Arista Networks CEO访谈：AI热度远超2000年，但是真实需求也远超供给——In Good Company系列56
挪威主权基金CEO Nicolai Tangen主持了一档播客《In Good Company》，邀请其持仓的公司的CEO或各个领域有建设的领导人进行访谈。
挪威主权基金是全世界最大的主权基金之一，挪威人发现海上油气资源后，将其转化为基金，投资全世界的好公司。挪威人口只有全球人口的不到0.1%，但是他们持有全世界上市公司的股份达到1.5%+。
2025年12月31日，本期嘉宾网络公司 Arista Networks CEO Jayshree Ullal 。
以下是访谈内容正文，该文章由豆包翻译，问答略有删减：
尼古拉・坦甘（Nicolola Tangan）：各位好，我是挪威主权财富基金首席执行官尼古拉・坦甘。今天，我们有幸邀请到一位对人工智能领域至关重要的嘉宾 —— 她就是杰出的网络巨头，阿里斯塔网络公司（Arista Networks）首席执行官茱莉・厄尔（Jri Ul）。
茱莉拥有超过 40 年的网络行业从业经验，论及这个领域，没人比她更有发言权。阿里斯塔到底是做什么的？
茱莉・厄尔：这个问题可大有来头。简单来说，阿里斯塔专注于构建全球要求最严苛的关键任务网络—— 这类网络需要具备高性能、大规模、低延迟、高可靠性、高可用性、高自动化和高遥测能力。可以说，它需要同时满足多维度的严苛标准。而在过去十年间，阿里斯塔脱颖而出，不仅成为这一领域的开拓者，更稳居行业领导者的地位。
尼古拉・坦甘：我听过一个比喻，芯片好比是引擎，那网络就是连接引擎的高速公路。这个说法对吗？
茱莉・厄尔：这个比喻很贴切。尤其是在人工智能的算力世界里，不管是图形处理器（GPU）、自适应处理器（APU）还是其他各类加速器（XPU），芯片都是核心动力来源。但光有芯片还不够，关键在于你能否把芯片的性能完全发挥出来。
打个比方，如果一辆车的理论最高时速是 100 英里，但因为基础设施跟不上，实际只能跑到 30 英里，那这辆车的性能就被严重浪费了。放在人工智能领域，这个 “车” 就是 GPU。而我们阿里斯塔，就是连接所有加速器、终端用户和关键任务负载的 “信息高速公路”。
尼古拉・坦甘：这么说吧，假设我现在坐在办公室里，在聊天软件上输入一个指令。这个过程中，我是怎么接触到你们的产品的？具体会发生什么？
茱莉・厄尔：我们的产品其实一直深藏幕后。我父母以前总问我 “你到底是做什么的”，因为他们根本看不到我工作的成果。当你在聊天框输入指令时，我们正在做的，就是让所有设备、系统实现互联互通 —— 没有我们的技术，这场播客访谈都没法顺利进行。
无论是用户、终端设备、任务负载、服务器、存储系统，还是如今层出不穷的人工智能爆款应用，它们产生的海量高并发流量，都需要我们来承接和调度。我们通过一系列交换机和路由平台实现这一点，采用的是业内所说的叶脊网络架构。
简单来说，就是多个 “叶节点” 交换机连接到一个聚合式的 “脊节点” 交换机上，如今针对人工智能场景，我们还专门推出了 “AI 脊节点”。这些都是全球规模最大的网络平台，但光有硬件还不够，必须搭配适配的软件才能发挥作用。这正是阿里斯塔的核心优势所在 —— 我们自主研发的可扩展操作系统EOS。它能驱动这些硬件平台，实现对结构化数据、非结构化数据、流式数据等各类数据的高效处理，保障网络连接的稳定流畅。
尼古拉・坦甘：那人工智能时代的网络，和以往的网络有什么本质区别？
茱莉・厄尔：区别非常大。我们不妨回溯一下网络的发展历程。20 年前，互联网的雏形源于阿帕网（ARPANET）等科研网络，当时诞生了传输控制协议 / 网际协议（TCP/IP）等核心算法。后来又出现了 XNS、苹果通信协议（Apple Talk）、开放系统互联（OSI）等多种协议。直到 21 世纪初，TCP/IP 才成为全球互联网通信的通用标准。
