11月30日，微軟首席執行官Satya Nadella接受海外播客MD MEETS的訪談。本次對話深入探討了探討了AI 智能的本質與“模仿”的侷限，Scaling Law 的邊際效應、AI 時代的企業主權與新工作流、生產力悖論與泡沫論的經濟學檢驗、微軟與 OpenAI 的競合形態、能源瓶頸下的全球算力博弈，以及 AI 時代人類“語境工程”與同理心的不可替代性。Satya Nadella指出，儘管 Scaling Law在文字資料上產生了驚人的指令跟隨能力，但目前的 AI 本質上仍處於“模仿遊戲”階段，尚未觸及真正的“認知核心”。他引用 Andrej Karpathy 的觀點提出，破解智能的下一個科學突破在於“扔掉所有訓練資料”，僅保留學習演算法本身。Satya 認為，現有模型是在機械複述中混合了強大的模式識別，未來在於將模型的“知識庫”與其“認知核心”徹底分離，這不僅是科學上的突破，更是解決能源效率的關鍵。Satya Nadella 重新定義了 AI 時代的商業護城河，提出了“企業主權”。他指出，未來企業的生存關鍵不在於接入一個通曉萬物的通用模型，而在於是否建立了自己的“AI 工廠”和獨特的“基礎模型”。他強調，如果一切都依賴於外部模型，企業將失去主權；真正的競爭力在於將企業獨有的知識複利化。針“AI 泡沫論”，Satya指出，唯一的檢驗標準是技術必須跑贏經濟增長，帶來廣泛的 GDP 提升。Satya還回應了微軟與 OpenAI 的競合關係，他將兩家公司比作“共享底盤設計”的兩家賽車製造商，雙方在系統與供應鏈層面共享核心引擎以獲取規模效應，但在產品端保持獨立競爭。關於未來工作，Satya 指出儘管 AI Agent 將接管大量工作，人類的“同理心”和“物理在場”不可替代。他認為，AI 尚未學會捕捉社交訊號的“語境工程”，而這種基於情感與協作的語境感知，正是人類的護城河。01 目前的 AI 仍是模仿，真正的突破在於將模型知識與認知核心分離Satya，我想和你聊聊人工智慧。你經常被問到這個話題，在這個領域裡你是否會感到厭煩？回顧這段時間，有什麼資訊或經歷讓你對人工智慧最感驚訝？此外，大語言模型在涉及情感，或者說是偽造情感，以及創造力甚至幽默時特別令人信服，這是否在你的預料之中？Satya Nadella:在這個領域是不可能感到厭煩的，只會感到興奮。每一天你都會感謝自己，慶幸我們能通過建構這些技術來完成使命。但歸根結底，值得慶祝的是這些技術的使用。你問到驚訝之處，回顧我在生成式 AI 領域的旅程，包括我們要如何與 OpenAI 建立合作關係，如何在當時顯然不符合傳統觀念的情況下贊助他們並下重注，這一切的關鍵在於要有一個有準備的頭腦。Bill Gates 在 1995 年創立了 Microsoft Research。他的想法是 Xerox PARC 曾啟發了許多公司，無論是 Microsoft 還是 Apple，如果沒有它，我們和整個 PC 行業就不會存在。所以他想建立一個基礎研究機構，事實上我們就職的第一個小組就是語音小組。我們一直在做這件事，甚至痴迷於自然語言。畢竟 Microsoft 是一家生產力公司，我們思考文字，思考自然語言，無論是語音還是文字形式。有趣的是，我們在這個方向上進行了多次嘗試，並且堅持不懈。後來 Sam Altman 團隊表示打算將 Transformers 應用於文字。有趣的是，2016 年時他們更專注於強化學習，儘管最近強化學習又重回視野，但他們最初的重點並不完全在文字上。到了 2019 年，他們決定真正追求應用於 Transformers 和自然語言的 Scaling Laws（縮放定律）。那就是魔法時刻。如果你問發生了什麼，雖然後來我們也加入了一些其他技術，現在新事物也在逐漸融合，但當時沒有人想到將 Scaling Laws 應用於文字資料會產生指令跟隨能力。其中一個神奇的時刻涉及兩個產品：GitHub Copilot 和 ChatGPT。GitHub Copilot 出現得更早，基於類似 Codex 的模型。我們可以看到連續敲擊 Tab 鍵就能獲得程式碼補全。看到那一幕時我真的感覺這太瘋狂了，它就像是在補全你的想法，不僅僅是拼寫糾正，而是在高速補全你的思維。那是第一個突破。隨後基於指令跟隨能力，聊天功能出現了。只需稍微教模型一點關於如何對話的知識，它就能進行交流。這就是 GPT-3.5 和 ChatGPT 時刻，之後的事情就順理成章了。如果要總結一個教訓，那就是算力，或者說算力的對數規模就是智能。顯然我們需要變得更有效率，因為對數級增長並不是一件輕鬆的事，這並非獲取智能的最佳算力花費方式。但話雖如此，Scaling Laws 確實正在起作用。（關於情感模擬與認知核心）我認為歸根結底這是一個模仿遊戲。目前這些仍是需要解答的重大科學問題。也就是說，我們並沒有發現所謂的認知核心。Andrej Karpathy 最近提到的一個思維模型我認為很貼切：如果你真的想破解智能，需要扔掉所有資料。本質上你不能只是機械複述，必須扔掉所有的訓練資料，只保留學會的學習演算法。試想一下，嬰兒出生後通過體驗世界來學習。我們今天擁有的這種准機器有時確實在機械複述，但在複述的同時也擁有強大的模式識別能力。它確實具有某種我稱之為湧現的認知核心，這種核心與它擁有的知識混合在一起。如果能將模型的知識與其認知核心分離出來，那將是下一個重大的科學突破。順便說一句，如果能做到這一點，能源效率將會高得多。畢竟人腦的功率只有約 10 瓦。因此我們需要更多的科學研究來幫助我們理解擁有一個認知核心學習演算法意味著什麼。02 微軟的再造與“無所不學”的領導力你在公開場合多次提到微軟的轉型，這基本上是公司的再造，同時也是你個人的再造。那麼對於Microsoft 和你自己，最艱難的部分是什麼？在這個過程中，你自己是否也需要改變技能組合？你發展了什麼以前沒有的能力，還是說用完全相同的技能就能管理這場轉型？Satya Nadella:這是一個很棒的問題，對於我們所有人來說都至關重要。對我而言有兩點。Bill 在創辦 Microsoft 時最初的前提，對於我們過去 50 年的成功是一個非常有益的框架。他說有一場軟體革命即將發生。他在 1975 年沒有軟體行業的時候就說了這番話。當時只有 IBM、DEC 這樣的系統公司，還沒有 PC 概念，微型電腦革命也未發生，甚至不清楚是否會出現軟體行業。但他當時就認為軟體是最具可塑性的資源，我們要成為一家軟體工廠。這並不是關於建構作業系統、語言工具或 Office 軟體，這些都是隨之而來的。Microsoft 的道路一直蜿蜒曲折。大多數人不記得我們是先為 Mac 建構了 Office，後來才推出 Windows。我們的第一個工具是 Basic 直譯器，在 Windows 之前就建構了飛行模擬器。所以我們主要是一家軟體工廠，致力於建構世界需要的任何東西。這就是幫助我們度過 50 年的態度。即使技術從 PC 時代演變到雲時代，根本的遊戲規則始終是：你是一家偉大的軟體工廠。但現在，我們必須幫助像 Axel Springer 這樣的公司建立你們自己的軟體工廠。遊戲規則變了，無論我們做什麼，都需要讓每個公司建立自己的 AI 和軟體工廠。這是一個巨大的範式轉移。所以必須回到核心使命：我們代表什麼？我們關於信任和賦能的品牌形像是什麼？並用一種學習新事物的文化來加強它。我總是回歸到目標感、使命感和文化，並在技術和商業模式轉變的新世界中對其重新詮釋。（關於個人技能的重塑）我們經常引用兒童心理學和 Carol Dweck 的成長型思維概念。提到技能組合，我認為為了保持長期相關性，最重要的技能是你如何做一個無所不學的人，而不是一個無所不知的人。這是核心所在。特別是當你已經獲得成功時這變得更加困難，因為你必須忘掉那些讓你成功的事情去學習新東西。即使這個周末我也花了所有時間試圖理解新公司是如何建構產品的，這與我們過去的方式不同。我們的規模是巨大的優勢，但也是巨大的劣勢。這是一個巨大的劣勢，因為為了讓我在產品、科學和基礎設施之間協調，我有三個部門負責人分別管理。而在初創公司，他們可能全部坐在一張小桌子上協調這三者。重新學習在從舊世界到新世界中創造生產力的魔法，你必須這樣做。