微软CEO纳德拉：程序员不会消失51CTO技术栈
6月中旬，微软CEO纳德拉（Satya Nadella）又被问到了一个AI老生常谈的问题：程序员到底会不会被Agent替代？
这一次，Nadella没说那种毫无价值的安慰话。
在Hard Fork的现场访谈里，主持人问题尖锐：现在有公司说AI会让他们减少招聘，也有公司说自己永远招不够工程师。那两年后，软件工程师到底会变多，还是变少？
Nadella给出来的判断是：
未来的软件开发者，技能可能还差不多，但工作内容会完全不同。接下来，开发者要管理的可能是一组Agent，100个，甚至1000个。
这些Agent会自己执行任务。
开发者的核心工作，也会从“亲手把每一行代码写出来”，转向理解这些Agent做了什么、为什么这么做、有没有做错、出了问题谁来兜底。
Nadella还提到了一个新词：cognitive coverage（认知覆盖率）。
以前团队考核测试覆盖率，是为了确保关键逻辑都有用例支撑。
未来Agent写出来的代码越来越多，开发团队还要确认另一件事：这些改动为什么发生，决策链能不能解释，架构约束有没有被突破，人是否真的理解了Agent做过什么。
这才是AI编程进入“深水区”后，最容易被忽略的问题。
代码生成速度越快，治理问题越会被放大。Agent越能干，开发者越不能只盯着“能不能跑”，还要盯着“能不能解释、能不能审计、能不能控制成本”。
Nadella在访谈里还专门谈到token economics。他直言，生产力提升的边际价值，必须配得上token的边际成本。
企业不能为了追求Token Maxing，在非核心任务上无节制消耗最强模型的算力。
所以，这场访谈更像是在提醒开发者：Agent时代来了，职业重心正在从写代码，转向治理AI系统。
以下是访谈核心内容整理。
AI经济不能只围着几个模型转
记者：微软这几年在AI上动作很多。你现在怎么看AI的发展阶段？
Satya Nadella：我们正在从一种单一的AI讨论里走出来。过去大家总是在谈前沿模型，谈哪家公司、哪个模型站在最前面。
但如果AI真的要改变经济，它就不能只围着一个模型、三家公司或者一张榜单转。AI能力必须扩散到更多地方，让更多国家、更多企业、更多行业都能在自己的场景里使用这些工具。
对微软来说，我们做的是平台和工具。Build开发者大会上，我们讨论的就是这个问题：能不能让每个国家、每家企业都拥有站到AI前沿的能力。
如果前沿模型越来越强，经济增长却仍然只有2%左右，那这个故事还没有真正成立。AI要像电力一样成为通用技术，它的价值必须被足够广泛地使用出来。
下一代设备，要为长期运行的Agent准备
记者：你最近提到过“Agent-first”的设备形态。这个方向到底是什么样？
Satya Nadella：一个变化来自PC本身。现在新的芯片和本地算力正在进入设备，比如带有RTX能力的PC，能把更强的模型能力带到本地。
如果你真的要让Agent全天候运行，算力、token和设备形态都会变得非常关键。你需要的入口也会超过今天这种应用形态，变成一种能随时感知、随时接收输入、随时把语音和环境转成提示的设备。
比如一个医院护士在不同站点之间移动，他可能需要一个能扫描、能听取语音、能把现场信息变成prompt的设备。
手机还会继续存在，但在Agent世界里，我们会看到更强的环境智能。
这也是为什么新的形态很重要。目标关键在于让Agent真正进入人的工作现场。
未来的软件开发者，可能要管理1000个Agent
记者：很多人现在最关心就业。AI到底会不会减少工程师岗位？两年后，软件工程师会变多还是变少？
Satya Nadella：我不会说没有冲击，工作流一定会改变。以软件开发为例，变化会比“工程师变少”或者“工程师消失”复杂得多。
