（關注公眾號設為標，獲取AI深度洞察）

全文 17,000字 | 閱讀約46分鐘

【文章核心預覽：】

• 1、納德拉回應AI價格戰：效率提升將重塑需求，但關鍵是能否帶動GDP增長至10%

• 2、微軟AI收入130億美元，4年后目標1300億，但提醒"不能只看供給端自嗨"

• 3、量子計算迎來"晶體管時刻"，預計2027-2029年商用

• 4、發布游戲AI系統Muse，展示微軟在"世界模型"領域布局

隨著DeepSeek等新興力量在AI效率和成本上的突破，整個行業都在追問：低成本模型是否會重塑當前由OpenAI、谷歌和微軟主導的AI格局？這場效率革命究竟會帶來怎樣的改變？

昨天2月20日，在這場長達一個多小時的深度對話中，微軟CEO薩蒂亞·納德拉（Satya Nadella）首次公開回應了當前的AI行業變革，給出了一個出人意料的答案。"每當像DeepSeek這樣在'單位令牌性能'效率前沿上實現突破，就會推動整個行業的需求曲線向外擴張，"他說，"但更重要的是要看到，如果只是供給端在自嗨，卻沒法真正把投資轉化為客戶價值，那就會跑偏。"

作為全球市值最高科技公司的首席執行官，納德拉的思考遠超表面的價格競爭。當整個行業都在為計算成本的大幅下降歡呼時，他卻在關注另一個更具戰略性的問題：AI技術究竟能在多大程度上推動實體經濟的根本性增長？"如果我們說這會像'工業革命'一樣，那就讓它真能帶來類似工業革命的增長率，"他說，"這意味著10%的增長，或者至少7%，發達國家通脹調整后還能有5%。這才是真正的標志。"

對話文稿

主持人：Satya，非常感謝你來到我的播客。

嘉賓Satya Nadella：謝謝!

一、回顧科技的歷史

主持人：你所說的 80 和 90 年代最終哪些決策持續成為長期贏家，哪些沒有？尤其是當你回想你曾在 Sun Microsystems工作過——他們在 90 年代互聯網泡沫時也經歷過一些有趣的事情。人們常說當時的數據中心建設是個泡沫，可與此同時，我們今天的互聯網也正是那時所構建基礎的結果。那么，關于哪些東西會經得起時間考驗，哪些只是短暫的，你從中學到什么？

Satya Nadella：如果要回顧一下，我參與過的四次重大轉變：其一是客戶端以及客戶-服務器，也就是圖形用戶界面的誕生，以及 x86 架構讓我們可以構建服務器。這一切對我來說都很清晰。我還記得在 1991 年去參加當時名為 PDC 的大會，那年是在 Moscone 中心舉辦的。那時我還在 Sun，但我還是去了。在那里微軟首次闡述了 Win32 接口，我看得很明白將會發生什么：服務器也會轉向 x86。只要你看到誰擁有規模優勢，你就必須押注哪里會出現“結構性”的成功。客戶端上的事情會在服務器端重演，然后你就能夠真正構建客戶端-服務器的應用程序。所以說，應用模型變得很清晰。隨后，萬維網對我們來說是一件大事。從我剛加入微軟開始，我們就不得不應對它。Netscape 瀏覽器或者 Mosaic 瀏覽器是在 1993 年 12 月或 11 月左右發布的，對吧？應該是 Andreessen 和他的團隊那時做的。這帶來了巨大的改變。當時有趣的是，我們好不容易在客戶端-服務器這波浪潮上剛要有所建樹，看起來我們要贏了，然后瀏覽器這個新東西就出現了。所以我們不得不做出調整。而我們也在調整上做得還不錯，因為瀏覽器等于是一個全新的應用模型。我們借助一切可用方式來擁抱它，不管是把 HTML 引入 Word，還是自己做個瀏覽器去競爭，或者說在我們的服務器端堆棧里做一個 Web 服務器去搶市場。當然，我們還是錯過了萬維網上最大的商業模式——我們都以為網絡是去中心化的，誰能想到搜索竟會成為網頁組織的最大贏家？所以谷歌看到了這一點并執行得非常好，而我們沒能預見到。這對我來說也是個教訓：你不僅要看準技術趨勢，還要看清在這種趨勢下價值是如何創造、以及創造在哪里。這種商業模式層面的轉變有時候比技術趨勢本身還要更難捕捉。

主持人：那在人工智能上，價值會在哪里創造呢？

Satya Nadella：這是個非常好的問題。我覺得有兩個領域是我可以比較有把握地談一談的。首先是那些做得好的超大規模云，因為你如果回到 Sam Altman和其他人所說的，如果“智能與計算的對數成正比”，那么能做大量計算的人就是大贏家。還有一個有趣的點在于，任何 AI 工作負載的底層，比如說 ChatGPT，大家都很關注 GPU 這邊發生的事情，而且這當然很好。但在我看來，我的“機群”里，不僅是 AI 加速器（GPU 等），還要配合存儲和常規計算，而且規模要足夠大才能支撐。對吧？所以，在大規模之下，你就必須擴容。實際上，這些 AI 工作負載就像天上掉餡餅一樣，因為它們需要更多計算力。不僅是訓練需要大量計算，推理同樣需要。當你考慮一個 AI 代理（agent）時，它會指數級地增加對計算的需求。因為一個人調用了一個程序，這個程序又會調用更多程序，這樣就會創造出海量的需求和規模。因此，我們的超大規模業務，Azure 業務，乃至其他超大規模云業務，我認為會在這里獲得非常大的機會。

然后再往上，就有些模糊了。有人會說：“嘿，會不會出現贏者通吃？”我并不這樣認為。這是我另外一個體會：理解哪些市場是“贏者通吃”，哪些不是，這本身非常關鍵。我記得在做 Azure 的早期，亞馬遜已經遙遙領先，有投資者告訴我，“哦，沒戲了，你趕不上了，亞馬遜就是贏者通吃。”但我之前在客戶端-服務器的時代和 Oracle、IBM 競爭過，我知道企業客戶是不會容忍“贏者通吃”的。結構上，超大規模云就不太可能是贏者通吃，因為客戶都很聰明。消費市場可能會有贏者通吃的情況，但只要是企業買單，就一定會希望有多家供應商。所以你只要成為其中一家就夠了。我想在模型這個層面也會發生類似情形。一定會有開源的做法，也會有某種牽制力。就像過去 Windows 是閉源操作系統，但市場上一定會出現一個互補的開源系統一樣，以此來制衡它。從某種程度上，這種制衡是自然存在的。我認為在大模型方面也會如此。也許會有一些閉源模型，但肯定也會有開源替代方案，而這種開源替代方案會確保閉源模型無法徹底拿下“贏者通吃”。這是我對模型層面的看法。而且，如果 AI 真像人們說的那么強大，各國政府也不可能坐視不管。在全世界范圍內也是如此。所以我并不覺得會是“贏者通吃”。再往上就是我們熟悉的東西了。消費領域有些類別或許存在“贏者通吃”，因為存在網絡效應。ChatGPT 就是很好的例子——這是一個已經達到規模的消費級產品，而且已經獲得了真正的“逃逸速度”。我去應用商店看，它一直排在前五名，我心想：“哇，這太不可思議了。”他們利用了先發優勢并把它轉化為應用層面的優勢。這在消費領域的確可能發生。但在企業領域，我覺得各個細分領域會出現不同贏家。這就是我的分析方式。

