【編者按】日前，微軟首席執(zhí)行官 Satya Nadella 在參加由知名科技播客主持人 Dwarkesh Patel 主持的播客節(jié)目 Dwarkesh Podcast 時，談到了他對當前人工智能（AI）/通用人工智能（AGI）的前景、量子計算的革命性進展，以及科技如何推動全球經(jīng)濟變革的看法。

當各家公司都在爭先恐后地追逐 AGI 時，Nadella 在訪談中卻語出驚人，“我們自己宣稱達成某個 AGI 的里程碑，對我來說，那只是一些無意義的基準修改。真正的基準是：全球經(jīng)濟增長 10%。”

同時，他認為，法律與倫理基礎設施（如責任歸屬、勞動價值重構(gòu)）是部署強大 AI 系統(tǒng)的先決條件。

此外，他還預言，未來人類將管理“智能體蜂群”，通過 Copilot 等界面協(xié)調(diào)任務，而認知勞動的定義將隨著技術(shù)迭代不斷升級。

主要內(nèi)容包括以下 9 個方面：

• AI 行業(yè)不會“贏家通吃”

• 真正的基準：全球經(jīng)濟增長 10%

• 智能的價格正在下降

• 量子突破

• Muse 將如何改變游戲？

• AI 的法律障礙

• 讓 AGI 真正安全

• 34 年微軟生涯

• 相信 AGI 嗎？

學術(shù)頭條在不改變原文大意的情況下，對整體內(nèi)容做了精編，全篇內(nèi)容較長，干貨滿滿，建議收藏，如下：

Dwarkesh Patel：Satya，非常感謝你來參加我們的播客。

稍后我們將討論微軟近期取得的兩項突破，恭喜你們，這兩項成果同一天在《自然》雜志上發(fā)表：Majorana 芯片，就放在我們面前，還有 。你描述了你在 80 年代和 90 年代看到的事情，現(xiàn)在它們又在重新發(fā)生。

Satya Nadella：對我來說感到興奮的是……Dwarkesh，首先，非常高興參與你的播客。我是你的忠實聽眾，我非常喜歡你做訪談的方式和你所探討的廣泛話題。

這讓我有點想起我在 90 年代剛進入科技行業(yè)的前幾年，當時人們就在爭論到底是采用 RISC 還是 CISC，或者“嘿，我們真能用 x86 來構(gòu)建服務器嗎？”

當我加入微軟時，那正是 Windows NT 誕生之初。因此，從核心芯片平臺到操作系統(tǒng)，再到應用層——這種全棧方法——整個過程都在爭論之中。

你可以說云計算領(lǐng)域也有類似的情況，顯然分布式計算和云計算確實改變了客戶端-服務器架構(gòu)，網(wǎng)頁也發(fā)生了巨大的變化。但這感覺似乎比我曾經(jīng)參與過的更像是一個全棧。

Dwarkesh Patel：當你回顧上世紀 80 年代和 90 年代，想想哪些決策最終成為了長期贏家，哪些沒有，特別是當你想到你曾在 Sun Microsystems 工作時，他們在上世紀 90 年代的互聯(lián)網(wǎng)泡沫中經(jīng)歷了一段有趣的歷程。人們常說數(shù)據(jù)中心的建設是一個泡沫，但與此同時，我們今天的互聯(lián)網(wǎng)也是當時建設的結(jié)果。

那么，什么是經(jīng)得起時間考驗的經(jīng)驗教訓？什么是固有的世俗趨勢？哪些只是曇花一現(xiàn)？

Satya Nadella：回過頭來看，我參與過四大變革中的客戶端以及客戶端-服務器。這就是圖形用戶界面（GPU）和 x86 架構(gòu)的誕生，基本上讓我們能夠構(gòu)建服務器。

我記得非常清楚，1991 年，我去參加 PDC（微軟專業(yè)開發(fā)者大會），當時我還在 Sun Microsystems 工作。那一年，我去了 Moscone，那時候，微軟首次描述了 Win32 接口，我當時就很清楚接下來會發(fā)生什么，服務器也會成為 x86 架構(gòu)的東西。當某個東西具備規(guī)模優(yōu)勢時，那就是你必須做出的長期投資選擇。在客戶端發(fā)生的一切會在服務器端發(fā)生，然后你就能真正構(gòu)建客戶端-服務器應用程序。因此，應用模型變得清晰。

然后，互聯(lián)網(wǎng)就是我們的重大挑戰(zhàn)，我們必須在開始時就應對它。實際上，我一加入微軟，網(wǎng)景瀏覽器（Netscape）或馬賽克瀏覽器（Mosaic）就發(fā)布了，大概是在 1993 年 12 月或 11 月吧？應該是 Andreessen 和他的團隊推出的。

從一個有趣的視角來看，這真是一個改變游戲規(guī)則的大事件，當時，我們正掀起客戶端-服務器浪潮，而且很明顯我們也將在這一浪潮中獲勝。我們迎來了瀏覽器時代，因此我們必須做出調(diào)整。由于瀏覽器是一種全新的應用模式，我們的調(diào)整工作做得相當出色。

我們所做的一切都是為了全力擁抱那個時代，無論是在 Word 中使用 HTML，還是我們自己構(gòu)建一個新的瀏覽器并為之競爭，抑或是在我們的服務器堆棧上構(gòu)建一個 web 服務器。然而，不可否認的是，我們錯過了網(wǎng)絡上最大的商業(yè)模式，因為我們都認為網(wǎng)絡的核心是分布式——誰能想到搜索會成為組織網(wǎng)絡的最大贏家呢？顯然我們沒有看到這一點，而 Google 看到了，并且執(zhí)行得相當出色。

所以，這就是我學到的一個教訓：你不僅要把握好技術(shù)趨勢，還必須了解這一趨勢將在哪里創(chuàng)造價值。這些商業(yè)模式的轉(zhuǎn)變可能比技術(shù)趨勢的變化更難預測。

AI 行業(yè)不會“贏家通吃”

Dwarkesh Patel：人工智能的價值將在哪里創(chuàng)造？

Satya Nadella：這是一個很好的問題。我可以比較有信心地說兩個地方。一是表現(xiàn)良好的超大規(guī)模運營商（Hyperscaler），因為從根本上講，如果你回顧一下 Sam 和其他人的描述，如果智能是計算的對數(shù)，那么誰能進行大量計算，誰就是大贏家。

另一個有趣的地方是，如果你看一下任何 AI 工作負載的底層，就像拿 ChatGPT 來說，并不是每個人都對 GPU 方面的進展感到興奮，雖然它很棒。事實上，我甚至把我的計算資源看作是 AI 加速器、存儲和計算的比率。在規(guī)模上，你必須不斷擴展它。

Dwarkesh Patel：是的。

Satya Nadella：所以，全球?qū)@種基礎設施的需求將會呈指數(shù)級增長。

Dwarkesh Patel：沒錯。

Satya Nadella：因此，事實上，擁有這些 AI 工作負載就像是天賜之物，因為你猜怎么著？他們對計算的需求更大，不僅是為了訓練，也是為了測試時。想想看，一個 AI 智能體會以指數(shù)級的速度增加計算量，因為這不只是一個人調(diào)用一個程序，而是一個人調(diào)用的程序又會調(diào)用更多的程序。這將創(chuàng)造出巨大的計算基礎設施需求和規(guī)模。因此，我們的超大規(guī)模業(yè)務，Azure 業(yè)務，以及其他超大規(guī)模公司，我認為這是一件大事。

之后，情況就變得有點模糊了。你可以說，嘿，有贏家通吃的模式，但我沒發(fā)現(xiàn)。順便說一下，這是我學到的另一件事：善于理解哪些市場是贏家通吃，哪些不是贏家通吃，某種意義上來說，這就是一切。我記得在我剛開始進入 Azure 時，亞馬遜已經(jīng)領(lǐng)先很多，人們會來找我，投資者也會找我說，“哦，結(jié)束了，你們永遠無法趕上，亞馬遜是贏家通吃。”

在與甲骨文和 IBM 在客戶端-服務器領(lǐng)域競爭過后，我知道買家是不會容忍贏家通吃的。從結(jié)構(gòu)上講，超大規(guī)模公司永遠不會是贏家通吃的，因為買家很聰明。

