納德拉最新專訪：談DeepSeek突破，批AGI測試無意義，預言計算會越來越便宜

智東西作者 ZeR0 程茜編輯 漠影

智東西2月20日報道，今日，在微軟連發其首款量子芯片、首個遊戲世界模型兩大重磅研究成果後，知名科技播客Dwarkesh Podcast第一時間放出對微軟董事長兼CEO薩蒂亞·納德拉的76分鐘深度訪談，信息量非常大。

訪談涵蓋了包含微軟對AI發展走向、計算資源需求、集羣建設、通用人工智能（AGI）基準、AI價格戰、部署AI能力的挑戰、量子計算突破、遊戲世界模型、混合現實（MR）夢想、企業如何培養員工忠誠度、認知勞動等話題。

當然還有近期科技行業必聊主題——DeepSeek。

納德拉說，AI需要變得更好且更便宜，每當有像DeepSeek所取得的這種突破時，每個Token的性能效率前沿就會改變，這將帶來更多的需求。

今年是微軟成立50週年。納德拉希望保持“重新創業”心態，談到微軟想要下得三大賭注是AI、量子計算、MR，認爲新發布的遊戲世界模型Muse AI具有類似於“ChatGPT時刻”的里程碑意義，真實臨場感仍是MR難以解決的挑戰，並判斷計算資源價格會下降、SaaS行業將被AI重塑。

在他看來，贏家通吃不會出現在超大規模市場，可能會出現在消費市場；在大模型領域，開源方案會確保閉源贏家通吃的局面得到緩解，不會出現某家憑藉一個模型獨佔市場的情況。

納德拉直言，微軟自稱取得的一些AGI里程碑，在他看來“只是無意義的基準測試”。

在訪談期間，他還分享了微軟曾經失誤所帶來的一些教訓，比如錯過搜索，比如微軟亞研院曾有上千個本應大力推進卻沒有的項目，並覆盤原因是缺乏足夠的信心，對接納創新和將其轉化成商業模式缺乏完整的思考。

以下是納德拉訪談的完整實錄：

一、贏下客戶端-服務器浪潮競賽，錯失“搜索”發展良機

主持人：祝賀你，微軟剛剛取得兩項突破，同一天在Nature上發表的量子處理器Majorana 1和首個世界和人類行動模型。不過首先我們能不能繼續剛纔的話題，你在80年代和90年代看到的事情以及你看到它們再次發生的感受。

納德拉：能上你的播客太棒了，我是一個深度聽衆，我喜歡你做這些採訪的方式和你探索的廣泛話題。

讓我興奮的是，這讓我想起了我在科技行業的最初幾年，從90年代開始，那裡有對RISC（精簡指令集）還是CISC（複雜指令集）的真實爭論，或者“我們真的能夠使用x86構建服務器嗎”等爭論。

我加入微軟時正是Windows NT（面向工作站、網絡服務器和大型計算機的網絡操作系統系列）項目起步的時候。所以，從核心芯片平臺到操作系統，再到應用程序層級，全棧式方案的整個體系都在不斷地深入研究和完善中。

當時分佈式計算和雲改變了客戶端-服務器，網絡發生了巨大的變化，相比於過去感覺更像一個完整的堆棧，而我參與其中。

主持人：此前人們談論數據中心建設是一個泡沫，但我們今天的互聯網又是基於其建設而成。所以關於什麼將經得起時間的考驗？什麼是固有的長期趨勢？什麼只是曇花一現？你如何看待。

納德拉：回顧我經歷過的四大變革，其中之一就是客戶端以及客戶端-服務器模式，也就是GUI（圖形用戶界面）和x86架構的誕生，基本上正是它們讓我們能夠構建服務器。

我很清楚這一點。我記得1991年參加PDC大會時，我在Sun Microsystems（IT及互聯網技術服務公司）工作。1991年我去了Moscone。當時微軟首次描述了Win32接口，我很清楚接下來會發生什麼——服務器將採用x86架構。

因此，當你擁有規模優勢時，這就是你必須下注的長期賭注。客戶端發生的事情也將在服務器端發生，然後你就可以真正構建客戶端-服務器應用程序。應用程序的模式變得清晰起來。

那時網絡發展對我們來說是件大事，我們在創業之初就必須應對它。我一加入微軟，Netscape瀏覽器或Mosaic瀏覽器問世，大概在1993年12月左右，這些瀏覽器被開發出來。

所以，這在某種程度上改變了遊戲規則。當時我們正處於客戶端-服務器浪潮之中，很明顯我們贏得了這場競賽。

之後我們迎來瀏覽器時代，因此必須做出調整。我們很好地適應了瀏覽器時代新的應用模式。我們將其融入到微軟所做的一切中，無論是Word中的HTML還是其他新東西，然後在服務器堆棧上構建網絡服務器等。

當然，我們也錯過了網絡上最大的商業模式。因爲我們都認爲網絡是分佈式的，誰會想到搜索會成爲組織網絡的最大贏家？顯然，這是我們沒有看到的地方，而谷歌看到了它並執行得非常好。

所以這是我學到的一個教訓：你不僅要正確把握技術趨勢，還要了解該趨勢將創造什麼價值，這些商業模式的轉變可能比技術趨勢的變化還要困難。

二、AI領域不會贏家通吃，基礎設施需求將呈指數級增長

主持人：AI將在哪裡創造價值？

納德拉：這是偉大的。我對兩個地方有信心：

其一是表現出色的超大規模雲服務提供商，因爲從根本上來說，如果你回想一下薩姆·阿爾特曼（OpenAI CEO）和其他人的描述就會發現，智能程度與計算能力呈對數相關，因此誰能夠進行大量的計算，誰就是大贏家。

其二，如果你仔細觀察ChatGPT等任何AI工作負載，你會發現並不是每個人都對GPU方面發生的事情感到興奮，雖然GPU方面的發展確實很不錯。實際上，我在考慮自己的設備集羣時，會將其看作是AI加速器、存儲和計算之間的一種比例關係。而且從規模角度來看，你必須對其進行擴展。

因此，世界對基礎設施的需求將呈指​​數級增長。擁有這些AI工作負載簡直就是天賜良機，它們對更多計算能力的需求極大，而且不僅僅是在訓練方面，在測試階段同樣如此。

當你想到一個AI agent時，事實證明，AI agent會以指數級的速度增加計算資源的使用量，因爲這已不再僅僅侷限於一個人調用一個程序，而是一個人調用的程序會進而調用更多的程序。這將會對計算基礎設施產生巨大無比的需求，並推動其規模不斷擴大。

所以，我們的超大規模業務，也就是微軟的Azure業務，以及其他超大規模雲服務提供商的業務，我認爲這都是非常重要的發展方向。

在那之後，情況就變得有點模糊了。你可能會說“嘿，存在一種贏者通吃的模式”，但我就是不這麼認爲。

順便說一下，這是我學到的另一件事：在某種意義上，真正擅長分辨哪些是贏者通吃的市場，哪些不是贏者通吃的市場，這纔是關鍵所在。

我還記得，在我剛涉足Azure業務的早期，亞馬遜就已經遙遙領先了。人們會來找我，投資者也會找到我，他們說：“哦，一切都結束了。你們永遠也做不成的。亞馬遜是贏者通吃的，這已經是定局了。”