二、對AI的深度思考

主持人：我有很多問題想追問。我們還得馬上聊聊量子的事情。但就你剛才說的模型會被商品化這一點：也許在幾十年前也有人對云計算做過類似論斷——“從根本上說，它不過就是芯片和機箱”，但最終，你和其他一些人卻在云端獲得了驚人的利潤率，因為你們找到了發揮規模經濟、并且往里疊加其他價值的方式。如果我們跳過所有術語，本質上講，如果你能先做出通用人工智能，讓它幫助你做更好的 AI——目前還處于用合成數據（synthetic data）和強化學習去訓練，未來也許會出現自動化的 AI 研究者。這感覺就是一個相當強的優勢鞏固手段。你怎么看？就像真的領先就真的重要。

Satya Nadella：在規模上，沒有什么真正是“商品化”的。就像你說的云計算，一開始誰都覺得是“通用貨”，可實際上，當你做大規模后……這就是為什么運營超大規模云的“訣竅”非常重要。有人可能會說：“哎呀，這不就是把服務器機架起來嗎？”但在超大規模云出現的早期，大部分人以為“有那么多托管服務商，這些生意看起來都不怎么樣，超大規模云能有什么前景？”可事實證明，它確實是一樁好生意，因為運營 Azure 這樣覆蓋全球 60 多個區域的計算服務，這里面的門檻和訣竅是非常高的，不是你想復制就能復制的。我剛才的意思更多是：這是不是一個“贏家通吃”的市場？因為你必須得想明白，你投身的市場究竟是不是“贏家通吃”。我更喜歡進入那種市場容量（TAM）很大，同時不會被一個玩家吃光的領域。能容納多家共贏的大市場才是最好的，而你只要成為其中之一就行。所以，我看好的那層是“超大規模云”。在模型層面，它依然要在某家超大規模云上運行。模型是需要狀態的，這就需要存儲，需要常規計算來運行那些代理以及代理環境。所以這種緊密聯系，我認為會一直存在。不是說有了一個模型就夠了；模型也需要存儲，需要運行，這都需要大規模計算環境的支持。此外還要看到，如果這個東西真像人們所說的那么重要，國家也不會讓私營企業一家獨大。所以，我覺得不會出現某個人拿下全部模型的局面。

主持人：在超大規模云這一層面，還有一個有意思的點，就是你也有一定的優勢，特別是在推理方面。畢竟訓練完的 GPU 也可以給推理用，你可以在推理端收取費用，并且可能繼續訓練未來的模型，這就意味著你可以在數據中心和 GPU 上分攤成本。我想問的是：你怎么看待微軟和 Azure 在“超大規模”這個層面上扮演的角色？是主要做預訓練嗎？還是會更偏向提供推理，比如執行 O3 等推理服務？或者說你會對市面上的所有模型都提供托管和部署，不帶偏見？

Satya Nadella：這個問題問得好。我們想要做的就是，某種程度上說，繼續“騎著摩爾定律”往前走。我覺得這會和我們之前所做的一切類似：每年都對機群進行更新升級，根據硬件的生命周期來做折舊，并且不斷提升調度部署的能力，讓這些資源在運行不同任務時保持高利用率。有時是大規模的訓練任務，需要超高的峰值浮點運算，而且這些浮點必須集中、協同在一起。這沒問題——我們應該有足夠的數據中心來提供這樣的能力。可歸根結底，這些規模巨大到一定程度后，即便是預訓練也可能需要跨多個數據中心。到那個時候，就沒有什么本質區別了，這都是分布式計算嘛。所以在我看來，構建 Azure 的思路就是：把分布式計算當做常態，去打造足夠的規模，一方面能滿足大型訓練任務，另一方面能滿足推理需求。更別提強化學習或許會讓那些已經訓練好的大模型繼續訓練出各種高度專用的“蒸餾”子模型。它們和真正的訓練相比，其實也要消耗類似規模的計算。所以要為此打造一個統一的計算機群。另外，還有推理需要。速度極限畢竟還是光速啊，你不能只在德州放一個數據中心就打算服務全世界。你必須在世界各地部署推理機群。所以我對“真正的超大規模云機群”的構想就是：不僅要在世界各地都有推理設備，還需要把存儲和計算部署到哪些地方。因為訓練數據也要就近存儲，應用程序也要運行在這些地方，而不是僅僅在云端跑一個加速器。我就是這樣看待我們對“超大規模云”建設的。

主持人：你們前不久公布的人工智能年收入是 130 億美元。如果看你們的年增長率，再過四年可能就是它的 10 倍，也就是 1300 億美元。如果增長一直維持，你認為到那個規模時，你會用那些“智能”去做什么？是在 Office 里體現嗎？還是幫別人做托管？或者你得做出 AGI 才能有那么大的收入？你覺得會是什么場景？

Satya Nadella：我一般的思考是這樣的，Dwarkesh，這問題問得很好。某種程度上，如果真的出現了這種爆發式、富足式的“智能”供應，那首先要觀察的就是 GDP 的增長。在我談微軟具體營收之前，先說全世界唯一的“調節器”就是現實中的經濟增長。這就是為什么大家對 AGI 產生各種激動，但其實我們也要看看現實：發達國家 GDP 增長是多少，2%？去掉通脹就基本等于零。所以，如果是 2025 年，至少就我所知，我不是經濟學家，我也看得到增長很乏力。所以，首先我們需要的是，當我們說這會像“工業革命”一樣，那就讓它真能帶來類似工業革命所帶來的增長率。對我來說，這意味著 10% 的增長，或者至少 7%，發達國家通脹調整后還能有 5%。這才是真正的標志，不能只是供給端在自嗨。有不少人正在寫文章，提到 AI 的最大受益者不一定是科技公司，而會是那些在各個行業使用 AI 的企業，因為 AI 成為了廉價而豐富的商品，從而帶來生產力的提升，讓經濟能更快地發展。如果真是那樣，我們做科技的肯定也能過得不錯。但對我來說，關鍵時刻不在于我們自吹自擂說拿到了什么 AGI 里程碑，這更多像是自說自話地拼命跑分。真正要看的“跑分”是：世界經濟是否真的能從 2% 飛到 10%？

