子川投资笔记微信公众号：“新知”栏目，以人文视角关注AI、认知与意识、前沿科技，力图提供最新和最好的外刊文章中译；“经典”栏目，持续更新“科技人文”佳作；“巴菲特致股东信”精译及评注系列；“维特根斯坦”哲学系列；“洞见”栏目：分享关于技术进步、AI哲学与伦理、投资哲学的深度思考。
微软CEO Nadella 于2025年2月19日，接受印度裔YouTuber Dwarkesh Patel邀请，进行了长达一个多小时的深度访谈。畅聊技术变革趋势、AI竞争、企业增长逻辑、世界经济、AI法律障碍、AGI安全问题，量子突破和专为生成游戏研发的AI模型，以及Nadella对职业生涯的一些观点。虽内容涉及诸多不同领域，但由微软掌门人娓娓道来，却组成一张完整拼图，一条串联起所有历史与未来的强逻辑链，隐隐浮现。Nadella经历了四次信息产业变革，第一次是计算机客户端用户界面的诞生，第二次是客户端-服务器架构，第三次是Web浪潮和云计算，第四次是当下的AI浪潮。所谓变革，意味着全栈更新。其核心是用户界面、计算能力与日常工作流的大变革。在当下，三者表现为混合现实、量子计算和AI。在这个大的科技历史观下，Nadella谈到长期研发投入，“大多数投资不会在任何有限的时间框架内产生回报。也许微软的第六任CEO会从中受益。在科技领域，这是必然的。” “我真正思考的是，当某些东西比如量子计算或AI新模型的时机成熟时，你能否抓住机会？问题不在于人们没有投资。而是你需要一种文化，知道如何创新，并扩大创新成果的规模。”技术趋势之上，是商业规律的叠加。Nadella回忆，在第三波时，他们意识到Web的本质是分布式，却没有料到搜索成为主战场，Google做的就很好。Nadella也在访谈中深入剖析了技术范式转换中，商业价值最有可能在哪里创造。哪些市场是赢家通吃市场，哪些不是。开源与闭源的关系。以及用云计算的例子，说明为什么看上去简单的产品，一旦“规模大到一定程度，一切都不再是普通商品”。随后是真正落地之前，还需要提前解决的技术与人、与制度、与法律和社会共识的适配问题，这对于大的变革尤为重要。技术企业不能只从供给侧出发，说我先造出来，推向市场试试，出了问题再解决。这不是一个负责任的企业，和主流社会能够接受的模式。“ 整个世界都建立在人类拥有的财产、权利和承担责任的基础上。这是最根本的问题，我们首先要问，这对于人类现在用作工具的任何东西意味着什么？如果人类要将更多权力委托给这些工具，那么这个结构如何演变？在这个问题得到解决之前，仅仅谈论技术能力是不够的。”接下来，逻辑推演到AGI的终局、企业成长空间、与全球经济。Nadella坦言，“我们自己宣称达到了某个AGI里程碑，这对我来说只是毫无意义的基准测试游戏。真正的基准是：世界经济以10%的速度增长。” 这句话同时也是访谈的副标题，是整个访谈承前启后的核心。跳出技术、产品、企业，才能够清晰地看到增长空间和增长逻辑。在微观层面，Nadella此次访谈中再度提及AI Agent 对SaaS服务的革命性影响。这种对工作流程的革命，会自底向上，爆发式的产生出海量新应用（Agents形式）。因为不再仅仅受限于一个人调用一个程序。而是一个人调用的程序会继续调用更多程序。这将创造出对计算基础设施巨大且规模化的需求。终局图景中的大赢家也不会只是科技公司，而是分布在全球的更广泛产业，他们使用丰富的商品化智能。突然间生产力提高了，经济以更快的速度增长。当这种情况发生时，IT行业本身的业绩增长才有可能。美国2024年不到3%增速的GDP，折回实际GDP基本零增长。访谈中有句话很形象，“当我们说这像工业革命时，我们得先实现工业革命那样的增长。”微软的市值10年是否会再翻10倍？之前我写过一篇关于大公司溢价的文章，只是粗略分析了在变革时代之后，大企业的市值会有比较大的增长空间，但没细想增长空间的尺度和相关参数。寻着Nadella给出的新的增长框架，目前全球股票总市值约116万亿美元，微软市值3万亿美元，占比约2.6%。假设未来十年全球GDP保持10%的年增长。十年后，全球股票市值预计从116万亿增长到301万亿（5年后约187万亿）。在此基础上，一家公司的增长来自两个维度：一是跟随整体市场的自然增长，二是通过竞争优势提升市占率。虽有一代新人换旧人，但看看曾经的竞争对手，曾经的朝阳行业变夕阳。这种增长，就未必不可实现了。全部的分析，最后落脚到人。很多人担心AI替代的问题，访谈中的一个观点是，“不要把知识工作者本身和知识工作混为一谈。” “知识工作可能由许多AI代理完成，但你仍然需要一个人类知识工作者来处理所有AI代理完成的工作。这就是我们需要构建的新的用户界面（新的Office）。”“这种变革将来到知识工作领域。就像是知识工作的精益管理。这将是管理团队和知识工作者的艰巨任务，需要时间来完成。”在所有这一切的最后，Nadella以34年在微软工作的经历，给职场人一些启发。“我和所有20万员工每天都必须做的事情是：我们做的事情对于当下和未来的世界是否有用且相关？”
ps.这次访谈的来由，也值得一谈。Dwarkesh Patel，注意到Nadella收听过他的一期播客。遂在2025年1月25日（是一个星期六），给Nadella发了一封邮件，邀请访谈。没想到在5分钟内就收到了肯定答复。
Dwarkesh Patel 本身就是个比较传奇的年轻人，曾采访过一众知名人物，包括马克·扎克伯格（https://www.youtube.com/watch?v=bc6uFV9CJGg）、Tony Blair（前英国首相，https://www.youtube.com/watch?v=zSLWR3AbF3c）、 Ilya Sutskever（OpenA I首席科学家，https://www.youtube.com/watch?v=Yf1o0TQzry8）。以后有机会我再专门译读一篇介绍Dwarkesh Patel理念与观点的的文章。