到了 2015 至 2020 年，这个标准又不够用了。当时，亚马逊云科技（AWS）、微软 Azure、谷歌云（GCP）等大型云服务商开始崛起，它们需要前所未有的网络规模，来服务成千上万的企业和用户。这就要求网络必须支持多租户模式—— 因为云服务商服务的不是一家公司，而是海量客户。
也正因如此，中型企业的首席信息官们不再自建基础设施，而是纷纷转向云服务，将电商应用、数据库等关键资产部署到云端。
而过去几年人工智能的爆发，又给网络带来了全新的挑战。因为云流量和人工智能流量有着天壤之别。从聊天生成型预训练变换模型（ChatGPT）等大语言模型诞生开始，我们就能发现，人工智能的计算和搜索复杂度，是传统场景的成千上万亿倍。这就对网络流量的承载能力提出了更高的要求。
在人工智能时代到来之前，我们搭建的多是前端网络，主要连接普通中央处理器（CPU）、存储设备，处理通用的查询、索引、搜索等任务。但人工智能兴起后，网络需要连接的是成百上千，甚至数十万的加速器。
而且，正如我之前所说，GPU 产生的流量在保真度、强度、持续性和峰值突发等方面，都和传统流量截然不同。这类网络通常被称为后端网络，或是 “纵向扩展 + 横向扩展” 网络。我们必须重新定义网络的参数和指标体系。
在阿里斯塔入局之前，这个领域基本是各自为战的 “孤岛” 状态 —— 有无限带宽网络（Infiniban）、外设组件互连标准（PCI）网络、CX 网络等各种技术路线。而阿里斯塔的突破在于，我们把云计算领域成熟的以太网和 IP 技术，以及标准化能力，成功引入了人工智能的后端网络场景。
尼古拉・坦甘：目前建设这类人工智能网络，最大的瓶颈是什么？
茱莉・厄尔：我认为，整个行业面临的最大瓶颈是电力供应。
这些 GPU、网络设备、线缆、光模块等硬件的耗电量，是前所未有的。以前我们谈论数据中心的功耗，单位都是兆瓦；现在，动辄就是几十吉瓦。
举个直观的例子，一个大型人工智能数据中心的占地面积比一个足球场还大，却需要吉瓦级别的电力来支撑。问题在于，我们的人工智能服务商和云服务商，根本找不到这么多的电力资源。如今，想要获取如此规模的电力供应，可能需要 3 到 5 年的时间。所以，空间和电力，是当前最棘手的两大难题。
尼古拉・坦甘：但一旦解决了电力和空间问题，就必须进行合理的网络部署 —— 这正是你们的用武之地。
茱莉・厄尔：没错。只要客户搞定了电力和场地，就必须来找我们合作。
尼古拉・坦甘：不过，现在有巨额资金涌入人工智能基础设施领域，你怎么看待这种现象？这是泡沫吗？是不是发展得太快了？
茱莉・厄尔：这个领域的发展速度确实超乎想象。回顾网络技术的演进历程，从百兆以太网到千兆、万兆，再到 100G 以太网，每一次升级换代大概需要 5 年时间。但从 100G 到 200G、400G、1.6T，最终到 3.2T 以太网，每一代的迭代周期缩短到了12 个月。
过去需要 5 年完成的技术跃迁，现在只需要 12 到 18 个月。去年我们刚完成 400G 网络的部署，今年就已经在研发 800G 和 1.6T 的技术了。
归根结底，这是因为市场对网络速度、规模和稳定延迟的需求，已经到了永不满足的地步 —— 毕竟，所有算力都需要通过网络来聚合调度。
尼古拉・坦甘：你在互联网泡沫时期曾任职于思科公司（Cisco）。对比现在的人工智能热潮，你觉得两者有什么异同？
茱莉・厄尔：现在的热度远超当年。互联网的发展是一个循序渐进的过程。虽然在 1999 到 2000 年，受互联网泡沫和千年虫问题的影响，出现过一段爆发期，但总体来看，互联网的成熟用了 15 年时间。
