微軟CEO:AGI並非真正基準,AI行業也不會"贏家通吃"

日前，微軟首席執行官 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濟變革的看法。

當各家公司都在爭先恐後地追逐 AGI 時，Nadella 在訪談中卻語出驚人，“我們自己宣稱達成某個 AGI 的裏程碑，對我來說，那隻是一些無意義的基準修改。真正的基準是：全球經濟增長 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）是部署強大 AI 係統的先決條件。

此外，他還預言，未來人類將管理“智能體蜂群”，通過 Copilot 等界麵協調任務，而認知勞動的定義將隨著技術迭代不斷升級。

主要內容包括以下 9 個方麵：

AI 行業不會“贏家通吃”

真正的基準：全球經濟增長 10%

智能的價格正在下降

量子突破

Muse 將如何改變遊戲？

AI 的法律障礙

讓 AGI 真正安全

34 年微軟生涯

相信 AGI 嗎？

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

Dwarkesh Patel：Satya，非常感謝你來參加我們的播客。

稍後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》雜誌上發表：Majorana 芯片，就放在我們麵前，還有WHAM（世界和人類行動模型）。你描述了你在 80 年代和 90 年代看到的事情，現在它們又在重新發生。

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，從核心芯片平台到操作係統，再到應用層——這種全棧方法——整個過程都在爭論之中。

你可以說雲計算領域也有類似的情況，顯然分布式計算和雲計算確實改變了客戶端-服務器架構，網頁也發生了巨大的變化。但這感覺似乎比我曾經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 年代的互聯網泡沫中經曆了一段有趣的曆程。人們常說數據中心的建設是一個泡沫，但與此同時，我們今天的互聯網也是當時建設的結果。

那麽，什麽是經得起時間考驗的經驗教訓？什麽是固有的世俗趨勢？哪些隻是曇花一現？

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。這就是圖形用戶界麵（GPU）和 x86 架構的誕生，基本上讓我們能夠構建服務器。

我記得非常清楚，1991 年，我去參加 PDC（微軟專業開發者大會），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生什麽，服務器也會成為 x86 架構的東西。當某個東西具備規模優勢時，那就是你必須做出的長期投資選擇。在客戶端發生的一切會在服務器端發生，然後你就能真正構建客戶端-服務器應用程序。因此，應用模型變得清晰。

然後，互聯網就是我們的重大挑戰，我們必須在開始時就應對它。實際上，我一加入微軟，網景瀏覽器（Netscape）或馬賽克瀏覽器（Mosaic）就發布了，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，這真是一個改變遊戲規則的大事件，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整。由於瀏覽器是一種全新的應用模式，我們的調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，還是我們自己構建一個新的瀏覽器並為之競爭，抑或是在我們的服務器堆棧上構建一個 web 服務器。然而，不可否認的是，我們錯過了網絡上最大的商業模式，因為我們都認為網絡的核心是分布式——誰能想到搜索會成為組織網絡的最大贏家呢？顯然我們沒有看到這一點，而 Google 看到了，並且執行得相當出色。

所以，這就是我學到的一個教訓：你不僅要把握好技術趨勢，還必須了解這一趨勢將在哪裏創造價值。這些商業模式的轉變可能比技術趨勢的變化更難預測。

AI 行業不會“贏家通吃”

Dwarkesh Patel：人工智能的價值將在哪裏創造？

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。一是表現良好的超大規模運營商（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，那麽誰能進行大量計算，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，並不是每個人都對 GPU 方麵的進展感到興奮，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。在規模上，你必須不斷擴展它。

Dwarkesh Patel：是的。

Satya Nadella：所以，全球對這種基礎設施的需求將會呈指數級增長。

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，因為你猜怎麽著？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 智能體會以指數級的速度增加計算量，因為這不隻是一個人調用一個程序，而是一個人調用的程序又會調用更多的程序。這將創造出巨大的計算基礎設施需求和規模。因此，我們的超大規模業務，Azure 業務，以及其他超大規模公司，我認為這是一件大事。