要做到這一點，必須擁有好奇的心態，能夠埋頭苦讀，不讓自我成為阻礙。這是一件艱難的事情。03 企業的未來不在於依賴通用模型，而在於建立自己的 AI 工廠那些公司將在AI 轉型中生存或受益？對於其他公司的領導者以及公司本身來說，需要什麼樣的技能組合？此外，你認為有一天會有完全由 AI 發明和運行的公司嗎？Satya Nadella:我認為需要更多討論的是：在AI 世界裡公司的未來是什麼？之前大家都在談論數字系統，如 Office、ERP、CRM 等，它們數位化了圍繞人、地點和事物的資產，加速了知識流轉。Andy Grove 曾說，任何公司的好壞取決於它創造新知識並將新知識擴散到整個組織的能力。數位技術曾對此起到了推動作用。現在 AI 帶來了另一個層面的推動。我認為今天真正的問題是 AI 時代一家公司的主權。如果一切都依賴於一個通曉所有的模型，那麼每個公司需要回答的問題是：我知道什麼是獨特的？更重要的是如何參與這個遊戲？如何確保不會迷戀某一個模型公司？現實世界中的每個領導者必須最關心的是：我是否有自己的AI 工廠，能夠建立自己的基礎模型？這不是關於慶祝別人的基礎模型。每個公司的未來將是某種獨特的基礎模型，代表了他們的知識並且持續改進。你們 Axel Springer 會想要建構自己的基礎模型，這對你們公司的知識和複利能力是獨特的。無論是在軟體、內容還是製造業，我們所有人都必須建立自己的AI 工廠，建立對我們需要獨特的基礎模型。（關於全自動 AI 公司）我認為那有點太牽強了，難以想像。如果有人說我們將擁有熄燈工廠，但實際上即便我的資料中心在建造安裝後可以自主運行，前期仍需要很多人。五年或十年後自動化水平會令人震驚，但依然需要人。我更相信宏觀授權和微觀引導這一新範式。我授權給一群 AI Agent，早上對它們說幫我做這項工作。它們去執行，一天結束時回來報告完成了什麼、那裡卡住了、那裡需要指導。所以我需要一個新的收件箱，處理的不是電子郵件，而是所有 AI Agent 的微觀引導資訊。軟體的未來將圍繞新的收件箱、消息工具和空白畫布上的新游標。人類將需要一個與 AI 的介面，即使隨著自動化水平增加，人類的能動性仍是非常重要的一部分。04 檢驗 AI 是否為泡沫的唯一標準大家都在談論生產力和效率，Gartner 的一項調查顯示，74% 的大公司 CFO 相信通過 AI 能獲得顯著效率收益，但只有 5% 的人已經看到了實際效果，你怎麼解釋這個差距？該調查還預測到 2027 年 40% 的企業 AI 項目將會失敗，這種懷疑主義來自那裡？此外，目前市場上似乎多了一些對AI 能成為“不可阻擋的增長引擎”的懷疑，甚至擔心這是否是一個泡沫。特別是考慮到 Sam Altman 曾被問及一家營收 130 億的公司卻承諾 1.4 兆投入的合理性，這種趨勢將如何發展？是線性的單向增長，還是會有修正期？Satya Nadella:實際上，這可能是導致所謂“企業競爭力分水嶺”的根本因素之一。僅就 Microsoft 自身而言，這正在帶來巨大的生產力變革。無論是在客戶服務、供應鏈營運，還是你提到的財務預測領域，實際上，這不再只是自上而下的推行，而是一場正在發生的自下而上的革命。它消除了繁瑣的機械性工作，提高了產出質量，並改善了工作流。舉個小例子：我們已經變成了一個資本非常密集的行業，正在建設大量的資料中心。我們在全球擁有 500 多家光纖營運商。光纖歸根結底是物理資產，會被切斷或出故障，需要人工修理。以往與光纖營運商的互動非常依賴人工，所以負責管理這些事務的內部團隊建構了一個完整的 AI Agent 系統來處理這一切。這是唯一的辦法。我們在過去 18 個月裡增加的資料中心容量相當於 Azure 最初 15 年的總和。這種規模相當驚人，我們管理它的唯一方法就是利用這些 AI 工具。回到你的觀點，Mathias，這對你的 Gartner 報告非常重要。我認為企業必須學習四五件事。首先是思維模式。這不是簡單地把 AI 加到現有的東西上，而是必須用 AI 來重新構想變革管理。在 90 年代，我們常談論“業務流程重組”，現在是時候重拾這種思維模式了。第二，你需要建立新的工具體系。這是我們可以提供的，但你必須裝備一套新工具並將其應用到新流程中。第三，你需要應用工具的技能儲備。對我來說這是組合拳。此外，還需要資料資產。資料不能受限於現有的孤島系統，必須跨多個系統進行標準化。因此，如果你能組合思維模式、工具體系、技能儲備和資料資產，並加以應用，這才是建構AI 系統的方式。如果你打算像處理去年的普通IT 項目那樣去處理它，註定會失敗。這就是為什麼我認為在經濟層面必須進行大量艱苦工作，重塑 IT 技能棧。這很難，因為它涉及變革管理。它需要開明的領導力，需要人們重新掌握技能，適當地界定項目範圍並選擇合適的項目。（關於AI 泡沫的看法）Mathias，我的思考方式很簡單。歸根結底，測試標準只有一個：它需要在整個經濟中產生廣泛影響，改變生產力曲線並帶來廣泛的GDP 增長。因為沒有什麼能跑贏經濟增長，任何供給側的變革最終都必須滿足需求側的需求。隨著時間的推移，這些必須見效。否則正如你所說，它將是一個泡沫。但我們有信心的原因不是基於想像的未來，而是因為未來已經到來，只是分佈不均。如果我沒有在 2019 或 2020 年看到 GitHub Copilot 的實際效果，我不認為我們會進行那些投資。我看到了 Copilot 在推理能力上的改進速度。就在這個周末，發生了一些令人難以置信的事情，甚至是在回覆一封電子郵件時。它不只是按下按鈕生成一些英語回覆，而是真的對問題進行了推理。感覺就像一個思想夥伴在和我一起工作，幫我向發件人提出精確的問題。這很神奇，可以加速一切。正是這種信心讓我們相信這些工具和技術正在產生真正的影響。看看我們的收入，上季度財報顯示 Azure 增長了 40%，這是基於龐大基數的真實數字。如果沒有這些，我們甚至沒有信心進行那些巨額支出。所以我完全同意你的觀點，它必須產生廣泛的經濟影響。技能集需要更加普及，回報不能僅限於某個大陸、某個行業裡的少數幾家公司，必須是一個更廣泛的現象。否則，這將是一條死胡同。我對這條道路充滿信心，但發展不會是線性的。因此，我們非常自律。我們在資本支出方面做的關鍵事情之一，是在全球建立一個通用算力叢集，擁有所有合規控制權，既可以用它來訓練，也可以用來推理，處理介於兩者之間的所有任務，並且跨越多個代際。你必須在投資方式上保持極強的紀律，取得穩步進展，最重要的是，確保技術真正擴散到全世界和每一個公司。05 OpenAI 與內部賽馬我很想聽聽OpenAI 和 Microsoft 之間的真實關係，過去幾年發生了什麼，目前狀況如何？但這中間是否存在競爭張力，這還算是夥伴關係嗎？在 AI 經濟中，夥伴關係的角色是否發生了根本性變化？此外，你似乎同時押注了 Sam Altman 和 Mustafa Suleyman 兩匹賽馬，且其中一匹必須幫助另一匹，從長遠來看這如何運作？Satya Nadella:首先，考慮到起點，這種感覺很棒。最初它是一個非營利研究實驗室，我們贊助了他們的工作，幫助他們擴大規模，顯然我們也從中受益。雖然在邊緣業務上存在競爭張力，但在核心層面，他們現在是一家非常成功的公司，我們是主要投資者。我們擁有IP 權益，可以在此基礎上進行創新。我們也有建立自己模型的雄心。總的來說，我感覺非常好。此外，我很高興我們還建立了世界上最大的非營利組織之一。OpenAI Foundation 和蓋茲基金會是兩個與 Microsoft 緊密關聯的非營利組織。（關於競爭張力）這最初是作為對研究實驗室的贊助開始的。你可以這樣想：OpenAI 今天與所有人競爭，包括 Google，在 Sora 上與 Meta 競爭，他們要開發裝置，所以也會與 Apple 競爭。某種程度上作為投資者，我很高興 OpenAI 擁有巨大的雄心並展示出進步。但歸根結底，Microsoft 完全有能力執行我們需要做的事情。（關於夥伴關係的變化）我認為更重要的是人們為什麼要合作？是為了獲得槓桿效應。這總是關乎垂直整合與專業化的問題。每個人都可以說“我要自己發電直到產出產品”，但歸根結底，專業化有其作用。