市场正在重新定价什么?从微软到 NVIDIA

微软接近 4 万亿美元,NVIDIA 接近 5 万亿美元。

利润、现金流和护城河能够解释其中很大一部分。但每次看到这些数字,我总觉得还有别的东西藏在里面。

2026 年的这些价格,像 90 年代的科幻电影海报。

许多科幻作品最终猜错了未来。飞行汽车没有普及,全息世界也没有出现。但几十年后回头看,它们依然有价值,因为它们记录了那个时代最认真的想象。

价格有时也会留下类似的痕迹。

微软和 NVIDIA 真正吸引人的地方,不是某一次发布会,也不是某个新功能,而是资源流向了哪里。企业会调整路线图,也会修改产品定义,资本、人才和时间没那么容易改变方向。很多时候,资源配置比观点更有信息量,因为企业最终会把最宝贵的东西放到自己最相信的地方。

(就在最近,微软 Build 2026 将 Agent Framework、Foundry Agent Service、治理与可观测性推向前台;NVIDIA 则在 Computex 2026 持续推动 Agentic AI、AI Factory 和下一代计算平台。这些发布未必决定未来,但它们让资源正在流向哪里变得更加清晰。)

如果把微软放在更长的时间尺度里看,Office、Exchange、SharePoint、Dynamics、Azure 这些产品虽然属于不同年代,也服务着不同客户,但它们长期连接着专业市场中的开发者、知识工作者和各类组织。

在 AI 技术推动下,搜索资料、翻译内容、整理信息、编写代码,越来越多过去依赖专业能力和经验积累才能高效完成的工作,开始被规模化供给。

变化的不是需求本身,而是满足需求所需要投入的能力、成本和时间。在 AI 技术推动下,信息处理、任务理解和部分执行能力越来越容易获得,许多过去受限于专业人才数量、经验积累和响应速度的工作,开始走向自动化、持续化和规模化。

但能力本身并不会自动创造价值。只有当这些能力能够理解环境、融入流程、参与协作并产生结果时,它们才真正成为组织能力。

从 Build 2026 释放的信号来看,微软押注的或许不是某个具体产品,而是 Agent 将逐渐成为一种新的软件单元。

Agent 成立的前提并不只是模型能力,也不只是数据,而是能否获得完成任务所需的上下文。

这些上下文既包括文档、代码、权限和工作流,也包括组织长期积累的判断、规则和协作方式。理解目标、调用工具、访问数据、遵循权限、融入工作流程只是其中一部分。很多工作真正困难的地方,在于如何取舍、如何排序优先级,以及如何在多个合理答案之间做出选择。

这恰好也是微软长期积累的位置。Office、Teams、SharePoint、Dynamics、GitHub、Entra 和 Azure 分别承载着文档、沟通、知识、业务流程、代码、身份权限和运行环境。这些产品单独看属于不同业务,放在 Agent 时代看,却共同构成了工作发生时的上下文。

随着越来越多工作由 Agent 参与完成,问题不再只是如何获得能力,而是如何让这些能力理解环境、参与协作并承担任务。

微软正在把这些问题产品化。

微软争夺的就不只是 AI 模型,而是 Agent 的运行、治理和分发平台。

NVIDIA 站在另一侧。

如果微软押注的是能力如何被组织和使用,那么 NVIDIA 押注的是这些能力将被大规模创造和调用。

Agent、推理模型、数字员工、AI Factory,无论最终以什么形式落地,它们都需要计算资源。

如果未来的软件和今天的软件不同,如果越来越多任务围绕模型展开,计算资源应该如何组织?NVIDIA 也在围绕自己的答案配置资源。

两家公司看到的东西并不完全相同,但把它们放在一起看,资源配置却指向了相似的方向:信息处理成本正在下降,能力供给正在增加,而新的组织方式正在形成。

再回到最开始那两个数字。

微软接近 4 万亿美元,NVIDIA 接近 5 万亿美元。

利润和现金流能够解释今天,资源配置能够解释企业正在押注什么,剩下的部分,或许来自市场对未来组织方式和计算方式的想象。

市场未必只是在为今天投票,更像是在为某种未来投票。未来的工作会是什么样子?企业会如何组织?计算会在其中扮演什么角色?

多年以后回头看,微软、NVIDIA,以及围绕它们产生的热情、争论和估值,或许会像 90 年代的科幻电影一样,被反复提起。

不一定是正确答案。

但会是这个时代留下来的痕迹。


AI 生成说明

本文由 AI 协助生成。

作者负责观察、判断与最终取舍。

AI 负责讨论、整理与表达。

一个有趣的事实是,本文最后几十个字的修改,花费的时间远超部分正文。

大多数修改在逻辑和表达上都成立,却依然被反复驳回。随着信息处理成本不断下降,生成答案会越来越便宜。真正稀缺的,或许不是答案本身,而是判断哪些答案应该被保留、哪些应该被舍弃。

Agent 需要上下文,人也一样。很多时候,文档、数据和规则并不足以完成工作,判断、取舍和审美同样属于上下文的一部分。至少在这篇文章里,事实如此。