消費者市場有時可能是贏家通吃的，但只要買方是公司、企業(yè)、IT 部門，他們就會希望有多個供應商。所以，你得成為其中一個供應商。

我認為，這在模型方面也會發(fā)生。會有開源的存在，也會有一個“管制者”。就像在 Windows 上，我學到的一個重要教訓是，如果你有一個閉源操作系統(tǒng)，那么一定會有一個與之互補的開源系統(tǒng)。

因此，在某種程度上，這就是對事態(tài)發(fā)展的真正制衡。我認為在模型方面，可能會有少數(shù)幾個閉源的，但一定會有開源的替代方案，開源的替代方案實際上會確保閉源的贏家通吃被遏制。

這是我對模型方面的看法。順便說一下，如果這些東西真的像人們說的那樣強大，政府是不會坐視不管讓私營公司到處……全世界都是如此。所以，我不認為它是贏家通吃的。

除此之外，我認為還是老一套，那就是在消費者市場，某些類別中，可能會有贏家通吃的網(wǎng)絡效應。畢竟，ChatGPT 就是一個很好的例子。

它是一個規(guī)模化（at-scale）的消費產(chǎn)品，已經(jīng)獲得了真正的“逃逸速度”（escape velocity）。我去 App Store 看，它總是排在前五名，我就會想，“哇，真不可思議。”

所以，他們能夠利用這個早期優(yōu)勢，把它轉(zhuǎn)化為應用程序優(yōu)勢。在消費者市場上，這種情況可能發(fā)生。而在企業(yè)市場上，我認為不同的類別會有不同的贏家。至少我是這樣分析的。

Dwarkesh Patel：我還有很多問題。我們一會兒要聊量子計算，但關(guān)于模型可能被商品化的觀點：也許幾年前就有人對云計算提出過類似的論點——從根本上說，它不過就是一塊芯片和一個盒子。

但最終，當然，你和其他許多人找到了在云計算中獲得驚人利潤率的方法。你們找到了規(guī)模經(jīng)濟的途徑，并增加了其他的價值。從根本上說，即使拋開行話不談，如果你有了 AGI，并且它能幫助你創(chuàng)造更好的 AI ——現(xiàn)在是合成數(shù)據(jù)和強化學習（RL），也許未來是自動化的 AI 研究員——這似乎是鞏固優(yōu)勢的一個好方法。我很好奇你對此怎么看，單純是關(guān)于在這方面走在前面真的很重要的這個想法。

Satya Nadella：在規(guī)模上，沒有什么是商品化的。關(guān)于云計算的觀點，每個人都會說，“哦，云計算是商品。”除非，當你做到規(guī)模化……這就是為什么運營一個超大規(guī)模公司需要特定的技術(shù)和經(jīng)驗……你可以說，“哦，那有什么難的？我可以把服務器堆疊起來。”

Dwarkesh Patel：沒錯。

Satya Nadella：事實上，在超大規(guī)模計算的早期，大多數(shù)人認為“有這么多主機托管商，但那些不是什么好生意。超大規(guī)模計算真的是生意嗎？它會有業(yè)務嗎？”結(jié)果證明，超大規(guī)模計算是一個真實的生意，因為 Azure 擁有運行全球 60 多個地區(qū)所有計算的專門技術(shù)。這是很難復制的。

所以，我更想說的是，這是一個贏家嗎？到底是不是贏家通吃？因為這一點必須搞清楚。我喜歡參加 TAM（總可用市場）的類別，這樣就不會有贏家通吃的風險。最好的情況是，一個大市場能容納幾個贏家，而你就是其中之一。

這就是我所說的 hyperscale 層級。在模型層級，一個模型最終需要在一些 hyperscale 的計算平臺上運行。所以，我覺得這種聯(lián)系將永遠存在。它不僅僅是模型；模型需要狀態(tài)，這意味著它需要存儲，還需要需要常規(guī)的計算資源來運行這些智能體和智能體環(huán)境。

因此，這就是為什么我認為一個人跑贏并建立一個完整的模型的極限可能不會發(fā)生的原因。

Dwarkesh Patel：關(guān)于 hyperscaler 計算平臺，順便說一下，作為一個 hyperscaler，你的優(yōu)勢也很有趣，特別是在推理時擴展方面，如果這涉及到未來模型的訓練，你可以將數(shù)據(jù)中心和 GPU 的成本攤銷，不僅用于訓練，還可以再次用于推理。

我很好奇，你認為微軟和 Azure 是何種類型的 hyperscaler。是側(cè)重于預訓練的部分？還是提供 o3 類的推理？還是你們只是提供托管和部署市場上的任何單一模型，對此保持中立？

Satya Nadella：這是個很好的問題。我們希望構(gòu)建的計算平臺在某種意義上是順應摩爾定律（Moore's Law）的。我認為，這就像我們過去做的所有事情一樣：每年不斷刷新平臺，按照這些設備的生命周期價值進行折舊，然后對機群進行非常好的布局，以便能高效地運行不同的任務。有時會有非常大的訓練任務，需要配置高度集中的峰值計算能力，并且這些任務也需要相互協(xié)同。這很好。我們應該有足夠的數(shù)據(jù)中心資源來滿足這些需求。

但歸根結(jié)底，這些都變得非常龐大，甚至在預訓練規(guī)模的情況下，如果需要持續(xù)進行，預訓練的規(guī)模有時也必須跨越數(shù)據(jù)中心的邊界。這一切或多或少都存在。

那么，很好，一旦開始跨越預訓練的數(shù)據(jù)中心邊界，這和其他有什么不同呢？我考慮的方式是，嘿，分布式計算將保持分布式，所以要構(gòu)建你的平臺，使其準備好應對大規(guī)模訓練任務，準備好進行測試時計算，甚至準備好——如果可能發(fā)生的強化學習最終實現(xiàn)了，你可以先建立一個大模型，然后進行大量的強化學習。對我來說，這就像是更多的訓練計算，因為你想為不同的任務創(chuàng)造這些高度專業(yè)化、精煉的模型。

因此，你需要那樣的計算平臺，然后是服務需求。歸根結(jié)底，光速就是光速，你不能在得克薩斯州建一個數(shù)據(jù)中心，然后說，“我要從這里為全世界提供服務。”

你必須在世界各地都有推理機群的基礎上為全世界提供服務。這就是我對我們構(gòu)建真正超大規(guī)模平臺的理解。

哦，順便說一下，我希望我的存儲和計算也靠近這些所有的東西，因為不僅僅是 AI 加速器是無狀態(tài)的。我的訓練數(shù)據(jù)本身需要存儲，然后我想能夠多路復用多個訓練任務，我想能有內(nèi)存，我希望能有這些環(huán)境，在這些環(huán)境中，智能體可以去執(zhí)行程序。這就是我的想法。

全球經(jīng)濟增長 10%

Dwarkesh Patel：你最近報告說，你們每年通過 AI 獲得的收入是 130 億美元。但如果你看看年增長率，按照這個趨勢，四年后，你們的 AI 收入將是現(xiàn)在的 10 倍，達到 1300 億美元。如果這一趨勢繼續(xù)下去，你預見到如何利用所有這些智能，如何實現(xiàn)這種工業(yè)規(guī)模的應用？

是通過 Office 嗎？是你們?yōu)槠渌咎峁┎渴鹌脚_嗎？要有 AGI，才能有 1300 億美元的收入？那會是什么樣子？

Satya Nadella：這是個很好的問題，因為從某種程度上來說，如果我們真的會迎來這種爆炸性的、豐富的、可利用的智能商品，我們首先要觀察的就是國內(nèi)生產(chǎn)總值（GDP）的增長。

在我談微軟的收入將是什么樣子之前，所有一切的唯一制約因素有一個。我覺得，我們在所有 AGI 的炒作中有些自夸。記住，發(fā)達國家的經(jīng)濟增長率是 2%，如果調(diào)整通脹的話，可能是零增長。