主持人：如果全球經濟大概是 100 萬億美元，你說它漲到 10% 的年增長，那就相當于每年額外多生產 10 萬億美元。如果那真能發生，你作為一家超大規模云提供商，光 80 億美元營收似乎都算小了——是不是應該到 8000 億美元那種量級？

Satya Nadella：沒錯。但這就是典型的“供給側”說法嘛，——“我們先把它建起來，他們就會來用”。確實，我們已經承擔了不少風險，去做投資了。但最終還要看供給和需求能不能對得上。這就是為什么我會緊盯兩邊。要是只看供給側自己嗨，卻沒法真正把投資轉化為客戶價值，那就會跑偏。這也是我為什么會時常去關注推理營收——很多人其實并不公開談自己的真實營收，但對我來說這就是一個重要的指標，可以幫助我判斷，你是不是能把“昨日的資本投入”轉化為“今日的需求”，然后再有信心繼續加倍或指數級地投資，而且不會遭遇嚴重的供需錯配。

主持人：我感覺你在這兒似乎提出了兩種看似矛盾的觀點。一方面，你所做的很棒的一點就是敢于早投，比如 2019 年就投了 OpenAI，那時候還沒有 Copilot 或任何具體應用。如果回顧工業革命，當年那些大規模建設鐵路或其他基建，許多都不是“我們先賣票賺到錢，再去投資”。實際上有很多項目虧了錢。如果你真的相信人工智能能像下一次的工業革命一樣，讓世界增長率翻幾倍，那么再想想：“GPT-4 能帶來多少營收？” 這似乎就有些短視了。如果你真覺得 AI 有可能把世界經濟增速提高 5 倍、10 倍，那么是不是該“放手一搏”，直接花幾千億去建計算能力？萬一成功了呢？

Satya Nadella：這就是有趣的地方。平衡地看問題很重要。別忘了，建算力不是目的，關鍵還要把它轉化為實際需求。你不僅要能訓練下一個大型模型，還要能服務它，把它用起來。否則，僅僅訓練出一個模型并不代表你會得到收益。所以，這不是一場“只要把模型訓練出來就贏了”的競賽，而是要把它變成在現實世界中被使用的商品，為客戶提供實際價值。有了這個完整邏輯，你的投資才有意義。話說回來，我也同意一定會出現“過度建設”——就像你提到的互聯網泡沫時代，大家都在大舉建設數據中心，里面浪費了很多資金。但也正因為如此，我們才有了互聯網的基礎設施。現在，大家也意識到“AI 需要更多能耗，需要更多計算”。所以每家企業、每個國家都在搶跑。對我來說，這真的很棒，我自己也要租用很多設施。我也很高興在 2027、2028 年能租到別人的容量，因為看到大家都在大規模建數據中心，我會覺得：“太好了，這樣所有計算的價格都會下降。”

三、 DeepSeek 模型的崛起

主持人：說到價格下降，你前不久在 DeepSeek 模型發布后發推文提到過“杰文斯悖論”（Jevons’ Paradox）。能展開講講嗎？杰文斯悖論通常發生在需求具有高度彈性的情況下。如果我們說“智能”會因為價格下降而被卡住瓶頸，你怎么看？因為就我自己的消費級使用場景來看，智能已經很便宜了——每百萬 tokens 才兩美分。如果真的要降到 0.02 美分，我并不覺得自己在乎那種級別的降價。我更希望它變得更聰明。就算你需要向我收 100 倍的費用，也沒問題，只要能做一個大 100 倍的訓練，我很樂意買單。但也許你在企業端看到了不一樣的東西。你覺得智能的哪些關鍵應用，會需要它降到每百萬令牌 0.002 美分的水平呢？

Satya Nadella：關鍵在于令牌 的實用性需要同時變得“更聰明”且“更便宜”——兩者都要發生。任何時候出現突破，比如 DeepSeek 在“單位令牌 的性能”這條效率前沿上實現了提升，就會改變曲線，推動前沿往外擴張，這自然會帶來更多需求。云計算的發展也經歷過同樣的過程。當時我們還以為：“天啊，客戶-服務器時代已經把服務器賣遍了。” 結果一旦開始把服務器放到云上，人們就開始買得更多，因為他們能以更便宜、更靈活的方式買到，而且按用量付費，而不是買許可。這讓市場大大擴張了。我記得以前去印度這種國家推廣“這是 SQL Server”，那時雖然我們能賣出去一點，但規模不大。可當我們把云服務帶到印度，規模就遠遠超過了我們之前在服務器時代所能做到的。我覺得，這個道理在其他地方也一樣成立。再舉例，如果你想讓發展中地區，比如“全球南方”的一些國家，用極其便宜的令牌 來提供醫療服務，那將帶來巨大的變革。

主持人：我想有人會聽到你這樣說，然后覺得，“這些在舊金山的人有點天真，他們并不了解在現實世界中真正部署這些東西會碰到什么問題。”而你跟財富 500 強公司打交道，并幫助他們把這些技術部署到數億乃至數十億人的場景中。你覺得這些能力的部署速度會有多快？當你手里真的有了可用的“智能代理”，能做遠程工作、具備合規性，但也面臨各種瓶頸時，它的部署過程是否還會受到很大限制？還是說這個過程會很快地得到推進？

Satya Nadella：這絕對是個挑戰，因為真正的問題在于“管理變革”或“流程變革”。我常用一個類比：想象在個人電腦和電子郵件、電子表格出現之前，一個跨國公司是怎么做“預測/預報”的？他們會傳真的往來，然后有人收集這些傳真，寫成內部備忘錄，再繼續發送給別人做數據錄入，最終可能在下個季度前夕才得到一個預測結果。后來有人說：“嘿，我可以用 Excel，然后發電子郵件，讓大家去更新，最后我就能得到一個預測結果。” 整個預測業務流程因此發生變化，因為工作的“載體”和“工作流”都變了。現在引入 AI 到知識工作里，也需要這樣的流程重構。實際上，當我們談到“智能代理”時，本質上就是在構建一個新的工作模式和工作流。舉例來說，為了準備我們的播客，我會對我的 Copilot 說：“我要和 Dwarkesh 談量子公告和我們新做的游戲生成模型。給我一份在此之前我應該讀什么材料的總結。” 它知道那兩篇發表在《自然》上的論文，并把它們提取出來。然后我還說：“把這些內容整理成‘播客對話’的格式。” 它就給我生成了一個非常棒的“雙人對話”式摘要。接著我就把這個文稿放進 Pages（我們用的一種文檔平臺）里，然后分享給我的團隊。對我來說，新的工作流程就是：借助 AI，然后再和同事一起完成知識工作。