Transcript内容来源于：https://www.dwarkeshpatel.com/p/satya-nadella
整个Transcript翻译下来超2万字，阅读约需40分钟+，建议收藏后，慢慢品读。不同领域的人，读下来，应该都会获得更宏观与整体的启发。
译文：
Satya Nadella-微软的AGI计划与量子突破
AGI不是个真正的基准：10%经济增长才是关键
赞助商
Scale与Meta、Google Deepmind和OpenAI等主要AI实验室合作。通过Scale的Data Foundry，这些实验室能获取高质量数据，助力后训练，提升高级推理能力。如果你是AI研究人员或工程师，欢迎访问scale.com/dwarkesh，了解Scale的Data Foundry和研究实验室SEAL如何帮助你突破当前技术前沿。
Linear的项目管理工具已成为Ramp、CashApp、OpenAI和Scale等公司产品团队的首选。这些团队使用Linear是因为它能让他们紧贴产品开发并快速行动。如果你想了解为什么这么多公司都在转向使用Linear，请访问linear.app/dwarkesh。
如需赞助未来节目，请访问dwarkeshpatel.com/p/advertise。
访谈记录
0:00:00 - 开场
Dwarkesh Patel
Satya，非常感谢你来参加播客。
稍后我们会讨论微软刚刚取得的两项突破，在此先表示祝贺。这两项成果都发表在《自然》杂志上：一个是我们面前这个Majorana零芯片，另一个是世界人类行为模型。不过我们能否先继续刚才的话题？你刚才在描述80年代和90年代看到的一些现象，现在又重现了。
Satya Nadella
让我感到兴奋的是...首先，Dwarkesh，很高兴能参加你的播客。我是你的忠实听众，我很欣赏你的采访方式和所探讨的广泛话题。
让我感到兴奋的是...这让我想起了90年代初刚入行时的情况。当时有很多真正的辩论，比如是RISC还是CISC架构会胜出，或者"我们真的能用x86架构来构建服务器吗？"
我加入微软时，正值Windows NT起步阶段。从底层硅芯片平台到操作系统再到应用层，这种全栈方法，所有这些都在经历重新洗牌。
可以说云计算确实改变了很多，显然分布式计算和云计算改变了客户端-服务器模式。Web带来了巨大变革。但现在的感觉似乎比我经历过的任何时期都更像是一次全栈革新。
Dwarkesh Patel
当你回顾上世纪8、90年代哪些决策令人最终成为长期赢家，哪些没有，特别是联想到你在Sun Microsystems的经历，他们在90年代互联网泡沫中经历独特。人们谈论这次AI数据中心建设潮也像是泡沫，但同时，正是因为互联网泡沫期的建设，我们才有了今天的互联网。
从这些经验中，你如何判断什么是真正的长期趋势？什么只是昙花一现？
Satya Nadella
回顾过去，我经历了四次重大转型：客户端诞生和客户端-服务器架构，也就是图形用户界面的诞生和x86架构开始用于服务器建设。
我记得很清楚。1991年，我还在Sun工作时去参加了在Moscone举办的PDC大会。那时微软首次介绍了Win32接口，我就预见到了接下来会发生什么， 服务器也会转向x86架构。当你看到某个技术开始获得规模优势，这就是你需要下注的长期趋势。客户端发生的变革必然会延伸到服务器端，这让我们能够真正构建客户端-服务器应用。应用模型变得清晰起来。
然后是Web的大变革。这是我们必须应对的挑战。实际上就在我加入微软后不久，Netscape浏览器或者说Mosaic浏览器在1993年11月或12月发布。我记得是Andreessen团队发布的。
这是个重大转折点。有趣的是，就在我们开始推进客户端-服务器浪潮并且看起来必将取得胜利的时候，浏览器时代来临了，我们不得不调整。我们确实做出了相当好的调整，因为浏览器代表了一个新的应用模型。
我们成功地用各种方式拥抱了这种变革，无论是在Word中支持HTML，还是自己开发浏览器参与竞争，以及在服务器平台上开发Web服务器。当然，我们确实错过了Web上最大的商业模式。因为我们都认为Web的本质是分布式的，谁能想到搜索会成为最大赢家呢？这就是我们显然没有预见到的地方，而Google看到了这点并且出色地执行了。
这给我上了重要的一课：你不仅要把握住技术趋势，还要理解这个趋势中价值将在哪里创造。这些商业模式的转变可能比技术趋势的变化更难把握。
0:05:04 - AI不会赢者通吃
Dwarkesh Patel
在AI领域，价值会在哪里创造？
Satya Nadella：
这是个好问题。我认为有两个方面可以比较确定。首先是表现出色的超大规模计算提供商，因为从根本上说，如果回顾Sam等人的描述，如果智能与计算量的对数成正比，那么谁能提供大量计算能力谁就是赢家。
（译者注：参考本公众号历史文章 OpenAI 山姆奥特曼的AGI洞见：三个观察）
另一个有趣的点是，如果你看任何AI工作负载的底层，比如说ChatGPT，并不是说大家都仅仅为GPU方面的进展兴奋。实际上，我会考虑我的基础设施中AI加速器、存储和计算的比例。而且在规模上，你必须持续扩展。
Dwarkesh Patel
对。
Satya Nadella
因此，世界对基础设施的需求将呈指数级增长。
所以实际上，这些AI计算任务对商业机遇来说，简直是天降甘露，猜猜为什么？因为它们对计算资源的需求越来越大，不仅是训练阶段，我们现在知道推理阶段也是如此。当你考虑AI代理时，它会指数级增加计算使用量，因为你不再仅仅受限于一个人调用一个程序。而是一个人调用的程序会继续调用更多程序。这将创造出对计算基础设施巨大且规模化的需求。所以我们的超大规模业务、Azure业务，以及其他超大规模计算提供商，我认为这会是一个重要领域。