我从 1993 年加入思科，当时公司收购了一家叫 Crescendo 的公司，那时候思科的营收还不到 10 亿美元；到 2008 年我离开时，思科的营收已经达到 400 亿，接近 500 亿美元。其中，我参与打造的 Catalyst 交换机系列，至今仍是思科最成功的产品线，贡献了至少三分之一的营收。
但当时的增长是缓慢且稳定的，即便有泡沫，也只持续了两年。而现在的人工智能热潮，在我看来有三个显著不同：
第一，过去需要 15 年完成的产业发展周期，现在被压缩到了 5 到 7 年，时间维度被大幅缩短；
第二，市场规模的扩张速度是千倍级的爆发式增长；
第三，也是最关键的一点 —— 很多人会拿现在和互联网泡沫时期对比，担心重蹈覆辙。但我认为，如今布局人工智能的，大多是负责任的头部企业。
所以即便存在泡沫，也是一个长期的泡沫，不会像当年那些仓促成立、快速融资又迅速倒闭的公司一样。现在的玩家是微软、谷歌、元宇宙平台公司（Meta）、甲骨文（Oracle）这类巨头，还有 OpenAI、Anthropic 等新兴的云计算公司。
因此，这不仅仅是一场泡沫，更像是一场势不可挡的超级技术浪潮，而且会持续很长一段时间。
尼古拉・坦甘：互联网泡沫时期，曾出现过严重的过度建设问题。我们怎么能确保现在不会重蹈覆辙？
茱莉・厄尔：现在的情况和当年不一样 —— 因为电力和算力资源是有限的，没人能做到过度建设，整个行业的发展需要时间。市场需求的增长速度，已经远超我们的供给能力。
所以，这是一场需要3 年时间去落地执行的持久战，而不是 1999 年那种 “先建起来，客户自然会来” 的投机式狂欢。现在的真实情况是：市场在喊 “请赶紧建，我们现在就需要”—— 这是最大的区别。
当然，我也不会绝对地说现在没有泡沫。它确实发展得又快又猛，远超我们以往熟悉的稳态。但我认为，这不是一个只持续一年的短期泡沫，而是一个 3 到 5 年的长期趋势。而且布局的都是负责任的企业，它们真金白银地投入，因为它们看到了实实在在的市场需求 —— 这就是最根本的区别。
尼古拉・坦甘：说到负责任的企业，你们最大的客户是那些超大规模云服务商，对吧？就是微软这类科技巨头。
茱莉・厄尔：没错。
尼古拉・坦甘：你们的客户集中度高吗？
茱莉・厄尔：一直都很高。比如微软和元宇宙平台公司，自从 2014 年我们上市以来，它们各自贡献的营收占比就一直超过 10%。我并不避讳这种客户集中度，反而对这种合作伙伴关系感到满意和感恩。
虽然它们的营收占比始终保持在 10% 左右，但随着公司整体营收规模的不断扩大，我们也在积极拓展客户群体 —— 比如向专业云服务商、企业级客户和园区网络市场延伸。但说实话，这些超大规模云服务商，依然是阿里斯塔战略布局中不可或缺的核心伙伴，我们的合作关系也比以往任何时候都要紧密。
尼古拉・坦甘：在人工智能能力建设方面，哪个国家最让你印象深刻？
茱莉・厄尔：哪个国家？嗯……
毫无疑问是美国。我认为美国目前处于全球领先地位。其他国家和地区也有不少亮眼的进展，但从规模和我们合作的企业来看，大部分的核心布局都在美国。
尼古拉・坦甘：还有哪些国家，你觉得在人工智能领域的发展路径是正确的？
茱莉・厄尔：当然有。我注意到，北欧地区、中东地区、英国、韩国和印度，都有一些局部的亮点突破。毫无疑问，人工智能的浪潮正在席卷全球更多国家和地区。
尼古拉・坦甘：观察当前的人工智能投资格局，你担心这会进一步加剧世界的分裂吗？
茱莉・厄尔：不担心。我看到的大多数投资，不是在分裂世界，而是在促进全球互联。幸运的是，这些投资大多不是政府主导的，而是纯粹的市场化行为，核心目标是推动人工智能技术发展，提升全球的通信效率。
我一个月前刚去过中东，那里的发展速度让我印象非常深刻 —— 他们正把大量的石油收入，投入到人工智能的关键投资和能力建设中。所以，我不认为这是一种分裂，反而是一种融合与联结。