對于每個做知識工作的人來說，這就是一次深刻的變革：要突然學會用這些新模式來完成工作。具體來說，這在銷售、財務、供應鏈等不同部門都會發生。對已有規模的公司而言，我覺得這會類似于當年制造業擁抱“精益生產”那種過程。我喜歡舉這個例子，因為精益生產為制造業提供了一種端到端流程提升的方式，通過持續改進，一邊減少浪費，一邊增加價值。現在，這種方法會降臨到“知識工作”上，相當于讓知識工作也變得“精益”。管理團隊和知識工作者要做很多努力，這會需要時間。

主持人：能不能再具體談談這個類比？精益生產在某種程度上改變了工廠車間的實際物理布局，同時揭示了流程和工作流中原本被忽視的瓶頸。你提到你的個人工作流已經因 AI 而改變，能不能再詳細描述一下，如果在一家大公司里有哪些越來越強的 AI 代理，我們要怎么運作這家公司？

Satya Nadella：你提的問題很有意思。現在，如果我們看看現實，很多公司依然對電子郵件非常依賴。每天早上我一打開郵箱就看到滿滿的收件箱，需要一個個回復。我很期待 Copilot 等代理能自動給我把草稿生成好，然后我只需要審閱并發送就行。但其實現在我在 Copilot 里已經有十來個不同的代理了，它們分別負責不同的任務。我感覺未來會出現一種新的“收件箱”，那里匯集了我發起的“數百萬個代理”的各種消息，比如需要我處理的例外情況、給我的通知，以及跟我詢問下一步指令。所以我覺得我們需要新的“支架”——即所謂的“代理管理器”，而不僅僅是一個聊天界面。我需要一個比聊天界面更智能的東西，來管理所有代理及其對話。這就是為什么我說“Copilot 作為 AI 的用戶界面”是一個極其重要的概念。我們每個人都會擁有類似的界面：有一堆知識工作要做，有一堆代理在幫我們做，而我們這個“真人的知識工作者”要和所有這些代理進行對接。我覺得這就是必須要去構建的人機交互界面。

四、量子計算的突破

主持人：你是世界上少數能夠說“我手下有 20 萬員工”的人之一，也就是說你可以調用龐大的人力智能網絡——微軟員工就是你的“蜂群智慧”。你需要管理它，協調它，充分利用它。希望未來更多人能體驗到你這種感覺。我也想知道，如果大家的收件箱都和你的一樣，每天早上打開是否都會有很多“指令”要處理……好吧，先不說這個。剛才還有很多關于 AI 的問題要問你，但我真的很想聊聊你們在量子計算領域的重大突破——微軟研究院剛剛宣布的。你能不能給我們解釋一下到底發生了什么？

Satya Nadella：這方面我們已經努力了 30 年，確實令人難以置信。我是微軟的第三任 CEO，對量子一直很感興趣。我們一直以來的核心愿景是：想要構建可實用規模的量子計算機，就必須有物理層面的突破，保證量子比特更穩定、更少噪音。我們選了一條路，就是利用某種物理特性，讓它從原理上就更可靠，也就是利用所謂的馬約拉納零模。它在 20 世紀 30 年代就被理論預言過，問題是：我們能不能在現實中制備這種東西、并實際制造出來？這次的大突破就是：我們終于拿到了實證，證明在一種新物質相中，馬約拉納零模確實存在。這也是為什么我們說這是量子計算的“晶體管時刻”：我們發現了一種新物態，即拓撲相（topological phase），這讓我們可以更可靠地隱藏量子信息并測量它，而且可以實現器件化生產。有了這個基礎的器件制造技術，我們就能開始打造所謂的“馬約拉納芯片”（Majorana chip）。而“Majorana One”將有望成為第一塊能夠支持上百萬物理量子比特的芯片，而在這個物理層面之上，我們可以實現上千個糾錯后的邏輯比特。這就真正打開了局面，讓我們能制造一個實用規模的量子計算機。我現在覺得這變得更加可行了。如果沒有類似的突破，你當然可以在其他路線不斷取得一些進展，但很難做到真正的實用級量子計算。這就是為什么我們對此非常興奮。

主持人：我想確定一下，我們管它叫 Majorana？對吧，Majorana One。我很高興你們用這個名字。想想看，將來我們能把一百萬量子比特都塞進這么一個體積的東西，真是難以置信。如果做不到這種程度，也就沒法真正構建一個實用的量子計算機。你的意思是，未來的一百萬物理量子比特會放在這么一塊芯片上？太神奇了。其他一些公司也宣布了他們擁有一百個物理量子比特，比如谷歌、IBM 等等。你們則說你們只有一個，但同時又說你們在長期可擴展性上更強。

Satya Nadella：是的。我們做法中還有一點是，將軟硬件分開。我們一方面在構建自己的量子軟件棧，與此同時，也跟“中性原子”和“離子阱”這些量子技術伙伴合作。還有些人用光子學等方法。他們各自都有不錯的思路。舉例來說，我們最近還宣布了在糾錯上的重大進展，能夠在中性原子或離子阱的量子計算機上實現 24 個邏輯量子比特。今后我們還會繼續提升這個數字，你今年也會看到我們更多的更新。但這是相對而言的。在做這些合作的同時，我們也說：“讓我們回到第一性原理，自己打造量子計算機”，而且要基于“拓撲量子比特”的思路。這次的突破就是在這個層面上。

主持人：你說到的“一百萬拓撲量子比特”和“幾千個邏輯量子比特”，預期要花多長時間才能做到？有沒有類似“摩爾定律”之類的指導？如果這是你們的“第一個晶體管”，那接下來的發展路徑是什么？

Satya Nadella：我們其實已經努力了 30 年，好在現在我們有了物理層面和制造工藝的突破。我真希望我們早就有一臺量子計算機，因為有了量子計算機后，第一個用處就是拿它來造更好的量子計算機——模擬每一個原子去設計新的量子門會更容易。但無論如何，下一步就是既然我們有了這種制造工藝，就要把它用來打造第一個可容錯的量子計算機，這是合乎邏輯的目標。我現在能說的就是：“也許在 2027、2028、2029 年，我們就能真正把它造出來。” 有了這個單一門，我們就能把它集成到集成電路里，然后再把這些集成電路裝配到一臺真正的計算機中。那將是下一個關鍵點。