之後，情況就變得有點模糊了。你可以說，嘿，有贏家通吃的模式，但我沒發現。順便說一下，這是我學到的另一件事：善於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，亞馬遜已經領先很多，人們會來找我，投資者也會找我說，“哦，結束了，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-服務器領域競爭過後，我知道買家是不會容忍贏家通吃的。從結構上講，超大規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，但隻要買方是公司、企業、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，這在模型方麵也會發生。會有開源的存在，也會有一個“管製者”。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係統，那麽一定會有一個與之互補的開源係統。

因此，在某種程度上，這就是對事態發展的真正製衡。我認為在模型方麵，可能會有少數幾個閉源的，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製。

這是我對模型方麵的看法。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絡效應。畢竟，ChatGPT 就是一個很好的例子。

它是一個規模化（at-scale）的消費產品，已經獲得了真正的“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勢，把它轉化為應用程序優勢。在消費者市場上，這種情況可能發生。而在企業市場上，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，但關於模型可能被商品化的觀點：也許幾年前就有人對雲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雲計算中獲得驚人利潤率的方法。你們找到了規模經濟的途徑，並增加了其他的價值。從根本上說，即使拋開行話不談，如果你有了 AGI，並且它能幫助你創造更好的 AI ——現在是合成數據和強化學習（RL），也許未來是自動化的 AI 研究員——這似乎是鞏固優勢的一個好方法。我很好奇你對此怎麽看，單純是關於在這方麵走在前麵真的很重要的這個想法。

Satya Nadella：在規模上，沒有什麽是商品化的。關於雲計算的觀點，每個人都會說，“哦，雲計算是商品。”除非，當你做到規模化……這就是為什麽運營一個超大規模公司需要特定的技術和經驗……你可以說，“哦，那有什麽難的？我可以把服務器堆疊起來。”

Dwarkesh Patel：沒錯。

Satya Nadella：事實上，在超大規模計算的早期，大多數人認為“有這麽多主機托管商，但那些不是什麽好生意。超大規模計算真的是生意嗎？它會有業務嗎？”結果證明，超大規模計算是一個真實的生意，因為 Azure 擁有運行全球 60 多個地區所有計算的專門技術。這是很難複製的。

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 的計算平台上運行。所以，我覺得這種聯係將永遠存在。它不僅僅是模型；模型需要狀態，這意味著它需要存儲，還需要需要常規的計算資源來運行這些智能體和智能體環境。

因此，這就是為什麽我認為一個人跑贏並建立一個完整的模型的極限可能不會發生的原因。

Dwarkesh Patel：關於 hyperscaler 計算平台，順便說一下，作為一個 hyperscaler，你的優勢也很有趣，特別是在推理時擴展方麵，如果這涉及到未來模型的訓練，你可以將數據中心和 GPU 的成本攤銷，不僅用於訓練，還可以再次用於推理。

我很好奇，你認為微軟和 Azure 是何種類型的 hyperscaler。是側重於預訓練的部分？還是提供 o3 類的推理？還是你們隻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。我們希望構建的計算平台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：每年不斷刷新平台，按照這些設備的生命周期價值進行折舊，然後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，並且這些任務也需要相互協同。這很好。我們應該有足夠的數據中心資源來滿足這些需求。

但歸根結底，這些都變得非常龐大，甚至在預訓練規模的情況下，如果需要持續進行，預訓練的規模有時也必須跨越數據中心的邊界。這一切或多或少都存在。

那麽，很好，一旦開始跨越預訓練的數據中心邊界，這和其他有什麽不同呢？我考慮的方式是，嘿，分布式計算將保持分布式，所以要構建你的平台，使其準備好應對大規模訓練任務，準備好進行測試時計算，甚至準備好——如果可能發生的強化學習最終實現了，你可以先建立一個大模型，然後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造這些高度專業化、精煉的模型。

因此，你需要那樣的計算平台，然後是服務需求。歸根結底，光速就是光速，你不能在得克薩斯州建一個數據中心，然後說，“我要從這裏為全世界提供服務。”

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。這就是我對我們構建真正超大規模平台的理解。

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 加速器是無狀態的。我的訓練數據本身需要存儲，然後我想能夠多路複用多個訓練任務，我想能有內存，我希望能有這些環境，在這些環境中，智能體可以去執行程序。這就是我的想法。

全球經濟增長 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，四年後，你們的 AI 收入將是現在的 10 倍，達到 1300 億美元。如果這一趨勢繼續下去，你預見到如何利用所有這些智能，如何實現這種工業規模的應用？