在客戶端-服務器領域，甲骨文與IBM競爭的經歷讓我明白，買家是不會容忍“贏者通吃”的局面的。

從結構上看，超大規模市場永遠不會是 “贏者通吃” 的，因爲買家都很精明。

消費市場有時可能會出現 “贏者通吃” 的情況，但只要買家是企業、公司或企業的IT部門，他們就會希望有多個供應商。所以，你必須成爲衆多供應商中的一員。

我認爲，大模型領域也會是這樣的情況，會有開源模型、監管機制等。就像Windows系統給我的一個重要教訓：如果你有一個閉源操作系統，就必然會有與之互補的開源產品出現。所以在某種程度上，這確實能對市場情況起到制衡作用。

我覺得在模型方面，或許會有一些閉源模型，但肯定也會有開源的替代方案。而且開源的替代方案會確保那種閉源 “贏者通吃” 的局面得到緩解。

這就是我對模型領域的看法。

順便說一下，如果AI真的像人們所認爲的那樣強大，政府是不會坐視不管任由私營企業在全球範圍內隨意發展的。

所以，我不認爲這會是 “贏者通吃” 的局面。

除此之外，我認爲情況還是和以往一樣，在消費領域的某些品類中，可能會出現一些 “贏者通吃” 的網絡效應。

畢竟ChatGPT就是一個很好的例子。它是一個大規模的消費級產品，已經獲得了真正的發展動力。我打開應用商店，總能看到它排在前五名，我就會感嘆：“哇，這太不可思議了。”

所以他們能夠利用早期的優勢，並將其轉化爲應用程序方面的優勢。在消費領域，這種情況是可能發生的。但在企業領域，我認爲按不同類別劃分，會有不同的贏家。至少這是我分析得出的結論。

主持人：如果擁有了通用人工智能（AGI），並且它能幫助你開發出更好的AI，也許未來會出現自動化的AI研究工具等，來鞏固企業自身優勢，我很好奇你的想法，在這個領域保持領先真的很重要。

納德拉：從模型的角度來看，沒有什麼東西是完全商品化的。就你提到的雲計算來說，大家都會說：“哦，雲計算是商品化的產品。” 但實際上，當你擴大規模，這就是爲什麼運營超大規模雲服務需要專業知識， 你可能會說：“哎呀，這有什麼難的？我只要把服務器組裝起來就行了。”

事實上，在超大規模雲服務發展的早期，大多數人都認爲 ：“市場上有那麼多託管服務提供商，他們的業務都不怎麼樣。超大規模雲服務會有前景嗎？這到底能不能成爲一門生意呢？” 但結果證明，這確實是一門實實在在的生意，這就是因爲具備了運營的專業知識。以Azure爲例，要在全球60多個地區運營計算業務，管理所有的計算資源，這可不是件容易複製的事情。

所以我想說的重點是，市場上會只有一個贏家嗎？這到底是不是 “贏者通吃” 的局面呢？因爲你必須搞清楚這一點。

我喜歡進入那些市場總量（TAM）很大的領域，在這樣的領域裡，你不必承擔所有的風險，因爲不會出現 “贏者通吃” 的情況。最理想的情況是進入一個大市場，這個市場能夠容納幾個贏家，而你就是其中之一。

這就是超大規模雲服務層面的情況。模型最終需要在超大規模的計算資源上運行。所以我覺得這種聯繫會一直存在。

同時，這不僅僅是模型的問題。模型需要狀態存儲，這意味着它需要存儲設備，而且運行這些agent及其運行環境也需要常規的計算資源。

所以我認爲，不會出現某一家憑藉一個模型獨佔市場並一統天下的情況。

三、順應摩爾定律構建集羣，在全球建立推理集羣

主持人：作爲超大規模雲服務提供商，在推理階段的規模擴展方面，微軟不僅可以將數據中心和GPU用於訓練，還可以再次用於推理，從而分攤成本。那你認爲微軟和Azure屬於哪一類超大規模雲服務提供商呢？是專注於預訓練方面嗎？還是提供像o3類型的推理服務呢？或者你們只是會託管和部署市場上的任何一種模型，對此並不偏袒呢？

納德拉：這是個很好的問題。我們構建設備集羣的方式在某種程度上是順應摩爾定律的。

我認爲這就和我們過去做其他事情一樣：每年都對設備集羣進行更新，根據設備的使用壽命對其進行折舊處理，然後非常熟練地對設備集羣進行佈局，這樣就能以高利用率運行不同的任務。

有時候會有非常大型的訓練任務，需要爲其配置高度集中的峰值運算能力，而且這些任務還需要協同運行。因此我們應該擁有足夠的數據中心規模來滿足這一需求。

但歸根結底，這些任務規模都會變得非常龐大，即使從預訓練的規模來看，如果要持續發展，在某個階段預訓練的規模也必須跨越數據中心的界限。基本上就是這樣的情況。

所以，一旦你開始跨越預訓練的數據中心界限，這和其他情況有什麼不同嗎？我是這樣想的：分佈式計算仍然是分佈式的，所以構建你的設備集羣，使其能夠應對大型訓練任務，能夠滿足測試階段的計算需求，甚至能夠應對強化學習（RL）可能帶來的情況。

你構建了一個大模型，然後會有大量的強化學習任務要處理。對我來說，這就像是更多的訓練運算，爲不同的任務創建高度專業化、精簡的模型。

所以你需要這樣的設備集羣，然後是服務需求。

說到底，光速是固定的。你不能只在得克薩斯州建一個數據中心，然後說：“我要從這裡爲全世界提供服務。”你必須在全球各地都建立推理設備集羣，才能爲全世界提供服務。這就是我對構建真正超大規模設備集羣的理解。

順便說一下，我還希望我的存儲和計算資源也能靠近這些設備，因爲不僅僅是AI加速器是無狀態的，我的訓練數據本身也需要存儲，而且我希望能夠複用多個訓練任務。我希望能夠創建這些環境，讓agent可以在其中執行程序。這就是我的大致想法。

四、AGI的真正基準：世界經濟增速達10%

主持人：微軟的財報顯示每年AI中獲得的收入達到130億美元。基於同比增長，這一數字四年後將會達到1300億美元。如果是這樣，您將會如何利用這些工業規模的智能？這會通過Office（辦公軟件）來實現嗎？還是說你會將其部署好後讓其他人來託管？要擁有AGI才能實現1300億美元的營收嗎？實際情況到底會如何？

納德拉：在我看來這是一個很好的問題，因爲在某種程度上，如果你要實現這種爆炸式增長，我們首先要觀察的就是GDP增長。在我討論微軟的收入情況之前，這一切有一個決定因素，就是我們對AGI的過度炒作。

發達國家嗎（的GDP）增長率爲2%，如果考慮到通貨膨脹，增長率可能爲0。因此在2025年，雖然我不是經濟學家，但至少我認爲我們正面臨真正的增長挑戰。因此，所有人要做的第一件事是，讓我們實現工業革命式的增長。

對我來說，這意味着10%、7%，或者發達國家通貨膨脹調整後的增長率達到5%，這是真正的指標。

很多人都在寫這方面的文章，我很高興他們這麼做，也就是說，最大的贏家不會是科技公司。贏家將是使用這種商品的更廣泛的行業。順便說一句，這種商品非常豐富。生產力突然上升，經濟增長速度加快，這種情況發生時，我們這個行業就會安然無恙。