主持人：等到你們在 2027 或 2028 年把它造出來，那時它會是一種通過 API 來訪問的服務嗎？或者你們會先在內部用它來做材料、化學研究？

Satya Nadella：這是個好問題。其實就算在今天，我們也有量子程序，并且提供了一些 API。兩年前我們就有了一個突破性的想法：把 HPC（高性能計算）、AI 和量子結合起來看。如果你想想看，AI 是某種模擬器，而量子才是真正的“自然模擬器”。量子計算并不會取代經典計算：各自有適合處理的范圍。量子特別適合那些數據量不大、但狀態空間巨大的場景。它擅長做各種指數級狀態探索的工作，而對大量數據的處理并非它的強項。模擬就是個絕佳例子，比如化學、物理、生物等。我們現在已經在用 AI 來做某種“仿真引擎”，然后可能用量子來生成一些“合成數據”，再給 AI 做訓練。這樣 AI 就能更好地去模擬化學或物理等現象。這兩者將結合起來使用。在今天，我們就是把 HPC 和 AI 結合在一起用。未來，我希望能把 HPC 的某些部分替換成量子。

主持人：你能不能談談微軟在做這些長期研究決策時，是怎么運作的？比如這件事要等 20 年或 30 年才有回報，而你們作為微軟這樣大的公司，是怎么判斷的？顯然你在這項目上非常熟悉技術細節，但微軟研究院做的事情那么多，每一項都要像這樣了解也不現實。那么，你怎么知道你所做的這些長期投資會不會在 20 年后帶來回報？這需要一種“自下而上”的自發過程嗎？還是你會自己去跟進所有事情？

Satya Nadella：我覺得很棒的一點是：比爾蓋茨大概在 1995 年創立了微軟研究院（MSR）這種“出于好奇心驅動”的研究組織。把它純粹當作一個做基礎研究的團隊。在這么多年的演進中，MSR 建立了雄厚的學術積累。所以，當我在做資本分配或預算決策時，我會先說：“這是 MSR 的預算。” 畢竟，大多數研究項目都不會在短期內帶來回報，可能是到微軟第六任 CEO 上任時才會見效。在科技領域，這本就是理所當然的。我更關注的一點在于：當像量子、或新模型這些研究時機成熟時，公司能不能抓住機會發揮它們的潛能？如果你回顧科技史，很多公司不是沒投入，而是當真正需要把創新落地、做到大規模時，往往因為企業文化或其他原因做不到。所以對 CEO 和管理團隊來說，難點不只是在于看到一項創新，更要有能力把它做成一個完整的產品，并找到一個合適的商業模式去推向市場。這需要良好的判斷力和好的企業文化。我們有時做得好，有時也會失誤。我也能舉出一大堆 MSR 的項目，本可以由我們來率先發布，但最終沒做成。每當這種情況，我就會反省：為什么？通常是因為我們沒能獲得足夠的信心，或者沒能形成從創新到產品，再到商業化、再到上市的完整思路。換言之，CEO 和管理團隊的職責并不是只對某個想法很興奮，而是要把它變成一個真正有用的解決方案，這可不是說起來那么容易。

五、游戲領域的創新

主持人：我們回到你們的另一個大突破。太讓人驚訝了，兩項突破在同一天宣布：你們在游戲方面的人類行為模型。能給我們說說那是什么嗎？

Satya Nadella：我們打算叫它 Muse，是一個“世界動作”或“人類動作”模型。這非常酷。你知道 DALL·E 和 Sora 之類的生成式模型在視覺領域做得很出色。我們想嘗試的是：利用游戲的玩法數據，能不能生成既“一致”又具有多樣性、并且可以持續讓用戶進行 修改的游戲世界？這就是這項研究做的事情。他們和我們的一家游戲工作室合作，把研究成果發表在《自然》。讓我很興奮的是，我們很快就能用這些模型來生成一些游戲，然后讓大家來玩。事實上，Phil Spencer 第一次給我展示時，他拿著一個 Xbox 控制器。這套模型會根據輸入生成相應的輸出，而且還能保證跟游戲的邏輯保持一致。那一刻，我就覺得“哇，好驚人”。有點像我們第一次看到 ChatGPT 能把句子補完，或者第一次看到 DALL·E、Sora 生成圖像的時候。對我來說，這是同樣的震撼時刻。

主持人：今天早上我和你們的首席研究員 Katja 一起看了實時演示的視頻。在跟她聊之前，我還沒完全意識到這件事有多不可思議。我們過去也用 AI 來模擬單個代理，但如果用同樣的方法去模擬“代理所處的世界”，就能得到一個一致且實時的效果——我們會在播客上疊加一些演示畫面，讓觀眾能直接看到效果。等這期節目發布的時候，大家也能自己去看演示。這本身就很讓人驚嘆。而且你在擔任 CEO 的這段時間里，微軟在游戲領域投入了數十億美元乃至上百億美元，收購了不少 IP。如果最終我們能把所有這些數據都融進一個模型里，給玩家提供無縫銜接、多世界連貫的體驗，那感覺就像當初那些投入都很值。你之前預料到這一點了嗎？

Satya Nadella：我并不會說我們投資游戲就是為了“做模型”。坦率講，我們更純粹地是因為喜歡游戲而投資。微軟在游戲領域其實有悠久的歷史：我們做出第一款游戲比 Windows 還早，最早的《模擬飛行》就是微軟的產品，所以我們對游戲是“發自內心地熱愛”。我常說，我不喜歡那些只把游戲當“手段”，而不是“目的”的業務。如果我們要做游戲，就得把它當作獨立的目標去做。當然，我們也并非一個松散的聯合體；我們希望把不同的資產整合到一起，產生更大的協同價值。比如云游戲就是個自然的投資方向，因為它能擴大市場容量，讓更多人在更多地方玩游戲。AI 與游戲的結合也是類似的邏輯，我們確實覺得它能帶來幫助，也許會像當初“CGI 技術”之于電影業那樣改變游戲領域。對我們來說，這是個好消息，畢竟我們是全球最大的游戲發行商之一。不過前提還是要先做出高品質的游戲。要當游戲發行商就得先把游戲品質放在首位。但的確，游戲里的數據資產會非常有價值，不僅在游戲場景里，在更廣泛的“世界模型”或“行動模型”里都很重要。就像 YouTube 之于谷歌，游戲數據之于微軟一樣，所以我對此很興奮。

主持人：我的意思正是：也許未來可以在很多不同游戲類型之間擁有一個統一的體驗。那么從更廣泛的角度看，除了 AI 之外，你們過去還在混合現實方面做過不少工作，也可能會讓小型工作室也能做出 AAA 級的動作游戲。再過五到十年，結合這些技術，你能預見到什么變化嗎？