在这之后，情况就有些难预测了。你可能会说，这是个赢家通吃的模式，但我不这么认为。顺便说一下，这也是我学到的另一件事：很好地理解什么是赢家通吃的市场、什么不是，这在某种程度上就是一切。我记得在我刚开始涉足Azure时，亚马逊有很大的领先优势，投资者们会来找我说："游戏结束了。你永远赶不上了。亚马逊赢家通吃了。"
在与Oracle和IBM竞争“客户端-服务器”市场的经历中，我知道买家不会容忍赢家通吃。从结构上说，超大规模计算永远不会是赢家通吃，因为买家很聪明。
消费市场有时可能会出现赢家通吃，但当买家是企业、机构或IT部门时，他们会要求多个供应商。所以你必须成为多个供应商中的一个。
我认为模型方面也会如此。会有开源模型。会有监管。就像Windows给我的一个重要教训是，如果你有一个闭源操作系统，就一定会有一个开源的补充。
所以在某种程度上这是一个真正的制衡。我认为在模型方面，可能会有一些闭源模型，但一定会有开源替代方案，而开源替代方案实际上会确保闭源的赢家通吃局面不会出现。
这是我对模型方面的看法。而且，说实话，如果这个东西真如人们所说的那么强大，政府也不会坐视私营公司在全球范围内...所以，我不认为这会是赢家通吃的局面。
在这之后，我认为历史还会重演，就是在消费者领域，某些类别可能会出现赢家通吃的网络效应。毕竟，ChatGPT就是一个很好的例子。
ChatGPT已经成为一个具有真正逃逸速度的大规模消费产品。我看App Store，发现它总是排在前五位，我想"哇，这真是令人难以置信"。
所以他们能够利用这个早期优势转化为应用优势。在消费者领域，这种情况可能会发生。但在企业领域，我认为不同类别会有不同的赢家。这至少是我的分析方式。
Dwarkesh Patel
我后面还有很多问题。我们马上要谈到量子计算，但关于模型可能会商品化的观点：也许几十年前有人可能对云计算提出类似的论点，从根本上说，它不就是一个芯片和一个盒子吗？
但最终，当然，你和其他人都找到了在云计算中获取惊人利润率的方法。你们找到了获得规模经济效应和增加其他价值的方法。从根本上说，即使不谈行话，如果你有AGI并且它在帮助你制造更好的AI，现在是合成数据和强化学习；也许将来是自动化的AI研究员，这似乎是巩固你在这个领域优势的好方法。我很好奇你对此有什么看法，如果想在这个领域领先，这个观点真的很重要。
Satya Nadella
规模大到一定程度，一切都不再是普通商品。就像你说的云计算，每个人都会说："哦，云计算是商品。"但是，当你达到规模...这就是为什么运营超大规模计算的专业知识...你可能会说："哦，有什么了不起的？我可以直接堆叠服务器。"
Dwarkesh Patel
对。
Satya Nadella
实际上，在超大规模计算的早期，大多数人认为"这些托管服务商，都不是好生意。超大规模计算会有什么商业价值吗？"事实证明确实有真正的商业价值，就是因为运营Azure这样的系统，所需的专业知识，在全球60多个区域提供所有计算能力。这确实很难复制。
所以我更愿意说，是不是只有一个赢家？是不是赢家通吃？因为这点你必须搞清楚。我喜欢进入那些市场规模大，但不必冒赢家通吃风险的领域。最好的消息是进入一个能容纳几个赢家的大市场，而你是其中之一。
这就是我对超大规模计算的看法。在模型层面，模型最终需要在某个超大规模计算平台上运行。所以这种关联我认为会永远存在。不仅仅是模型本身；模型需要记录状态，这意味着它需要存储，还需要常规计算来运行那些代理和代理环境。
这就是我认为，为什么一个人凭一个模型就能主导一切可能不会发生。
Dwarkesh Patel
顺便说一下，关于超大规模计算提供商这点，也很有趣，你们的优势在于，如果这涉及到未来模型的训练，你们可以将数据中心和GPU的成本不仅分摊到训练上，还可以用于推理。
我很好奇你如何定位微软和Azure作为超大规模计算提供商的角色。是在预训练方面？还是在提供O3类型的推理服务？还是说，我们会托管和部署市场上的任何模型，对此持中立态度？
Satya Nadella
这是个好问题。我们希望构建基础设施的方式是，在某程度上追随摩尔定律。这会像我们过去处理其他事情一样：每年更新基础设施，在其使用寿命内折旧，然后非常善于部署基础设施，使其能以高利用率运行不同工作任务。有时会有高度集中算力的大型训练任务，这些任务需要专门分配算力并且要保持一致性。这很好。我们应该有足够的数据中心容量来提供这种服务。
但最终，这些都变得如此庞大，即使是预训练规模，如果要继续扩大，甚至预训练规模在某个时点必须跨越数据中心边界。现状基本已经是这样了。
所以，一旦你开始跨越预训练的数据中心边界，它与其他任何东西有什么不同吗？我的想法是，分布式计算将保持分布式特性，所以去构建你的基础设施，使其既能应对大型训练任务，又能处理测试时计算，还要准备好，实际上，如果这个强化学习的事情发生了，你构建一个大型模型，之后会有大量的强化学习发生。对我来说，这更像是更多的训练算力，因为你想为不同任务创建这些高度专业化的精炼模型。
所以你需要那样的基础设施，然后是服务需求。归根结底，光速就是光速，所以你不能只在德克萨斯州有一个数据中心就说“我要从那里服务全世界。”
你必须通过在世界各地，部署能够推理的基础设施，来服务全世界。这就是我如何看待我们构建真正的超大规模基础设施。
哦，顺便说一下，我还希望我的存储和计算也靠近所有这些设施，因为AI加速器本身是无状态的。我的训练数据本身需要存储，然后我想能够多路复用多个训练任务，我想能够有内存，我想要能够有这些环境让这些代理能够执行程序。这就是我的思考方式。