所以，2025 年，當我們坐在這里時，我不是經(jīng)濟學家，但至少我能看出我們有一個真正的增長挑戰(zhàn)。因此，首先我們必須做的是，當我們說這就像是工業(yè)革命時，讓我們實現(xiàn)那種工業(yè)革命式的增長。

對我來說，那意味著 10%、7%，發(fā)達國家經(jīng)過通脹調(diào)整后增長 5%。那才是真正的標桿。不能只是供應端的變化。

事實上，這就是問題所在，很多人在寫這個，我很高興他們寫這些，真正的贏家不會是科技公司。贏家將是那些使用這種豐富的商品的廣泛行業(yè)，順便說一下，智能將變得豐富，突然間生產(chǎn)力上升，經(jīng)濟的增長速度加快。當這種情況發(fā)生時，我們這個行業(yè)就好起來了。

但對我來說，那才是關(guān)鍵時刻。我們自己宣稱達成某個 AGI 的里程碑，對我來說，那只是一些無意義的基準修改。真正的基準是：全球經(jīng)濟增長 10%。

Dwarkesh Patel：好吧，如果全球經(jīng)濟增長 10%，假設世界經(jīng)濟總量是 10 萬億美元，那如果增長 10%，相當于每年多創(chuàng)造 10 萬億美元的價值。如果是這樣，作為一個超大規(guī)模服務商...... 800 億美元似乎太少了，但難道你們不應該做到 8000 億美元嗎？

如果你真的認為在幾年內(nèi)，全球經(jīng)濟能以這個速度增長，而關(guān)鍵瓶頸將是：你是否擁有足夠的算力來部署這些 AI，完成所有這些工作？

Satya Nadella：沒錯。但順便說一下，經(jīng)典的供應方觀點是，“嘿，讓我建好了，他們就會來。”這是一個論點，畢竟我們也做過，我們敢冒足夠的風險去做。

但在某個時候，供應和需求必須匹配。這就是為什么我同時關(guān)注這兩個方面。你完全可能在炒作供應方時偏離軌道，而沒有真正理解如何將其轉(zhuǎn)化為對客戶的實際價值。

這就是為什么我關(guān)注我的推理收入，也是為什么我會披露推理收入的原因之一...... 有趣的是，很多人并沒有談論他們的真實收入，但對我來說，這是理解它的一個重要標準。

你不能指望它們在任何給定時刻都對稱匹配，但你需要有實際證明，證明你能夠把昨天的“資本”轉(zhuǎn)化為今天的需求，這樣你才能再次投資，甚至可能以指數(shù)級的方式投資，知道你不會完全錯配增長速度。

Dwarkesh Patel：我在想這兩種觀點是否存在矛盾，因為你做得很好的一件事就是提前下注。你在 2019 年就投資了 OpenAI，甚至是在 Copilot 和任何應用出現(xiàn)之前。

如果你看看工業(yè)革命，這些 6%、10% 的鐵路建設和其他東西，其中很多都不是像 "我們已經(jīng)從車票上獲得了收入，現(xiàn)在我們要...... "

Satya Nadella：那時候確實有很多錢被浪費了。

Dwarkesh Patel：沒錯。那么，如果你真的認為這里有潛力將世界的增長率提高 10 倍或 5 倍，然后你可能會想，“那么，GPT-4 的收入是多少？”

如果你真的認為這是下一個層次的可能性，你難道不應該說“瘋狂點，做數(shù)千億美元的算力”嗎？我覺得是有可能的，對吧？

Satya Nadella：有趣的事情就在這里，沒錯。這就是為什么我覺得對基礎設施采取平衡的方法非常重要。問題不在于建造算力，而是在于建造那些不僅能幫助我訓練下一個大模型，還能為下一個大模型提供服務的算力。只有做到這兩點，你才有可能真正利用你的投資。

所以，這不是單純地在比誰能建造一個模型，而是在比誰能創(chuàng)造一種世界上正在使用的商品，推動……你必須有完整的思路，而不僅僅是關(guān)注某一件事。

順便說一下，其中一個問題是，肯定會有過度建設。關(guān)于你提到的互聯(lián)網(wǎng)泡沫時期的情況，大家都知道，現(xiàn)在你需要更多的能源，需要更多的算力。多虧了這一點，每個人都會加入這場競賽。

實際上，不僅僅是公司在部署，國家也會投入資本，而且顯然……我非常激動自己是一個領(lǐng)導者，因為，順便提一下，我建造了很多，也租賃了很多。我很高興看到我將在 2027 年、2028 年租賃大量的算力，因為我看到這些建設情況，我想，“這太棒了。”唯一會發(fā)生的事就是，所有算力的建設將導致價格下降。

智能的價格正在下降

Dwarkesh Patel：說到價格下降，你最近在 DeepSeek 模型發(fā)布后發(fā)了一條關(guān)于杰文斯悖論（Jevons Paradox）的推文。我很好奇你能否詳細解釋一下。杰文斯悖論發(fā)生在需求對某物的價格高度彈性時。智能是不是也受到價格下降的制約？

因為至少在我作為消費者的使用案例中，智能技術(shù)已經(jīng)非常便宜了。每百萬個 token 只要兩美分。我真的需要它降到 0.02 美分嗎？我只是在讓它變得更智能方面遇到了瓶頸。如果你需要向我收取 100倍 的費用，那就做 100 倍更大的訓練。我很樂意公司這么做。

但是也許你在企業(yè)端看到的是不同的情況。什么樣的智能應用真的需要它降到每百萬 token 0.002 美分？

Satya Nadella：我認為真正的關(guān)鍵在于 token 的效用。兩者都需要發(fā)生：一是智能需要變得更好、更便宜。每當出現(xiàn)突破性進展，比如 DeepSeek 所做的那樣，性能與每個 token 的效率前沿發(fā)生變化，曲線會彎曲，前沿也會移動。這就帶來了更多的需求。這正是云計算所經(jīng)歷的。

有一個有趣的事情是：我們曾經(jīng)以為“天哪，我們在客戶端-服務器時代已經(jīng)賣出了所有服務器”。但一旦我們開始把服務器放進云里，人們突然開始消費更多，因為他們可以以更便宜的價格購買，并且是彈性的，他們可以按使用量購買，而不是購買許可證，這完全擴展了服務器的消費范圍。

比方說，我們?nèi)ビ《冗@樣的國家，跟他們講“這是 SQL Server”。我們賣得不多，但天哪，印度的云計算遠遠超過了我們在服務器時代所能做的。我認為這將會繼續(xù)發(fā)生。

想想看，如果你真的想在全球南部、在發(fā)展中國家開展業(yè)務，如果這些 token 可以非常便宜地用于醫(yī)療保健，那將是史無前例的變革。

Dwarkesh Patel：我認為，如果有人聽到像我這樣在舊金山的人說“他們有點傻；他們不知道在現(xiàn)實世界中部署技術(shù)是什么樣的”，這其實是很合理的。

作為一個與這些財富 500 強公司合作并幫助它們?yōu)閿?shù)億、數(shù)十億人部署技術(shù)的人，你怎么看待這些功能的部署速度？

即便擁有了能夠工作的智能體，甚至是能夠為你遠程工作的一些工具，考慮到所有合規(guī)問題和固有的瓶頸，這會是一個大的挑戰(zhàn)嗎，還是會很快解決？

Satya Nadella：這將是一個真正的挑戰(zhàn)，因為真正的問題是變革管理或流程變革。這里有一個有趣的事情：我常用的一個類比是，想象一下，像我們這樣的大型跨國公司，在沒有個人電腦、電子郵件和電子表格的時代，是如何做預測的。傳真到處都是。然后，有人拿到傳真，做了一份部門間備忘錄，然后到處傳閱，人們輸入數(shù)字，最后得出預測，也許正好趕上下一季度。

然后有人說，“嘿，我只要把 Excel 表格放到電子郵件里，發(fā)出去，讓大家編輯一下，我就能得到預測。”所以，整個預測的業(yè)務流程發(fā)生了變化，因為工作成果和工作流程發(fā)生了變化。