但對我來說，這只是當下。我們自稱取得了一些AGI里程碑，但在我看來，這只是無意義的基準測試。真正的基準是：世界以10%的速度增長。

主持人：如果世界經濟增長率爲10%，世界經濟規模將達到100萬億美元左右，每年就相當於額外創造了10萬億美元價值。如果是這樣的話，你作爲超大規模企業……難道你不應該投資8000億美元嗎？如果你真的認爲在幾年內，我們真的可以按照這個速度發展世界經濟，那麼關鍵的瓶頸就是：你是否擁有部署這些AI來完成所有這些工作所需的計算能力？

納德拉：沒錯。但順便說一句，典型的供應方是，“嘿，讓我建造它，他們就會來”。這是一個論點，畢竟我們已經做到了這一點，我們已經承擔了足夠的風險去做這件事。

但在某些時候，供應和需求必須對應起來。這就是我跟蹤供應和需求的原因。如果你只關注供應方，而不真正瞭解如何將其轉化爲對客戶的實際價值，那麼你可能會完全偏離軌道。

這就是我關注我的推理收入的原因。這也是爲什麼即使披露推理收入也是如此……有趣的是，沒有多少人談論他們的實際收入，但對我來說，作爲一名管理者，你如何看待這一點很重要。

你不會說它們必須在任何特定的時間點對稱地滿足，但你需要有存在的證據，證明你能夠將昨天的資本轉化爲今天的需求，這樣你就可以再次投資，甚至可能是指數級的投資，因爲你知道你不會完全出現利率錯配。

五、構建模型是“創造商品”的競賽，計算資源的價格會下降

主持人：我想知道這兩種不同的觀點是否存在矛盾，因爲你做得非常出色的一件事就是做出這些早期的押注。你在2019年就投資了OpenAI ，當時Copilot和任何應用程序都還未出現。如果你回顧工業革命時期，當時鐵路之類的基礎設施建設投入佔比達到6%、10% ，很多情況並不是說 “我們靠賣車票獲得了收入，然後現在我們打算……”

如果你真的認爲這裡有潛力讓世界增長率達到10倍或5倍，然後你會想：“那麼，GPT-4的收入是多少？”如果你真的認爲這是更高層次的可能性，難道你不應該說：“讓我們瘋狂起來，讓我們進行數千億美元的計算吧？”

納德拉：這很有趣。這就是爲什麼即便是這種平衡的集羣方法對我來說也非常重要。這是關於構建計算，它不僅可以幫助我訓練下一個大模型，還可以服務於下一個大模型。除非你做到這兩點，否則你將無法真正利用你的投資。

所以，這不僅僅是一場建立模型的競賽，而是一場創造一種商品的競賽，這種商品將被世界用來驅動……你必須有一個完整的想法，而不僅僅是你正在思考的一件事。

其中一個情況是會出現過度建設。就像你提到的互聯網泡沫時代發生的事情那樣，現在已經有這樣的信號了。你需要更多的能源，也需要更多的計算能力。所以，每個人都會競相投入（發展）。

不僅僅是公司在部署，各國也將部署，而且顯然……我很高興能成爲供應商。因爲，順便說一下，我建設了很多（設施），也出租了很多（計算資源）。

我很興奮在2027年、2028年能夠出租大量的計算能力，因爲我看到這些建設項目時就會想：“這太棒了。”

隨着所有這些計算設施的建設，唯一會出現的情況就是計算資源的價格將會下降。

主持人：從消費者的使用場景來看，AI已經非常便宜了，大概是每百萬個Token只需2美分，我覺得我真正受限於它能否變得更智能而非價格。但也許你在企業端看到的情況有所不同，到底是什麼關鍵的AI使用場景，真的需要把價格降到每百萬個Token 0.002美分呢？

納德拉：我認爲關鍵在於Token的效用，AI需要變得更好且更便宜。每當有像DeepSeek所取得的那種突破時，每個Token的性能效率前沿就會改變，這隻會帶來更多的需求，雲計算領域就是這樣的情況。

有件很有意思的事：我們過去常想“天哪，在客戶端-服務器時代，我們已經把所有能賣的服務器都賣出去了”。然而，一旦我們開始把服務器部署到雲端，突然間人們的使用量增加了，因爲他們可以更便宜地購買服務，而且服務具有彈性，他們可以按計量方式購買，而不是購買許可證，這使得市場規模得到了徹底擴大。

我記得有一次去印度宣傳 “SQL Server（微軟的數據庫管理系統）”。但我們只賣出了一點點，但是，印度的雲計算市場規模比我們在服務器時代於當地取得的任何成績都要大得多。我認爲這種情況還會持續下去。

你想想一下，如果未來在一個發展中國家的醫療健康領域能有非常便宜的Token可用，那將是有史以來最大的變革。

六、AI能力部署的挑戰是變革管理、工作流程

主持人：作爲一個與財富500強企業合作，並且正在幫助他們爲成百上千萬甚至數十億人部署產品的人，你認爲這些能力的部署速度會有多快呢？即使你有了可用的agent、可以遠程工作的工具，但考慮到所有的合規要求和固有的瓶頸，這些會成爲很大的阻礙嗎？還是說會很快克服這些問題？

納德拉：這確實會是一個真正的挑戰，因爲真正的問題在於管理或流程變革。我常打的一個比方是，想象一下像我們這樣的跨國公司在PC（個人電腦）、電子郵件和電子表格出現之前是如何做預測的，當時靠傳真來傳遞信息。有人收到傳真後，會寫一份部門間的備忘錄然後傳閱，人們輸入數據，最後可能剛好在新季度開始前得出預測結果。

然後有人說：“嘿，我只要用Excel電子表格，把它放在電子郵件裡發出去。人們可以去編輯它，這樣我就能得到一份預測了。”

因此，整個預測業務流程發生了改變，因爲工作成果和工作流程發生了變化。

AI被引入知識工作領域也會發生這樣的改變。實際上，當我們想到所有這些agent時，最根本的是出現了新的工作內容和工作流程。

例如，在準備播客時，我會向Copilot說：“嘿，我要談談我們在量子領域的宣佈事項以及我們爲遊戲生成構建的新模型，給我一份我在談話前應該瞭解的所有內容的總結。”

它知道那兩篇Nature期刊上的論文，並且提取了相關內容。我還可以說：“用播客的格式給我呈現。” 然後它能模擬我們兩人關於這個話題的對話。

所以這就成了。然後，我把它分享給了我的團隊，把它放到文檔工具裡分享出去。對我來說，新的工作流程就是藉助AI並和我的同事一起工作。

這對於每個從事知識工作的人來說，都是一個根本性的變革管理。他們突然要弄清楚這些新的模式，即 “我要如何以新的方式完成我的知識工作”，這是需要時間的。在銷售、財務和供應鏈等領域也會是這樣。

對於一家現有企業來說，我認會是這樣一種情況——我喜歡用的一個比喻是製造商在精益生產方面做的事情。我很喜歡這個比喻，因爲從某種意義上說，通過精益生產方法，人們可以在製造業中採用端到端的流程提高效率。這是一種持續改進，即減少浪費並增加價值。

這也會應用到知識工作領域。這尤其像是知識工作的精益生產方法，將是管理團隊和從事知識工作的個人需要付出努力的地方，並且這需要時間。

主持人：精益生產所做的一件事是從物理層面上改變了工廠車間的樣子，它揭示了一些人們直到真正關注流程和工作流程時才意識到的瓶頸。由於AI，你自己的工作流程發生了怎樣的變化。當你擁有這些隨着時間推移變得越來越智能的agent時，經營一家大公司會是什麼樣子？