0:15:18 - 世界经济增长10%
Dwarkesh Patel
你在最近的报告中说，你们来自AI的年收入是130亿美元。但如果看你们在这方面的同比增长，四年后，如果趋势继续，这个数字会是现在的10倍。你们将从AI获得1300亿美元的收入。如果真是这样，你预计会如何使用这么大规模的智能？
是通过Office吗？是为其他人部署托管服务吗？你们需要有AGI才能获得1300亿美元的收入吗？这会是什么样子？
Satya Nadella
我是这么看的，Dwarkesh，这是个很好的问题，因为从某种程度上说，如果你要有这种爆发性增长，如此丰富的智能、或者说商品化智能，我们首先要观察的是GDP增长。
在讨论微软的收入会是什么样之前，这里只有一个制约因素。这就是为什么我认为我们在所有这些AGI炒作中有点操之过急。记住发达国家现在是什么情况？2%的增长，如果考虑通货膨胀就是零增长？
所以在2025年，当我们坐在这里，我不是经济学家，但至少我看到我们面临着真正的增长挑战。所以，我们首先要做的是，当我们说这像工业革命时，让我们实现工业革命那样的增长。
这对我来说意味着10%、7%，发达国家经通胀调整后增长5%。这才是真正的标志。而不能仅仅是供给侧。
实际上这就是很多人正在描绘的，我很高兴他们这样写，就是这里的大赢家不会是科技公司。赢家将是更广泛的产业，他们使用这种丰富的商品化智能。突然间生产力提高了，经济以更快的速度增长。当这种情况发生时，我们这个行业就会没问题。
但对我来说这才是关键时刻。我们自己宣称达到了某个AGI里程碑，这对我来说只是毫无意义的基准测试游戏。真正的基准是：世界经济以10%的速度增长。
Dwarkesh Patel
嗯，所以如果世界经济增长10%，世界经济总量是100万亿美元左右，如果世界增长10%，那就是每年新增10万亿美元的价值。如果是这样，你们作为超大规模计算提供商...800亿美元似乎是很大的数字。但你们不应该做到8000亿美元吗？
如果你真的认为几年内我们可能实现这样的世界经济增长率，而关键瓶颈是：你是否有必要的计算能力来部署这些AI来完成所有这些工作？
Satya Nadella
没错。但顺便说一下，经典的供给侧思维是，"嘿，让我建起来，他们就会来。"这是一种论点，毕竟我们已经这么做了，我们已经承担了足够的风险去做这件事。
但在某个时点，供给和需求必须匹配。这就是为什么我在关注这两个方面。当你只关注供给侧而不真正理解如何将其转化为对客户的真正价值时，你可能会完全偏离轨道。
这就是为什么我关注我的推理收入。这也是为什么甚至披露推理收入...有趣的是很少人在谈论他们的真实收入，但对我来说，这作为一个制约因素很重要，它影响你如何思考这个问题。
不是说，必须在任何给定时间点都对称匹配供给和需求，但你要有存在性证明，证明你能够将昨天的、我们称之为资本的东西，转化为今天的需求，这样你就能再次投资，也许甚至是指数级投资，因为你知道你不会完全错配节奏。
Dwarkesh Patel
我想知道这两种观点之间是否存在矛盾，因为你做得很好的一点是这些早期押注。你在2019年就投资了OpenAI，那时还没有Copilot和其他应用。
如果你看工业革命，那些大规模铁路建设或其他东西，很多并不是等到"我们已经从售票收入看到了利润，然后才继续投资..."
Satya Nadella
所以，确实损失了很多钱。
Dwarkesh Patel
确实。所以，你的意思是，即使你真的认为世界经济增长率有可能提高10倍或5倍，你也只是说，"好吧，GPT-4的收入是多少？"
如果你真的认为下一个阶段有那种可能性，难道不应该"让我们疯狂一把，让我们投入数千亿美元的计算资源？"我是说，这是有可能的，对吧？
Satya Nadella
这里有个有趣的点，就是为什么对我来说，至少对基础设施的平衡预测非常重要。这不是关于建设计算能力。而是关于建设既能帮助我训练下一个大模型又能服务于这个模型的计算能力。除非你做到这两点，否则你甚至不可能真正利用你的投资。
所以，这就是为什么不能只靠训练模型的军备竞赛来推动，而是要创造能被全世界使用的商品，你必须有一个完整的思路，而不是只考虑一件事。
顺便说一句，过度建设一定会发生。就像你提到的互联网泡沫时代那样，现在的信号已经很明显了 ，“ 我们需要更多能源，需要更多算力。”感谢上帝给了这个机会。所以，每个人都会开始竞赛。事实上，不只是企业在投入，各个国家也会投入资本，这显然会...我很高兴能成为出租方，因为你要知道，我既建设自己的设施，也把很多出租出去。我对能在27年、28年出租大量算力感到兴奋，因为我看着这些建设项目，心想'这太棒了'。所有这些算力建设最终只会带来一个结果，价格会下降。0:21:39 - 智能成本下降
Dwarkesh Patel
说到价格下降，你最近在DeepSeek模型发布后发推文谈到了杰文斯悖论。我很好奇你能否详细展开。杰文斯悖论出现在需求高度弹性的情况下。价格能否再下降，真的是智能发展的瓶颈所在吗？
（译者注：参考本公众号历史文章：面对DeepSeek，微软CEO深夜发推：“杰文斯悖论”再次显现）