Satya Nadella：大概在五、六、七年前，我就說過我們要押注的三大方向是“AI、量子和混合現實”，我現在依然信這一點。從某種意義上說，這三者背后都有需要解決的重大挑戰。拿混合現實來說，它的終極夢想就是“臨場感”，讓你真實地感覺到和另外一個人同處一室。你看我們現在在做播客，雖然還只是 2D 的視頻通話，就已經很棒，但想要實現真正的“實時沉浸感”其實更難。我本來以為會更快實現，但發現涉及到戴設備等各種社交因素，其實挺復雜。不過我也對我們跟 Anduril、Palmer 合作，以及他們在 IVAS 項目上所做的工作感到興奮，那是一個很好的應用場景。我們會繼續在這方面前進。另外，2D 的形式也在不斷進步。比如 Teams，經歷了疫情后，它讓我們學會了在 2D 環境里創造“臨場感”，這大概會繼續發展下去。這是混合現實的某條演進路徑。量子我們剛才已經談過，AI 則是另一大方向。我所思考的是，怎么把這三者結合起來，不是為了炫技，而是真正去解決人類生活和經濟發展中的一些基本需求，以提高生產力。所以，如果我們能以某種方式把這一切都做對了，我認為我們就真正取得了進展。

六、AI的社會影響

主持人：等你寫下一本書的時候，你得解釋一下：為什么這三個方向（AI、量子、混合現實）會在差不多同一時間點匯聚？你看不出有什么內在理由讓你覺得量子和 AI 恰好會在 2028 或 2025 年出現。

Satya Nadella：沒錯。從某種層面上，我的一個簡單模型是：“系統層面”的突破，我會把量子計算看作是那個“系統層面”的突破；“商業邏輯層面”的突破，對我來說是 AI——因為它意味著邏輯層可以用完全不同的方式來推理，而非傳統的命令式編程，你可以用一個學習系統；然后就是“用戶界面層面”——也就是“臨場感”。

主持人：回到 AI。你在 2017 年那本書里……然后在 2019 年又很早地投資了 OpenAI——2017 年就更早了。你在書里寫道：“我們也許正在孕育一個新物種，而它的智能可能沒有上限。” 2017 年談這個還非常超前。我們現在聊了很多很細節的東西，比如智能代理、Office Copilot、資本開支等等。但若把視角拉遠一些，看看你當時說的那句話，再加上你是一家“超大規模云”企業的領導者，也在做大模型研究，同時提供訓練、推理、乃至研究上支持，等于你在幫助構建這個“新物種”。你從更宏觀的角度怎么看待這件事？你覺得在人生或者你任 CEO 的時間里，會出現“超越人類智能”嗎？

Satya Nadella：我知道 Mustafa Suleyman 也在最近提過“新物種”這個說法。我對這個問題的看法是：我們絕對需要“信任”。在我們自稱“這是一個全新的物種”之前，有一點必須先做好——無論是個人層面還是社會層面的信任，都要內置其中。這才是最大挑戰。我認為，這個“信任”可能會成為它走向強大過程中的最大速率限制因素。也就是說，我們法律體系……也可以把它叫做“法律基礎設施”——就像我們談的計算基礎設施那樣，我們的法律和法規要如何演進才能應對？這個世界之所以能運轉，是因為我們在其中設定了人類擁有財產、擁有某些權利、承擔責任……那是我們整個社會架構的基礎。如果現在出現了新的工具，人類要把更多權限委托給這些工具，那么這個法律結構要如何調整？在這個問題還沒解決之前，我覺得光談技術能力沒什么意義。

換句話說，只有先弄清楚法律層面。因為最終不可能有人說：“我部署了一個強大的智能系統，但跟我無關，AI 做的。” 不行。今天，如果你想部署這些智能系統，必須先有人類主體來承擔責任。這也是為什么我一直認為，即使是最強大的 AI，也不過是從某個人類那里“繼受”了某種“委托權限”。有人會說，這就是“對齊問題”，之類的。我覺得，這就說明我們得認真解決對齊，而且要能被某種方式驗證。但我不相信會有人部署一個完全“無人監管”、不受任何人類約束的智能系統。比如那些擔心“AI 自主崛起”的人——這可能是一個真正的問題，但它要變成真實問題之前，先要在法庭上過關。沒有哪個社會會容忍一個人說“都是 AI 的錯”，卻不追究人的責任。

主持人：嗯，不過世界上有很多國家，難保某些國家的法律體系也許更寬松些。而且如果真的要出現“AI 自我崛起”，未必非得在美國發生，對吧？

Satya Nadella：我們總覺得世界上沒人關心這些東西吧？其實并非如此。有“流氓行為者”是肯定的，我不是說不會出現，比如網絡犯罪和“流氓國家”一直都在。但要說整個人類社會會對此無動于衷，那不現實。我相信人類社會還是會介意。現在對于那些“流氓國家”或“流氓行為者”，國際社會也不會任其橫行，這就是我們有世界秩序的原因。這些流氓行為要付出代價。

主持人：但假設你所描繪的 10% GDP 增長要實現，似乎就得靠 AGI 之類的東西，帶來數萬億美元級的價值——幾乎相當于人類工資總額（大約 60 萬億美元），只能通過極大規模地自動化或增強勞動力來實現。如果那是真的，而我們又解決好了法律層面的問題，看起來還挺有可能在你任期內發生。你會覺得“打造超越人類智能”是你這輩子做的最大成就嗎？

Satya Nadella：你還提到另一個問題。David Autor 等人常常討論這個：現在 60% 的勞動力——至少談到民主社會吧，如果我們要讓社會保持穩定、讓民主制度能繼續運轉，就不能只有資本獲得回報，而勞動力卻毫無回報。我們可以討論具體細節，但總之，這 60%勞動力必須被重新賦值。在我看來，可能會出現一些原本不被重視的工作，在未來變得更有價值。今天我們覺得某些工作“非常高價值”，結果明天可能變成“普通的東西”；相反，那些給我做理療的人之類，也許會成為更被重視的工種。無論如何，如果沒有“勞動回報”，也沒有“工作帶來的意義和尊嚴”，這就會成為另一道“速率限制”，阻礙我們部署這些東西。

主持人：關于對齊問題，兩年前你們發布了“悉尼版本”的必應（Bing），當然，當時能力還沒那么強，只是個聊天機器人。它可能跟你聊 30 秒，然后說出一些搞笑或者不合宜的話。比如曾有個著名案例，它試圖說服《紐約時報》的記者去離婚。但如果想象未來這些代理可以連續數小時、數周、數月不間斷地運行，就像一群自主的 AGI 群體，如果它們和你們的目標不一致，就可能“搞亂一切”，甚至還會互相協作。這些“失控”可能就沒那么“可愛”了。那你們未來有什么對策，確保當真正強大的代理出現時，可以做對？