是通過 Office 嗎？是你們為其他公司提供部署平台嗎？要有 AGI，才能有 1300 億美元的收入？那會是什麽樣子？

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生產總值（GDP）的增長。

在我談微軟的收入將是什麽樣子之前，所有一切的唯一製約因素有一個。我覺得，我們在所有 AGI 的炒作中有些自誇。記住，發達國家的經濟增長率是 2%，如果調整通脹的話，可能是零增長。

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

對我來說，那意味著 10%、7%，發達國家經過通脹調整後增長 5%。那才是真正的標杆。不能隻是供應端的變化。

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，順便說一下，智能將變得豐富，突然間生產力上升，經濟的增長速度加快。當這種情況發生時，我們這個行業就好起來了。

但對我來說，那才是關鍵時刻。我們自己宣稱達成某個 AGI 的裏程碑，對我來說，那隻是一些無意義的基準修改。真正的基準是：全球經濟增長 10%。

Dwarkesh Patel：好吧，如果全球經濟增長 10%，假設世界經濟總量是 10 萬億美元，那如果增長 10%，相當於每年多創造 10 萬億美元的價值。如果是這樣，作為一個超大規模服務商...... 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，全球經濟能以這個速度增長，而關鍵瓶頸將是：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。這就是為什麽我同時關注這兩個方麵。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化為對客戶的實際價值。

這就是為什麽我關注我的推理收入，也是為什麽我會披露推理收入的原因之一...... 有趣的是，很多人並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”轉化為今天的需求，這樣你才能再次投資，甚至可能以指數級的方式投資，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 和任何應用出現之前。

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

Satya Nadella：那時候確實有很多錢被浪費了。

Dwarkesh Patel：沒錯。那麽，如果你真的認為這裏有潛力將世界的增長率提高 10 倍或 5 倍，然後你可能會想，“那麽，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：有趣的事情就在這裏，沒錯。這就是為什麽我覺得對基礎設施采取平衡的方法非常重要。問題不在於建造算力，而是在於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。隻有做到這兩點，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。關於你提到的互聯網泡沫時期的情況，大家都知道，現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 模型發布後發了一條關於傑文斯悖論（Jevons Paradox）的推文。我很好奇你能否詳細解釋一下。傑文斯悖論發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製約？

因為至少在我作為消費者的使用案例中，智能技術已經非常便宜了。每百萬個 token 隻要兩美分。我真的需要它降到 0.02 美分嗎？我隻是在讓它變得更智能方麵遇到了瓶頸。如果你需要向我收取 100倍 的費用，那就做 100 倍更大的訓練。我很樂意公司這麽做。

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

Satya Nadella：我認為真正的關鍵在於 token 的效用。兩者都需要發生：一是智能需要變得更好、更便宜。每當出現突破性進展，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。這正是雲計算所經曆的。

有一個有趣的事情是：我們曾經以為“天哪，我們在客戶端-服務器時代已經賣出了所有服務器”。但一旦我們開始把服務器放進雲裏，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，並且是彈性的，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範圍。

比方說，我們去印度這樣的國家，跟他們講“這是 SQL Server”。我們賣得不多，但天哪，印度的雲計算遠遠超過了我們在服務器時代所能做的。我認為這將會繼續發生。

想想看，如果你真的想在全球南部、在發展中國家開展業務，如果這些 token 可以非常便宜地用於醫療保健，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；他們不知道在現實世界中部署技術是什麽樣的”，這其實是很合理的。

作為一個與這些財富 500 強公司合作並幫助它們為數億、數十億人部署技術的人，你怎麽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，考慮到所有合規問題和固有的瓶頸，這會是一個大的挑戰嗎，還是會很快解決？

Satya Nadella：這將是一個真正的挑戰，因為真正的問題是變革管理或流程變革。這裏有一個有趣的事情：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。然後，有人拿到傳真，做了一份部門間備忘錄，然後到處傳閱，人們輸入數字，最後得出預測，也許正好趕上下一季度。

然後有人說，“嘿，我隻要把 Excel 表格放到電子郵件裏，發出去，讓大家編輯一下，我就能得到預測。”所以，整個預測的業務流程發生了變化，因為工作成果和工作流程發生了變化。

