强组合 "。

开源不是免费，而是可控

扎克伯格在 LlamaCon 上说了一句意味深长的话：

"Llama 最大的意义，不是开源本身，而是它能被蒸馏，被适配，被每个开发者‘驯化’成自己的 AI。"

" 蒸馏工厂 " 不是比喻，而是 AI 工程体系的范式革命

扎克伯格首次系统性地解释了 Meta 内部的 " 蒸馏工厂 " 概念：

起点是一个多模态大型模型（如 Behemoth、Maverick）；

经过预训练与后训练，提取出稳定结构；

再通过多轮蒸馏，生成不同规模、不同用途、不同架构的模型；

最终形态，是适配各种环境（移动端、边缘设备、本地企业服务）的轻量模型。

换句话说，他们不是拿着一个几千亿参数的模型去解决所有问题，而是把它拆成一系列能落地的小模型。

这不是 " 弱化模型 "，而是 " 结构重构 "。

Meta 的目标，不是让 Llama 变成一个新神，而是让它变成千千万万用户手中 " 自己的助手 "。

微软的定位：为蒸馏生态提供 " 工厂级基础设施 "

纳德拉对此表示高度认同。他指出，Azure 正在做的一件重要工作，就是把 " 蒸馏 " 变成一种平台能力：

" 你可以在 Azure 上选择一个基础模型，然后一键生成自己的版本：加上你的数据、你的任务、你的指令集，生成一个属于你的 LLM Agent。"

他甚至提出了一个场景：

" 未来 Microsoft 365 的每个企业用户，都能在后台部署自己的蒸馏模型，让它服务特定场景，甚至变成内部 Copilot 系统的子模块。"

在他看来，开源模型的优势不是 " 共享 "，而是 " 分布 "。

真正有生命力的，是那些可以被用户用低成本、高定制方式进行再训练、再部署的模型。

这就是 " 驯化 " 的真正含义。

  闭源的性能封顶，开源的结构红利刚开始

过去几年，闭源模型的强势，一度让人以为 "AI 壁垒 = 参数规模 "。

但正如这场对谈所揭示的，结构红利和生态适配力，才是 AI 落地的决定因素。

扎克伯格指出：

" 我们已经不把模型的‘大’当作评估标准，而是看它能否快速蒸馏、部署、调用。"

Meta 内部的 " 小 Llama" 项目，正是围绕这一战略展开：

在保持一定能力的前提下，压缩模型尺寸；降低推理成本，让其运行于消费级设备或小型企业服务器；

让未来的开发者，不必再依赖 " 云端调用 "，而能本地构建自己的 AI 助手。

真正的 " 开源优势 "：不靠发布，而靠组合

纳德拉一语中的：" 开源模型的真正价值，不在于你能不能下下来，而在于你能不能调起来。"

他强调，Azure 的价值主张不是对抗封闭模型，而是为开源生态提供调度基础设施和工具链支持：用最强的 GPU 集群，支持模型训练；

提供模块化模型注册、推理路由、Agent API 等中间件服务；

支持用户自建蒸馏工厂，也支持低代码 / 无代码平台进行调用。

他总结说：

" 我们过去构建的是操作系统、浏览器、办公套件；现在我们要构建的是：模型工厂、代理调度层、任务执行链。"

组织架构，也在被 AI 重写

我们不再围绕人来构建流程，而是围绕模型能力来重新组织任务。

而纳德拉回忆：

" 最早比尔 · 盖茨设想微软是一家‘工具公司’，但现在，我们开始把 AI 代理视为工具中的使用者。"

这两句话勾勒出的，是一个远比 "AI 赋能企业 " 更激进的判断：

组织的角色，正从 " 管理人 " 向 " 调度智能 " 转变。

公司为什么存在？是为了解决 " 不智能的世界 "

传统的公司架构，是为了解决三个核心问题：

信息不流通 —— 所以需要 " 中层管理 "；

决策不一致 —— 所以需要 " 流程与汇报制度 "；

执行不自动 —— 所以需要 " 人工协同与监督 "。

这三件事，每一项，都是 AI 极擅长的：

AI 能自动聚合信息、提炼重点、生成报告；

AI 能辅助决策，甚至直接优化策略；

AI 能执行工作流、调用系统、自动递交结果。

纳德拉直言：" 过去你需要一个团队配合才能完成的销售准备、客户报告，现在一个 Copilot 代理几分钟就能完成。"

他举例说明自己的实际体验：

" 我准备客户会，不再需要秘书写 briefing。我只需要打开 Copilot，它自动聚合 CRM、邮件、内部知识库，生成一份我能直接讲的内容。"

组织层级不是被裁撤，而是被 " 系统取代 "