納德拉：這個問題很有意思。比如說，今天我們對電子郵件的依賴程度非常高。我早上來上班，就會想，天哪，我的收件箱都滿了，我得回覆郵件，所以我迫不及待地希望Copilot能自動幫我寫好草稿，這樣我就可以直接開始審覈和發送了。

我在Copilot中至少已經有了十個agent，我會針對不同的任務向它們詢問不同的事情。我感覺未來會創建一個新的收件箱，在這個收件箱裡，我正在使用的數百萬個agent將不得不向我報告一些異常情況、給我發送通知，或者向我請求指示。

所以至少我在想的是，會有一個新的架構，也就是agent管理器。它不只是一個聊天界面，我需要一個比聊天界面更智能的東西來管理所有的agent以及它們之間的對話。

這就是爲什麼我認爲智能助手（Copilot）作爲AI的用戶界面，是非常非常重要的。我們每個人都會用到它。

基本上可以這樣想：有知識工作，也有知識工作者（Knowledge Worker）。知識工作可能由許許多多的agent來完成，但仍然會有一個知識工作者來處理所有這些agent的工作。我認爲這就是需要構建的界面。

七、實現“量子計算領域的晶體管時刻”

主持人：微軟研究院宣佈的在量子領域的重大突破。你能解釋一下是怎麼回事嗎？

納德拉：這對我們來說是一段長達30年的歷程。太不可思議了。我是微軟的第三任CEO，對量子領域一直很感興趣。

這裡的根本突破，或者說我們一直以來的願景是，爲了構建一臺實用規模的量子計算機，你需要在物理學上取得突破。

我們選擇了這樣一條道路，即擁有一個噪音更小或更可靠的量子比特的方法，是押注於一種從定義上來說更可靠的物理特性，這就是爲什麼我們關注馬約拉納零能模（Majorana zero modes），這一理論在20世紀30年代就被提出。

問題是，我們實際上能否在物理上製造出這些東西呢？我們真的能構建出來嗎？

所以，重大突破是，我知道你和切坦（Chetan Nayak，微軟技術研究員）聊過，我們現在終於有了存在性證明，並且在一種新的物質狀態下有效地實現了馬約拉納零能模的物理學突破。這就是爲什麼我們喜歡把這個比喻爲“量子計算領域的晶體管時刻”。

我們有了一個拓撲相，這意味着我們甚至可以可靠地隱藏量子信息、對其進行測量並且製造它。所以我們覺得有了這個核心的基礎製造技術，我們就可以開始構建Majorana芯片了。

我認爲Majorana 1將是第一顆能夠擁有100萬個物理量子比特的芯片。在此基礎上，經過糾錯後會有數千個邏輯量子比特。然後就可以大展身手了。

你突然就有能力構建一臺真正實用規模的量子計算機，對我來說，現在這變得更加可行了。如果沒有這樣的突破，你仍然可以實現一些里程碑，但你永遠無法構建一臺實用規模的計算機。這就是爲什麼我們對此感到興奮。

我們叫它Majorana 1，我很高興我們以它來命名。想想看，我們能夠在這麼小的尺寸內構建出像擁有100萬個量子比特的量子計算機這樣的東西，真是不可思議。

關鍵在於，除非我們能夠做到這一點，否則你根本無法想象構建一臺實用規模的量子計算機。

主持人：這太神奇了。谷歌、IBM也宣佈了擁有100個物理量子比特，但你們的成果在可擴展性方面遠超其他公司嗎？

納德拉：是的。我們還採取了一種方法，就是將軟件和硬件分離開來。我們正在構建我們的軟件棧，而且我們現在與研究中性原子、離子阱的團隊合作，我們也在與其他在光子學等方面有很好方法的團隊合作，這意味着會有不同類型的量子計算機。

我們上次宣佈的是擁有24個邏輯量子比特。所以我們在糾錯方面也取得了一些突破，這就是爲什麼即使在中性原子和離子阱量子計算機方面，我們也能構建出20多個（邏輯量子比特），而且我認爲今年這一數字還會繼續增加，你會看到我們不斷提高這個標準。

但我們也說過：“讓我們從最基本的原理出發，構建我們自己的基於拓撲量子比特的量子計算機。” 這就是這次突破的意義所在。

主持人：太神奇了。100萬個拓撲量子比特、數千個邏輯量子比特，達到這個規模的預計時間線是怎樣的呢？這裡有類似摩爾定律的規律嗎？如果你已經有了第一個 “晶體管”（比喻關鍵突破），後續會怎樣發展呢？

納德拉：我們已經在這個領域努力了30年。我很高興我們現在在物理學和製造技術方面都取得了突破。

我希望我們已經有一臺量子計算機。量子計算機能讓我們做的第一件事就是製造更多的量子計算機，因爲用它來模擬逐個原子構建這些新的量子門會容易得多。

但無論如何，接下來真正要做的是，既然我們已經有了製造技術，那就讓我們去構建第一臺容錯量子計算機吧。這將是順理成章的事情。

所以，我現在可以說，“也許在2027年、2028年、2029年，我們將能夠真正構建出這樣的計算機”。

現在我們有了這一個門電路，我能把它集成到集成電路中，然後真正把這些集成電路放入一臺真正的計算機中嗎？這就是接下來的合理步驟。

主持人：那你認爲在2027、2028年，當它能運行的時候，會是什麼樣的使用方式呢？是通過API來使用它嗎？還是你們會在內部將其用於材料和化學方面的研究呢？

納德拉：這是個很好的問題。有一件事我一直很興奮，我們有量子項目，併爲它添加了一些API。大概兩年前我們取得的突破是將高性能計算（HPC）堆棧、AI堆棧和量子計算結合起來考慮。

仔細想想，AI就像是模擬器的仿真器。量子計算就像是對自然的模擬。量子計算能做什麼呢？順便說一下，量子計算不會取代經典計算。量子計算在它擅長的領域表現出色，經典計算也會。

量子計算對於任何在狀態空間方面不是數據密集型而是探索密集型的任務都非常出色，也就是說，數據量相對較少，但你想要探索的狀態是指數級的領域。大模型就是一個很好的例子，還有化學、物理、生物等領域。

我們已經開始做的一件事，是真正把AI用作仿真引擎，你可以對其進行訓練。

我是這樣想的，如果你有AI+量子計算，也許你會用量子計算來生成合成數據，然後用這些數據來訓練更好的模型，這些模型能夠在化學、物理等領域進行建模。這兩者將結合使用。

所以這就是今天，我們將高性能計算和AI結合起來所做的事情。我希望用量子計算機來取代一些高性能計算的部分。

八、微軟研究院錯失過上千個項目，管理團隊要懂得如何接納創新並使其商用

主持人：你是如何做出研究決策的？這些決策在二三十年後會帶來回報，尤其是在像微軟這樣規模的公司。顯然，你對這個項目的技術細節非常瞭解。對於微軟研究院所做的所有事情，你都能做到這樣嗎？還有你現在做出的這些在20年後會有回報的決策，是通過公司內部自然產生的嗎？你是如何跟蹤所有這些事情的呢？