這就是 AI 引入知識工作時需要發生的事情。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，我會去我的助手那裏說，“嘿，我要和 Dwarkesh 討論我們關於量子計算的公告以及我們為遊戲生成所建立的新模型。給我一個我在談話前應該閱讀的內容摘要。” 它知道了那兩篇《自然》雜誌的論文，並且提取了相關信息。我甚至說，“嘿，給我做一個播客格式的總結。” 結果，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，然後分享給了大家。所以我現在的工作流程是，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、金融和供應鏈中發生。

對於現有公司來說，我認為這將是一件，讓我們以我喜歡用的類比來說明，就像製造商做的精益生產方麵所做的事情。我喜歡這個類比，因為，從某種意義上來說，精益生產成為了一種方法論，它可以讓人們將製造的端到端流程變得更加高效。這是一種持續改進的過程，減少浪費、增加價值。

這也是知識的發展趨勢。這就像是知識工作中的精益生產。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於那個類比的問題嗎？精益生產做的其中一件事是，物理上改變了工廠車間的麵貌。它揭示了人們在真正關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麽樣子？

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，發現我的收件箱滿了，我在回複郵件，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送了。

但我現在在 Copilot 裏至少有十個智能體，我會根據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，發出通知，或者請求我的指示。

因此，至少我現在想到的是，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麵。我需要一個比聊天界麵更智能的工具來管理所有智能體及其對話。

這就是為什麽我認為 Copilot 作為 AI 的用戶界麵非常重要。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，這就是我們需要構建的界麵。

量子突破

Dwarkesh Patel：你是世界上少數幾個可以說擁有 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麽樣子的。

好吧，在我們深入討論這個問題之前，我想繼續問你一些關於AI的問題，我真的很想問你關於微軟研究院宣布的量子領域的重大突破。你能解釋一下這是怎麽回事嗎？

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。

這裏的根本突破，或者說我們一直以來的願景是，你需要一個物理學的突破，才能構建一個實用規模的量子計算機。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製造出這些東西？我們真的能構建它們嗎？

實際上，我知道你也跟 Chetan 聊過，真正的突破就是我們現在終於有了一個存在性證明和物理學突破，即在一種新的物質相中發現了馬約拉納零模式。這就是為什麽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），這意味著我們現在可以可靠地隱藏量子信息、測量它，並且可以製造它。現在，我們已經掌握了這種核心基礎製造技術，我們可以開始製造馬約拉納芯片了。

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。然後基於它，可以實現數千個邏輯量子比特，經過糾錯處理。到那時，真正的挑戰就開始了。突然間擁有了構建一個真正的實用規模量子計算機的能力，對我來說，這現在變得更加可行了。沒有像這樣的突破，仍然能實現一些裏程碑，但永遠無法構建一個實用規模的計算機。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。這就是問題的關鍵：除非我們能做到這一點，否則就別想著能構建一個實用規模的量子計算機。

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

其他公司也宣布了 100 個物理量子比特，比如穀歌、IBM 等。你說你們也有一個，但你提到你們的量子計算機在規模擴展性上遠遠領先時，是什麽意思？

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。我們正在構建自己的軟件堆棧，現在，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。所以我們在糾錯方麵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建這些 20 個以上的量子比特，我認為這個進展會持續下去，你將看到我們在這一方麵的不斷改進。

但我們也說過，“讓我們從基本原則出發，構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？如果你們已經有了第一個晶體管，那麽這裏的摩爾定律會是什麽樣的？

Satya Nadella：顯然，我們已經為此努力了 30 年。我很高興我們現在有了物理學上的突破和製造技術上的突破。

我希望我們現在能有一台量子計算機，因為，順便說一下，量子計算機首先能讓我們做的事情就是製造量子計算機，因為模擬這些新量子門的原子級構建將變得更加容易。

但無論如何，接下來的真正任務是，既然我們有了製造技術，就讓我們去製造第一台容錯量子計算機吧。

所以，我現在可以說，“哦，也許到 2027、2028、2029 年，我們就能真正造出這台計算機”。現在我們有了這個量子“門”，我能把它裝進集成電路裏 然後把這些集成電路裝進真正的計算機裏嗎？這就是下一步的邏輯所在。

Dwarkesh Patel：那麽，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？還是它是你們內部用於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，即使在今天的世界裏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。量子會做什麽？順便說一下，量子不會取代經典計算。量子擅長它能做的事，而經典計算也會……