尼古拉・坦甘：说到亮眼的成绩，你们在人工智能数据中心网络市场的份额已经达到了 21%，这真是个了不起的数字。你们是怎么做到的？
茱莉・厄尔：才 21% 吗？我还以为更高呢，看来我们还有很多工作要做。不过，从 0 到 21% 的跨越，我们走得很漂亮。如果只看高速网络市场，我们的份额其实已经达到了 41%；如果算上所有速率的交换机市场，那就是你刚才提到的 21% 左右。
其实，这是一场厚积薄发的奋斗。阿里斯塔成立于 2008 年，同年开始推出产品。我们的成功不是一蹴而就的，而是稳扎稳打、一步一个脚印走出来的。
要总结公司的文化内核，我觉得离不开公司创始人安迪・贝希谢恩（Andy Bethshine）和肯德拉（Kendura）奠定的坚实基础 —— 我们始终专注于软硬件基础设施的研发和迭代。
我们的市场份额，归根结底来自客户对我们创新能力的认可。阿里斯塔是一家工程师创立、为工程师服务的公司。我们极度重视产品的质量和架构设计，始终坚持为客户做正确的事，提供可靠的支持。
毕竟，我们的产品部署在关键任务环境的核心 —— 如果我们的网络出了问题，所有人都会立刻察觉；但如果我们的网络稳定运行，那我们就是 “藏在幕后的秘密武器”。我很乐意保持这种状态。
所以，我们一直秉持稳扎稳打的策略，绝不会把不成熟的产品仓促推向市场。
尼古拉・坦甘：你在思科工作了 15 年，一手打造了他们的数据中心业务。在思科最鼎盛的时期工作，是一种什么样的体验？
茱莉・厄尔：我负责的业务可不止数据中心。我在思科的那段时光非常愉快。我加入思科的时候，公司的营收大约是 6.5 亿美元，市值 60 亿美元。虽然不算初创公司，但也是一家非常年轻的企业。
当时思科的核心业务是路由器，我有幸参与并主导了 Catalyst 交换机品牌的创建 —— 从最初的 1200 系列，到 5000、6500、4000、3000 系列，一步步发展壮大。
我刚加入时，交换机业务的营收还是零；第一年就做到了 4000 万美元，第二年 3.65 亿美元，第三年直接突破10 亿美元。
这样的增长奇迹，离不开互联网的蓬勃发展 —— 产品再好，没有时代的风口也很难成功。所以，我觉得自己很幸运，能搭上思科这艘 “火箭”。思科是一家很棒的公司，但在某个阶段，我突然觉得，自己并不想待在这么大的企业里，更想做点小而精的事情。不过，我依然会满怀怀念地回顾在思科的 15 年岁月。
尼古拉・坦甘：从这艘 “火箭” 上，你学到的最重要的一课是什么？
茱莉・厄尔：我学到的最重要的道理，和我们现在在阿里斯塔坚持的一样 ——始终以客户为中心。
思科有着浓厚的客户至上文化，而阿里斯塔在此基础上，更强调创新、工程实力和产品质量。我在思科担任高管期间，经常在凌晨 2 点接到客户的求助电话。哪怕我再想睡美容觉，只要客户有紧急问题，我都会立刻接起电话 —— 因为客户的需求永远是第一位的。所以，以客户为中心的企业文化，是至关重要的。
尼古拉・坦甘：你本来有机会成为思科的下一任首席执行官，为什么选择 “跳槽”，开启新的征程？
茱莉・厄尔：其实我不确定自己是否能成为思科的合格 CEO—— 我在思科算是 “误打误撞” 走上管理岗位的，当初根本没想过会成为高管。我热爱产品，喜欢和工程师一起，把产品打磨好，交付给客户。我对技术的痴迷，让我没考虑过自己是否有能力，或者是否愿意担任思科的 CEO。
事实上，我离开思科的时候，根本没想好下一步要做什么。我不想仓促做决定，只想先理清思路。就在这个时候，安迪找到了我，说他创办了一家新公司。我当时的第一反应是：“哦，不行啊安迪，我不想再做网络和交换机了。”
但随着我逐渐了解这家公司的创始理念，以及工程师们正在研发的技术，我被深深吸引了。因为这虽然还是网络和交换机业务，但玩法已经完全不同—— 它不是我熟悉的互联网和 Catalyst 交换机模式，而是一个全新的赛道。
