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。