只要能將夥伴關係和專業化結合起來，進行組合創新，從而做成獨特的事情並獲得槓桿效應，這就是核心論點，也是正和博弈。我最擔心的是：未來的製藥公司、媒體公司、汽車公司，如何以聰明的方式與科技公司合作，以保持自身能力的主導權？科技行業天生就有合作、專業化和差異化的基因。但我擔心其他行業不僅僅面臨資料隱私問題，更重要的是是否有能力編排多個合作夥伴，最終建立我之前描述的東西：你自己的 AI 能力，你自己的 AI 工廠。這將是關鍵。就像我們沒有所謂的“電力行業”，而是每個人都使用電力一樣，每個人也都將使用 AI 來創造增值輸出。（關於 Sam 與 Mustafa）更好的隱喻是：我們各自有一套產品，這是我們競爭的地方，但我們共享核心引擎。就像兩家汽車製造商共享底盤設計一樣，因為底盤設計具有規模經濟效應。我們在系統層面大量合作，包括建設 AI 工廠的計畫。這就像擁有兩個品牌、兩個產品。在我們的產品中，我們將同時使用 Mustafa 的模型和 Microsoft AI。我們有一個很棒的團隊並正在擴張。我們甚至可能使用其他前沿模型，因為我們不想受制於人。我們喜歡 OpenAI，擁有對其技術的免版稅訪問權，所以我們想最大化利用這一點。但歸根結底，我們也有很多方式來共享核心引擎部件及其供應鏈。Bill Gates 真的在你打算進行第一筆十億美元投資時警告過不要投資 OpenAI 嗎？如果是這樣，他後來道歉了嗎？Satya Nadella:不，你知道，Bill 像我們所有人一樣，認為那是一個瘋狂的賭注。老實說，決定投入十億美元在當時並不容易，因為它絕對是一個未知數。他和其他人一樣，懷疑這種針對文字的 Scaling Laws 是否會起作用。坦率地說，即使在起步階段，他也是相當懷疑的，直到 GPT-4.0。我們在他家裡做了一個著名的演示，他用自己的 MCAT 醫學測試等題目進行了測試。那就是他改變態度的時候。Bill 的核心信念更傾向於符號邏輯，他不是神經網路派的人。他之前不相信神經網路可以直接學習，而是希望用符號邏輯來學習人、地點和事物之間的關係。這是我第一次看到他轉變觀念。如果你有機會和他交談，他肯定還會說：“這很棒，但它需要一個基於符號邏輯的認知核心。”老實說，我認為他是對的。因為你不能只依賴一台雖然令人激動但不可預測、能力參差不齊的機器。如果在任務關鍵型系統中部署 AI，而它偶爾犯錯你卻不知道何時發生，那是非常成問題的。06 能源瓶頸：每瓦特每美元的 Token 產出率電力似乎正變得稀缺。例如在弗吉尼亞有一個47 吉瓦容量的資料中心計畫，大致相當於 47 座核電站。這個問題能多快解決？是靠現有的能源技術，還是需要像核聚變這樣快速的新創新？為瞭解決這個問題，AI 公司某種程度上需要變成能源公司嗎？那你最看重未來那種能源技術的發展？Satya Nadella:我認為這一觀點是正確的。我們需要真正的全方位創新。我們要做好那些基礎性工作，比如如何最佳化審批流程，使其更快、更好？如何加快建設速度？這不僅僅關乎電網現代化。我們能否採用部署更快的使用者側解決方案，並在上線的同時助力電網升級？我們如何在加快建設許可的同時，確保符合包括環保在內的所有法規？歸根結底，我所處的這個行業需要贏得消耗能源的社會許可，前提是我們能為世界帶來積極影響。畢竟這回到了你之前的問題。我們不能僅僅說“我要消耗全球 4-5% 的能源”。好消息是我們的起點很低。你看資料的話，目前大概是 3-4%，也許到本十年末會達到 5% 或 10%。大部分的能源增長都發生在這一領域，這也是為什麼我認為它帶來了巨大壓力。但這必須轉化為廣泛的經濟增長，這樣我們才能獲得消耗能源的社會認可。回到你的觀點，我們需要能源來源的創新，也需要在使用方式上的創新，即我所說的能效。在這個領域有很多工作正在進行。（關於 AI 公司是否轉型能源公司）我不這麼認為。我覺得這將是新價值鏈融合的另一個領域，在這個鏈條中會有巨大的創新和高度的專業化，並產生複利效應。或許有一兩個領域我們會做一些所謂的“使用者側”項目，看起來像涉足了能源業務。但我堅信，你不能垂直整合進每一個你不擅長且缺乏專業知識的領域。但針對你的觀點，換個角度想：我們作為超大規模雲服務商的能源承購需求，對於下一個偉大的能源企業家或現有的能源公司來說，可能是一個巨大的激勵因素。（關於看好的能源技術）坦率地說，目前我們簽署了一些核能購電協議，還要看具體進展如何。顯然我們目前也在利用各種形式的可再生能源。實際上，我們可能是全球最大的可再生能源承購方。因此我覺得我們不會對任何一種能源形式持教條主義態度。但我還要說的是，當我看資料中心帳單時，有趣的是我們在電網現代化上的投入也很大。因為最終，電網供電和穩定的基荷電力才是最重要的，所以我們需要多管齊下。我們必須談談歐洲，特別是德國棄用了核能，這是否限制了你們在歐洲的擴張計畫？德國應該重啟核能嗎？如果不回歸核能且沒有新技術，德國是否會錯過AI 帶來的價值創造？Satya Nadella:我不太清楚具體的細節，但我們正在德國建設資料中心。我們在德國需要能源，顯然我們將依賴德國的政策和德國生產能源的能力。因為歸根結底，我認為任何國家都必須衡量自己：如何能成為“每瓦特電力每美元成本生成 Token”的高效生產者？好消息是我們樂意投入資本。從某種意義上說，我們和其他公司會來建設資料中心，讓德國經濟從中受益。但問題是，你需要具備競爭力的“每瓦特每美元 Token”產出率，因為定價最終是本地化的。即使是德國公司，如果無法獲得最優定價，他們就會轉向荷蘭或其他價格更具優勢的地方。（關於德國是否應重啟核能）這不只是一個技術問題。所以與其由我來說，不如讓德國人民自己決定。但我會說，我認為擁有能源能力至關重要。看看美國，本屆政府關注的重點是確保有真正的能源上線。他們擔心兩件事：一是他們不想因為 AI 的新建設需求而增加美國公民的用電成本，二是我們如何建設更多能源以成為 AI 時代的領先者？我認為這是每個國家都需要做的事。（關於德國的機遇）我有幾點想法。你看德國，它很獨特。德國的競爭力不僅源於本土市場，更源於其遍佈全球的智慧財產權。我一直覺得德國很成功，德國本身是個大市場，應該成為 AI 工廠以及能源等領域的偉大生產者。但每次我去看珠寶商或牙醫，我都被德國中小企業的產品包圍。這讓我意識到德國的輝煌所在。這意味著德國更多是一個出口導向型經濟體，比人們談論的還要顯著。因此，坦率地說，對於德國在 AI 時代的競爭力，最重要的是：他們能否利用其世界級的專有技術，將其與 AI 結合，創造出更多世界級的技術、知識、突破和創新，並出口到世界各地？比如看我們的資料中心建設。西門子正在做的事情，以及他們如何真正成為關鍵的一環，我們與他們建立了數字孿生，看到他們推向市場的創新真是太棒了，例如能加速一切的冷卻解決方案。我認為所有這些都非常有利於德國的經濟增長。07 AI競賽中最終的贏家往往不是技術的發明者談到歐洲，你認為歐洲應該追求AI 主權嗎？還是說這是一個錯誤的目標？但讓我們現實一點，在 AI 競賽中，歐洲似乎並沒有扮演什麼關鍵角色。如果是這樣，歐洲難道不應該重新思考自己的策略嗎？Satya Nadella:我認為每個國家，無論是歐盟層面還是像德國這樣的國家層面，主權都是一個重要的考量。對美國也是如此。每個國家都想確保其供應鏈的連續性、韌性，以及在運作中的自主權。這也是我們做出所有這些承諾的原因之一。首先，我們在德國、在歐盟投入資本，承擔風險。這些AI 工廠或雲工廠不是坐落在美國，而是在歐洲大陸，在這些國家境內。這是第一點。第二，我們現在提供主權服務，無論是在公共雲中，確保所有資料受到保護、加密，即資料平面和控制平面都要是主權的。我們在德國甚至有主權雲和私有雲選項。所以基本上，我覺得無論是在技術側、治理側還是法律側，我們都建立了一個框架來履行主權承諾。但有一點我覺得很重要，大家都在談論這個。但我感覺主權的新篇章是我之前提到的那個，它與上述這些無關。它是關於：一家德國汽車製造商或德國工業公司，如何擁有他們自己獨特的 AI 工廠和基礎模型？對我來說，這才是主權的真正定義。而不是說“我有一個控制平面和資料平面，我可以把虛擬機器推送到那裡”或者“我有加密資料”。這些都很重要，但如果你做了所有這些，卻在公司層面沒有在 AI 世界中實現主權的能力，即擁有自己的模型，那麼我認為，這是主權的新前沿。