ARTICLE · 1189056
微软和纳德拉没告诉你的是:AI 时代的软件,正在重回“规则驱动”
10月8日我发表了一篇《你的软件如何吃掉世界》的文章。
10月9日，看到了两篇在技术圈和投资圈刷屏的文章，一篇是微软CEO萨蒂亚·纳德拉（Satya Nadella）发布的《无限 SaaS 工厂》（The Infinite SaaS Factory），另一篇是技术观察家乔什·罗森（Josh Rosen）深度剖析应用层演进的《技能包：剖析新的应用层》（Skill Bundles: Dissecting the New Application Layer）。
作为一名每天都在跟企业级系统、交付和AI工作流打交道的“老登”，读完这两篇文章，我有一种强烈的兴奋感——过去几十年我们所熟知、由无数个菜单、按钮和表单堆砌起来的传统 SaaS（软件即服务）时代，正在被推倒重来。一个由“技能包（Skill Bundles）”驱动、以“智能体（Agents）”为核心的全新应用层，正在从理论走向现实。
今天，我想结合我的理解和这两篇文章，和大家深聊聊：我们的软件逻辑，究竟发生了怎样颠覆性的重构？
一、 我们过去究竟是怎么和软件“搏斗”的？
回想一下我们每天的工作场景：打开电脑，为了完成一个完整的业务闭环（比如处理一笔订单、跟进一个客户、或者出一份财务分析），我们需要在 CRM、ERP、电子表格、即时通讯工具和各种独立 App 之间像个“消防员”一样四处切屏。
纳德拉在文章里有一个非常犀利的诊断：“我们在工作中仍然花费大量时间与软件打交道。我们需要在不同的应用程序之间切换，每次都要重新构建上下文，并将我们想要做的事情转换成每个系统期望的步骤。”
这句话简直直击痛点。传统软件的底层逻辑是“人适应软件”。软件把业务逻辑切碎成无数个孤立的功能模块（Module），散落在不同的页面和权限节点里。人类大脑不得不充当那个痛苦的“胶水”和“路由”，手动去迁移数据、对齐上下文、把业务目标翻译成系统看得懂的点击和输入。
这种反人类的交互模式，在 AI 时代终于迎来了终结。
二、 新应用层：“技能包（Skill Bundles）”
如果说纳德拉描绘的是宏观的商业图景，那么乔什·罗森（Josh Rosen）的《技能包：剖析新的应用层》则精准地解剖了支撑这幅图景的微观工程骨架。
现在的科技巨头（如 OpenAI、Stripe、Cloudflare、Vercel 以及微软刚刚为 Dynamics 365 推出的 30 多个全新 Copilot 技能）正在做一件事情：把软件能力打包成一整套“技能包（Skill Bundles）”。
仔细研究这些领先的技能包，你会发现它们具备几个极其关键的设计维度：
工作分解（Decomposing Work）：复杂的技能包不再围绕“软件功能”组织，而是围绕“真实世界的工作单元”来组织（例如，一个投资分析技能包会把盈利分析、估值建模和投资备忘录打包在一起）。它模拟的是人类专业工作的完整职责，而不是系统的菜单。
路由工作（Routing the Work）：在庞大的技能包前面，通常会有一个类似微服务网关的“路由层”，负责精准识别用户的真实意图，判断任务该分发给哪个主技能，并调度哪些支持工具。或者你可以理解为meta skill来处理。
连接工具（Connecting Skills to Tools）：技能包将“关于工作的指令（Instructions）”与“执行工作的工具（Tools）”进行了优雅的分离。技能负责定义职责、边界、业务流程和决策规则；而底层的 SQL 查询、API 调用、支付处理或数据持久化，则由底层的确定性代码去执行。
类型化与输出验证（Typing & Validating Outputs）：大模型最让人头疼的是它的概率性。为了保证企业级应用的严谨，优秀的技能包开始引入结构化的数据契约（如
artifact.json）和专用的评估工具（如 Plugin Eval），让代理在把数据渲染或写回系统前，先通过校验器进行严格的自检。
简而言之，软件的最小原子单位，已经从过去的一个“按钮/页面”演变为一项“可被智能体调用的专业技能”。
三、 微软：Copilot 作为“新 OS”，直奔“无限 SaaS 工厂”
当我们将视野拉回纳德拉的文章，微软在企业级市场上开出的药方，跟这种工程设计完美契合。
微软提出，仅仅把零散的 LLM API 暴露出来是远远不够的。企业要的是落地，这就需要构建一个双层甚至多层的全新架构：