Satya Nadella：這就是為什么我們在分配計算資源時，會考慮到“對齊”的挑戰要花多少算力。更重要的是，我們要構建一個“運行時環境”讓我們可以實時地監控這些東西，確保可觀測性。其實在“經典”軟件領域我們也會這樣做，比如網絡安全。我們不會編寫完軟件就讓它自生自滅，而是一直去監控它的運行狀態，以防網絡攻擊或者故障注入之類。因此，我覺得在未來對這些模型的部署上，也得搞足夠的“軟件工程”手段。而在模型內部，還得做“對齊”。這其中有的是真正的科學難題，有的是工程難題，我們都得去解決。這也意味著我們自己要承擔相應的責任。也因此，我更愿意把這些東西部署在“可管理范圍”之內，無論是功能范圍，還是規模大小。你不能把一個“沒人管”的東西扔出去然后帶來危害，因為社會不會允許。

七、AI代理的時代

主持人：等到真的有了能連續工作數周甚至更久的智能代理時，你們最低會需要怎樣的“保證”才肯讓它接管一家隨便的財富 500 強公司去做項目？

Satya Nadella：我覺得就算是像 Deep Research 這樣的東西，在真正給它物理實體之前，我們都會需要一定的保證。那恐怕是個門檻。然后還要考慮到它在“運行時環境”中獲得什么權限——你大概也會希望它被“沙箱化”，不能隨意越界。雖然我們現在已經在“網頁搜索”這個大環境下讓 AI 出來活動了，但你仍要關注它到底能在搜索時做什么、寫什么。再比如，如果它要生成大量代碼來做某些計算，那么這些代碼會部署在哪里？是只是臨時生成一下拿來做輸出，還是會被投放到世界各處運行？這些都屬于行動空間里的事情，你是可以去加以控制的。

主持人：除了安全問題，也想問問你對微軟現有的產品組合有什么設想。如果 AI 強大到可以像人一樣委派和執行各種任務，可能不再只是 Copilot 這么簡單——就像你之前舉的播客準備的例子，而是更類似你如何把工作分給同事那樣。從你現在的產品套件來看，怎樣才能把這種能力融進去？另外，有人會擔心大模型會讓 Office 之類的軟件“同質化”，因為用戶只需通過大模型就能訪問所有這些功能。你認為這會不會發生？

Satya Nadella：這是個好問題。至少在第一階段，我的看法是：LLM 能否幫助我用更高效的方式在各種工具或工作場景中完成知識工作？我見過一個最好的演示，是關于腫瘤病案討論的流程——一個醫生要去開一個“腫瘤病案討論會”，她用 Copilot 來生成會議議程，因為 LLM 能基于 SharePoint 上所有病歷推理出有哪些病例需要重點關注。腫瘤病案討論會是個非常重要的會議，你必須非常謹慎地分配不同病例的討論時間，讓大家能夠高效討論。這時候，LLM 幫你做“時間拆分”和議程安排，就非常出色。會議開始后，大家用 Teams 來開會。由于 AI copilot 會做實時轉錄和要點記錄，所以醫生本人無需去忙著記筆記，可以專注于病例本身。而且 AI 不是只生成文字記錄，而是一個可以長期檢索、隨時回溯的數據庫條目。會后，這位醫生不需要再整理會議紀要，沒在筆記這件事上分心。她還要備課，因為她是個帶教醫生。所以她對 Copilot 說：“把我們腫瘤討論會的內容做成一個 PPT課件，我好去跟學生講。”這就是當下的一種場景。UI 和“支架”仍舊是這些我們常見的工具界面，但現在被 LLM 自動填充了，工作流也隨之被重塑。

再舉個有趣的類比：要是有人在 80 年代末和我說“你將會在桌面上同時處理一百萬份文檔”，我會覺得荒誕，“難道要有一百萬份紙質文檔堆在我桌上？” 但今天，我們確實有上百萬個 Excel、Word 文檔儲存在系統里。所以我覺得未來也會在“代理”這個層面發生類似情況。肯定會有一個 UI 層來承載這些代理；對我來說，Office 并不只是現在的 Office，而是“知識工作”的用戶界面，它會隨工作流的演變不斷進化。這就是我們想要做的。我確實認為如今的那些 SaaS 應用（我們常見的“增刪改查”應用）也會被徹底改造，因為“商業邏輯”會更多地轉移到這些“代理層”上。比如現在在我的 Copilot 體驗里，如果我要準備一個和客戶的會議，我只需說：“給我所有我需要知道的筆記。” 它就會同時從我的 CRM 數據庫和 Microsoft Graph 中拉取相關信息，做成一個綜合內容，還會加上一些邏輯處理。這就完全改變了我們對 SaaS 應用的使用方式。它不再是傳統的“瀏覽器里跑的前端+后端數據庫”那種模式。

主持人：SaaS 產業的市值規模可以達到數千億美元甚至上萬億美元。假如真的能被 AI 壓縮（或說重塑），那么在接下來的 10 年里，微軟市值會不會再上一個數量級？因為那代表著數萬億的市場規模

Satya Nadella：SaaS 產業里也會誕生大量新價值。可能目前人們還沒意識到的是，IT 方面尚有巨大的“待辦清單”，依然沒被滿足。通過自動生成代碼，以及能夠讓你在所有 SaaS 應用間做自如查詢的代理，你得到的實際效益會是前所未有的。可能會出現數量爆炸式增長的“應用”，或者說“代理”。在每個行業和每個細分市場，人們都能創造更多價值。所以會有大量新價值出現。但你不能原地不動，說“我把某些業務流程做了數據庫建模，然后用個瀏覽器界面就算完成了”。那不行。你必須往更高層次走，思考：“用戶最終想完成的任務是什么？”如果你能讓你的 SaaS 應用化身一個強大的智能代理，并能在多代理協作的世界中良好運作，那么就能提高自己的價值。

八、企業管理經驗

主持人：我想問一些與你在微軟工作歷程有關的問題。你覺得做“公司人”是不是被低估了？你幾乎在微軟度過了整個職業生涯。有人會說，你能貢獻這么大價值，部分原因是你非常了解公司文化、歷史、技術全貌，并且一步步走上管理層。是不是更多企業應該讓那些對公司有深刻理解的人來領導？

Satya Nadella：這是個好問題，我以前倒沒怎么這樣想過。在我加入微軟的 34 年里，我每一年都對留在微軟感到更興奮，而不是把自己簡單地看作“公司人”。對任何加入微軟的人來說，我也希望他們能夠把這里當做一個平臺，不僅可以獲得經濟回報，而且能獲得自我價值和使命感的實現。如果我們能成為他們實現目標的舞臺，這就是我們和員工之間的“契約”。所以，我覺得企業必須營造一種文化，能讓人們愿意像我這樣留下來。這說明微軟在我身上做得還不錯。我也希望以后能一直保持這種情況。