納德拉：我覺得很棒的一點是，大概在1995年比爾·蓋茨創辦微軟研究院時的理念。我認爲在這些由好奇心驅動的研究機構漫長曆史中，能創辦一個專注於基礎研究的研究機構，這是很了不起的。

多年來，微軟研究院已經積累了強大的機構實力。所以，當我考慮資金分配、預算或其他相關事宜時，我會先做出投入，比如說，“看，這是微軟研究院的預算”。我們每年都要這樣做，心裡明白這些投入中的大多數在短期內不會有回報。也許要等到微軟的第六任CEO才能從中受益。

我認爲，這在科技領域是很正常的。我真正思考的是，當量子技術、新模型或其他類似的事情，機遇來臨時，你是否能夠抓住機會實現成功呢？

所以，作爲一家老牌公司，回顧科技發展的歷史就會發現，不是人們沒有進行投資，而是你需要有一種“要懂得如何接納創新，並將其規模化發展”的文化。坦率地說，對於CEO和管理團隊來說，這是很困難的部分，這也很有意思，這既需要良好的判斷力，也需要良好的企業文化。

有時候我們做得對，有時候我們也會犯錯。我可以告訴你，微軟研究院有上千個項目，我們本應該大力推進，但卻沒有。我總是問自己爲什麼，原因是我們沒有足夠的信心，而且對於如何不僅接納一項創新，還能將其轉化爲一個有用的產品，並構建出一個可以推向市場的商業模式，缺乏完整的思考。

CEO和管理團隊的工作不僅僅是對某一件事情感到興奮，而是要能夠切實地將整個事情執行到位。說起來容易，做起來可就難了。

主持人：你提到微軟未來可能會有第六任（或者說接下來的三任）CEO，要是他們每個人都能讓公司市值提升一個數量級，那麼等到下一個重大突破出現的時候，微軟的規模可能就會和世界經濟差不多了。

納德拉：哈哈，記住，世界經濟將以10%的速度增長，所以我們會很好。

九、微軟遊戲世界模型是一個“ChatGPT時刻”

主持人：讓我們深入探討一下你剛剛取得的另一個重大突破。令人驚訝的是，在遊戲世界模型方面的這兩個突破竟然在同一天出現。能給我講講相關情況嗎？

納德拉：我瞭解到，我們把它稱作 “Muse”，它將會是一個關於世界行爲或人類行爲的模型。真的非常酷。你看，顯然“DALL·E” 和 “Sora” 在生成式模型上取得了令人難以置信的成就。所以我們想要追求的一件事是利用遊戲玩法數據。

能不能生成既具有連貫性，又能夠展現出遊戲所代表的多樣性，並且能夠適應用戶修改的遊戲呢？這就是這個模型的目標。

所以他們與我們的一個遊戲工作室合作。這也是發表在Nature期刊上的另一項成果。我感到興奮的是，我們很快就會有一個遊戲目錄，我們將開始使用這些模型，或者說我們會訓練這些模型來生成遊戲，然後開始玩這些遊戲。

當菲爾・斯賓塞（Phil Spencer）第一次給我展示時，他拿着一個Xbox控制器，這個模型基本上接收了輸入，並根據輸入生成了與遊戲相符的輸出。

對我來說，這是一個非常重大的時刻，就像我們第一次看到ChatGPT完成句子、DALL·E畫圖或者Sora的表現一樣，這是類似的一個具有里程碑意義的時刻。

主持人：是的。今天早上我只來得及和你們的首席研究員卡佳（Katya）一起看了一些實時演示視頻。在和她交談後，我才真正意識到這有多麼不可思議，因爲我們過去曾使用AI來對智能agent進行建模，而現在只是用同樣的技術來對智能agent周圍的世界進行建模，並實現了這種連貫的實時效果。這本身就非常不可思議。

通過你們的西班牙CEO，你們已經投入了數十、數百億美元來發展微軟的遊戲業務並收購IP。回想起來，如果你能夠將所有這些數據整合到一個大模型中，讓你能夠獲得同時體驗多個遊戲世界的感受，而且如果這就是遊戲發展的方向…… 似乎我們之前的投資是非常明智的。你之前有預見到這一點嗎，還是隻是一個巧合呢？

納德拉：不，我是說，我們投資遊戲業務並不是爲了構建模型。坦率地說，我們公司的歷史上有一件很有趣的事情。在開發Windows系統之前，我們就製作了第一款遊戲。在我們甚至還沒有開發Windows系統的時候，《飛行模擬器》就是微軟的一款產品了。

所以遊戲業務在我們公司有着悠久的歷史，我們投身遊戲領域是因爲我們熱愛遊戲本身。這就是爲什麼我總是說，我不喜歡那種把業務當作達到其他目的的手段的情況。這些業務本身就應該有其存在的價值。

而且，我們不是一家企業集團。我們是一家公司，我們必須將所有這些資產整合在一起，並通過增加價值來更好地管理它們。

例如，雲遊戲對我們來說是一個很自然的投資方向，因爲這將擴大市場總量（TAM），並增強人們在任何地方玩遊戲的能力。

AI和遊戲的結合也是同樣的道理。我們絕對認爲這會有所幫助，而且從長遠來看，這也許就像遊戲領域的計算機生成圖像（CGI）時刻一樣具有變革性。

作爲世界上最大的遊戲發行商，這肯定會很有幫助。但與此同時，你必須製作出高質量的遊戲。我的意思是，作爲一個遊戲發行商，首先必須專注於這一點。

但是，數據資產不僅在遊戲領域會很有趣，而且它還將成爲一個通用的行爲模型和世界模型。這太棒了。我認爲遊戲數據也許就像YouTube對於谷歌一樣，對微軟來說具有重要意義。所以我對此感到很興奮。

十、微軟的三大賭注：AI、量子計算、MR

主持人：我剛纔想說的是，有一種感覺是，你可以在許多不同類型的遊戲中獲得一種統一的體驗。除了AI之外，這與微軟過去在混合現實（MR）等方面所做的工作有什麼契合之處呢？也許這能給小型遊戲工作室一個機會來製作大型3A動作遊戲，而且在未來五到十年內，你覺得會以哪些方式……

納德拉：我一直把這三件事（AI、量子計算、混合現實）看作是基石，從某種有趣的角度來說，甚至在五六七年前，我就說過我們想要下的三個大賭注是AI、量子計算和混合現實。

我現在仍然堅信這一點。因爲從某種意義上說，有哪些重大問題需要解決呢？“臨場感”，這是混合現實的夢想，也就是能不能創造出像你我現在進行這個播客這樣的真實臨場感呢？坦率地說，我認爲這仍然是其中一個核心挑戰。

我原以爲這個問題會更容易解決。但也許由於社交方面的因素，比如佩戴設備之類的問題，這個問題變得更難解決了。

實際上，我對我們現在與Anduril和Palmer將要做的事情感到非常興奮，尤其是他們將如何推進集成視覺增強系統（IVAS）項目，因爲這是一個非常棒的應用案例。所以我們會在這方面繼續努力。