（關於歐洲的角色與策略）關於這一點，我是Jeffrey Ding 學派的堅定信徒，該學派的核心觀點是技術的擴散。今天大家更多關注的是對某一種 AI 技術的炒作。但坦率地說，真正獲勝的國家將是那些能夠廣泛提升 AI 技能、並在經濟中廣泛應用 AI 的國家，包括醫療、製造、教育等領域，並以此推動經濟增長。甚至可以說，具有諷刺意味的是：最終的贏家可能不是技術的生產者，而是技術的使用者和擴散者。Jeffrey 的書很值得一讀，因為他的核心觀點是：歷史證明通用技術的關鍵不在於誰擁有領先的行業，而在於技術的擴散。如果你接受這個論點，我會說德國或歐洲可能成為大贏家，只要他們肯下苦功夫，真正把技術引進來，進行再技能化並加以應用。事實上，等到下次 Gartner 報告發佈時，如果報告說在使用 AI 方面成功率最高的公司是德國公司，那就是你可以大舉押注的那一天。08 人類的護城河：語境工程與 EQSatya，你說過技術越重要，同理心就顯得越發重要。這是不是你現在讓員工回歸 Microsoft 辦公室辦公的主要原因？但看起來人們確實比以往任何時候都更渴望面對面的互動，各種現場活動都在蓬勃發展。那麼，你是否認為這代表了一種文明的總體趨勢：隨著 IQ 逐漸成為機器的特長，EQ 變得比 IQ 更重要？Satya Nadella:其實這非常有意思。在這個充滿AI、自動化和自主智能體的時代，我們更需要意識到人類之間是如何協作的。事實上，作為最佳的協作工具，“實體工作場所”是無法被替代的。歸根結底，我們確實從遠端辦公中學到了很多關於異地協作的經驗，但確實有一種真實的感覺：如果不把大家聚在一起，就會失去一些東西。當我思考我所謂的“新生產函數”時，關鍵在於如何讓產品人員、科研人員和基礎設施人員以全新的方式真正協作，去建構產品。這正是迷人之處：AI 尚未學會必要的“語境工程”，而人類卻具備這種能力。我可以捕捉社交訊號，感知情感暗示，並將這些融入到我積累知識、協作和創新的方式中。所以我認為，物理空間確實很重要。但我並不教條，我們將始終保持更大的靈活性。正如你所說，同理心要求我們更好地理解語境，同時不要在任何一端過於極端。（關於IQ與EQ的博弈）我一直覺得 IQ 和 EQ 都很重要。Mustafa Suleyman 甚至喜歡談論社會智力，也就是 SQ。我認為所有這些在人類社會中都至關重要。事實上，如果我們要擁有能夠與人類互動的 AI，它們也需要進化出更好的感知力，懂得如何跨越這三個維度來滿足我們的需求。所以我認同這一觀點。IQ 有它的一席之地，但不是這個世界上唯一需要的東西。我一直認為，至少作為領導者，如果空有 IQ 而沒有 EQ，那簡直是對 IQ 的浪費。 (數字開物)

從客戶端-伺服器、Web、移動到雲端運算，這一輪AI浪潮被微軟 CEO Satya Nadella 視作第四次平台轉型，沒有雲端運算，就沒有 AI 超級電腦；沒有AI超級電腦，也訓練不出大型模型，複利般的技術堆疊，是這一輪爆發的底層邏輯。Nadella  認為，每一代平台轉移，都會牽引全新計算負載。大規模訓練任務帶來的資料平行、同步計算，與Hadoop年代的負載邏輯已判若兩世，這正是系統軟體進入“黃金時代”的宣告。在上個月舊金山 Y Combinator 分享中，Nadella 提到了微軟的三重身份，在微軟既是一家平台公司，也是一家產品公司，還是一家合作夥伴公司。超級平台與初創企業，在基礎設施層的機會正在同步湧現。所有這一切，最終的歸宿只有一個：社會價值。不是“AI 看起來多聰明”，而是它是否真正推動了社會、行業、國家的 GDP 增幅。▍AI 推動社會、行業與國家 GDP算力和能源的關係，是另一道必須正視的門檻。智能增長如果意味著指數級計算，就必須與能源消耗掛鉤。在 Nadella 看來，即便資料中心能耗翻倍，從3%漲到6%，也尚在可接受範圍。但問題不是能耗，而是“使用能源的正當性”。社會許可，才是門票。“如果AI不能帶來社會盈餘，那它就不配使用這麼多能源。” 冷峻的話語背後，是對價值兌現的執著。他明確表示，醫療、教育、生產力將是AI釋放價值的三大主戰場。未來五年，科技行業必須用國家GDP和行業效率這樣的硬指標，為自己辯護。例子不複雜。美國醫療支出佔GDP的19%，但流程性成本卻常常是隱形黑洞。一個簡單的出院環節，只要將電子病歷系統對接大模型和prompt，立刻節省時間、人力、成本——“只要醫生能少填幾份表，多看幾個病人，那就是社會進步。”談及AI部署的卡點，Nadella 沒有從算力、模型談起，而是拉回工作流。像八十年代跨國公司做季度銷售預測：傳真、備忘錄、層層轉發，流程完成時一個季度已接近尾聲。直到PC、郵件、Excel出現，整套流程被重寫。現在也一樣。AI不只是技術堆疊的革新，它撬動的是企業職責邊界的重建。在LinkedIn，設計、前端、產品被整合為“全端建構者”。崗位邏輯被重寫，工作定義被重構。“你其實是在重建保險公司、金融機構、醫療系統的生產方式。” 技術的難不在模型，而在“變革管理”——最深的社會層瓶頸。初創公司紛紛引入“前置部署工程師”，他稱其為Palantir式的路徑。“讓客戶理解產品價值”這句話，在 Nadella 嘴裡不是一句售前口號，而是策略本身。YC的“潛入體驗”策略，被他視作對知識工作本質的精準拆解：醫療帳單員、Excel操作者、郵件搬運工——無數“知識型崗位”，其實都在用最複雜的頭腦，完成最瑣碎的重複任務。“大量的腦力周期，耗在收集和整理資訊上。” 真正進入高階處理狀態的時間，極少。他渴望的是一種AI系統，可以協同人的前額葉處理高階任務，瑣碎交給智能代理。在軟體開發中同樣如此。如何保持“心流”？必須剝除非核心環節。減少苦工活，是他對AI最大期待之一。過去一年，強化學習與推理計算進展之快，連 Nadella 本人也“始料未及”。接下來的關注點有二：一種是演算法層的突破性躍遷，另一種是建構一體化推理模型的可能性。“從預訓練到閉環訓練”，是下一跳。▍AI 領域的 SQL 引擎Nadella 堅持 AI 是工具，不是思維複製。真正能讓智能系統成立的，不是對人類的模仿，而是三項構件——記憶系統、工具呼叫、權限系統。“這三者必須成為一等公民。” 如果AI要變成“agent”，它就得有身份、有工具調度能力、有權限管理。腳手架層必須升級，才能支撐真正的智能結構。微軟在過去三十多年間，穿越客戶端、伺服器、網際網路、移動、雲平台等多個技術周期。AI 的出現並非突如其來的能力跳躍，而是建立在前一輪輪平台演化之上的延續與疊加。若沒有雲端運算，AI 超算無法實現；若沒有超算，也不會有今天的大模型；大模型之上，才出現了這批湧現能力顯著的新產品。這是一種結構性的複利現象，不是某項技術單點突破所能解釋的。站在今天的視角重新看待平台轉移，AI 所帶來的不僅是模型的出現，更是一種新的工作負載的生成機制。例如，在雲時代建構的系統邏輯與 AI 模型訓練完全不同：後者依賴資料平行與高度同步，與當年的 Hadoop 負載結構幾乎沒有重合之處。這種差異性，意味著系統軟體的架構邏輯需要被徹底重寫，也意味著對基礎設施的建設提出了全新要求。系統軟體正在進入一個新的黃金時代，無論是雲端部署還是本地執行，只要是在“基礎設施層”做建構，都會迎來巨大機會。而模型層本身當然仍有價值，圍繞模型所能建立的產品體系同樣具備落地空間。但一切能力最終都必須指向一點：是否帶來真實的經濟增長與生產力提升。這不僅是商業上的評價標準，更是社會系統對 AI 可持續性認知的核心。另一個關鍵問題，是如何定義“模型”在軟體系統中的地位。可以用一個工程上的類比來思考：模型到底是像 SQL 本身，還是像 SQL + 呼叫框架與資料庫架構之後的系統？前者是語言，後者才是可復用的產品。傾向於後者的判斷，並一直在等待 AI/ML 擁有自己的“SQL 時刻”。過去 AI 一直缺乏穩定的“平台層”——所有產品幾乎都是垂直一體化建構，無法復用、缺乏通用抽象。而現在，隨著模型能力趨於穩定，與工具呼叫機制、推理計算框架的結合正在逐步形成統一能力棧，這就像是建構出了 AI 領域的“SQL 引擎”。在這個基礎之上，系統整合能力將決定應用層的突破。模型已經具備智能，但它與現實世界中的資料、業務邏輯之間仍存在一條關鍵鴻溝。