因为就我作为消费者的使用场景来看，智能已经非常便宜了。每百万token才两美分。我真的需要它降到0.02美分吗？对我来说真正的瓶颈是它是否变得更智能。如果你收我100倍的价格，实现100倍规模的训练，我完全接受。但也许你在企业端看到了不同的情况。究竟是什么样的智能使用场景，真的需要把成本降到每百万token 0.002美分？我认为关键在于token的实用价值。需要同时实现两点：一是智能要变得更好更便宜。每当出现突破，比如DeepSeek这样的成果，都会改变每个token的性能效率边界，推动边界前移。这就会带来更多需求。云计算就经历了这个过程。有个有趣的现象：我们曾经认为'天啊，客户端-服务器时代的服务器都卖完了'。但当我们开始把服务器放到云端，突然间人们开始消费更多，因为他们可以更便宜地购买，而且是弹性的，可以按使用量而不是许可证付费，这完全扩展了市场。我记得当时去印度这样的国家推广SQL Server。我们确实卖出了一些，但是现在印度的云计算规模远远超过了我们在服务器时代，能做到的任何规模。我认为这种情况会再次发生。想想看，如果在全球南方，在发展中国家，能以非常低的价格提供这些token，用于医疗保健，那将是史无前例的重大变革。我觉得，大家听到我们这些旧金山人的观点就会觉得，'他们有点傻，他们根本不知道在现实世界中部署业务是什么样子'。作为一个与财富500强企业合作、帮助他们为数亿甚至数十亿人部署服务的人，你如何看待这些计算能力的部署速度？即使当你有了可用的AI代理，即使有了可以为你远程工作的工具，合规性和所有固有的瓶颈，会成为一个重大障碍吗？还是说这些问题会很快得到解决？这确实会是一个真正的挑战，因为真正的问题在于变革管理或流程变革。这里有个有趣的类比：想象一下在没有PC、电子邮件和电子表格之前，像我们这样的跨国公司是如何进行预测的。传真满天飞。然后有人接收这些传真，写一份内部备忘录传阅，人们输入数字，最终形成预测，可能刚好赶上下一季度。然后有人说：'嘿，我直接用Excel表格，通过邮件发送，让大家编辑，这样就能得到预测了。'就这样，整个预测业务流程因为工作载体和工作流程的改变而发生了变化。这就是AI引入知识工作时需要发生的变化。事实上，当我们思考这些AI代理时，根本的变化在于出现了新的工作方式和工作流程。比如，在准备我们这次播客之前，我对我的Copilot说：'嘿，我要和Dwarkesh讨论我们的量子计算突破和我们为游戏生成建立的新模型。给我一个总结，告诉我在开始前应该复习哪些内容。'它知道这两篇Nature论文，并进行了整理。我甚至说：'用播客的格式给我。'它就很好地模拟了我们两个人的对话。（译者注：“AI参与”就代表劣质，将很快成为昙花一现的衡量标准，内容是否有价值，最终来自负责任的那个人的审美、志趣和决断。参考本公众号历史文章 碎碎念2-信息密度）然后我还把它分享给了我的团队。把它放到Pages（我们的文档工具）中，然后分享出去。所以对我来说，新的工作流程是我用AI思考，并与同事合作。这是一个根本性的变革管理过程，所有从事知识工作的人突然要找出这些新模式：'我将如何用新方式完成我的知识工作？'这需要时间。这种变化会发生在销售、财务、供应链等各个领域。对于一个现有企业来说，我认为这将是那种，让我用一个我喜欢的类比：制造商是如何采用精益管理的。我很喜欢这个例子，因为从某种意义上说，精益管理成为了一种方法论，可以让人们把制造过程从头到尾变得更有效率。这种持续改进就是减少浪费，提升价值。这种变革将来到知识工作领域。这就像是知识工作的精益管理。这将是管理团队和知识工作者的艰巨任务，需要时间来完成。我能简单问问这个类比吗？精益管理的一个作用是实际改变了工厂车间的物理布局。它揭示了人们在真正关注流程和工作流之前没有意识到的瓶颈。你刚才简单提到了你自己的工作流程是如何因AI而改变的。我很好奇能否详细描述一下，当这些AI代理变得越来越智能时，管理一家大公司会是什么样子？你问得很有意思。比如说，当下，我们还非常依赖电子邮件。我早上来上班时会想，天啊我的收件箱又满了，我要回复这些邮件，所以我迫不及待地想要一些Copilot代理自动帮我填充草稿，这样我就可以开始审阅和发送了。但我现在已经在Copilot中至少有十个代理，我会针对不同任务向它们查询不同的事情。我感觉将会出现一个新的收件箱，我与之协作的数百万个代理会向我提出一些例外情况、通知，或请求指示。所以我至少在思考的是，会出现一个新的框架，也就是AI代理管理器。这不仅仅是一个聊天界面。我需要比聊天界面更智能的东西来管理所有代理及其对话。这就是为什么我认为Copilot作为AI的用户界面是一个非常重要的事情。我们每个人都会拥有它。所以基本上，可以这么想：存在知识工作和知识工作者。知识工作可能由许多代理完成，但你仍然需要一个知识工作者来处理所有这些知识工作者。这就是我们需要构建的界面。你是世界上少数几个可以说拥有20万员工的人。对这样一群智慧的人，你必须管理好，必须与之对接，如何最好地发挥他们的作用。希望将来更多的人能有这种经历。如果每个人的收件箱早上都会像你的一样，我很好奇你的收件箱长什么^_^好的，在继续讨论AI之前，我想聊聊微软研究院宣布的量子计算重大突破。你能解释一下发生了什么吗？这是我们另一个持续了30年的旅程。真是难以置信。我是微软第三位对量子计算感到兴奋的CEO。这里的根本突破，或者说我们一直以来的愿景是，要建造一个实用规模的量子计算机，你需要一个物理学上的突破。我们选择的路径是，押注于一个本质上更可靠的物理特性，获得更可靠或更少噪声的量子比特。这就引导我们走向了马约拉纳零模（Majorana zero modes），这个概念在1930年代就理论化了。问题是，我们能否真正在物理意义上制造这些东西？我们能否真正建造它们？所以这个重大突破实际上，我知道你和Chetan谈过，我们现在终于在新的物质相位中获得了马约拉纳零模存在的证明和物理突破。这就是为什么我们喜欢把这比作量子计算的晶体管时刻，我们实际上有了一个新的相位，也就是拓扑相位，这意味着我们现在可以可靠地隐藏量子信息，测量它，而且我们可以制造它。现在我们有了这个，我们觉得有了这个核心的基础制造技术，我们就可以开始建造马约拉纳芯片。马约拉纳一号将基本上是第一个能够容纳百万个物理量子比特的芯片。