尼古拉・坦甘：具体是什么样的 “新玩法”，让你动了心？
茱莉・厄尔：是软件架构—— 它的设计太独特了。你看，其他网络公司的做法通常是，针对五种不同的应用场景，开发五种操作系统，再搭配 50 种镜像文件，这样一来，运维人员就要管理 250 个不同的版本，复杂度极高。
而我们阿里斯塔，只用一套操作系统、一个二进制镜像文件，就能适配所有场景。这套系统的核心是我们独创的 “状态驱动发布订阅模型”—— 如果某个模块出现故障，它不会导致整个系统崩溃，而是会自动恢复故障模块。
这和传统的 “圣诞树灯串” 模式完全相反 —— 传统灯串只要有一盏灯坏了，整串灯就会熄灭；而我们的系统，就像一盏灯坏了，能立刻替换掉这盏灯，其他灯依然正常亮着，客户甚至完全察觉不到故障的发生。
正是这套强大的软件系统，让我们能够进入微软、谷歌等所有关键任务领域的头部客户的供应链。当然，我们也在不断拓展它的应用场景。
我就是被这项技术，以及背后的团队所吸引。但说实话，我当时也有过焦虑 —— 我加入阿里斯塔的那一年是 2008 年，恰逢金融危机爆发。我签下的最早的客户之一是雷曼兄弟，你应该知道后来雷曼兄弟的结局吧？
尼古拉・坦甘：我知道。
茱莉・厄尔：所以，我的创业生涯，是以这样一个不祥的开端拉开序幕的。但如今，17 年过去了，阿里斯塔依然在稳步发展，势头强劲。我们一路走来，经历了无数坎坷：金融危机的冲击、行业巨头思科的诉讼、新冠疫情引发的供应链危机…… 正是一次次战胜这些逆境，才让我们走到了今天。能取得现在的成绩，我们倍感自豪。
尼古拉・坦甘：挑战思科这样的行业巨头，需要具备哪些条件？一家初创公司喊出 “我们要打败思科” 的口号，到底需要付出什么？
茱莉・厄尔：我的很多同事都会告诉你，我从来没觉得我们是在 “挑战思科”。因为最初，我们专注的是一些非常细分、非常独特的应用场景—— 比如高频交易和低延迟网络，这些都是思科当时不屑于涉足，或者说根本没关注的领域。我们最初的 1 亿美元营收，几乎都来自这些细分市场。
我们的第二个发力点是云计算领域。思科当时虽然也提出了 “超大规模数据中心（MSDC）” 的概念，但并没有真正重视这个客户群体，也没有深入研究他们的需求。
事实上，亚马逊云科技、谷歌云等早期云服务商，既没用思科的产品，也没用阿里斯塔的产品 —— 因为当时市面上的商用产品都满足不了他们的需求，他们只能选择自研网络。
所以，我更觉得我们是在填补市场空白 —— 去做那些大型企业（尤其是思科）当时不愿做，或者做不好的事情。
尼古拉・坦甘：能举一个例子，说明你们的客户服务有多出色吗？
茱莉・厄尔：这样的例子有很多，我可以讲一整天。不过，我想先反问你一个问题：如果今天你遇到了网络问题，打电话给阿里斯塔的技术支持团队，你觉得会得到什么样的回应？你对我们的期待是什么？
尼古拉・坦甘：我觉得你们应该会直接帮我解决问题。
茱莉・厄尔：很多公司的客服会先问：“你是谁？你付过费了吗？” 如果你只是一个普通用户，他们可能会说：“抱歉，我们没有你的账户信息。” 但我们从来不这么做。
我们的客服会立刻问：“你遇到了什么问题？” 我们的平均问题解决时间是25 分钟—— 这在业内是一个难以置信的纪录。
为什么能做到？因为我们的客服团队全是技术专家，而且产品质量和技术支持是相辅相成的。你先打造出高质量的产品，当客户遇到配置错误或技术问题时，再第一时间提供支持。
我们的技术支持从不外包，采用的是 “日不落” 模式 —— 全球范围内，全天候、全时区覆盖，确保客户的问题能得到及时响应和解决。有些问题 5 分钟就能搞定，有些可能需要几个小时，但平均解决时间非常短，客户体验也非常好。
尼古拉・坦甘：你们是如何保持行业领先地位的？