這就是 AI 引入知識工作時需要發(fā)生的事情。事實上，當我們想到這些智能體時，根本的變化就是有了一種新的工作方式和流程。

比如說，在準備我們的播客時，我會去我的助手那里說，“嘿，我要和 Dwarkesh 討論我們關(guān)于量子計算的公告以及我們?yōu)橛螒蛏伤⒌男履Ｐ汀＝o我一個我在談話前應該閱讀的內(nèi)容摘要。” 它知道了那兩篇《自然》雜志的論文，并且提取了相關(guān)信息。我甚至說，“嘿，給我做一個播客格式的總結(jié)。” 結(jié)果，它做得很不錯，兩個人像聊天一樣討論了這個話題。

所以這就成了—實際上，我還把它分享給了我的團隊。我把它放進了 Pages，這是我們的工具，然后分享給了大家。所以我現(xiàn)在的工作流程是，我和我的同事一起使用AI來完成工作。

這就是對所有從事知識工作的人來說，根本性的變革管理，突然間大家開始弄清楚這些新的模式，“我如何用新的方式完成我的知識工作？” 這需要時間。這將會在銷售、金融和供應鏈中發(fā)生。

對于現(xiàn)有公司來說，我認為這將是一件，讓我們以我喜歡用的類比來說明，就像制造商做的精益生產(chǎn)方面所做的事情。我喜歡這個類比，因為，從某種意義上來說，精益生產(chǎn)成為了一種方法論，它可以讓人們將制造的端到端流程變得更加高效。這是一種持續(xù)改進的過程，減少浪費、增加價值。

這也是知識的發(fā)展趨勢。這就像是知識工作中的精益生產(chǎn)。這將是從事知識工作的管理團隊和個人的艱苦工作，需要時間。

Dwarkesh Patel：我可以簡短地問一下關(guān)于那個類比的問題嗎？精益生產(chǎn)做的其中一件事是，物理上改變了工廠車間的面貌。它揭示了人們在真正關(guān)注流程和工作流程之前沒有意識到的瓶頸。

你簡要提到了你的工作流程——AI 改變了你的工作流程。我很好奇，隨著 AI 智能體越來越智能，管理一個大公司會是什么樣子？

Satya Nadella：你問得很有意思。我在想，舉個例子，如果我的工作非常依賴電子郵件。我早上到達辦公室，發(fā)現(xiàn)我的收件箱滿了，我在回復郵件，所以我迫不及待地想讓一些 Copilot 智能體自動填充我的草稿，這樣我就可以開始審閱和發(fā)送了。

但我現(xiàn)在在 Copilot 里至少有十個智能體，我會根據(jù)不同的任務向它們提問。我覺得會有一個新的收件箱誕生，那就是我與成千上萬的智能體打交道，它們需要向我報告一些異常情況，發(fā)出通知，或者請求我的指示。

因此，至少我現(xiàn)在想到的是，會有一個新的框架，那就是智能體管理器。它不僅僅是一個聊天界面。我需要一個比聊天界面更智能的工具來管理所有智能體及其對話。

這就是為什么我認為 Copilot 作為 AI 的用戶界面非常重要。我們每個人都將擁有它。基本上，你可以把它看作：有知識工作，就有知識工作者。知識工作可能由許多智能體來完成，但你仍然有一個知識工作者在處理所有這些知識工作者。而我認為，這就是我們需要構(gòu)建的界面。

量子突破

Dwarkesh Patel：你是世界上少數(shù)幾個可以說擁有 20 萬個以微軟公司及其所有員工為形式的智慧蜂群的人。你需要管理它，你需要與之互動，如何最好地利用它。希望未來世界上更多的人也能夠擁有這種體驗。

我很好奇，如果所有人的收件箱像你一樣，你的收件箱早晨會是什么樣子的。

好吧，在我們深入討論這個問題之前，我想繼續(xù)問你一些關(guān)于AI的問題，我真的很想問你關(guān)于微軟研究院宣布的量子領(lǐng)域的重大突破。你能解釋一下這是怎么回事嗎？

Satya Nadella：這是我們另外一段 30 年的旅程。簡直難以置信。我是微軟第三任 CEO，曾對量子計算充滿熱情。

這里的根本突破，或者說我們一直以來的愿景是，你需要一個物理學的突破，才能構(gòu)建一個實用規(guī)模的量子計算機。我們認為，要想獲得噪聲更小或更可靠的量子比特，唯一的辦法就是在物理特性上下注，因為從定義上講，物理特性更可靠，而這就引領(lǐng)我們走向了馬約拉納零模式（Majorana zero mode），馬約拉納零模式是 20 世紀 30 年代就提出的理論。問題是，我們能否真的物理上制造出這些東西？我們真的能構(gòu)建它們嗎？

實際上，我知道你也跟 Chetan 聊過，真正的突破就是我們現(xiàn)在終于有了一個存在性證明和物理學突破，即在一種新的物質(zhì)相中發(fā)現(xiàn)了馬約拉納零模式。這就是為什么我們喜歡將這一突破類比為量子計算的“晶體管時刻”，因為我們實際上擁有了一個新的階段，即拓撲階段（Topological phase），這意味著我們現(xiàn)在可以可靠地隱藏量子信息、測量它，并且可以制造它。現(xiàn)在，我們已經(jīng)掌握了這種核心基礎制造技術(shù)，我們可以開始制造馬約拉納芯片了。

這個“馬約拉納一號”（Majorana One），我認為它將基本上是第一個能夠支持百萬量子比特的物理芯片。然后基于它，可以實現(xiàn)數(shù)千個邏輯量子比特，經(jīng)過糾錯處理。到那時，真正的挑戰(zhàn)就開始了。突然間擁有了構(gòu)建一個真正的實用規(guī)模量子計算機的能力，對我來說，這現(xiàn)在變得更加可行了。沒有像這樣的突破，仍然能實現(xiàn)一些里程碑，但永遠無法構(gòu)建一個實用規(guī)模的計算機。這就是我們感到興奮的原因。

Dwarkesh Patel：太驚人了。順便說一句，我相信這就是它。

Satya Nadella：沒錯，這就是它。

Dwarkesh Patel：是的。

Satya Nadella：我現(xiàn)在有些忘了，我們是不是叫它馬約拉納？對，沒錯，就是馬約拉納一號。很高興我們以這個名字來命名它。

想想看，我們竟然能在如此小的體積中構(gòu)建出一個百萬量子比特的量子計算機，真是難以置信。這就是問題的關(guān)鍵：除非我們能做到這一點，否則就別想著能構(gòu)建一個實用規(guī)模的量子計算機。

Dwarkesh Patel：你是說最終的百萬量子比特會放在這么小的芯片上嗎？太棒了。

其他公司也宣布了 100 個物理量子比特，比如谷歌、IBM 等。你說你們也有一個，但你提到你們的量子計算機在規(guī)模擴展性上遠遠領(lǐng)先時，是什么意思？

Satya Nadella：是的。我們還做了一件事，我們采取了一種將軟件和硬件分開的方法。我們正在構(gòu)建自己的軟件堆棧，現(xiàn)在，我們與中性原子和離子阱的團隊合作，還與其他一些有相當不錯的光子學方法的團隊合作，這意味著會有不同類型的量子計算機。事實上，我想我們最近宣布的有 24 個邏輯量子比特。所以我們在糾錯方面也取得了一些非常棒的突破，這使得我們能夠在中性原子和離子阱量子計算機上構(gòu)建這些 20 個以上的量子比特，我認為這個進展會持續(xù)下去，你將看到我們在這一方面的不斷改進。

但我們也說過，“讓我們從基本原則出發(fā)，構(gòu)建我們自己的量子計算機，將賭注押在拓撲量子比特上。”這就是這次突破的意義所在。

Dwarkesh Patel：太驚人了。百萬拓撲量子比特，數(shù)千個邏輯量子比特，預計要達到這個水平的時間是多久？如果你們已經(jīng)有了第一個晶體管，那么這里的摩爾定律會是什么樣的？

Satya Nadella：顯然，我們已經(jīng)為此努力了 30 年。我很高興我們現(xiàn)在有了物理學上的突破和制造技術(shù)上的突破。

我希望我們現(xiàn)在能有一臺量子計算機，因為，順便說一下，量子計算機首先能讓我們做的事情就是制造量子計算機，因為模擬這些新量子門的原子級構(gòu)建將變得更加容易。