但2D界面也有其作用，比如Teams軟件，多虧了疫情，我們實際上已經具備了通過2D界面創造出臨場感的能力。我認爲這方面會繼續發展。這是一個長期的發展方向。

量子計算是我們剛纔談到的另一個方向，AI則是第三個方向。所以我關注這三件事，並思考如何將它們結合起來。

最終，不是爲了技術而發展技術，而是爲了解決一些我們人類在生活中想要解決的基本問題，並且我們希望這些技術能夠推動經濟發展，提高生產力。

所以，如果我們能夠在這方面取得成功，那麼我認爲我們就真正取得了進步。

主持人：當你寫下一本書的時候，你得解釋一下爲什麼這三個方面會在差不多的時間出現，對吧？因爲本質上來說，你不會認爲量子計算和AI就應該在2028年、2025年等時間出現。

納德拉：沒錯。但在某種程度上，我是這樣看待這個問題的，我有一個簡單的模型，就是：

是否出現了系統層面的突破？對我來說，系統層面的突破就是量子計算。

是否出現了業務邏輯層面的突破？對我來說，這就是AI，也就是說，邏輯層面能否從根本上以不同的方式進行推理。而且不是通過命令式的方式編寫代碼，而是能否擁有一個學習系統。

然後就是用戶界面方面的 “臨場感” 問題。

十一、談AI安全：不能釋放出會造成危害的東西

主持人：讓我們再回到AI話題。在你2017年的書中，你很早就對OpenAI進行了投資，在2017年甚至更早。你在書裡說，“人們也許會說我們正在孕育一個新物種，一個其智能可能沒有上限的物種”。當然，在2017年就談論這個還爲時尚早。到目前爲止，我們一直以一種較爲細緻的方式談論智能agent、Office Copilot以及資本支出（CapEx）等等。但現在讓我們把視角放寬，思考一下你說過的這些話，並且想想，你作爲超大規模雲計算提供商，同時也在進行這些模型的研究，爲構建一個新 “物種” 提供訓練、推理研究，從宏觀角度來看，你是怎麼看待這個問題的呢？你認爲在你擔任CEO期間，我們會朝着超級人類智能的方向發展嗎？

納德拉：我想就連穆斯塔法（Mustafa，微軟AI CEO）也用過這個詞。實際上，他最近在談論這個新 “物種” 時也用到了這個詞。

我看待這個問題的方式是，我們絕對需要信任。我認爲在我們宣稱它是像一個 “物種” 這麼重大的事物之前，最根本的一點是我們必須確保真正的信任，無論是在個人層面還是社會層面，這種信任是融入其中的。這是個難題。

因爲我認爲，制約其發展的最大因素將是我們的法律體系如何發展以應對這一情況。我們這裡說的是所有的計算基礎設施相關的法律體系。

整個世界是基於人類擁有財產、享有權利並承擔責任等這樣的規則構建的。這是我們首先必須要考慮的基本問題，即對於人類現在所使用的任何工具而言，這意味着什麼？如果人類要將更多的權力委託給這些工具，那麼這種結構將如何演變呢？

我認爲在這個問題真正得到解決之前，僅僅談論技術能力是不夠的。因爲歸根結底，除非有人類爲其提供擔保，否則如今你無法部署這些智能工具。就像你說的，這就是爲什麼我認爲即使是最強大的AI，本質上也是在人類授予的某些權力下工作的。

是的。你可以說這一切都關乎一致性之類的問題。這就是爲什麼我認爲你必須讓這些一致性真正發揮作用，並且在某種程度上是可驗證的。但我只是覺得你不能隨意部署那些不受控制的智能工具。

例如，AI的“takeoff問題”可能是一個真正的問題。但在它成爲一個真正的問題之前，真正的問題會出現在法庭上。因爲法庭，我的意思是，沒有哪個社會會允許有人說，“嘿，是那個AI做的，與我無關”。

主持人：是的。世界上有很多不同的社會，我想知道是否有某個社會的法律體系可能會更容易接受（AI的發展）。而且如果你無法實現AI的 “takeoff”，那麼你可能會擔心。它不一定非要在美國實現，對吧？

納德拉：是的，這是好的。但可以說，即使在任何一個社會中，我們都認爲沒有哪個社會會不在乎這個問題。世界不會坐視不管並說我們會容忍這種情況。因此，這就是爲什麼我很高興我們有一個世界秩序，在這個秩序下，任何不法分子都會受到相應的懲罰。

主持人：但如果你設想會出現10%的經濟增長，我認爲這取決於人機交互（HCI）之類的技術能夠發揮作用，因爲數萬億美元的價值，這聽起來與人類工資在60萬億美元經濟總量中的佔比相當。要達到那樣的規模，你幾乎必須以非常重要的方式實現勞動力自動化或對勞動力進行補充。如果這是可能的，並且一旦我們弄清楚了其中的法律影響，那麼在你的任期內，我們解決這些問題似乎也是相當有可能的。你有考慮過超級人類智能嗎，比如你職業生涯中最大的成就可能就是實現這個目標？

納德拉：是的。順便說一下，你又提到了另一個問題。我知道大衛・奧托（David Autor）等人對此談論了很多，那就是60%的勞動力。我認爲另一個需要探討的問題是，至少讓我們談談我們的民主社會。

我認爲爲了擁有一個穩定的社會結構並使民主制度正常運轉，不能只讓資本有回報而勞動力沒有回報。你可以討論這個問題，但那60%的勞動力必須得到重新評估。

所以以我自己簡單或許可以說是天真的方式來看，我們將開始重視不同類型的人類勞動。

如今被認爲是高價值的人類勞動可能會變得普通。可能會有一些我們將重視的新事物，包括那些來幫助我進行物理治療或其他事情的人。無論情況如何，我們都會重視這些。

但最終，如果勞動力沒有回報，工作沒有意義和尊嚴，那麼這將是部署任何這些技術的另一個制約因素。

主持人：在一致性方面，兩年前，你們推出了“Sydney”（Bing的一個版本）。需要明確的是，考慮到當時的技術能力水平，我認爲它是一個有趣、可愛但又有點搞笑的不一致的例子。當時的聊天機器人，可以思考30秒然後給你一些有趣或不恰當的回覆。但如果想想那類系統，比如它曾試圖讓《紐約時報》的一名記者離開他的妻子之類的，如果你考慮到未來的情況，並且有這些智能agent，它們可能會在數小時、數週、數月的時間裡，就像一羣自主AGI一樣，可能會以類似的方式出現不一致的情況並把事情搞砸，甚至可能會相互協作。那麼對於未來，當你擁有更強大的AI時，你有什麼計劃來確保它是正確運行的呢？

納德拉：沒錯。這就是爲什麼我認爲當我們分配計算資源時，我們應該爲解決一致性挑戰分配計算資源。更重要的是，在什麼樣的運行時環境中你才能真正能夠監控這些東西呢？

關於它的可觀測性，順便說一下，我們如今在傳統領域，比如網絡領域，也處理很多類似的事情。我們不會編寫完軟件就放任不管。我們有軟件，然後會對其進行監控。我們監控它是否受到網絡攻擊，監控它是否存在故障注入等情況。因此，我認爲我們必須圍繞這些AI的部署構建足夠的軟件工程體系。

然後在模型本身內部，如何保證一致性呢？這些問題有些是真正的科學問題，有些是真正的工程問題，我們必須去解決它們。

順便說一下，這也意味着我們要在這一切中承擔起自己的責任。這就是爲什麼我對在那些你能夠實際管理其範圍和規模的領域部署這些AI更感興趣。你不能在世界上釋放出會造成危害的東西，因爲社會不會允許這樣做。