茱莉・厄尔：这需要我投入大量的个人时间。我会在日程表中专门留出思考时间，这段时间不安排任何会议 —— 因为每天都有无数人想约我开会。我必须主动抽时间，去了解行业动态和前沿技术。
以人工智能为例，2022 到 2023 年，我就下定决心要深入学习这个领域 —— 之前我对它的关注并不够。2022 年 11 月，ChatGPT 横空出世，这对科技行业来说是一个里程碑式的事件。
2023 年 1 月，我要在光纤通信会议（OFC）上发表演讲。当时我完全可以只讲光模块、长途传输、短途传输、密集波分复用（DWDM）、共封装光学（CPO）、数字信号处理器（DSP）这些老本行，但我没有 —— 我选择在这个光学专业会议上，以人工智能为主题进行演讲。
为了做好这次演讲，我必须恶补相关知识，因为台下坐着的都是物理学博士，他们的理论水平比我高得多。
所以，我一直以终身学习为傲 —— 无论是作为个人，还是和行业同仁、公司同事交流，我都在不断突破自己的认知边界。阿里斯塔汇聚了一大批顶尖的技术专家，这是我们保持领先的底气。
尼古拉・坦甘：你能预见未来多久的发展趋势？
茱莉・厄尔：说不准，我可能会猜错。不过，我能比较准确地预判未来1 到 3 年的趋势；超过 3 年，就有点像 “画大饼” 了，不确定性会大大增加。
尼古拉・坦甘：未来 3 年，会发生哪些重大变化？
茱莉・厄尔：我认为，我们现在对人工智能的认知和应用模式，将会发生翻天覆地的变化。
今天，我们正在打造的是人工智能的 “大型机时代”—— 大家都在比拼算力集群的规模，比拼模型的参数量和训练数据的 token 数，比拼每秒万亿次浮点运算能力（Teraflops）、万亿瓦（Terawatts）功耗和万亿比特（Terabits）带宽。
但在我看来，未来 3 年，虽然这种 “大算力” 模式依然重要，我也不会低估它的价值，但人工智能将向分布式方向发展。我们不可能再用 “一刀切” 的模式来构建人工智能系统。
就像当年的大型机，逐渐演变为客户端 - 服务器模式，最终发展出分布式的个人电脑、移动终端和智能手机 —— 我认为人工智能也会呈现出多样化的形态，就像我们今天看到的这样。
尼古拉・坦甘：这种变化会带来哪些影响？
茱莉・厄尔：影响将是深远的。因为 “小型化” 比 “造更大、更强的系统” 要难得多。这意味着，我们必须把训练好的模型，转化为具备推理和推断能力的系统，在更多应用场景中实现 **“用更少资源做更多事”**。
毕竟，如果你能无限投入带宽、算力和存储资源，当然可以处理全球最大规模的训练任务；但如果能把这种能力，转化为推理能力，并以更分布式的方式，延伸到通用计算和存储领域 —— 那么，人工智能就能真正走进每一台桌面电脑，而不再只是少数巨头的专属工具。
尼古拉・坦甘：你担心科技行业会在美国和中国之间，分裂成两个阵营吗？
茱莉・厄尔：当前，全球确实存在着政治层面的极化现象。我真心希望，创新和技术能够在一个公平的竞争环境中发展，但我也理解，每个国家都有自己的治理模式。
我担心的是，如果美国想保持领先优势，就必须持续创新，并且不断与全球顶尖人才合作。我自己就是一个移民 —— 我不是在美国出生长大的，但我在这里实现了自己的价值。
所以，无论这些人才来自中国、印度、英国还是其他国家，我们都需要吸纳他们，与他们合作 —— 因为他们是全球最顶尖的智慧力量。
尼古拉・坦甘：咱们聊聊企业文化吧。用一个词形容阿里斯塔的文化，你会选哪个？
茱莉・厄尔：做正确的事。
尤其是对于上市公司来说，很容易陷入 “唯季度业绩论” 的陷阱，只关注短期指标。毫无疑问，每家公司都有自己的商业模式，都需要关注业绩，但如果能超越短期利益，坚持做正确的事，那么所有中间的波折，最终都会迎刃而解。
我可以举一个最典型的例子：公司创立初期，我们的一款硬件产品因为芯片供应商的问题，出现了严重的质量隐患。我们和供应商通力合作，试图解决问题。当时我有两个选择：要么用软件打个小补丁，勉强应付过去；要么坦诚地告知所有客户。