但無論如何，接下來的真正任務是，既然我們有了制造技術(shù)，就讓我們?nèi)ブ圃斓谝慌_容錯量子計算機吧。

所以，我現(xiàn)在可以說，“哦，也許到 2027、2028、2029 年，我們就能真正造出這臺計算機”。現(xiàn)在我們有了這個量子“門”，我能把它裝進集成電路里 然后把這些集成電路裝進真正的計算機里嗎？這就是下一步的邏輯所在。

Dwarkesh Patel：那么，你預料，到了 2027、2028 年，你們的量子計算機能工作了嗎？它可以通過應用程序接口（API）訪問嗎？還是它是你們內(nèi)部用于材料和化學研究的工具？

Satya Nadella：這是一個很好的問題。讓我感到興奮的一件事是，即使在今天的世界里我們有這個量子程序，還為它添加了一些 API。我們在兩年前取得的突破是把高性能計算堆棧、人工智能堆棧和量子放在一起考慮。

事實上，如果你想想看，AI 就像是模擬器的仿真器。量子就像是大自然的模擬器。量子會做什么？順便說一下，量子不會取代經(jīng)典計算。量子擅長它能做的事，而經(jīng)典計算也會……

量子在任何不是數(shù)據(jù)密集型但在狀態(tài)空間方面是探索密集型的事情上都將非常出色。它應該是數(shù)據(jù)輕量的，但在你想要探索的指數(shù)狀態(tài)上。模擬就是一個很好的例子：化學物理、什么的、生物學。

我們開始做的其中一件事就是真正將 AI 作為仿真引擎。但你可以然后進行訓練。所以我認為的方式是，如果你有 AI 加量子，或許你會用量子生成合成數(shù)據(jù)，然后讓 AI 利用這些數(shù)據(jù)訓練更好的模型，從而能夠模擬化學、物理或其他領(lǐng)域。這兩者會一起使用。

因此，即使今天，我們實際上就是在做高性能計算（HPC）和 AI 的結(jié)合。我希望能夠用量子計算機替代一些 HPC 的部分。

Dwarkesh Patel：你能不能告訴我，你是如何做出這些研究決定的，尤其是在微軟這樣規(guī)模的公司，這些決定在 20 年、30 年后是否真的會帶來紅利？顯然，你對這個項目的技術(shù)細節(jié)非常了解。你覺得在微軟研究院做所有這些事情的同時，你還能做出這樣的決策嗎？

你怎么知道你現(xiàn)在下的賭注在 20 年后會有回報？是必須通過組織有機地涌現(xiàn)出來，還是你如何跟蹤這一切？

Satya Nadella：我覺得比爾（蓋茨）在 1995 年左右創(chuàng)辦微軟研究院（MSR）時的做法非常棒。我認為，在這些以好奇心為驅(qū)動力的研究機構(gòu)的悠久歷史中，只做基礎研究的研究機構(gòu)和 MSR，多年來已經(jīng)建立起了這種制度優(yōu)勢，因此，當我考慮資本分配或預算時，我們首先把籌碼放進去，然后說："這是 MSR 的預算"。我們每年都要這樣做，因為我們知道，大多數(shù)賭注都不會在有限的時間內(nèi)得到回報。也許微軟的第六任 CEO 會從中受益。在科技行業(yè)，我認為這是必然的。

我真正考慮的事情是，當像量子計算、新模型等這樣的技術(shù)時機到來時，能否抓住這些機會？作為在位者，如果你回顧一下科技史，你會發(fā)現(xiàn)并不是說人們沒有投資下注，而是你需要有一種文化，知道如何把創(chuàng)新進行規(guī)模化。

這對 CEO 和管理團隊來說是真正困難的部分，坦率地說，這一點很吸引人。它不僅僅關(guān)乎良好的判斷力，也關(guān)乎良好的文化。有時候我們做對了，有時候做錯了；我可以告訴你微軟研究院有上千個項目，我們應該領(lǐng)導這些項目，但我們沒有做到。我總是問自己為什么。因為我們沒有足夠的信心去完成那個完整的思考，不僅僅是把創(chuàng)新引入市場，而是把它做成一個有用的產(chǎn)品，并有一個商業(yè)模式，我們能拿去市場推廣。

這是 CEO 和管理團隊的工作：不能只對某一件事感到興奮，而是能夠真正執(zhí)行一個完整的方案。這說起來容易，做起來難。

Dwarkesh Patel：你提到微軟可能會有三位繼任 CEO，如果他們每個人都能將市值提高一個數(shù)量級，那么當你取得下一個突破時，你就會成為世界經(jīng)濟的領(lǐng)頭羊之類的人物。

Satya Nadella：或者記住，世界將以 10% 的速度增長，所以我們會沒事的。

Muse 將如何改變游戲

Dwarkesh Patel：讓我們深入了解你們剛剛?cè)〉玫牧硪粋€重大突破。你們在同一天發(fā)布了這兩項突破，在你們的游戲世界模型中真的讓人震驚。如果你能簡單介紹一下這個模型，我將非常高興。

Satya Nadella：我們將其稱為 Muse，它將成為這個世界的行動模型或者說人類行動模型。

這真是太酷了。顯然，Dall-E 和 Sora 在生成模型方面所取得的成就令人難以置信。我們想要追求的一件事就是利用游戲玩法數(shù)據(jù)，你能否生成既一致又能展現(xiàn)游戲多樣性的游戲，并且能夠?qū)τ脩舻?mod 進行持久化處理？

這就是問題所在。他們能與我們的一家游戲工作室合作，這就是《自然》雜志上的另一篇文章。

最酷的是，我期待著將來很快會有一個游戲目錄，我們將開始使用這些模型，或者我們會訓練這些模型來生成游戲，然后開始玩它們。

事實上，當 Phil Spencer 第一次向我展示時，他拿著一個 Xbox 手柄，這個模型基本上根據(jù)輸入生成了輸出，而且與游戲一致。對我來說，這是一個巨大的“哇”的時刻。這就像我們第一次看到 ChatGPT 說完整的句子，或者 Dall-E畫畫，或者 Sora 一樣。這是這樣一個時刻。

Dwarkesh Patel：今天早上，我有機會看到你們的首席研究員 Katja 展示的實時演示視頻。和她談過后，我才真正意識到這有多么不可思議，因為我們過去已經(jīng)使用 AI 來建模智能體，而僅僅利用相同的技術(shù)來建模智能體周圍的世界，便能提供一致的實時反饋——我們將在這期播客上疊加相關(guān)視頻，大家可以親眼看到。到時候它應該也會發(fā)布，大家可以在那里觀看。

這一切本身就令人難以置信。作為 CEO，你已經(jīng)投入了數(shù)百億美元來建立微軟游戲并收購知識產(chǎn)權(quán)。

回顧過去，如果你能將所有這些數(shù)據(jù)整合成一個大型模型，能夠帶給你同時訪問和體驗多個世界的感受，而如果這是游戲未來發(fā)展的方向，看起來這筆投資是非常值得的。你當時有預感到這一點嗎？

Satya Nadella：我不會說我們投資游戲是為了構(gòu)建模型。坦率地說，我們投資游戲，實際上是因為——這是我們歷史中的一件有趣的事：我們在開發(fā) Windows 之前就已經(jīng)開發(fā)了第一款游戲。飛行模擬器在我們開發(fā) Windows 之前就是微軟的產(chǎn)品。

所以，游戲在公司歷史上有著悠久的傳統(tǒng)，我們投資游戲是為了游戲本身。我總是先說，我討厭那種為了達成某種目標而進入的行業(yè)。它們必須本身就是目的。

是的，我們不是一個企業(yè)集團，我們是一家公司，必須將這些資產(chǎn)整合起來，通過增值成為更好的所有者。例如，云游戲?qū)ξ覀儊碚f是一個自然的投資方向，因為它將擴展市場總量（TAM），并擴大人們在任何地方玩游戲的能力。