要跨越這條鴻溝，需要依靠“支架”系統，即模型之上的呼叫框架、反饋閉環與動態執行路徑。在這套架構中，產品中的資料路徑不再是單向的記錄系統，而是構成了模型運行的反饋通路。實際使用過程中生成的資料，會被引入後訓練流程，用於調整工具呼叫路徑與響應邏輯。模型能力與系統行為之間，逐步形成動態閉環。與此前主要依賴模型參數擴張的路徑不同，這一階段的演進重心，正逐漸轉向系統結構本身的適配與重構。▍軟硬體將會新老並存程式碼生成會終結 SaaS？Nadella 並不這麼看。VS Code、Excel都是“工作畫布”與“模型反饋”之間閉環設計的範例，未來兩種方式將並存：“即時生成的輕應用”與“預製閉環系統”各有價值。“人人寫程式碼”這類願景，他一半認同，一半質疑。他說，80年代的地球人靠打字員、投影員工作；今天，80億人自己打字。“未來我們都會參與軟體創作，但‘軟體工程師’這個職業並不會消失。” 只是角色將轉向“抽象管理”，更像一個架構師。法律責任，則是另一道不可迴避的現實。只要法律未變，AI的最終責任仍由人類承擔。這意味著，“人類在環”機制必須保留，並由此推動對系統透明度、可控性的進一步開發。被問及AI有那些被過度炒作、那些被低估時，Nadella 笑言，“現在是萬物皆AI。”興奮可以理解，但真正重要的是“贏得社會許可”。他分享了2023年在印度的故事：一位開發者用GPT-3.5接入India Stack平台，打造了一個基於WhatsApp的AI助手。一個農村藥農，通過它成功在政府官網申請到了農業補貼。那個瞬間，他震撼了。“一個在美國西海岸開發的模型，竟能在短時間內改善印度農民的現實。” 這才是技術擴散的力量。這類故事，才是被嚴重低估的。而模型能力的純炫技？在 Nadella 看來，只是資本遊戲的煙火。GitHub Copilot 被稱作AI落地最具影響力的範例之一。Nadella 隨即補充了另一個印象深刻的案例——世界銀行曾在奈及利亞發起一項教育研究，如今已拓展至秘魯與智利。他坦言，微軟數十年來始終在探索技術與教育融合的可能性，而那項研究直指重點：像 Copilot 這樣的工具，或許正是非洲與拉丁美洲教育系統最具變革力的干預手段。Windows Copilot 已經成為數以億計使用者的 AI 初體驗。雖然AI圈始終熱衷於模型的前沿突破，Nadella 卻更關注那些“被忽視的接觸點”。他提到，“Clippy”以 Copilot 的形式回歸，是意料之外又恰如其分的再定義。“那怕是最熟悉的裝置——電腦、鍵盤、滑鼠——我們依然能重構它們的使用方式。”微軟最早的語音研究可追溯至1995年。今天，視覺與語音的融合終於在PC端實現：他習慣全天候開啟Copilot，它能“看見”使用者所見，使用者也可直接對其發出語音指令。這種體驗，令他聯想到“精準滑鼠操作”的升級版。未來裝置形態會變化，但“老裝置”的生命也遠未終結。這是一個同時重構舊形態、打造新硬體的激動人心時代。主持人將這種互動類比為《Her》中的作業系統——智能代理深度掌握使用者資料與節奏。對此，Nadella 明確表示：“讓這些 Agent 成為你電腦的一部分，甚至主動‘為你使用電腦’，正是我們長期以來的夢想。” 但真正關鍵的是信任問題，涵蓋精準性、隱私與安全，“這些維度必須逐步被解鎖”。談及隱私保護責任，他沒有迴避現實：“這不僅僅是隱私。” Nadella 將這類問題區分為三層：隱私（使用者關心）、安全（企業關心）、主權（國家關心）。“我們每開發一個產品、一個系統，都必須回應這三個維度。”▍領導力的三個重要特質在面對年輕一代的“建設者”時，這位微軟掌門人給出了非典型的回答。他從未在起點設定自己未來會成為CEO。加入微軟的1992年，他曾真切地想過：“如果我能一直待在這個崗位直到退休，那也太好了。”所以他常說，不是等到升職才開始努力，而是把每個眼前機會當成終點來全力以赴。“偉大的成就往往誕生於團隊協作。” 他反覆強調這一點。一個人的能力再強，也不能替代團隊成功的系統性，這種“主動推動協作”的能力，是很多人忽略的領導力核心。談到選人標準，Nadella 提出了三項並列的重要特質：首先，是“在不確定中帶來清晰”。他回憶 Bill Gates 曾形容好架構師與差架構師的差別——不是智商，而是能否清晰定義“下一步”。會議混亂時，能指出方向的人，總能贏得真正的影響力；其次，是“創造能量”，不是單點燃燒，而是點燃團隊、組織，乃至合作生態；第三，是善解“限制多多”的難題。他的面試問題經典而犀利：“你做過那些極其緩慢的項目？你是怎麼破局的？” 在 Nadella 看來，真正的領導力，在於將難題變成可以被解的題。而領導力的培養，不應等到年長或升職之後，而是從第一天就開始實踐。對於量子計算，他以“第三任為量子寫支票的CEO”自嘲。微軟投入此領域已逾20年，目標是建構通用型、容錯型量子電腦。在Majorana 1 晶片取得突破前，科學家必須先在物理層面捕捉那種“只存在於理論中的粒子”。現在，第一步已經邁出。他強調，自然界的語言是模擬（simulation），量子計算最擅長做的正是模擬。AI，是“模擬器的模擬器”，而AI + HPC + 量子的循環，將為化學、材料、物理帶來一次底層革命。“我們對這個一體化的前景極其興奮。”回溯起微軟最初那代工具的誕生時刻：Word、Excel、PowerPoint 改變了億萬人的表達方式。他特別提到Excel，“它就像一張圖靈機的表格，令人擁有一種奇妙的掌控感與數感。” “我會去研究下一代工具，就像今天的Copilot。能否再次創造一套真正賦能人類的工具？這是我最想追求的方向。” (有新Newin)

Satya Nadella 是微軟現任董事長兼首席執行官，自2014年起領導公司轉型，推動雲端運算與AI戰略落地。他以務實、合作、長期主義著稱，被認為是“把微軟從掙扎中救回來的那個人”。 在他領導下，微軟市值突破3兆美元，重回全球科技巔峰。亮點AI不是夥伴，是工具：別再給它加戲了Nadella 多次強調他不認同將 AI 擬人化。“AI 不是智能生命，它就是一套工具。”在“Her”那樣的幻想浪潮席捲矽谷時，這種樸素但冷靜的立場顯得格外稀有。他的主張是：我們不該把人類的主體性讓位給系統，而應關注如何賦能真實的人類工作者。這不是技術冷感，而是責任感。軟體工程師會被AI取代？不，是升級為“指揮官”Nadella 給出一個反直覺的判斷：“軟體工程不會消失，而是進化。”工程師從執行者變為架構師，像樂團指揮一樣協調多個AI Agent工作。他的隱喻很有力：未來不是你被取代，而是你在管99個AI打工人。聽上去很美，但這要求你更懂系統、更會指揮。別再炒模型了，真正革命在“工具呼叫”和“記憶”當外界還在熱炒模型能力，Nadella 卻指出真正的技術飛躍在於三個系統：工具呼叫、記憶系統和權限控制。這些是建構AI Agent的關鍵“腳手架”。模型不是全部，能不能調工具、記住你、知道它“有沒有權利”做事，才決定AI的實用性。這才是“智能體”的起點。AI不是來幫你做事的，是來重寫“你該做什麼”的在AI部署過程中，最大的阻力不是技術，而是“工作流程的革命”。Nadella 直言：“當你指揮99個Agent工作時，你的工作定義已經改變。”從前的崗位描述已不再適用，未來的挑戰是重新定義崗位、重組團隊。這是社會結構的再造，而非簡單升級。你以為在做知識工作，其實在複製貼上Nadella 與主持人共同提出一個尖銳觀察：絕大多數所謂“知識工作”不過是在瀏覽器、表格和郵件之間複製貼上。他稱之為“認知的浪費”，AI的價值恰恰在於消滅這些“低級腦力勞動”，讓人類回到真正有價值的創造。這是一次對現代白領生活的痛擊。別神化ChatGPT，它只是下一個SQLNadella 用“SQL 時刻”形容AI模型的成熟。他認為模型就像SQL資料庫的查詢語言，是強大但底層的工具。“真正的產品，還要在它之上建起來。”這番話在模型崇拜橫行的當下，無疑是一記清醒劑：別只會調模型，真正的價值在產品設計。B端SaaS要完了？別急，工具和平台共生才是出路當被問及“B2B SaaS還能投嗎”，Nadella沒有直接否定，但也指出了趨勢：未來軟體可能是“即需即造”，使用者借助AI就能生成應用。