我选择了后者 —— 我告诉客户：“你们现在可能还没发现这个问题，但它会导致设备性能逐渐衰减。我们愿意免费为你们更换所有设备，费用由我们承担。”
要知道，这笔费用差点让我们破产，但我们还是坚持做了正确的事。直到今天，人们记住的，依然是我们当年的这个决定 —— 比起我们取得的所有成绩，这个故事更能代表阿里斯塔的文化。
所以，我认为，“做正确的事”—— 无论是对公司、对员工、对客户，这就是阿里斯塔文化的精髓。
尼古拉・坦甘：你是如何确保这种文化，在整个公司内部传承下去的？
茱莉・厄尔：这并不容易，尤其是当公司规模越来越大的时候。但幸运的是，过去 15 年，我们的核心管理团队基本保持稳定。虽然偶尔会有人因为追求其他目标，或者实现了财务自由而离开，但稳定的管理团队，加上我们正在培养的下一代领导者，能够不断强化这种文化，让它渗透到公司的每一个角落。
另外，我想说的是，虽然我们也有中层管理者，但我们要求中层管理者不仅是 “职业经理人”，更要成为 **“教练型选手”**—— 他们需要亲自参与技术工作，比如每周花两天时间写代码。
我们的总裁兼首席技术官道・杜达（Ken Duda）是公司的创始人之一，他至今还在写代码。这就是以身作则—— 我们不会说一套做一套，这能让员工真正信服。
尼古拉・坦甘：你是如何保持学习的？
茱莉・厄尔：我可能学得还不够多。但正如我之前所说，我的学习渠道有很多。
第一，拜访客户—— 客户会从不同的视角给我启发，教会我很多东西；
第二，和工程师交流—— 我会花大量时间和他们沟通，了解他们的研发进展和遇到的难题，他们总能让我学到新东西；
第三，借助人工智能工具—— 如今，通过克劳德（Claude）、双子星模型（Gemini）、ChatGPT 这些工具，你可以高效地掌握软件开发等复杂技能。这些工具确实能帮你快速理解复杂的话题，我会在自己的知识盲区使用它们；
第四，也是我最喜欢的方式 ——阅读。虽然我现在读的书越来越少了，但阅读依然是我的首选。
尼古拉・坦甘：你都读些什么书？
茱莉・厄尔：我读了很多传记。最近读得少了，但只要读，大多是在长途飞行的时候。我要么会打印一些技术规范文档，研读专业资料；要么会读一些完全不用动脑的小说，比如约翰・格里森姆（John Gisham）的作品 —— 这是我的放松方式，比起看电影，我更喜欢读书。
尼古拉・坦甘：回顾你的一生，你最自豪的是什么？
茱莉・厄尔：我最自豪的是我的家人—— 我的女儿们、我的丈夫，还有我的大家庭。他们给了我无尽的快乐。因为在家人面前，我不再是 CEO，只是一个普通的妻子和母亲。
我最近获得了母校圣克拉拉大学授予的荣誉博士学位，但我的女儿们更厉害 —— 一个拿到了博士学位，另一个成为了兽医博士。我为她们的价值观感到骄傲，为她们的善良和同情心感到骄傲，更为她们追求卓越、实现自我价值的人生选择感到骄傲。
尼古拉・坦甘：你会给年轻人，包括你的女儿们，什么样的建议？
茱莉・厄尔：我给她们的建议其实很简单，因为现在的年轻人似乎都很焦虑，总想在短时间内就达到职业生涯的某个高度。我会告诉她们：追求属于自己的卓越之路。
每个人都有自己的天赋 —— 这意味着，你在某些方面很擅长，在另一些方面则可能很笨拙。但如果你能找到自己擅长的领域，不断深耕、持续精进，让自己变得优秀，并且坚持下去 —— 那么，每个人都能走出属于自己的卓越之路。
而且，成功的衡量标准不应该只有金钱，更应该是你是否实现了自己定义的人生目标。
尼古拉・坦甘：这么看来，你印度的老师们当年完全看错了 —— 你显然已经把自己的潜力发挥到了极致。非常感谢你，让全球的网络保持互联。祝你一切顺利！
茱莉・厄尔：谢谢你，尼古拉。很高兴能和你交流，感谢你提出这么多有深度的问题。
尼古拉・坦甘：谢谢！