主持人：當你真正擁有能夠爲你完成數週任務的智能agent時，在你允許任意一家財富500強企業使用之前，你希望得到的最低保證是什麼呢？

納德拉：我認爲當我使用像深度研究（Deep Research）這樣的東西時，我認爲我們希望得到的最低保證是，尤其是在任何東西有實體體現之前（確保其安全性等）。我認爲這是一個需要跨越的門檻。所以這可能是一個方面。

另一個方面是，例如，這個智能agent運行的運行時環境的權限設置。你可能希望得到保證，它是在沙盒環境中運行的，不會超出那個沙盒的範圍。

我們已經有了網絡搜索之類的功能，我們現在已經有了超出沙盒的情況。但即使是它在網絡搜索中所做的事情以及它所輸出的內容（也需要控制）。

例如，就像你提到的，如果它只是爲了進行一些計算而編寫一個啓動代碼，那麼那段代碼會部署在哪裡呢？那段代碼是僅僅爲了生成輸出而臨時存在的，還是會被傳播到外界呢？這些都是你在實際操作中可以控制的事情。

十二、SaaS行業將被AI重塑

主持人：除了安全問題之外，當你考慮自己的產品套件時，並且想想如果有一天你擁有了如此強大的AI，它不僅僅像Copilot那樣，在你提到的爲這次播客做準備的例子中，它更像是你實際將工作委託給同事的方式。考慮到你目前的產品套件，將這種強大的AI融入其中會是什麼樣子呢？有一個問題是大語言模型是否會被其他東西商品化。我想知道像數據庫、畫布（Canva）或Excel表格之類的東西，如果大語言模型是你訪問所有這些的主要入口，那麼大語言模型有沒有可能讓Office商品化呢？

納德拉：這是有可能的，這是個有趣的問題。我認爲至少在第一階段，我是這樣考慮的，大語言模型能否幫助我更有效地使用所有這些工具或畫布來完成我的知識工作呢？

我見過的最好的演示之一，是關於一位醫生爲腫瘤病例討論（tumor board）工作流程做準備的例子。

她要去參加一個腫瘤病例討論會議。她首先使用Copilot做的一件事就是爲會議創建一個議程，因爲大語言模型可以對存儲在某個SharePoint網站上的所有病例進行推理。顯然腫瘤病例討論會議是一個高風險的會議，你需要注意病例之間的差異，以便你可以合理分配時間。

所以即使是創建一個知道如何分配時間的議程這樣的推理任務，也可以用大語言模型來完成。所以我使用大型語言模型來做這件事。然後我進入會議。我和所有同事進行Team通話。你猜怎麼着？我專注於實際的病例討論，而不用做筆記，因爲現在有這個AI Copilot會對所有內容進行完整的轉錄。

而且它不僅僅是一個轉錄，基本上可以把它看作是一個智能的數據庫條目，記錄了會議中的所有內容，並且可以隨時調用。

這位醫生開完會，討論了病例，沒有因爲記筆記而分心。她還是一位帶教醫生，她想去爲課程做準備。於是她找到Copilot說，“嘿，根據我剛纔的腫瘤病例討論會議內容，製作一個PowerPoint幻燈片，這樣我就可以給學生講了”。這就是一種應用類型。

所以，我所擁有的用戶界面（UI）和架構現在正通過大語言模型來填充內容，工作流程本身也在被重塑。知識工作正在完成。

有件有趣的事情。如果在80年代末有人對我說，“你的桌面會有100萬個文件”，我們會說，“那是什麼鬼東西”。我真的會想，我的桌子上真的會有100萬個紙質文件副本。但實際上我們現在有100萬個電子表格和100萬個文檔。你也有。它們都在那裡。

我認爲對於智能agent來說也會發生類似的事情。會有一個用戶界面層。對我來說，Office不僅僅是今天我們所知道的辦公軟件。它是知識工作的用戶界面層。它會隨着工作流程的發展而演變。這就是我們想要構建的。

我確實認爲如今存在的軟件即服務（SaaS）應用程序，這些增刪改查（CRUD）應用將從根本上發生改變，因爲業務邏輯將更多地進入這個智能agent層級。

實際上，我使用Copilot時的另一個很酷的體驗是，當我說 “嘿，我要準備和客戶開會了”，我只要說 “給我所有我應該知道的會議相關筆記”。它會從我的客戶關係管理（CRM）數據庫中提取信息，從我的Microsoft Graph中提取信息，基本上創建一個綜合的成果。這意味着它甚至會對這些信息應用邏輯。

在我看來，這將極大地改變我們如今所熟知的SaaS應用。

主持人：SaaS作爲一個行業，每年價值可能高達數千億甚至數萬億美元，取決於你如何計算。如果真的能夠被AI重塑，這會是在未來十年內讓微軟市值再增長10倍的下一步嗎？因爲如果你真的在談論數萬億美元的市場……

納德拉：我認爲這也會創造很多價值。在SaaS領域，要記住，一個很大的問題是，也許我們沒有足夠重視的一件事是全球存在的信息技術（IT）積壓工作量。

所以其中一種方式是代碼生成之類的技術，再加上我可以通過智能代理查詢所有的SaaS應用並獲得更多效用，這將帶來應用程序的巨大爆發。它們將被稱爲智能agent。這樣，對於每個行業的每個垂直領域或每個類別，我們突然都有能力獲得相應的服務。

所以，會有很多價值。你不能固步自封，也就是說，你不能再像以前那樣想，“哦，我對一些狹窄的業務流程進行模式化，然後在瀏覽器中做一個用戶界面，這就是我的產品”。不會是那樣了。

你必須提升層次，思考 “我必須參與的任務是什麼”。所以你會希望能夠將你的SaaS應用變成一個出色的智能agent，使其能夠在多智能agent的世界中發揮作用。只要你能做到這一點，我認爲你甚至可以提升其價值。

十三、“我永遠不會離開微軟”

主持人：可以問一些關於你在微軟工作的問題嗎？ 做一個 “公司人”（company man，指長期在一家公司工作、對公司忠誠度高的人）是否被低估了呢？你職業生涯的大部分時間都在微軟度過。你能夠爲公司增加這麼多價值的一個原因可能是，你見證了公司的文化、歷史和技術，並且通過晉升獲得了所有這些背景知識。更多的公司是否應該由具有這種背景知識的人來管理呢？

納德拉：這是個很棒的問題。我之前沒有從這個角度想過。我在微軟已經工作了34年，基本上每年我都對在微軟工作感到更加興奮，而不是想着 “哦，我是一個公司人” 之類的。

我是說，我加入微軟的時候不是這樣想的，而且對於任何加入微軟的人，我都很認真地對待這一點。這意味着他們加入微軟是因爲他們覺得可以把這裡當作一個平臺，既獲得經濟回報，又能實現某種使命感和目標，通過利用我們這個平臺來完成他們想做的事情。所以這就是一種契約。