在此基础上，还有数千个经过错误纠正的逻辑量子比特。然后就开始了。你突然有能力建造一个真正实用规模的量子计算机，对我来说这现在变得更加可行了。没有这样的突破，你仍然可以达到一些里程碑，但你永远无法建造一个实用规模的计算机。这就是我们感到兴奋的原因。我现在忘了，我们是叫它Majorana吗？对，没错。Majorana One。我很高兴我们用这个名字。想想看，我们能在这么小的尺寸里建造一个百万量子比特的量子计算机，这简直难以置信。这就是关键：除非我们能做到这一点，否则你根本无法梦想建造一个实用规模的量子计算机。你是说最终的百万量子比特会放在这么大的芯片上？好，太神奇了。其他公司已经宣布了100个物理量子比特，比如谷歌、IBM等。当你说你们宣布了一个，但你的意思是你们的方案在极限上更具可扩展性。是的。我们做的一件事是把软件和硬件分开了。我们正在构建我们的软件栈，现在我们与中性原子团队、离子阱团队合作，我们也在与其他使用光子学等相当好的方法的团队合作，这意味着将会有不同类型的量子计算机。我们最近宣布的是24个逻辑量子比特。所以我们在错误纠正方面也取得了一些惊人的突破，这让我们能够在中性原子和离子阱量子计算机上构建这些20多个量子比特，而且我认为这个数字在今年内还会继续提高。但我们也说，'让我们回到第一性原理，建造我们自己的量子计算机，押注于拓扑量子比特。'这就是这个突破的意义所在。太棒了。关于扩展到百万个拓扑量子比特、数千个逻辑量子比特的水平，你们估计的时间表是什么？如果你已经有了第一个晶体管，这里的摩尔定律会是什么样子？显然我们已经研究这个30年了。我很高兴我们现在有了物理突破和制造突破。我希望我们已经有了量子计算机，顺便说一句，量子计算机能让我们做的第一件事就是构建量子计算机，因为模拟这些新量子门的原子级构造会变得容易得多。但无论如何，现在真正的下一步是，既然我们有了制造技术，让我们去建造第一台容错量子计算机。这将是符合逻辑的事情。所以，我现在可以说，'也许在27年、28年、29年，我们将能够真正建造这个。'现在我们有了这个门，我能把它放入集成电路，然后真正把这些集成电路放入一台真正的计算机吗？这就是自然而然的下一步动作。在27年、28年你们让它工作起来后，你认为它会是什么样子？是通过API访问的东西吗？是你们内部用于材料和化学研究的东西吗？这是个很好的问题。让我感到兴奋的一件事是，即使在今天...我们有这个量子计算项目，我们为它添加了一些API。大约两年前的突破是把HPC（高性能计算）栈、AI栈和量子计算结合在一起考虑。事实上，如果你想想看，AI就像是模拟器的模拟器。量子计算机就像是自然的模拟器。量子计算机要做什么？顺便说一句，量子计算不会取代经典计算。量子计算在它擅长的领域很出色，而经典计算也会...量子计算在那些不是数据密集但需要探索大量状态空间的领域会非常出色。它应该是数据轻量级但需要探索指数级状态的场景。模拟就是一个很好的例子：化学物理、生物等领域。我们开始做的一件事是真正使用AI作为模拟引擎。但你可以进行训练。所以我是这么想的：如果你有AI加上量子计算，也许你会用量子计算来生成合成数据，然后被AI用来训练更好的模型，这些模型知道如何建模化学或物理之类的东西。这两种技术将会一起使用。所以即使在今天，这实际上就是我们用HPC和AI组合在做的事情。我希望用量子计算机替换掉一些HPC部分。你能告诉我在微软这样规模的公司，是你如何做出的决策吗？毕竟这些研究在20年、30年后才会产生回报。显然，你对这个项目的技术细节了解得很深入。你能对微软研究院的所有项目都十分了解吗？你怎么知道当前的投资会在20年后带来回报？是完全依靠组织自然发展，还是你有什么具体的跟踪方法？我觉得很棒的是，当Bill在95年创建MSR（微软研究院）时...我认为在这些好奇心驱动的研究组织的长期历史中，要建立一个专注于基础研究的机构，而MSR多年来已经建立了这种机构实力，所以当我考虑资本分配或预算时，我们先投入并默认'这是MSR的预算。'每年我们都明白，大多数投资不会在任何有限的时间框架内产生回报。也许微软的第六任CEO会从中受益。在科技领域，这是必然的。我真正思考的是，当某些东西比如量子计算或AI新模型的时机成熟时，你能否抓住机会？作为占据市场主导地位的一家公司，如果你看科技史，问题不在于人们有没有投资。而是你需要一种文化，知道如何创新，然后把创新的规模扩大。这实际上是CEO和管理团队最难的部分。这很有趣。既需要良好的判断，也需要良好的文化。有时我们做对了；有时我们做错了；我可以告诉你MSR的上千个项目，我们本应该起引领作用，但没做到。我总问自己为什么。这是因为我们无法获得足够的信念，以及如何在接受创新的同时，将其转化为有用产品，并建立完整商业思路，使之推向市场。这就是CEO和管理团队的工作：不是仅仅对某件事感到兴奋，而是能够真正执行一个完整的方案。说起来容易做起来难。当你提到微软可能会有接下来的三位CEO时，如果他们每个人都能让市值增长一个数量级，那么等你们取得下一个突破，你们就会达到与世界经济总体规模相当的程度了。或者记住，只要世界经济会以10%的速度增长，我们就没问题。让我们深入探讨你们刚刚取得的另一个重大突破。你们在同一天发布两项突破性成果，这真是令人惊叹。我很想听你谈谈游戏世界模型方面的突破。我们将其命名为Muse。它将成为这个世界行为模型，或者说人类行为模型。这非常酷。显然，Dall-E和Sora在生成式模型方面取得了惊人的成就。我们想要探索的一个方向是利用游戏数据。能否生成既保持一致性，又能体现游戏多样性的内容，同时还能响应用户修改？这就是Muse的本质。我们与我们的一个游戏工作室合作，这项研究也发表在了《自然》杂志上。让我感到兴奋的是，受益于这些模型，很快就会有一系列游戏。