前端交互层（The "Head"）：以 Copilot 作为统筹万物的“新操作系统”。它跨越各种模型和终端形态，通过 Chat、Cowork、Autopilot 甚至 Code 等多种模式，让用户直接用自然语言指挥工作。
无头业务逻辑层（The "Headless Layer"）：通过 Microsoft IQ 以及底层托管环境 Microsoft Copilot Managed Runtime，把企业长期锁在 CRM、ERP 等核心系统里的业务逻辑、上下文和规则变成大模型可以调用的“技能”。这些代码运行在企业自己的环境中，受到严格的 IT 治理和安全管控。
这引出了纳德拉文章中核心概念——“无限 SaaS 工厂”（The Infinite SaaS Factory）。
过去，企业想要一个定制化的 SaaS 功能，需要漫长的需求评审、代码开发、测试上线，成本极高。而在“无限 SaaS 工厂”的模式下，你只需要走到 Copilot Code 面前，用自然语言描述你的业务需求。借助于现有的 Dataverse 模式、底层业务逻辑和海量预置技能包，系统可以极其低摩擦地“无感生成”或定制一个全新的 SaaS 模块。
这是一个真正意义上的“个人化软件（Personal Software）”时代：千人千面的业务应用由 AI 实时动态生产，但它们依然严丝合缝地连接着企业最核心的记录系统（Systems of Record）。
四、 混合工程：当概率性智能遇到确定性软件
在研究这两篇文章时，我注意到一个极其清醒的共识——无论是罗森提到的输出验证，还是纳德拉反复强调的治理原则，都在向我们传递一个信号：AI 时代，我们绝不能用大模型去干所有的事情。
纳德拉在文章中明确指出：“因为这些技能与您的记录系统深度集成，我们可以把 Token 消耗在真正能够带来智能增值的环节上，而在需要快速、廉价且高度可靠的执行环节，依然要依赖确定性软件（Deterministic Software）。”
这就是未来企业级架构的终极形态：概率性推理 + 确定性代码的混合体。 当然现在模型世界也是百花齐放，Jev这种"系统一"（System One）模型也应该在这个终极形态中占据一席之地。
大模型和智能体负责做最擅长的事：理解复杂的意图、处理非结构化的上下文、在多技能间进行优雅的调度与规划；而一旦涉及到写数据库、记账、扣款、状态变更等对准确性要求极高的核心动作，必须无条件交给严格遵循业务规则的传统代码去完成。
智能体的爆发，不仅没有削弱传统记录系统（Systems of Record）的价值，反而让它变得前所未有的重要——因为它是整个企业可信状态的锚点。这个和我之前提到的数据是企业的护城河观点是完全吻合匹配的。
五、 软件的“分水岭”
站在 2026 年的时间节点回看，软件行业过去四十年走过了一条“把简单的事情通过复杂菜单变繁琐”的道路；而今天，以“技能包”和“Copilot”为核心的新应用层，正在把这条路重新扭转过来——把复杂留给底层复杂的智能与工程，把极简还给最终工作的人类。
正如纳德拉所描绘的宏伟蓝图，我们正在跨越分水岭，从“购买标准化 SaaS”走向“在无限 SaaS 工厂中按需生产工作流”。这不仅是微软的战略方向，更是每一个身处数字化浪潮中的产品人和开发者，必须直面的时代大考。
正如我提到的从 Oracle EBS 到 PeopleSoft，再到传统 SaaS，企业软件的每一步演进都是架构的根本变革（从客户端到服务器再到云端部署）。AI 时代同样如此，绝不是简单外挂一个 AI 对话框，而是要深入架构，**AI 不是创可贴，AI 正在倒逼软件架构重写。
同时纳德拉等也验证了saas已死是一个伪命题，正如我之前提到的HR领域的复杂规则，是无法轻易被抹平的行业Know-how鸿沟，那些认为 SaaS 已死、AI 能瞬间平推一切的人，多半没有真正进到企业核心业务的“深水区”。业务规则的复杂性、合规性的刚性、历史状态的可追溯性，决定了记录系统依然是不可动摇的关键。
罗森提出的“围绕真实世界的工作单元分解技能”，以及纳德拉提到的用 Copilot 打通端到端工作流、本质上都在指向同一个未来：软件不再靠人类程序员痛苦地修改表单和配置来适应业务变化，而是通过规则与智能体的协同实现自适应。 这就是我提到的软件产品的第三层。
软件的形态变了，而我们的思维方式，也该彻底升级了。
-> 欢迎你点赞并转发，关注我 @roger.ai，获取更多关于AI的知识和企业实践。企业在AI转型过程有任何挑战也欢迎交流。roger.ai是我在公众号、知乎、小红书唯一的账号。