这意味着什么？并不是公司不再需要人，而是很多传统的 " 组织中层 " 正在丧失其存在基础。

扎克伯格把这种变化称为：

" 组织结构的原子化 "。

他认为：一些原本依赖汇报、审批的流程，正在被 Agent 接管；

那些 " 靠流转信息吃饭 " 的职位，正面临结构性消失；组织正在从 " 层级 + 线性 " 向 " 模块 + 实时 " 转型。

在 Meta 内部，他透露一个真实案例：

" 我们测试用多个 AI Agent 替代产品中层的协调会议，让它们互发任务、调度进度、生成周报，效率比人还高，质量也更稳定。"

  管理者的角色，正在从 " 批准者 " 变成 " 设计者 "

面对这样的变化，纳德拉特别提醒：

" 不是每个企业都能立刻重构流程。

但最起码，你要开始重新定义‘什么才叫管理’。"

在微软内部，他看到一些团队已经发生转变：

团队 leader 不再是汇报和分发任务的中枢；

而是设计任务模板、设定判断机制、优化代理交互；

管理者从 " 组织人 " 变成 " 组织代理 "。

这不是轻飘飘的概念创新，而是组织效率的跃迁。

他用一句话总结这个变化：

" 人变成了模型的用户，模型也变成了组织的参与者。"

组织的三项职能，正在被系统接管

组织正在失去对人的依赖，却也在重获一种新的灵活性：

更少的内部阻力；

更快的反馈循环；

更强的定制能力；

更深的模型融合。

而组织中的 " 人 "，如果无法设计、调度、驾驭这些系统，就会被架空，最终出局。

AI 不是工具，而是你的 " 操作系统 "

在对话的最后，扎克伯格说了表示：

" 我们过去总以为 AI 是一把工具，是你可以选择要不要用的。但我越来越感觉，它更像是一套基础设施，是你组织的一部分，就像电力和云计算。"

纳德拉则回应：

" 没错，它不是一个‘插件’，而是一个全新的生产因子。它不仅改变了你做事的方式，还改变了‘谁有资格做事’。"

这不是两位科技巨头的感性表述，而是他们对 AI 结构性力量的判断：AI 正在从 " 效率工具 " 变成 " 组织能力 " 的组成部分。

AI 是 " 第二层基础设施 "，写进公司最底层

打了一个比喻来说：就像你不会每次写网页都先造个浏览器，

未来你也不会每次写程序都先造个模型。

模型应该作为默认环境存在。

他们甚至提出一种新范式：

应用 = Prompt + Orchestration + 模型编排结构；

文档 = 会话历史 + 数据引用 + 交互逻辑；

产品经理 / 工程师的任务，是定义意图结构，而非手动制造功能代码。

也就是说：AI 不只是支撑应用，它本身已经是应用逻辑的一部分。

分水岭：不是你会不会用 AI，而是你能不能 " 组织 AI"

在过去一年，很多公司都在讲 " 用 AI 提效 ""Copilot 增能 "， 但在扎克伯格与纳德拉看来，这还远远不够。

他们一致认为：

真正的分水岭，是你有没有能力把 AI 组织起来，而不仅仅是调用一下

也正因如此，" 技术指挥官 "" 模型编排器 "" 蒸馏工程师 "" 代理系统架构师 " 这些新角色，正在成为一线科技公司的重点培养对象。

不是你写得快，而是你调得准。

不是你 prompt 高级，而是你能构建结构、管理关系、调度模型。

  AI 不提升 GDP，是因为组织没准备好

纳德拉提出了一个冷静但深刻的判断：

"AI 真正影响生产力，需要 3~7 年，这取决于组织是否真的愿意改变自己。"

他引用了一个历史类比：

" 电力普及后，并没有立刻带来 GDP 激增，直到几十年后企业开始重构工厂结构，才真正释放电力的价值。"

今天的 AI 也是如此。你用 AI 写几封邮件、画几张图，不等于你公司完成了 AI 转型。

真正的转型是：

把 AI 接入到核心工作链条中；

把 AI 写进组织流程、判断逻辑和服务交付；

把人的角色，从执行者转为系统设计者。

这是一种 " 生产关系 " 的升级。

  新时代的开场白：不是 AI 有多强，而是你准备好没？

在这场对谈结束时，主持人问他们两人：" 你们对未来最乐观的部分是什么？"

纳德拉引用了鲍勃 · 迪伦的那句歌词：

" 你要么忙着出生，要么忙着死亡。"

" 更好的选择是：忙着重建公司系统。"

他最后总结道：" 我们真正缺的不是 AI 技术，而是敢于重建流程、结构、定位的组织与个人。"

你以为 AI 的竞争是 " 模型参数 "，

其实真正的比拼，是 " 谁能驯化它，把它纳入结构，变成新型生产资料 "。

这是一场关于重新定义 " 能动性 " 的较量：

工程师要转型为 " 模型调度师 "；

管理者要转型为 " 流程架构师 "；

公司要转型为 "AI 原生组织 "。

只有这样，30% 的代码才不会只是 " 由 AI 接管 " 的开始，

而是一次真正的进化：你不再是执行者，而是系统的设计者与主导者。

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