同樣，AI 與游戲的結(jié)合：我們確實認為它可能會有所幫助——它就像是長期以來游戲的 CGI 時刻。這太棒了。作為全球最大的發(fā)行商，這對我們非常有幫助。但與此同時，我們必須制作高質(zhì)量的游戲。我的意思是，如果不專注于這一點，你根本不能成為一個游戲出版商。

這個數(shù)據(jù)資產(chǎn)將會非常有趣，不僅在游戲的背景下，而是作為一個通用的行動模型和世界模型，這太棒了。我認為或許就像 YouTube 之于 Google一樣，而游戲數(shù)據(jù)之于微軟也是如此。因此，我對此感到非常興奮。

Dwarkesh Patel：是的，這就是我想表達的意思，就是說，你可以在多種不同的游戲中獲得統(tǒng)一的體驗。除了 AI 之外，這與微軟過去所做的其他工作有什么關(guān)系，比如混合現(xiàn)實？也許能給小型游戲工作室一個機會來制作這些 AAA 級動作游戲？在五到十年后，你能想象有哪些方式？

Satya Nadella：我早在五、六、七年前就說過，我們要下的三大賭注是 AI、量子和混合現(xiàn)實。

我仍然相信它們，因為從某種意義上講，要解決的大問題是什么？存在感。這是混合現(xiàn)實的夢想。你能創(chuàng)造出真正的存在感嗎？就像你我在做這種播客一樣。

老實說，我認為這是那些挑戰(zhàn)中最難的一個。我本以為它會更容易解決。可能更困難的一部分，是因為它涉及到社交因素：穿戴設備等等。

實話講，我們很高興能與 Anduril 還有 Palmer 合作，尤其是他們?nèi)绾瓮苿?IVAS 項目，因為這是一個絕佳的應用案例。我們會在這方面繼續(xù)努力。

二維（2D）界面也是如此。我認為這會繼續(xù)發(fā)展下去。這是一個長期的趨勢。

我們已經(jīng)討論過量子了，AI 是另一個。所以，這三件事是我關(guān)注的方向。我在思考如何將這些東西結(jié)合起來？最終，不是為了技術(shù)本身，而是為了實現(xiàn)我們作為人類在生活中所追求的一些基本需求，并且更多地在我們的經(jīng)濟中推動生產(chǎn)力。如果我們能以某種方式把這一點做對，我認為我們就真的取得了進展。

AI 的法律障礙

Dwarkesh Patel：回到 AI 這個話題，你在 2019 年投資了 OpenAI，非常早，你在書中提到過，“也可以說我們正在孕育一種新物種（new species），其智能可能沒有上限。”

當然，2017 年談論這個話題是非常超前的。我們已經(jīng)在具體細致地討論智能體、Office Copilot、資本支出等問題。但如果把眼光放遠，考慮到你的這番話，再加上你作為一個超大規(guī)模公司運營者，同時也是研究這些模型的人，為構(gòu)建一個新物種提供培訓、推理和研究，你是如何從全局的角度看待這個問題的？

你認為在你作為 CEO 的任期內(nèi)，我們會朝著超人類智能的方向發(fā)展嗎？

Satya Nadella：我認為甚至 Mustafa 都用過這個詞。實際上，他最近也提到了這個“新物種”。

我的看法是，信任是必須的。在我們宣稱這是一個物種之前，我們要做的最基本的事情就是要有真正的信任，無論是個人層面的信任還是社會層面的信任，這才是硬道理。

我認為，影響這項技術(shù)最大限制因素將是我們的法律……可以稱之為基礎設施，我們討論的是所有計算基礎設施，那么法律基礎設施如何發(fā)展以應對這一點呢？整個世界都是建立在諸如人類擁有財產(chǎn)、擁有權(quán)利和承擔責任等概念上的。這是一個根本問題，首先必須問清楚的是，這對現(xiàn)在人類作為工具使用的所有事物意味著什么？如果人類將更多的權(quán)力委托給這些工具，那么這種結(jié)構(gòu)將如何發(fā)展？在這個問題得到真正解決之前，我認為光談技術(shù)能力是無法實現(xiàn)的。

Dwarkesh Patel：意思是，在我們搞清楚如何解決這個問題之前，我們不能部署這種類型的智能？

Satya Nadella：完全正確。因為歸根結(jié)底，今天你無法部署這些智能，除非有某個人為其提供擔保。

就像你說的，這也是為什么我認為，即使是最強大的 AI，基本上也還是在人某個類的授權(quán)下運作。你可以說，哦，那都是對齊問題，等等。正因如此，我認為你必須真正確保這些對齊能夠發(fā)揮作用，并且能夠以某種方式驗證，但我就是不認為你可以部署那些失控的智能。例如，AI 的起飛問題可能會成為一個真正的問題，但在它成為真正的問題之前，真正的問題會出現(xiàn)在法庭上。沒有哪個社會會允許某個人說：“是 AI 干的。”

Dwarkesh Patel：是的。世界上有很多社會，我想知道是否有哪個社會的法律體系會更為寬容。如果沒有起飛，那你可能會擔心。這不一定非得發(fā)生在美國，對吧？

Satya Nadella：我們認為沒有哪個社會能做到不在乎，對吧？雖然確實可能會有不法分子，我并不是說不會有不法分子，它們確實存在。

但要認為整個人類社會根本不在乎這一點，也是不對的。我認為我們所有人都會在意。我們現(xiàn)在知道如何應對流氓國家和不法分子。世界不會坐視不管，而說“我們可以容忍”。

Dwarkesh Patel：是的。但如果你能想象出經(jīng)濟增長 10 %的景象，我認為這真的取決于像 AGI 這樣的東西能否發(fā)揮作用，因為數(shù)十萬億美元的價值，聽起來更接近人類工資的總和，約 60 萬億美元的經(jīng)濟總量。要達到這種規(guī)模，你基本上必須在非常顯著的方式上自動化勞動或補充勞動。

如果這有可能，一旦我們弄清楚它的法律后果，那么即便在你任期內(nèi)，我們也有可能解決這個問題。你在考慮超人類智能嗎？就像你職業(yè)生涯中最大的成就就是這個？

Satya Nadella：你提到了另一個點。我知道 David Autor 等人談了很多這個問題，60% 的勞動——我認為需要解決的另一個問題是，至少在我們的民主社會中，穩(wěn)定的社會結(jié)構(gòu)和民主制度的運作不能僅僅依靠資本的回報，而沒有勞動的回報。我們可以討論這個問題，但這 60% 的勞動必須重新估價。

用我自己簡單的方式，也許你可以稱之為天真，我們將開始評估不同類型的人類勞動。今天被認為是高價值的人類勞動，可能會變成商品。我們可能會看重一些新的東西。

包括那個幫助我做理療的人，或者其他我們看重的東西，但歸根結(jié)底，如果我們的勞動沒有回報，工作沒有意義，工作沒有尊嚴，那也是這些東西能否部署的一個制約因素。

讓 AGI 真正安全

Dwarkesh Patel：關(guān)于對齊問題，兩年前，你們發(fā)布了 Sydney Bing。為了明確一點，就當時的能力水平而言，這只是一個迷人、令人愉快、也有些幽默的誤對齊的例子。

在當時，它就像聊天機器人一樣。它們可以思考 30 秒，給你一些有趣或不恰當?shù)幕貜汀５牵绻憧紤]到這種系統(tǒng)--我想，對于《紐約時報》的記者來說，這種系統(tǒng)曾試圖讓他離開他的妻子或其他什么--如果你考慮到這種系統(tǒng)的未來，而你擁有的這些智能體在未來的幾個小時、幾個星期、幾個月里，就像自主的 AGI 群一樣，他們可能會以類似的方式錯位，把事情搞砸，也許還會相互協(xié)調(diào)，你們將如何應對，確保當你們擁有那個“大型 AGI”時，能夠做到正確的對齊？

Satya Nadella：沒錯。這也是我們通常在分配計算資源時的原因之一——我們要為對齊問題分配計算資源。

更重要的是，我們需要考慮真正能夠監(jiān)控這些事情的運行時環(huán)境是什么？它的可觀察性如何？我們今天在傳統(tǒng)的技術(shù)領(lǐng)域也面臨很多類似的問題，比如網(wǎng)絡安全。我們不只是編寫軟件，然后任其發(fā)展。有了軟件，還要對其進行監(jiān)控。你要監(jiān)控它是否遭受網(wǎng)絡攻擊、是否存在故障注入等等。