量子在任何不是數據密集型但在狀態空間方麵是探索密集型的事情上都將非常出色。它應該是數據輕量的，但在你想要探索的指數狀態上。模擬就是一個很好的例子：化學物理、什麽的、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。但你可以然後進行訓練。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據，然後讓 AI 利用這些數據訓練更好的模型，從而能夠模擬化學、物理或其他領域。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模的公司，這些決定在 20 年、30 年後是否真的會帶來紅利？顯然，你對這個項目的技術細節非常了解。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？

你怎麽知道你現在下的賭注在 20 年後會有回報？是必須通過組織有機地湧現出來，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動力的研究機構的悠久曆史中，隻做基礎研究的研究機構和 MSR，多年來已經建立起了這種製度優勢，因此，當我考慮資本分配或預算時，我們首先把籌碼放進去，然後說："這是 MSR 的預算"。我們每年都要這樣做，因為我們知道，大多數賭注都不會在有限的時間內得到回報。也許微軟的第六任 CEO 會從中受益。在科技行業，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，你會發現並不是說人們沒有投資下注，而是你需要有一種文化，知道如何把創新進行規模化。

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。它不僅僅關乎良好的判斷力，也關乎良好的文化。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，我們應該領導這些項目，但我們沒有做到。我總是問自己為什麽。因為我們沒有足夠的信心去完成那個完整的思考，不僅僅是把創新引入市場，而是把它做成一個有用的產品，並有一個商業模式，我們能拿去市場推廣。

這是 CEO 和管理團隊的工作：不能隻對某一件事感到興奮，而是能夠真正執行一個完整的方案。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量級，那麽當你取得下一個突破時，你就會成為世界經濟的領頭羊之類的人物。

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將如何改變遊戲

Dwarkesh Patel：讓我們深入了解你們剛剛取得的另一個重大突破。你們在同一天發布了這兩項突破，在你們的遊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 在生成模型方麵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遊戲玩法數據，你能否生成既一致又能展現遊戲多樣性的遊戲，並且能夠對用戶的 mod 進行持久化處理？

這就是問題所在。他們能與我們的一家遊戲工作室合作，這就是《自然》雜誌上的另一篇文章。

最酷的是，我期待著將來很快會有一個遊戲目錄，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遊戲，然後開始玩它們。

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輸入生成了輸出，而且與遊戲一致。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。和她談過後，我才真正意識到這有多麽不可思議，因為我們過去已經使用 AI 來建模智能體，而僅僅利用相同的技術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視頻，大家可以親眼看到。到時候它應該也會發布，大家可以在那裏觀看。

這一切本身就令人難以置信。作為 CEO，你已經投入了數百億美元來建立微軟遊戲並收購知識產權。

回顧過去，如果你能將所有這些數據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，而如果這是遊戲未來發展的方向，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：我不會說我們投資遊戲是為了構建模型。坦率地說，我們投資遊戲，實際上是因為——這是我們曆史中的一件有趣的事：我們在開發 Windows 之前就已經開發了第一款遊戲。飛行模擬器在我們開發 Windows 之前就是微軟的產品。

所以，遊戲在公司曆史上有著悠久的傳統，我們投資遊戲是為了遊戲本身。我總是先說，我討厭那種為了達成某種目標而進入的行業。它們必須本身就是目的。

是的，我們不是一個企業集團，我們是一家公司，必須將這些資產整合起來，通過增值成為更好的所有者。例如，雲遊戲對我們來說是一個自然的投資方向，因為它將擴展市場總量（TAM），並擴大人們在任何地方玩遊戲的能力。

同樣，AI 與遊戲的結合：我們確實認為它可能會有所幫助——它就像是長期以來遊戲的 CGI 時刻。這太棒了。作為全球最大的發行商，這對我們非常有幫助。但與此同時，我們必須製作高質量的遊戲。我的意思是，如果不專注於這一點，你根本不能成為一個遊戲出版商。