但他認為這不意味著IDE、平台沒用，反而是平台+模型+應用的循環反饋變得更重要。“工具不會死，差的是好設計。”做領導，不是你發號施令，而是你讓團隊不再混亂談到招聘標準，Nadella分享他最看重的三點：“在混亂中帶來清晰，在低氣壓中創造能量，在受限中找到突破。”這三點不只是對AI產品的要求，更是對未來工作者的畫像。AI時代真正有價值的人，不是最聰明的，而是能帶領他人共創價值的那群人。以下是完整內容主持人： 非常榮幸能邀請到微軟董事長兼CEO薩提亞·納德拉。薩提亞·納德拉： 謝謝！這感覺像主場作戰。舊金山的朋友們，你們真該搬到西雅圖去。主持人： 我的職業生涯就是在西雅圖開始的，那是個非常棒的地方。薩提亞·納德拉： 沒錯，但凡成功的人，都是從微軟起步的。AI浪潮：站在雲巨人肩膀上的新平台主持人： 薩提亞，您之前強調過AI將塑造我們所做的一切。在微軟的實踐中，這是什麼樣的？AI如何真正驅動你們的戰略？尤其是在那些超出當前令人驚嘆的產品套件之外，AI將如何影響更廣泛的經濟？薩提亞·納德拉： 在微軟，我感覺我們是一家平台公司、產品公司，也是一家合作夥伴公司。我從這三個維度思考，在我35年的職業生涯裡，我經歷了客戶端、客戶端-伺服器、Web、網際網路、移動、雲，而現在就是AI。這至少是我總結規律的方式。所以我首先想到的是平台機遇。我看著在座的各位，有趣的是所有這些平台都帶來了復合效應。我認為AI之所以擴散速度如此之快、範圍如此之廣，就是因為它建立在上一代技術之上。我想，如果沒有雲，我們就不可能建成AI超級電腦，也便不會有後來的模型和產品。所以這種復合效應是我覺得最有趣的地方。因此，你總是在上一個平台的基礎上建構下一個平台，你必須做對這一點，然後才能在它之上建構下一代產品。每一次平台變革，都會出現新的工作負載。我記得第一次看到大規模訓練任務時，感覺它和我們當初建構雲時處理的工作負載完全不同。它是一種資料平行同步負載，這與Hadoop之類的任務截然不同。因此，平台本身也需要被徹底重塑和改變。所以對我來說，平台層面最激動人心的是，我們正處於系統軟體的黃金時代。坦白說，今天，無論是基礎設施層的超大規模廠商還是初創公司，我認為都面臨著巨大的機遇。顯然，模型層面和其上的產品也存在巨大機會。最終，這一切都是為了什麼？只為一件事：驅動全球經濟增長，也就是GDP的增長。所以如果要問我衡量AI的標準是什麼？那就是它是否正在為我們身邊的世界創造價值盈餘？無論是對一個社區、一個國家、一個行業，還是一個公司。模型與應用：AI的“SQL時刻”已經到來主持人： 在應用層面，幾十年來你們已經建構了許多標竿性的應用。但現在感覺我們處在一個奇怪的、不均衡的時刻，模型似乎已經爆發，其能力讓我們驚嘆，但計算和應用層卻需要迎頭趕上。這裡的希望就是，在座的各位將成為建構這些應用的人。薩提亞·納德拉： 這是個好問題。問題之一是，模型本身究竟像SQL（一種資料庫語言），還是它就是SaaS應用本身？模型在那裡結束，產品又從那裡開始？如果你說，模型加上一些腳手架、工具呼叫，再套上一個無限循環，就是產品了，那這事就有點混亂了。但這就像說，一堆業務邏輯加上SQL本身就是一個應用程式。所以我認為，任何人都仍然可以在模型之上建構一個應用層，你需要把自己抽象出來，告訴自己：模型就像過去的SQL一樣。我一直夢想著AI或機器學習能迎來一個“SQL時刻”。因為你想想，過去我們從未有過一個穩定的平台層，所有東西都是垂直建構和整合的。而現在，我們第一次在模型層擁有了像SQL引擎一樣的東西，可以用來建構非常複雜的產品。而且這些技術，比如推理時計算加上工具呼叫，也為我們建構複雜產品提供了相當強大的框架。主持人： 如今，整合部分本身也成了應用層，這真是太瘋狂了。模型本身非常智能，但它們與對企業真正重要的資料之間，似乎還存在著巨大的鴻溝。薩提亞·納德拉： 這個觀察很到位。我認為，至少我目前的理解是，模型是重要的一環。而模型的腳手架和所有的工具呼叫，實際上構成了一個真正的“應用伺服器”，你需要它來建構複雜的應用程式。但最有趣的部分是產品內部的反饋循環和資料路徑，這些資料可以被用來進行後訓練（post-train），以便模型能做出正確的工具選擇。這似乎才是產品創新的真正發生之地。AI的能源帳單：必須用社會價值來“買單”主持人： AI的規模法則（scaling laws）仍在持續，對智能的需求似乎是無限的。昨天，埃隆·馬斯克提到，未來超級智能體與人類的比例將達到99:1，這是一個瘋狂的預測，但考慮到當前趨勢似乎也有可能。為了AI的未來，全球計算基礎設施的建設需求將走向何方？隨著模型不僅變得更大，而且更智能、能夠進行複雜的多智能體互動，您如何預測這些需求會如何演變？薩提亞·納德拉： 如果我們退一步看，假設智能的增長與計算量成對數關係，然後你再問，計算消耗多少能源？比如在美國，今天可能是2%-3%，假設翻倍到6%。這是一個巨大的數字，因為這意味著為了支援AI，需要額外生產大量的能源。所以我認為我們都必須記住，歷史教給我們一個教訓：如果你要消耗能源，你最好獲得社會的許可。這意味著你必須確保AI的產出是對社會有益的。換句話說，如果我們不能真正創造出以國家和社區為單位衡量的社會和經濟盈餘，那麼我們就不能無節制地消耗能源。對我來說，這是更重要的事情。今天每個人都在為能源生產的問題而焦慮。但未來五年真正的挑戰是，我們必須生產出足夠多能創造巨大價值的產品。順便說一句，我對此非常有信心，無論是在醫療、教育還是生產力領域。雖然領域很多，但我們科技行業真正的挑戰是要明確證明，我們創造的東西能體現在真實的統計資料中，而不僅僅是某個AGI或AI的基準測試分數。AI落地：告別文書工作與官僚主義主持人： 希望是，AI會體現在你日常接觸的真實事物中。比如，你去申請抵押貸款，不用再等上兩三個月，還不確定能否獲批。生活中有很多重要的事情，都被淹沒在文書工作或官一僚主義中，而這些都有可能因為AI而消失。薩提亞·納德拉： 百分之百同意。即使是一些公共服務領域也一樣。以任何一個國家的GDP構成為例，或者看看美國的醫療保健，它佔了我們成本的18%-19%。每個人都在談論神奇的藥物，但實際上大部分成本都在於工作流程。如果你用一個大語言模型和一個提示詞，去處理電子病歷系統後端的簡單工作，比如病人出院流程，這本身就能節省大量的時間、金錢和精力，完全可以收回成本。主持人： 這非常直接，我們在醫療上花費了巨額的GDP，這是理所應當的，但每一分花在文書工作上的錢，本可以用於拯救某人生命的治療。薩提亞·納德拉： 或者說，把醫生從文書工作中解放出來，讓他們有更多時間陪伴病人，這就是我們眼前的機會。AI普及的最大障礙：技術，還是人的慣性？主持人： 您認為今天AI部署的最大限制因素是什麼？薩提亞·納德拉： 這很有趣，這裡的觀眾太年輕了，我的比喻可能都不太適用。但無論如何，如果你回到早期，比如一家跨國公司只有3台電腦，我們是怎麼做銷售預測的？我們會發傳真，人們收到傳真後，再發部門間備忘錄，這些備忘錄經過批註，最終形成一份預測報告，希望能在季度結束前完成。突然有一天，人們有了電子郵件、個人電腦和Excel，他們說，我直接發個Excel表格，大家填上數字，預測就出來了。發生了什麼？是工作產物和工作流程改變了。這正是AI需要帶來的變化。當有人說，我現在要用我指揮的99個AI智能體來完成我的工作，那麼工作流程就不可能保持不變了，你必須改變，甚至你工作的範疇都會改變。這種“變革管理”才是真正的限制因素。因為你正在改變一家保險公司、金融服務公司、醫療公司或軟體公司裡的生產方式，並告訴他們，我們將改變一切工作方式，甚至改變現有的崗位。比如在領英（LinkedIn），他們把設計、前端工程、產品等多個職能整合在一起，說我們想要“全端建構者”。這甚至改變了一個崗位的範疇。那麼，你如何用新的角色、新的範圍來重組產品團隊？這對我們來說，更像是一種社會性的限制因素。當然還有很多其他因素，比如技術部署、電力供應等等，但我認為變革管理是關鍵。現在，當我和很多AI初創公司交流時，我發現每個人都有“前線部署工程師”。這就像帕蘭提爾（Palantir）的模式，我認為這是一個非常棒的模式。為什麼？就是因為變革管理。