因此，我認為我們必須在這些部署方面建立足夠的軟件工程支持，然后在模型本身內(nèi)部解決對齊問題。這些問題中，有些是科學問題，有些是工程問題，我們必須逐一攻克。

這也意味著我們需要承擔我們自己的責任。所以，我更傾向于將這些技術(shù)部署在那些可以實際管理其范圍和規(guī)模的地方。你不能就這樣把某個系統(tǒng)釋放到外部世界中，造成傷害，因為社會不允許這樣做。

Dwarkesh Patel：當你擁有能夠為你完成數(shù)周任務的智能體時，你希望在讓它運行一個隨機的財富 500 強公司之前，你想要的最基本的保障是什么？

Satya Nadella：我認為，當我使用像 Deep Research 這樣的東西時，最低的保障要求是，在我們特別擁有任何東西的物理化身之前，這應該是一個門檻，當你越過這個門檻時，才會考慮進一步的部署。那可能是其中一個點。

另一個方面是，比如說，這些系統(tǒng)運行的環(huán)境的權(quán)限。

Dwarkesh Patel：我的意思是，我們已經(jīng)有了網(wǎng)絡搜索，而且已經(jīng)脫離沙箱了。

Satya Nadella：但即便是網(wǎng)絡搜索，它做的事情，以及它寫的內(nèi)容——比如說，假如它只是為了進行某些計算而寫一堆代碼，那些代碼是在哪里部署的？這些代碼是僅僅為了創(chuàng)建輸出而臨時生成的，還是會被放出去到世界上？

這些是你在行動空間中可以真正控制的東西。

Dwarkesh Patel：除了安全問題之外，當你考慮到自己的產(chǎn)品套件，并且思考如果你確實擁有如此強大的 AI 系統(tǒng)時，某個時刻，它不僅僅像是 Copilot——你提到的關(guān)于你如何為這次播客做準備的例子——更像是你實際將工作委派給同事的方式。

在你當前的產(chǎn)品套件基礎上，添加這些 AI 會是什么樣子？我指的是，是否有一個問題是，大語言模型（LLM）會被其他事物商品化？

我在想，這些數(shù)據(jù)庫、畫布、Excel 表格等等——如果 LLM 是你訪問所有這些東西的主要入口點，是否有可能 LLM 會讓 Office 商品化？

Satya Nadella：這是一個有趣的問題。我認為，至少在第一階段，我的想法是：LLM 能否幫助我更高效地使用所有這些工具或畫布來完成知識工作？

我見過的一個最好的演示是，一位醫(yī)生準備參加腫瘤委員會會議的工作流程。她要參加腫瘤委員會會議，首先她使用 Copilot 來創(chuàng)建會議議程，因為 LLM 可以幫助她理清所有案例，這些案例在某個 SharePoint 網(wǎng)站上。它會說：“嘿，這些案例——顯然，腫瘤委員會會議是一個高度關(guān)鍵的會議，你需要考慮不同案例的差異，以便分配適當?shù)臅r間。”

甚至僅僅是創(chuàng)建一個議程的推理任務，它知道如何分配時間，這非常好。所以，她用 LLM 來做這個。然后她進入會議，在和所有同事在 Teams 通話中，她能夠?qū)Ｗ⒂趯嶋H案例，而不是做筆記，因為現(xiàn)在有這個 AI Copilot 在做完整的會議記錄。這不僅僅是轉(zhuǎn)錄，還包括了會議內(nèi)容的數(shù)據(jù)庫條目，以供隨時回顧。

然后，她從會議中出來，討論了案例，而沒有被做筆記分心。她是位教學醫(yī)生，她想去準備她的課堂。所以她進入 Copilot，說：“把我的腫瘤委員會會議內(nèi)容做成 PPT，好讓我可以給學生講解。”

這就是這種類型的工作。我現(xiàn)在的用戶界面（UI）和支撐框架是通過 LLM 填充的畫布。而工作流程本身正在被重塑；知識工作正在進行。

有一個有趣的事情：如果在上世紀 80 年代末有人告訴我：“你桌上會有一百萬份文件”，我可能會說：“那是什么鬼？”我本來會以為桌上會有一百萬份紙質(zhì)文件。但事實上，我們確實有一百萬份電子表格和一百萬份文檔。

Dwarkesh Patel：我沒有，你有。

Satya Nadella：它們都在那兒。所以，即使是智能體，也會發(fā)生這樣的事情。會有一個 UI 層。對我來說，Office 不僅僅是今天的辦公室，它是知識工作的 UI 層。它將隨著工作流程的演變而進化。這就是我們想要構(gòu)建的。

我確實認為，今天存在的 SaaS 應用程序，這些 CRUD 應用程序，最終會發(fā)生根本性變化，因為業(yè)務邏輯將更多地進入這種智能體層。實際上，我在 Copilot 的另一個很酷的體驗是，當我說，“嘿，我準備和客戶開會，”我只需要說，“給我所有相關(guān)的會議筆記。”它會從我的 CRM 數(shù)據(jù)庫中提取，從我的 Microsoft Graph 中提取，創(chuàng)建一個合成的、本質(zhì)上的人工制品，然后在上面應用邏輯。對我來說，這將改變我們今天所知道的 SaaS 應用程序。

Dwarkesh Patel：SaaS 作為一個行業(yè)，可能每年價值數(shù)千億美元到數(shù)萬億美元，具體取決于如何計算。如果這真能被 AI 擊垮，那在未來十年里，微軟的市值是否會再次增長 10 倍？因為你在談論數(shù)萬億美元的市場…

Satya Nadella：它還將為 SaaS 創(chuàng)造大量價值。也許我們沒有太關(guān)注的一個方面是，世界上存在的 IT 積壓問題。

這些代碼生成技術(shù)，加上可以通過智能體來查詢你所有的 SaaS 應用并獲取更多效用，將會帶來應用程序的巨大爆炸，它們會被稱為智能體，所以在每個行業(yè)、每個類別中，我們突然間就能夠獲得服務。

因此，將會有很多價值。你不能停滯不前。你不能再說“哦，我對某個狹窄的業(yè)務流程做了框架設計，我在瀏覽器中有一個 UI，這就是我的工作了。”這種說法已經(jīng)不再適用了。你必須要站得更高，問問自己：“我需要參與的任務是什么？”

你將希望能夠?qū)⒛愕?SaaS 應用程序轉(zhuǎn)變?yōu)橐粋€出色的智能體，在一個多智能體的世界中發(fā)揮作用。只要你能做到這一點，那么我認為你就可以增加它的價值。

34 年微軟生涯

Dwarkesh Patel：我可以問你一些關(guān)于你在微軟工作的事情嗎？

Satya Nadella：當然可以。

Dwarkesh Patel：做為一個公司人（company man，指的是那些長期在一家公司工作，對公司文化、歷史和業(yè)務有深入了解，并逐漸通過公司內(nèi)部晉升至高位的員工。）是不是被低估了？你在微軟大部分時間里工作，或許可以說，你之所以能創(chuàng)造如此多的價值，其中一個原因就是你見證了微軟的文化、歷史和技術(shù)。你通過在公司內(nèi)部晉升，獲得了所有這些背景。是不是更多的公司應該由那些擁有這種背景的人來管理？

Satya Nadella：這是一個很好的問題。我沒有從這個角度思考過。

在我 34 年的微軟生涯中，每一年我都覺得比前一年更激動人心。并不是覺得，哦，我是個公司人，或者其他什么。我非常認真對待這一點，尤其是對于任何加入微軟的人來說。并不是說他們加入微軟是因為他們覺得這只是一個經(jīng)濟回報的平臺，而是他們覺得能夠利用微軟平臺來實現(xiàn)自己的使命和目的。這就是我們之間的契約。

所以我認為是的，企業(yè)必須創(chuàng)造一種文化，允許員工進入公司并成為像我這樣的“公司人”。至少在我的案例中，微軟在這一點上做得利是大于弊端的，我希望未來依然如此。