這個數據資產將會非常有趣，不僅在遊戲的背景下，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 之於 Google一樣，而遊戲數據之於微軟也是如此。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遊戲中獲得統一的體驗。除了 AI 之外，這與微軟過去所做的其他工作有什麽關係，比如混合現實？也許能給小型遊戲工作室一個機會來製作這些 AAA 級動作遊戲？在五到十年後，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麽？存在感。這是混合現實的夢想。你能創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，尤其是他們如何推動 IVAS 項目，因為這是一個絕佳的應用案例。我們會在這方麵繼續努力。

二維（2D）界麵也是如此。我認為這會繼續發展下去。這是一個長期的趨勢。

我們已經討論過量子了，AI 是另一個。所以，這三件事是我關注的方向。我在思考如何將這些東西結合起來？最終，不是為了技術本身，而是為了實現我們作為人類在生活中所追求的一些基本需求，並且更多地在我們的經濟中推動生產力。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模公司運營者，同時也是研究這些模型的人，為構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，我們會朝著超人類智能的方向發展嗎？

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，無論是個人層麵的信任還是社會層麵的信任，這才是硬道理。

我認為，影響這項技術最大限製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，那麽法律基礎設施如何發展以應對這一點呢？整個世界都是建立在諸如人類擁有財產、擁有權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，這對現在人類作為工具使用的所有事物意味著什麽？如果人類將更多的權力委托給這些工具，那麽這種結構將如何發展？在這個問題得到真正解決之前，我認為光談技術能力是無法實現的。

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，這也是為什麽我認為，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揮作用，並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，真正的問題會出現在法庭上。沒有哪個社會會允許某個人說：“是 AI 幹的。”

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係會更為寬容。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，我並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濟增長 10 %的景象，我認為這真的取決於像 AGI 這樣的東西能否發揮作用，因為數十萬億美元的價值，聽起來更接近人類工資的總和，約 60 萬億美元的經濟總量。要達到這種規模，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後果，那麽即便在你任期內，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，穩定的社會結構和民主製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製約因素。

讓 AGI 真正安全

Dwarkesh Patel：關於對齊問題，兩年前，你們發布了 Sydney Bing。為了明確一點，就當時的能力水平而言，這隻是一個迷人、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的回複。但是，如果你考慮到這種係統--我想，對於《紐約時報》的記者來說，這種係統曾試圖讓他離開他的妻子或其他什麽--如果你考慮到這種係統的未來，而你擁有的這些智能體在未來的幾個小時、幾個星期、幾個月裏，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，也許還會相互協調，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控這些事情的運行時環境是什麽？它的可觀察性如何？我們今天在傳統的技術領域也麵臨很多類似的問題，比如網絡安全。我們不隻是編寫軟件，然後任其發展。有了軟件，還要對其進行監控。你要監控它是否遭受網絡攻擊、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麵建立足夠的軟件工程支持，然後在模型本身內部解決對齊問題。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，我更傾向於將這些技術部署在那些可以實際管理其範圍和規模的地方。你不能就這樣把某個係統釋放到外部世界中，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麽？

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。

另一個方麵是，比如說，這些係統運行的環境的權限。

Dwarkesh Patel：我的意思是，我們已經有了網絡搜索，而且已經脫離沙箱了。

Satya Nadella：但即便是網絡搜索，它做的事情，以及它寫的內容——比如說，假如它隻是為了進行某些計算而寫一堆代碼，那些代碼是在哪裏部署的？這些代碼是僅僅為了創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製的東西。

Dwarkesh Patel：除了安全問題之外，當你考慮到自己的產品套件，並且思考如果你確實擁有如此強大的 AI 係統時，某個時刻，它不僅僅像是 Copilot——你提到的關於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。

在你當前的產品套件基礎上，添加這些 AI 會是什麽樣子？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，這些數據庫、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鍵的會議，你需要考慮不同案例的差異，以便分配適當的時間。”

甚至僅僅是創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。然後她進入會議，在和所有同事在 Teams 通話中，她能夠專注於實際案例，而不是做筆記，因為現在有這個 AI Copilot 在做完整的會議記錄。這不僅僅是轉錄，還包括了會議內容的數據庫條目，以供隨時回顧。

然後，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。我現在的用戶界麵（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：“那是什麽鬼？”我本來會以為桌上會有一百萬份紙質文件。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，最終會發生根本性變化，因為業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，”我隻需要說，“給我所有相關的會議筆記。”它會從我的 CRM 數據庫中提取，從我的 Microsoft Graph 中提取，創建一個合成的、本質上的人工製品，然後在上麵應用邏輯。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，可能每年價值數千億美元到數萬億美元，具體取決於如何計算。如果這真能被 AI 擊垮，那在未來十年裏，微軟的市值是否會再次增長 10 倍？因為你在談論數萬億美元的市場…