事实上，当Phil Spencer第一次向我展示时，他拿着Xbox手柄，这个模型根据输入生成相应的输出，而且与游戏风格保持一致。对我来说，这是一个令人惊叹的时刻。就像我们第一次看到ChatGPT完成句子，或者Dall-E作画，或者Sora生成视频那样。这是一个类似的突破性时刻。今天早上，我有机会和你们的首席研究员Katja一起观看了实时演示视频。只有在和她交谈后，我才真正意识到这有多么不可思议。我们过去曾使用AI建模代理（agents），而现在仅仅用同样的技术来建模代理周围的世界，就能实现一致的实时效果，我们会在播客中插入相关视频，这样观众就能亲眼看到。到那时这些内容应该已经公开，他们也可以直接去观看。这本身就令人难以置信。在你担任CEO期间，你投入了数千亿美元来发展微软的游戏业务并收购IP。回过头来看，如果你能将所有这些数据整合到一个大模型中，让用户同时体验和探索多个世界。如果这就是游戏产业的发展方向，那些投资似乎都非常明智。你当时是否预见到了这一点？我不会说我们投资游戏是为了构建模型。坦白说，我们投资游戏是因为，这是我们历史中一个有趣的事实：我们在开发Windows之前就开发了第一款游戏。微软飞行模拟器（Flight Simulator）比Windows还要早。（译者补充：微软模拟飞行1.0 1982年-首个全彩模拟飞行）所以，游戏在微软有悠久历史，我们投资游戏是为了游戏本身。如果一个业务只是达成其他目的的手段，我就没太大兴趣介入。业务本身必须具有独立价值。而且，是的，我们不是一个集团型企业。我们是一家能够整合所有资产并通过创造价值来做好管理的公司。例如，云游戏对我们来说是一个自然的投资方向，因为它将扩大总可用市场（TAM）并让人们能够在任何地方玩游戏。AI和游戏也是如此：我们确实认为AI能带来帮助，也许能改变游戏的长期发展，这有点像游戏界的CGI时刻。作为全球最大的游戏发行商，这对我们很有帮助。但同时，我们必须制作高质量的游戏。我的意思是，作为游戏发行商，你首要关注的必须是这一点。而且这些数据资产不仅在游戏领域有价值，它还将成为一个通用的行为模型和世界模型，这太棒了。我是这么想的：游戏数据对微软的意义，就像YouTube对谷歌的意义一样。所以我对此感到非常兴奋。是的，我的意思就是，你可以在多种不同类型的游戏中获得统一体验。这与微软过去在其他方面的工作，比如混合现实，或者让小型游戏工作室有机会开发3A级动作游戏等，是如何契合的？五到十年后，你能想象会有什么样的发展方向？有趣的是，早在五六七年前，我就把这三件事视为基石。我说我们要下的三个大赌注是AI、量子计算和混合现实。我现在仍然相信这些，因为从某种意义上说，这些都是需要解决的重大问题。存在感（Presence）。这是混合现实的梦想目标。我们能否创造真实的存在感？就像你我现在正在做一场播客这样。说实话，存在感是三个挑战中最难的一个。我原以为它会更容易解决，但也许是因为社交方面的原因让它变得有些棘手：比如佩戴设备等问题。我们很高兴能与Anduril和Palmer合作推进IVAS项目，因为这是一个绝佳的应用场景。所以我们会继续在这个方向努力。但同时，2D界面也很重要。事实证明，像Teams这样的工具，受益于疫情，我们已经真正获得了通过2D界面创造存在感的能力。我认为这种趋势会继续。这是一个长期发展方向。我们已经讨论了量子计算，AI是另一个方向。这就是我关注的三个领域，我会思考如何将它们结合起来。最终，不是为了技术而技术，而是为了解决我们人类生活中的一些根本问题，以及我们希望这些技术能推动经济发展，提高生产力。如果我们能做好这一点，那我认为我们就真正取得了进展。当你撰写下一本书时，你一定要解释为什么这三个领域都在同一时期汇聚到了一起，对吧？从本质上来说，没有理由认为量子计算和AI应该恰好在2028年和2025年左右发生突破。没错。从某种程度上说，我是这么看的：我有一个简单的模型，就是先看是否有系统层面的突破？对我来说，量子计算就是系统层面的突破。是否有商业逻辑的突破？对我来说，AI就是：能否从根本上用不同方式处理业务逻辑？与其强制编写代码，能否拥有一个学习系统？这就是AI的突破。回到AI话题。在你2017年的著作中...2019年你们很早就投资了OpenAI，2017年其实更早，你在书中写道："可以说我们正在孕育一个新物种，其智能可能没有上限。当然，在2017年谈论这个是非常超前的。我们一直在具体讨论AI代理、Office Copilot、资本支出等问题。但如果放大视角，考虑到你的那句话，再想想微软作为超大规模云服务提供商的角色，作为这些模型的研究者，为构建新物种提供训练、推理和研究支持，从宏观角度你是如何看待这个问题的？你认为在你担任CEO期间，我们会达到超人类智能吗？我觉得连Mustafa也用过这个词。事实上他最近也用了"新物种"这个说法。我的看法是，我们确实需要拥有“信任”。在我们宣称AI是像物种这样重大的东西之前，我们必须解决的根本问题是：要在个人和社会层面建立真正的信任。这才是难题。我认为，这种力量最大的限制因素将是我们的法律...可以说是基础设施。我们谈论了所有的计算基础设施，那么法律基础设施如何发展来应对这个问题？整个世界都建立在人类拥有的财产、权利和承担责任的基础上。这是最根本的问题，我们首先要问，这对于人类现在用作工具的任何东西意味着什么？如果人类要将更多权力委托给这些东西，那么这个结构如何演变？在这个问题得到解决之前，仅仅谈论技术能力是不够的。你的意思是，在我们弄清楚如何处理这些问题之前，我们无法部署这种智能？绝对是。因为说到底，现在没有其他方式。今天，除非有人类为其担保，否则你无法部署这些智能。就像你说的，这也是为什么我认为即使是最强大的AI本质上也是在某个人类授权下工作。