主持人：你說過“第六任”微軟 CEO（將來某一天會接班），他們才能真正用上你們現在投資的研究。那么你打算怎么留下未來的“薩蒂亞·納德拉們”，好讓他們最終成長為下任領導人呢？

Satya Nadella：這很有意思。今年是微軟成立第 50 年，我常常思考這個問題。我的思路是：追求“長壽”并不是目標，“保持相關性”才是目標。我們必須每天都在做對世界“有用且相關”的事情，不僅著眼于現在，也為將來做準備。我們所在的行業沒有“特許經營價值”可言，這其實是另一大挑戰。你看我們今年投入的研發經費，大部分都在賭 5 年后的情形。我們必須抱著這種態度：“我們正在做一些我們認為對未來有意義的事。”這才是我們每天要關注的。也要明白，命中率不可能 100%，所以必須對失敗保持高容忍度，并且要敢于做足夠多的嘗試，這樣公司才有機會度過下一個周期。對我們這行來說，這確實不容易。

主持人：你提到微軟即將迎來 50 周年。如果看市值排名前 5 或前 10 的公司，幾乎所有其他公司都比微軟成立得晚。這也折射出一個現象：最成功的企業往往比較年輕。要知道，平均的《財富》500 強企業壽命大概也就 10 到 15 年。那微軟是怎么一直保持活力、保持相關性的？你們如何做到一遍又一遍地“再創始”呢？

Satya Nadella：我喜歡 Reid Hoffman用過的一個詞：“再創始“。這就是一種心態。人們常說“創始人模式”，但對于我們這些普通的、不是創始人的 CEO 來說，更像“再創始人模式”。你得有能力一次又一次地以全新視角看待事物。這是關鍵。回到你那個問題：我們要想在文化上創造一種氛圍，讓大家都有權挑戰已有的核心假設，改變我們做事方式以及與世界的關聯方式。我們能否給自己這種“許可”？很多公司會被自己現有的商業模式之類的因素“束縛”住。但你必須學會“解除束縛”。

主持人：如果有一天你離開微軟，你會去創辦什么公司？

Satya Nadella：唉，我是個“公司人”，可能永遠不會離開微軟吧。要是真要我想想，會是什么方向……我覺得我會選一個能夠真正實踐“技術的民主化力量”的領域。我們一直說科技是最偉大的民主化力量之一，但現在看來，我們真有機會讓它發揮更大作用。假設單就“每單位電力和金錢所能獲得的令牌 計算”在不斷提升的話，我希望在那些“服務嚴重不足”的領域來應用這些能力。比如醫療、教育、公共部門；如果能讓人們的健康、教育水平，以及政府提供的公共服務都有改觀，那將是非常有意義的事業。

主持人：現在我有點不確定你對“AGI”是不是相信。你覺得會不會真的有那么一天，所有“認知勞動”都能被自動化？就任何在電腦上能做的事情都能讓 AI 做了？

Satya Nadella：這里我對一些定義的用法不太滿意。因為“認知勞動”不是個靜止不變的東西，現在我們所說的認知勞動，也許很快就會出現新的形式。我一直說，別把“知識工作者”（knowledge worker）和“知識工作”（knowledge work）混為一談；今天的知識工作可以被自動化，但這并不代表不會出現新的知識工作。誰說我人生的目標就是“篩郵件”？讓 AI 代理去篩郵件吧。然后 AI 交給我三個草稿，讓我去審閱。后者又是一個不同層次的工作。“好的，我審閱一下是不是符合我的意圖。”那么 AI 會不會最終也能替代那個“更高層次的審閱”呢？可能會，但它替代后，又會出現更高一層的東西。為什么我們會覺得，當一種工具改變了我們對“認知勞動”的定義后，就所有認知勞動都被取代了呢？歷史上，每次有新工具都在改寫工作形態，但并沒有把“所有勞動”徹底抹去。

主持人：我猜你應該也聽過一些相似類比，比如馬在工業時代被逐漸淘汰了——雖然馬在某些特殊地形還挺有用，但馬顯然沒有再次獲得大規模就業機會。有人擔心，人類也會像馬那樣被淘汰……

Satya Nadella：但那只是工業革命 200 年的歷史。在那之前，人類社會對于所謂“認知勞動”的概念也才不過這幾百年。比如說化學。如果量子計算＋AI 真能大幅推進材料科學，創造出新的材料，這很好。可這會不會就“毀掉”人類的所有價值？為什么不能是一個人類和機器共同存在的世界，既擁有強大的認知機器，又保留人類的“認知自主權”？

主持人：那我就換一種說法吧。比如微軟的董事會，你會不會覺得未來某一天可以讓一個 AI 加入董事會？它能不能擁有足夠的判斷力、背景知識和對整體業務的深刻理解，以便成為一個有用的決策者？

Satya Nadella：這是個很好的例子。我們現在已經在 Teams 里做了一個“會議輔助代理”，它還處在早期階段。其目標就是能利用長期記憶，結合對會議信息、項目進展和團隊情況的上下文理解，成為一個出色的“引導者”。如果在董事會議程中也能有這么一個代理，幫助人們不跑題就好了。畢竟董事會成員每季度才來一次，想要理解微軟這樣一個復雜公司并不容易。如果有一個“輔助代理”不斷提醒大家討論重點，這很棒。這其實就像你前面提到“無限記憶”一樣：AI 可以幫我們彌補“人類理性有限”的不足。赫伯特·西蒙（Herbert Simon）也說過，我們人類的理性是有限的。如果有一個認知放大器來輔助我們，那不就很好嗎？

主持人：你之前也提到材料和化學。我記得你最近說過，想在未來 25 年里讓這些領域取得相當于過去 250 年的進步。可當我想象 250 年后的圖景，里頭可能包括星際旅行、太空電梯、長生不老、治愈所有疾病……你居然說要在 25 年內做到？

Satya Nadella：我之所以這樣說，是因為我喜歡那個類比：“工業革命花了 250 年”。我們現在要從一個“基于碳”的體系轉變為別的什么，就意味著要從根本上重塑這 250 年里化學帶給我們的東西。在這方面，我希望量子計算機能成為關鍵工具，幫我們找到新材料，然后我們再去制造這些新材料，從而應對地球上所有這些挑戰。等到那時，星際旅行也當然沒問題。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

原文鏈接：https://www.youtube.com/watch?v=WKvSBe8xEPQ

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編：圖靈