Satya Nadella：它還將為 SaaS 創造大量價值。也許我們沒有太關注的一個方麵是，世界上存在的 IT 積壓問題。

這些代碼生成技術，加上可以通過智能體來查詢你所有的 SaaS 應用並獲取更多效用，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、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麽？”

你將希望能夠將你的 SaaS 應用程序轉變為一個出色的智能體，在一個多智能體的世界中發揮作用。隻要你能做到這一點，那麽我認為你就可以增加它的價值。

34 年微軟生涯

Dwarkesh Patel：我可以問你一些關於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、曆史和業務有深入了解，並逐漸通過公司內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裏工作，或許可以說，你之所以能創造如此多的價值，其中一個原因就是你見證了微軟的文化、曆史和技術。你通過在公司內部晉升，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。並不是覺得，哦，我是個公司人，或者其他什麽。我非常認真對待這一點，尤其是對於任何加入微軟的人來說。並不是說他們加入微軟是因為他們覺得這隻是一個經濟回報的平台，而是他們覺得能夠利用微軟平台來實現自己的使命和目的。這就是我們之間的契約。

所以我認為是的，企業必須創造一種文化，允許員工進入公司並成為像我這樣的“公司人”。至少在我的案例中，微軟在這一點上做得利是大於弊端的，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導者的？

Satya Nadella：這很有意思。今天是我們的第 50 個年頭，我經常在思考這個問題。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，是否對世界有用並且有意義，我們不僅要考慮今天的世界，還要考慮未來的世界。

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

所以你必須關注這個目標。然後要知道，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。你必須進行足夠的嚐試，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。這個現象非常有趣，微軟是如何做到在這麽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“創始人模式”（founder mode），但對於我們這些普通的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鍵。對於你的問題：我們能否在文化上創造一個環境，使得“重整旗鼓”成為一種習慣？我們每天來這裏都會說：“我們覺得我們與這裏息息相關，能夠改變我們所做的事情的核心假設，並重新定義我們與周圍世界的關係。我們給自己這個權限了嗎？”我認為，很多時候，公司會覺得自己受到了商業模式等的限製。對此，你必須需要解除對自己的束縛。

Dwarkesh Patel：如果你離開微軟，你會創辦什麽公司？

Satya Nadella：我會創辦什麽公司？天啊。這時候“公司人”的我就說：“我永遠不會離開微軟。”

如果我真要做點什麽，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生的效益，我願意去找到一個可以應用這種能力的領域，尤其是那些服務不足的應用領域。

那就是醫療、教育…公共部門會是另一個應用領域。如果你把這些領域，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，能夠受益於這種技術帶來的豐富性，轉化為更好的醫療、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。認知勞動並不是一成不變的。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。那麽，產生的新認知勞動呢？這兩者都必須考慮到，這就是轉變。

這就是為什麽我做出這樣的區分，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後，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。當我們在曆史上使用的工具已經改變了認知勞動的本質時，我們為什麽還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生。

然後這個問題是，類似的情況會不會發生在人類身上？

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，這樣的曆史隻有兩百年。

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？

為什麽我們不能在一個有強大認知機器的世界裏生存，同時知道我們的認知能力並沒有被剝奪呢？

Dwarkesh Patel：我會問這個問題，不是關於你的，而是關於一個不同的情境，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、背景和全麵的理解，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。目前還處於早期階段，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複雜的公司的信息。一個能夠真正幫助人們集中注意力，保持專注於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 怎麽說的來著？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 年在這些領域的進展能在未來 25 年內實現。現在，當我想到下一個 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：工業革命是 250 年的進程。我們必須從一個基於碳的係統轉變到另一種係統。

這意味著，你必須從根本上重塑過去 250 年裏化學領域發生的一切。這就是我希望量子計算機能夠發揮作用的地方，量子計算機幫助我們發現新材料，然後我們可以製造出這些新材料，來應對我們在這個星球上麵臨的所有挑戰。然後我也支持星際旅行。

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。