可以想象一下，如果很早以前有人说，全世界会有35亿人成为打字员，我们可能会反问：世界为什么需要这么多打字员？但今天，每个人都在打字，因为我们实际上做的是信息工作和知识工作。
软件开发也会发生类似变化。过去的软件开发者和未来的软件开发者，可能仍然需要相似的基础技能，但他们做的工作会不同。
未来的软件开发者，管理的可能是一组Agent。100个Agent，甚至1000个Agent。
当你拥有100个CLI、100个coding agent时，你会需要新的开发环境来管理这种复杂度。它可能不再只是IDE，也许会出现一种新的ADE，用来承接Agent带来的复杂工作流。
开发者的工作会变得更像元认知工作。你要理解Agent在做什么，为什么这么做，怎么协调它们，怎么判断结果是否可靠。
测试覆盖率之后，开发团队还要补认知覆盖率
测试覆盖率看的是“代码有没有跑过测试”，认知覆盖率看的是“人有没有看懂这次改动”。
记者：如果一个仓库里越来越多代码由Agent写出来，团队怎么确认这些代码可靠？
Satya Nadella：软件开发里一直有测试覆盖率这个概念。现在我们正在学习一种新的东西，我称之为认知覆盖率。
什么是认知覆盖率？假设我有一个代码仓库，里面充满Agent写出来的代码。作为软件开发者，我需要在认知上理解到底发生了什么。
这意味着我需要新的工具，帮助我确认自己真的理解这些改动。Agent改了什么，为什么这么改，这些变化会怎样影响整个工作流，都需要被看见。
软件从输入到输出，本身就是一种工件。但工作流变了，工作本身也会跟着变。认知覆盖率，就是软件开发者在Agent时代必须建立的新能力。
这一段最值得开发团队反复看。测试通过，只说明代码在某些用例里跑通了。认知覆盖率要解决的是另一层问题：团队是否理解了Agent的决策链，是否知道它有没有绕开架构约束，是否能在事故发生时回放、追责和撤销。
人类的新价值：成为系统治理的“胶水”
胶水工作：把不同人、不同系统、不同流程粘在一起的工作。
记者：很多人想听到更确定的答案。工作会不会变少？如果工作变了，人会不会赚得更多？
Satya Nadella：问题在于，社会到底看重什么。
过去两百多年，很多价值都围绕某种专业知识、某种深度技能展开。当一些专业能力变得更容易获得，人类会继续形成新的专业能力。
人力资本仍然非常重要。即便我们拥有大量数字系统，人类仍然会处理胶水工作。随着自动化增加，还会出现新的胶水工作。
所谓胶水工作，就是那些把系统、流程、组织、判断连接起来的工作。AI可以处理很多任务，但组织里的很多东西没法完整写进prompt。
放在开发团队里，这句话非常具体。
业务需求怎么判断，接口边界怎么定，权限怎么开，风险怎么兜底，跨部门冲突怎么协调，上线后谁负责解释结果，这些都属于胶水工作。
Agent越多，胶水工作越不会消失，只会变得更难、更贵、更需要人治理。
AI工程的成本原则：拒绝盲目Token消耗
记者：你之前说过，判断AGI是否真正到来，要看GDP增长有没有明显变化。现在你还这么看吗？
Satya Nadella：这里有一个很现实的问题，就是token economics。
残酷现实是，生产力提升的边际价值，必须匹配token的边际成本。这是一种管理纪律。
你不能为了追求Token Maxing，就无脑堆砌资源，更不能在非核心问题上一直消耗最强模型的算力。企业必须从中获得真实收益。
新鲜感过去之后，你要退一步问自己：我到底在创造什么？
我的建议是，不要用前沿模型处理非前沿问题。把任务和模型匹配起来，才能得到合理的产出经济性。否则就会变成一场没有增加价值的消耗竞赛。
这句话也把AI工程拉回现实。Agent时代的技术负责人，不能只盯模型排行榜，还要盯模型路由、缓存、权限、任务分级和账单。简单任务用便宜模型，复杂推理再上前沿模型，能检索就别把整座仓库塞进上下文窗口，能缓存就别反复烧同一段token。