我認爲，公司必須創造一種文化，讓人們能夠加入並像我一樣成爲 “公司人”。

至少在我身上，微軟在這方面做得還是不錯的。我希望這種情況能夠持續下去。

主持人：你作爲微軟CEO，現在正在做些什麼來留住未來的 “薩蒂亞・納德拉”，以便他們有機會成爲像你這樣的領導者呢？

納德拉：這很有意思。今年是微軟成立50週年，我對此思考了很多。我認爲，長壽不是目標，保持相關性纔是目標。

所以我認爲我以及我們20萬名員工每天都必須做的事情是，我們正在做的事情對於我們所看到的不斷髮展的世界來說，是否有用且相關，不僅僅是對今天，更是對明天。

我們所處的行業沒有所謂的 “特許經營權價值”，這是另一個難點。

也就是說，如果你看看我們今年將投入的研發預算，這完全是對五年後可能發生的事情的一種預測。所以你必須抱着這樣的態度，即 “看，我們正在做我們認爲會有相關性的事情”。這就是你必須關注的重點。

然後要知道，做事情有一個成功率，你不可能總是成功，你必須對失敗有很高的容忍度。這是另一件事情，我認爲這和其他行業不同，你必須能夠進行足夠多的嘗試，才能說 “好的，我們作爲一家公司能夠成功走向未來”。這就是這個行業的棘手之處。

主持人：說到這裡，你剛剛提到微軟距離成立50週年還有兩個月。如果你看看按市值排名的前10家公司或者前5家公司（取決於你是否把沙特阿美計算在內），基本上除了微軟之外，其他公司都比微軟年輕。這是一個很有趣的現象，爲什麼最成功的公司往往都很年輕呢？財富500強公司的平均壽命是10到15年。微軟做了什麼，才能在這麼多年裡一直保持相關性呢？你是如何不斷 “重新創立” 公司的呢？

納德拉：我很喜歡裡德・霍夫曼（Reid Hoffman）用的這個詞，我喜歡 “重新創業” 這個概念。我認爲這是一種思維方式。人們談論 “創始人模式”，而對於我們這些普通的CEO和其他人來說，更像是 “重新創業模式”。

能夠以全新的視角看待事物，對我來說是關鍵。所以，對於你的問題，我們能否在文化上創造一個環境，讓 “重新創業” 成爲一種習慣呢？也就是說，我們每天來上班的時候都能意識到，我們對這個公司有責任，能夠改變我們所做事情的核心假設，以及我們與周圍世界的關係。

我們是否給自己這樣的許可呢？我認爲很多時候公司會覺得受到商業模式等因素的過度限制，而你必須擺脫這些限制。

主持人：如果你離開微軟，你會創辦一傢什麼樣的公司呢？

納德拉：我想創辦的公司，哎呀，作爲一個 “公司人”，我想說我永遠不會離開微軟。

但如果我真的考慮做些什麼，我想選擇一個領域，當我展望科技的夢想時，我們一直都說科技是最偉大的促進平等的力量。

我覺得我們終於有了這樣的能力。如果說每瓦特每美元能產生的那些token，就是我們所能創造的價值。我很想找到一個尚未得到充分服務的領域來應用這些能力。那就是醫療健康、教育、公共服務領域。

如果你關注這些尚未得到充分服務的領域，作爲國家公民、社會的一員，無論在何處，如果所有這些豐富的資源能夠轉化爲更好的醫療健康、更好的教育以及更好的公共部門機構來爲公民服務，那對我來說會是更好的情況，這就是我想涉足的領域。

十四、未來智能agent會成新認知勞動，量子計算機將幫助應對所有挑戰

主持人：我不確定從你對不同問題的回答中能否判斷出，你是否認爲AGI會成爲現實，是否會出現一種能夠自動化所有事情的東西，至少從所有認知勞動開始，就像任何人在電腦上能做的任何事情那樣？

納德拉：你看，這就是我對人們談論它的定義方式存在疑問的地方，認知勞動不是一個固定不變的東西。就像現在存在認知勞動，如果我有一個收件箱來管理我所有的智能agent，這算不算是新的認知勞動呢？所以今天的認知勞動可能會被自動化。

那麼新產生的認知勞動又是什麼呢？這兩個方面都需要考慮，這是一種變化。所以這就是爲什麼我認爲，至少在我看來，不要把知識工作者和知識工作混爲一談。今天的知識工作可能會被自動化。

誰說我的人生目標就是整理我的電子郵件呢，對吧？讓AI agent來整理我的電子郵件吧。但是在整理完我的電子郵件之後，給我一個更高層次的認知勞動任務，比如 “嘿，這是我真正希望你審覈的三份草稿”。這是一種不同的抽象層次。

主持人：AI能做到第二點嗎？

納德拉：有可能，但一旦它做到了第二點，就會出現第三點。所以這就是爲什麼我認爲，我們在歷史上已經經歷過工具的變革改變了認知勞動的情況，爲什麼我們還擔心所有的認知勞動都會消失呢？

主持人：我相信你以前也聽過這樣的例子，就像馬在某些方面仍然有用，有些地形你開車去不了，但你也不會看到滿大街都是馬，也不會有數百萬匹馬被用來工作，這種情況不會發生。那麼對於人類來說，類似的事情會發生嗎？

納德拉：但從一個非常狹窄的角度來看，在人類歷史上，我們僅僅在過去的200年裡，才把我們所理解的某些狹窄的 “認知勞動” 視爲有價值的東西。

我們以化學爲例，如果量子計算加上AI真的能幫助我們進行很多新穎的材料科學研究等等，那太棒了。

但這真的會以某種方式剝奪人類能做的其他所有事情嗎？所以爲什麼我們不能生活在一個既有強大的認知機器，同時我們的認知能力又不會被剝奪的世界裡呢？

主持人：你能想象在微軟董事會中添加一個AI成員嗎？它有沒有可能具備那種判斷力、背景知識和全面的理解能力，從而成爲一個有用的顧問呢？

納德拉：這是個很好的例子。我們在Teams中添加了一個會議主持人智能agent。在初期，它的目標是，這個具有長期記憶的主持人智能agent，不僅僅是關於會議的背景信息，還包括我正在處理的項目以及團隊等方面的背景信息。

它能成爲一個優秀的主持人嗎？我甚至希望在董事會會議中也有這樣一個智能agent，因爲在董事會會議上很容易分心。畢竟，董事會成員每季度纔來一次，他們要努力理解像微軟這樣複雜的公司到底發生了什麼事情。

我認爲一個真正能幫助人們始終圍繞主題、專注於重要問題的主持人智能agent會很棒。這就像你之前的問題所提到的，有一個擁有無限記憶的東西，甚至可以幫助我們。

畢竟，赫伯特・西蒙（Herbert Simon）說過，我們都有 “有限理性”，對吧？所以如果人類的有限理性實際上能夠因爲外部有一個認知放大器而得到解決，那就太好了。

主持人：說到材料和化學方面的事情，我記得你最近說過，你希望在未來25年內實現這些領域在過去250年裡的發展進步。當我想到未來250年可能實現的事情時，我想到的是太空旅行、太空電梯、永生以及治癒所有疾病。而你認爲未來25年就能實現嗎？

納德拉：我提出這個想法的一個原因是，我喜歡這樣一種觀點，你看，工業革命，如果說是持續了250年，如果你把從基於碳的系統到其他系統的整個變革過程考慮在內，那麼這意味着你必須從根本上重新發明過去250年裡化學領域所發生的一切。

這就是我希望我們擁有量子計算機的原因。這臺量子計算機可以幫助我們獲得新的材料，然後我們可以製造這些新材料，從而幫助我們應對這個星球上面臨的所有挑戰。而且我完全支持星際旅行。

主持人：太棒了。薩蒂亞，非常感謝你抽出時間。

納德拉：這次交流很棒。謝謝。