Dwarkesh Patel：你所說的第六任 CEO，將會使用你現(xiàn)在開始的這些研究，你是如何留住未來的 Satya Nadella，確保他們能夠成為未來的領(lǐng)導者的？

Satya Nadella：這很有意思。今天是我們的第 50 個年頭，我經(jīng)常在思考這個問題。我們應該理解的是，持久性不是目標，意義才是目標。

我和我們 20 萬名員工每天要做的事情是：我們所做的事情，是否對世界有用并且有意義，我們不僅要考慮今天的世界，還要考慮未來的世界。

我們所處的行業(yè)沒有特許經(jīng)營價值，這是另一個難點。如果你把我們今年的研發(fā)預算拿出來，那都是在推測五年后會發(fā)生什么。基本上，你必須抱著這樣的態(tài)度去做，說“我們正在做我們認為會有意義的事情”。

所以你必須關(guān)注這個目標。然后要知道，你的打擊率是有限的，你不會總是成功，你必須對失敗有很高的容忍度。你必須進行足夠的嘗試，才能說：“好吧，作為一家公司，我們會成功的”。這就是這個行業(yè)的棘手之處。

Dwarkesh Patel：還有兩個月就是微軟成立 50 周年了。如果你看一下市值排名前十的公司，或者前五名，基本上，除了微軟，其他公司都比微軟年輕。這個現(xiàn)象非常有趣，微軟是如何做到在這么多年中始終保持活力的？如何不斷重整旗鼓（refounding）？成功的公司往往都比較年輕。世界 500 強企業(yè)的平均壽命為10到15年。

Satya Nadella：我喜歡 Reed Hoffman 用的那個詞，refounding。這就是一種思維方式。人們常說“創(chuàng)始人模式”（founder mode），但對于我們這些普通的CEO來說，更像是“重整旗鼓模式”（refounder mode）。

能夠以全新的視角重新看待事物是關(guān)鍵。對于你的問題：我們能否在文化上創(chuàng)造一個環(huán)境，使得“重整旗鼓”成為一種習慣？我們每天來這里都會說：“我們覺得我們與這里息息相關(guān)，能夠改變我們所做的事情的核心假設，并重新定義我們與周圍世界的關(guān)系。我們給自己這個權(quán)限了嗎？”我認為，很多時候，公司會覺得自己受到了商業(yè)模式等的限制。對此，你必須需要解除對自己的束縛。

Dwarkesh Patel：如果你離開微軟，你會創(chuàng)辦什么公司？

Satya Nadella：我會創(chuàng)辦什么公司？天啊。這時候“公司人”的我就說：“我永遠不會離開微軟。”

如果我真要做點什么，我認為選擇一個有…當我看到科技的夢想時，我們一直在說，科技是最大的、最偉大的民主化力量。

我覺得我們最終具備了這樣的能力。如果你說每瓦特每美元能產(chǎn)生的效益，我愿意去找到一個可以應用這種能力的領(lǐng)域，尤其是那些服務不足的應用領(lǐng)域。

那就是醫(yī)療、教育…公共部門會是另一個應用領(lǐng)域。如果你把這些領(lǐng)域，也就是服務不足的地方，作為這個國家的公民、這個社會的成員或任何地方的一員，能夠受益于這種技術(shù)帶來的豐富性，轉(zhuǎn)化為更好的醫(yī)療、更好的教育和更好的公共部門服務，那將會很棒。

相信AGI嗎？

Dwarkesh Patel：聽了你對不同問題的回答，有一點我不太確定，你是否認為 AGI 是一個存在的事物。是否會有一種能夠自動化所有認知勞動的東西，像是任何人能夠在電腦上做的事？

Satya Nadella：這是我對人們討論它的定義有所困惑的地方。認知勞動并不是一成不變的。今天就有認知勞動。如果我有一個收件箱，管理我所有的智能體，那是新的認知勞動嗎？

今天的認知勞動可能會被自動化。那么，產(chǎn)生的新認知勞動呢？這兩者都必須考慮到，這就是轉(zhuǎn)變。

這就是為什么我做出這樣的區(qū)分，至少在我的腦海中是這樣：不要把知識工作者和知識工作混淆。今天的知識工作可能會被自動化。但誰說我的人生目標是處理我的電子郵件？讓智能體處理我的電子郵件，但在處理完我的電子郵件之后，再給我一個更高層次的認知勞動任務，比如，“嘿，這三份草稿是我真正想要你審閱的”。這是一個不同的抽象概念。

Dwarkesh Patel：但 AI 能達到第二個層次嗎？

Satya Nadella：有可能，但一旦它達到了第二個層次，就會有第三個層次。當我們在歷史上使用的工具已經(jīng)改變了認知勞動的本質(zhì)時，我們?yōu)槭裁催€在擔心所有的認知勞動都會消失呢？

Dwarkesh Patel：我敢肯定你之前聽過這些例子，比如說馬匹仍然在某些事情上有用，有些地形是你無法開車去的。但認為你會看到馬匹在街上跑，或者雇傭百萬馬匹，這種情況顯然不會發(fā)生。

然后這個問題是，類似的情況會不會發(fā)生在人類身上？

Satya Nadella：但是僅僅在一個非常狹窄的維度上嗎？按照我們今天的理解，人類開始重視某些被稱為“認知勞動”的這種狹義的東西，這樣的歷史只有兩百年。

以化學為例。如果量子力學加上 AI 確實幫助我們做了很多新型的材料科學研究，那由它做的新材料科學研究是非常棒的。這是否會剝奪人類能做的其他事情呢？

為什么我們不能在一個有強大認知機器的世界里生存，同時知道我們的認知能力并沒有被剝奪呢？

Dwarkesh Patel：我會問這個問題，不是關(guān)于你的，而是關(guān)于一個不同的情境，所以也許你可以在不感到尷尬的情況下回答。假設在微軟的董事會中，你能看到增加一個 AI 成員嗎？它能否擁有判斷力、背景和全面的理解，成為一個有用的顧問？

Satya Nadella：這是一個很好的例子。我們在 Teams 中增加了一個主持智能體。目前還處于早期階段，我們的目標是，能否讓這個主持智能體利用長期記憶，不僅僅是會議背景，還包括我們正在進行的項目、團隊等背景，成為一個出色的主持人？

我甚至希望它能在董事會會議中使用，因為董事會成員每個季度才開一次會，他們需要消化一個像微軟這樣復雜的公司的信息。一個能夠真正幫助人們集中注意力，保持專注于重要問題的主持智能體，那真是太棒了。

這就像你說的，回到你之前的問題，擁有一個擁有無限記憶的東西能幫助到我們。畢竟，Herbert Simon 怎么說的來著？我們都是有限理性。因此，如果人類的有限理性能夠通過外部的認知放大器得到處理，那就太好了。

Dwarkesh Patel：說到材料和化學，我記得你最近說過，你希望下一個 250 年在這些領(lǐng)域的進展能在未來 25 年內(nèi)實現(xiàn)。現(xiàn)在，當我想到下一個 250 年可能實現(xiàn)的事情時，我想到的是太空旅行、太空電梯、永生以及治愈所有疾病。你覺得未來 25 年能做到這些嗎？

Satya Nadella：我提到這個的原因之一是，我喜歡那個觀點：工業(yè)革命是 250 年的進程。我們必須從一個基于碳的系統(tǒng)轉(zhuǎn)變到另一種系統(tǒng)。

這意味著，你必須從根本上重塑過去 250 年里化學領(lǐng)域發(fā)生的一切。這就是我希望量子計算機能夠發(fā)揮作用的地方，量子計算機幫助我們發(fā)現(xiàn)新材料，然后我們可以制造出這些新材料，來應對我們在這個星球上面臨的所有挑戰(zhàn)。然后我也支持星際旅行。

Dwarkesh Patel：太棒了。Satya，非常感謝你抽出時間來和我們交談。

Satya Nadella：非常感謝。這真是太棒了。謝謝。

Dwarkesh Patel：太好了，謝謝。

https://www.dwarkeshpatel.com/p/satya-nadella

翻譯：陳小宇

如需轉(zhuǎn)載或投稿，請直接在公眾號內(nèi)留言