你需要真正幫助客戶和合作夥伴理解你產品的價值，不僅僅是技術本身，更是如何將技術應用到他們的工作流程中。解放“知識型員工”：AI如何消除工作中的乏味主持人： 在YC，我們有一個有趣的說法，我們告訴很多剛開始職業生涯的、最聰明的AI研究員和電腦科學家：去“臥底”。去當一名醫療帳單員，親身體驗一下，有多少所謂的“知識工作”，其實就是在瀏覽器、電子表格和郵件之間複製貼上，然後點選傳送。做一段時間後，你就會意識到，這些工作其實並不需要動用你的前額葉皮層和最高心智。你能想像嗎，很多人的生活基本上就是這樣，我們這個年紀的人過去稱之為“文書工作”，現在他們不推紙質檔案了，但他們在發郵件，不發傳真了，但他們通過給郵件加入附件來完成業務。這似乎是一個相當大的轉變。薩提亞·納德拉： 我認為對於任何創造產品或在模型層尋求根本性突破的人來說，知識工作中存在的大量乏味勞動，是一個被低估的巨大機會。我們在軟體工程中已經看到了這一點，很多瑣事把程式設計的樂趣都帶走了。AI能幫助你保持心流狀態，讓你能專注完成一項任務，我認為這將發生在所有知識工作中。你說的完全正確，我們花了太多時間在流程之外收集資訊。真正需要動用前額葉皮層進行綜合思考的時間其實很少。現在，讓一個複雜的推理模型和你的前額葉皮層協同工作，而大量繁瑣的事情交給一個很酷的智能體去完成，這絕對是未來的前沿。AI前沿：我們離下一個演算法突破還有多遠？主持人： 除了簡單地採用AI工具，您認為當今該領域正在發生那些最大的變革性轉變？薩提亞·納德拉： 這個領域變化太快了。去年這個時候，我甚至無法想像我們能通過強化學習（RL）和所謂的測試時計算（test-time compute）走這麼遠，而且它的潛力似乎無窮無盡。我認為，預訓練很有效，其上的所有後訓練技術也很棒。然後，推理時計算似乎又增加了一個巨大的規模法則。所以現在我感興趣的是，是否會出現一些新的演算法突破。我總是說，整個現有體系都可能被這裡的某個人改變，他站出來說：“我有一個更高效的方法來做這件事。”所以我們必須保持開放的心態，最後一個重大的演算法突破可能還沒有被發現。這是我一直感興趣的一點。另一點是，下一步是什麼？從預訓練到強化學習的端到端訓練閉環，這是下一個我認為在明年會發生的大事。我想說，如果那會成為另一個規模法則的突破，我們會看到，現在任何一個實驗室，包括我們所有人，可能都在研究如何建構一個更整合的、具備響應和推理能力的模型。那將是一個有趣的飛躍。AI非人：未來應用的三大支柱主持人： 這裡有個很有趣的觀點，如果你把一個大語言模型實例看作一個意識——我想有些人開始這麼說了——你實例化它，用它做一堆工作，然後它就消失了，你再打開一個新的聊天框。我很好奇，您認為這是否是需要完善的閉環之一？薩提亞·納德拉： 我不這麼認為。“人工智慧”（Artificial Intelligence）這個名字，可能是不幸地，我們能選出的最糟糕的名字了。我完全不贊同將AI擬人化。我更多地把它看作一個工具。它不是在試圖複製我們的思維方式。它確實表現出智能的跡象，但那不是我所擁有的那種智能。我認為，人類的主體性仍然會很重要，會一直存在，我們會把這些當作工具來使用。這是我的立場。話雖如此，我們確實需要一個好的記憶系統。如果我展望下一個前沿，我認為有三件事：一是記憶（Memory），二是工具使用（Tools use），第三個可能也是最重要的，是權限（Entitlement）。也就是說，如果我要採取行動，我擁有什麼權限來採取行動？這三個系統必須作為模型周圍的一等公民來建構，這樣我們才能開發出更複雜的應用。主持人： 有人開始提出一種關於軟體未來的論點：我們有資料庫，然後會有一個中介軟體，也就是您所說的“權限”，類似於存取控制列表，定義業務邏輯和誰能做什麼，然後你把智能體放在最頂層。薩提亞·納德拉： 這就是為什麼我認為，當你考慮腳手架層時，它是由模型加腳手架組成的。現在，通過思考這三件事，腳手架真正成為了一等公民：工具使用、記憶和權限。把這些東西組合在一起，你就可以建立一個智能體。一個智能體有ID，有管理和配置控制，有相應的機制。我認為這才是正確的思考方式。AI會“殺死”SaaS嗎？主持人： 您是否擔心程式碼生成（codegen）會讓使用者在某個時候更傾向於即時生成軟體，而不是使用打包好的軟體？我們很多人都在討論這個，因為在座的YC會資助大量的SaaS公司，並且會繼續這樣做。但私下裡，我們開始有這種擔憂。我的一些風險投資朋友甚至在說，我不確定是否還能繼續投資B2B SaaS。您怎麼看？薩提亞·納德拉： 這是個很好的問題。有趣的是，我看到在GitHub上fork程式碼的人數之多，我想，我們一定做對了什麼。這說明建構一個偉大的IDE（整合開發環境）是有其價值的。實際上，我把Excel也看作一個IDE。因為有一個很棒的畫布，你可以把最好的分析模型帶入這個IDE，然後在畫布和模型之間形成一個更好的循環。所以我認為，你可以即時生成應用，但你也可以有一個預製好的應用，它能真正幫助模型形成反饋閉環。我認為這兩者會共存。主持人： 您認為設計在這其中還有角色嗎？基本上，一個坐在VS Code前的人類，就像是軟體和終端使用者真實需求之間的翻譯。而那種“軟體會消失”的想法，似乎預設了普通人會願意去創造軟體，我不太確定這是否行得通。薩提亞·納德拉： 這是個好觀點。你問的其實是一個根本問題：軟體工程會變成什麼樣？人人都是開發者，但軟體工程師不會消失薩提亞·納德拉： 讓我們做一個思想實驗。如果某個火星智慧生物在1980年代來到地球觀察我們如何工作，他們會說：“哦，這些人類在辦公室工作，他們有打字員團隊，有幻燈片製作團隊，他們用紙工作。”如果他們今天再回來，他們會說：“天啊，現在這80億人全都是打字員了。”所以，我認為未來會發生的是，我們所有人都將創造軟體，但仍然會有一個叫做“軟體工程師”的職位。它會變得不同。在我看來，你其實是把一個軟體工程師提升為軟體架構師。你對程式碼的元認知仍然至關重要。我最大的感觸之一是，AI寫的程式碼很棒，直到它做了一些我完全搞不懂的事情。這意味著我必須對我的程式碼庫以及發生的一切有一個元模型，我需要查看變更日誌。我現在最喜歡GitHub的一個功能，就是查看所有在我程式碼庫上工作的智能體的完整變更日誌。我認為未來的軟體工程會很像一個優秀的開發經理。我認識的微軟開發經理，他們的工作就是確保版本不崩潰，程式碼質量高。對我來說，這件事依然重要。所以，即使在一個充滿AI智能體的世界裡，抽象層次也會提升。還有一件事我們沒談到，那就是法律責任。順便說下，在相關法律真正改變之前，責任將由人類和人類建立的機構承擔。只要這一點成立，我們就必須從根本上確保人類在環（human-in-the-loop）。這意味著我們需要大量的工具來幫助人類介入，以搞清楚這些AI到底在做什麼。熱炒與低估：AI的真正價值藏在田間地頭主持人： 在AI發展中，您看到了這麼多東西。從您的角度看，那些被低估了，又有那些被整個科技行業過度炒作了？薩提亞·納德拉： 這麼說吧，這個行業從不缺少過度炒作。我們正處在“萬物皆AI，無時無刻不AI”的階段。這對我們行業來說是好事。我們行業的生存之道，就是能對新事物陷入狂熱。就像史蒂夫·賈伯斯或鮑勃·迪倫說的，你要麼忙著重生，要麼忙著死去。忙著重生總歸是好的。我認為，作為科技界，我們最需要擔心和努力的是，如何贏得社會的許可。有一件事讓我感到震撼。那是在23年初，我在印度看到了一個演示。一個當地的開發者，將當時的GPT-3或3.5，與印度本土的一些開源語音轉文字、文字轉語音工具連結起來，做成了一個WhatsApp聊天機器人。他展示了一個當地農民如何通過這個機器人，訪問政府網站並成功申請到一項農業補貼。這對我來說簡直難以置信。我當時的感覺是，一個在美國西海岸開發出來的東西，怎麼能這麼快就有了如此真實的用例，這都得益於它的擴散速度和世界各地的人們。這才是需要被大規模講述的故事。我認為，這是被低估的故事。現在被過度炒作的是模型的能力，模型能力確實很棒，但是，如果我們能讓世界認識到，這正在真實地改變世界各地人們的生活，那我們的處境就很好。如果這沒有發生，那這一切就只是關於我們公司和行業的估值，只是舊事重演，那最終不會有好結果。“大眼夾”歸來：AI如何重塑我們與電腦的互動主持人： 我很喜歡那個例子。感覺微軟充滿了各種降低技術門檻，讓更多人能接觸到科技的例子。可以說，GitHub Copilot就是其中最重大的之一。薩提亞·納德拉： 順便提一句，你剛才說到這個，世界銀行做了一項研究，我想是在奈及利亞，現在他們把這個研究帶到了秘魯或智利。在微軟，我們一直在努力思考，科技能否在教育領域帶來干預？這是我們幾十年來一直追求的夢想，也取得了一些成果。但那份研究報告說，能用上像Copilot這樣的工具，可能是科技在非洲或拉丁美洲教育領域中最好的干預措施。這正是我們所有科技從業者夢寐以求的，而現在它就觸手可及。主持人： 我很好奇，您有什麼有趣的觀察嗎？因為你們在Windows裡的Copilot，是很多人第一次接觸到前AGI時代AI的入口。在科技圈，人們可能非常痴迷於最新的前沿模型，但很容易忘記，與Windows的整合才是大多數人的初體驗。對於人們使用它的方式，有什麼觀察嗎？薩提亞·納德拉： 我們對“大眼夾”（Clippy）以Copilot的形式回歸感到非常興奮。但說真的，對我來說，即使在我們熟悉和喜愛的電腦、滑鼠和鍵盤這種形態下，一個長久以來的夢想正在實現。微軟研究院在1995年成立的第一個研究小組就是研究語音的。從那時起，我們就一直在問，語音什麼時候才能成為PC上的一等公民？現在有了Copilot，有兩件事讓我感覺超現實，就像一個新的“瀏覽器時刻”：視覺和語音。我一直開著它，它能看到我所見的，我能和它對話。這感覺就像滑鼠精準移動一樣，是一次巨大的飛躍。對我來說，即使在現有的裝置形態上，我們也有辦法徹底改變電腦的使用方式。然後，還會有新的裝置形態出現。所以，無論是在硬體製造，還是為現有硬體適配新功能方面，這都是一個激動人心的時代。信任的三重維度：隱私、安全與主權主持人： 電腦的使用方式很吸引人。你有了智能，然後電腦的使用就成了所有資料的超集：你的個人資料、工作資料、所有的Office文件，一切都可以被訪問。就像電影《她》（Her）裡那樣，作業系統將與你最信任的智能體深度繫結。薩提亞·納德拉： 讓這些智能體成為你的“電腦”，為你完成計算任務，這一直是夢想，也絕對是未來的發展方向。你提到了最關鍵的一點，那就是“信任”：我能否信任它，把我想做的事委託給它？這意味著它必須精確，必須保護隱私，需要考慮很多因素。我認為所有這些問題，都會隨著時間的推移得到解決。主持人： 從這個角度看，無論是貴公司還是蘋果，實際上都必須站在為全世界所有電腦使用者保護隱私的第一線。薩提亞·納德拉： 對我們來說，這涉及很多方面，不只是隱私，還有安全和主權，這是三個非常重要的考量。隱私，是每個使用者都關心的。安全，是每個租戶或客戶在隱私之上關心的。而每個國家，都會關心主權、安全和隱私。所以應該這樣去思考：你建構任何產品或系統，都必須能夠回答，你如何為個人、組織和國家在這三個層面提供保障。給下一代建設者的建議：別等著晉陞才施展拳腳主持人： 薩提亞，您在微軟的經歷非同凡響，從一名工程師一直做到了CEO。您會和下一代的建設者們分享那些經驗教訓？薩提亞·納德拉： 開啟任何一段旅程時，你都不會有一個特定的終點目標，但你確實會有一個目標，那就是在第一步就對自己能完成的事情抱有最高的期望。我總是說，我並不是等著當上CEO才開始做我最好的工作。1992年我剛加入公司時，我覺得我的第一份工作就是我能擁有的最棒的工作。我當時感覺，如果我能在這個崗位上退休，那將是極好的。現在回想起來，這是一種很棒的心態。我不是為了下一次晉陞而等待，而是利用我所擁有的機會，盡我所能去做一切。我認為這是今天的創業者、研究人員或學生們所擁有的。所以我想說，保持這種狀態。不要等待下一個大機會。把你手頭的事情當作最重要的事情，然後把它做到極致。另一件事是，偉大的成就是靠你身邊的團隊實現的。要學會團隊合作，讓團隊變得更出色。我在微軟學到的一件事就是，在一個項目中意味著什麼，如何工作。這其實是學校和工作的最大區別，你加入一個團隊，你必須想辦法讓團隊成功。激勵機制其實很明確，但我認為人們常忽略的是，你如何真正融入團隊，你在其中的角色是什麼？我們每個人都傾向於認為，協調團隊是別人的工作。不，協調團隊是你的工作。所以我想說，如果你能做到這兩點：對自己能產生的影響抱有雄心壯志，以及學會在團隊中工作並使團隊高效，那將是不可思議的。優秀領導者的三大特質：帶來清晰，創造能量，解決難題主持人： 我很好奇，您在識人和團隊方面看重那些品質？因為AI正成為創造性工作和工程工作的關鍵部分，它甚至可能改變您面試和評估某人技術或更廣泛技能的方式。薩提亞·納德拉： 我一直在尋找人們身上的三種品質。第一種，其實是比爾·蓋茲啟發我的。有一次他描述什麼是好的架構師，什麼是差的架構師。他總結得很好：好的架構師帶來清晰，差的架構師帶來混亂，即使他們同樣聰明。所以我總是傾向於那些能本能地進入模糊、不確定的情況，並帶來清晰度的人。這是一種被低估的品質。你想想，你一天中要進行多少次關於某個棘手情況的對話，那些能清晰地指出該做什麼、下一步該怎麼走的人，是極其寶貴的。所以我總是在尋找能在不確定時期帶來清晰的人。我尋找的第二件事是，那些能創造能量的人。換句話說，他們不僅自己帶來能量，還能真正地把多個相關方聚集在一起。任何一個來找我的微軟領導，如果他說：“我的團隊很棒，其他所有人都很爛”，那對我來說沒什麼用。我需要的是能把公司內外的人聚集在一起，創造能量的人。最後一件事是，那些善於解決“過度約束”問題的人。我最喜歡的面試問題總是讓別人描述一個他們參與過的、幾乎走投無路但最終找到了出路的項目。看他們解決問題的方式，因為成功的人本質上做了什麼？他們接手一個被過度約束的問題，並設法解開這些約束。這三種神奇的能力：帶來清晰、創造能量、通過解決過度約束問題來驅動成功。我認為這就是領導力，但領導力不是你晚年才做的事，而是在每一步都要實踐的事。量子計算：微軟的下一個長期賭注主持人： 我想簡單談談量子計算。你們剛剛在二月份發佈了你們的Majorana 1。它與AI的未來有互動嗎？我想現場可能也有一些量子研究員，他們對未來很好奇。薩提亞·納德拉： 我對正在發生的事情感到非常興奮。我們已經在這個領域投入了很久，我已經是微軟第三位為量子計算項目簽字撥款的CEO了。我們已經堅持了20多年。我們的夢想，或者說我們一直以來的焦點是，如果真想建構一台通用量子電腦，就必須解決量子位元的穩定性和糾錯問題，也就是造一台容錯量子電腦。我們把賭注押在了一種由義大利物理學家馬約拉納（Majorana）設想的物理特性上。我們最終取得了物理學上的突破，成功製造出了那種粒子。這就是我們這款晶片的由來。所以我們感覺，我們需要實現的一件大事已經完成了。我這樣想：如果你想理解自然的語言，也就是模擬，我認為最好的方式就是通過量子電腦。因為畢竟，物理和自然本身就是量子的。而AI，我把它看作是模擬的模擬。這也是今天我們可以將AI與高性能計算（HPC）結合使用的一種方式。事實上，我們看到的很多進展都來自於使用HPC加AI來加速化學、物理和材料科學的進步。量子計算將是其中的下一步，但我們對AI、量子計算和HPC在同一個循環中能做的事情感到非常興奮。回到起點：打造賦能於人的下一代工具主持人： 如果您現在22歲，剛剛畢業，在2025年開啟您的職業生涯，您會從事什麼工作？您會如何著手？您會對什麼感到興奮？薩提亞·納德拉： 如果你回顧微軟的歷史，看看Office是如何誕生的，那是一個關於創造工具的不可思議的故事。一個文書處理器，一個電子表格，一個幻燈片製作工具，想想這些工具對我們所有人的意義。這就是為什麼如果有人問我最喜歡的產品是什麼，答案總是VS Code和Excel。當你使用這個工具時，你會感覺非常好，那完全是一種賦能感。一個簡單的電子表格能帶給你的數字感和分析能力，這是一個多麼不可思議的腳手架，一些行和列，中間有一個圖靈機，這簡直是突破性的。所以，我想做的是下一代的工具。當我今天看到Copilot時，我感覺就像看到了未來的研究者、分析師和創作者的Word、Excel和PowerPoint。我每天都會去用它們。所以對我來說，我想做的就是這個。我們能把什麼樣的工具交到人們手中，給予他們那種賦能感？這就是我願意為之奮鬥的事業。 (AI森林物種圖鑑)