你可以说，这都是关于对齐（alignment）和其他问题。这就是为什么我认为你必须真正让这些对齐能够工作，而且要以某种方式可验证，但我只是认为你不能部署失控的智能。例如，这个AI失控问题可能是个真实的问题，但在它成为真实问题之前，问题就已将出现在法庭上。没有哪个社会会允许某个人类说"不关我事，是AI干的"。是的。不过，世界上有很多社会形态，可能有些地方的法律体系会更宽松。如果（在严格管控的地方）无法实现突破，那就要担心了。毕竟这种事不一定非要在美国发生，对吧？你觉得其他社会都不关心这个问题吗？当然会有不法分子，我没说不会有不法分子；确实存在网络犯罪和流氓国家。但认为人类社会整体都不关心这个问题也是不对的。我们都会关心。我们知道如何应对流氓国家和不法分子。世界不会坐视不管说'我们容忍这种行为'。这就是为什么我很高兴我们有一个世界秩序，任何流氓行为者和流氓国家都会面临后果。对。但如果你设想能实现10%的世界经济增长，我认为这很大程度上取决于是否能实现类似AGI的突破，因为要创造数十万亿美元的价值，这听起来接近人类工资总额，大约60万亿美元的经济规模。要达到这个量级，你某种程度上必须实现劳动力自动化或显著增强劳动力。如果这是可能的，而且一旦我们解决了法律问题，在你任期内解决这些问题似乎是很有可能的。你是否在考虑超人类智能？比如说，这会是你职业生涯中最重要的事情吗？你提到了另一个观点。我知道David Autor等人讨论过很多关于60%劳动力的问题，我认为另一个需要考虑的问题是，至少谈谈我们的民主社会。我认为为了保持稳定的社会结构，让民主发挥作用，你不能只有资本回报而没有劳动回报。我们可以讨论这个问题，但那个60%的数字必须重新估值。（译者注： Autor等学者通过职业编码发现，当今的工作中，有60%在50年前并不存在。技术进步（尤其是自动化和计算机化）重塑了劳动力市场，大量‘新职业’因技术应用需求而产生，同时传统岗位被替代，导致职业结构发生断层式变化，并加剧了高技能与低技能劳动者之间的收入分化。）用我自己的方式简单来说，也许你可以认为这很天真，我们会开始重新评估不同类型的人类劳动。今天被认为是高价值的人类劳动可能会变成商品。可能会出现我们将重新重视的新事物。包括那些来帮我做物理治疗的人在内，我们重视这些工作，但最终，如果没有合理的劳动回报，如果工作中缺乏意义和尊严，这些都会成为限制因素，影响这些技术的部署。关于对齐问题，两年前你们发布了 Sydney Bing。说实话，考虑到当时的能力水平，这是一个迷人、讨喜、有趣的价值观对齐错位的例子。但那是因为在当时，它只是聊天机器人。它们可以思考30秒然后给你一些有趣或不恰当的回应。但如果你想想那种系统，我记得它试图说服一位纽约时报记者离开他的妻子，如果你着眼未来，这些AI代理可能会持续运行数小时、数周、数月，就像自主的 AGI 群体，可能以类似方式产生价值观错位并搞砸事情，甚至可能相互协调去做错误的事情。你们未来的计划是什么，如何确保在获得那个重要突破时做对了?说得对。这也是为什么当我们分配计算资源时，要优先考虑对齐这个挑战。更重要的是，我们需要考虑在什么样的运行环境中才能真正监控这些系统？如何实现可观察性？我们在传统领域也处理很多类似问题，比如网络安全。我们不会写完软件就撒手不管。有软件后，你要监控它。监控网络攻击、监控故障注入等等。因此，我认为我们需要在部署端构建足够的软件工程能力，同时在模型内部解决对齐问题。这些有些是真正的科学问题，有些是真正的工程问题，我们都需要解决。这也意味着我们要承担相应的责任。这就是为什么我更倾向于在可以管控范围和规模的领域，部署这些技术。你不能随意在世界上释放可能造成危害的东西，因为主流社会不会允许这样做。当你有了能替你完成数周任务的AI代理后，你还需要哪些最低限度的保证，才能让它运营任意一家财富500强公司?我觉得即便是使用类似Deep Research这样的系统，我们也需要一些最基本的保证。特别是在涉及任何物理实体之前，这是一个重要的门槛，一旦跨过去就不一样了。这可能是一个关键点。另外一个是运行环境的权限问题。你可能需要保证它们是在沙盒中运行的，不会跳出沙盒环境。但我们已经有了具备网络搜索功能的AI，它已经跳出了沙盒。但即使AI用网络搜索什么，写什么，比如说你提到的，如果它只是写一些代码来进行计算，这些代码部署在哪里？这些代码是仅用于创建输出的临时代码，还是会被释放到真实世界里？撇开安全问题不谈，当你考虑你的产品线，考虑到如果你真的拥有这么强大的 AI，你提到过准备这个播客的例子 ，在某个时候，它不仅仅是像 Copilot ，而是更像你如何委派工作给同事。考虑到微软现有的产品线，如何整合AI？这里个问题： LLM 是否会成为其他产品的一个标准组件？或者，我在想，如果 LLM 是你访问所有数据库、画布、Excel 表格的主要入口，是否有可能Office反过来成为LLM的一个标准组件?这是个有趣的问题。至少在第一阶段，我是这么想的：LLM 能否帮助我更有效地使用所有这些工具或画布来完成知识工作？我见过的最好的演示之一是一位医生准备肿瘤委员会工作流程。她要参加肿瘤委员会会议，首先用 Copilot 来创建会议议程，因为 LLM 可以分析存储在 SharePoint 站点上的所有病例。它会说："这些病例，显然，肿瘤委员会会议是一个高风险会议，你需要注意病例之间的差异，以便合理分配时间。"即使是这种推理任务，知道如何创建、分配时间的议程，也很棒。所以我用 LLM 来做这个。然后我进入会议，在 Teams 通话中和所有同事在一起。我可以专注于实际病例而不是记笔记，因为现在有 AI copilot 在做完整的会议记录。这不仅仅是一份记录，而是一个可以永久检索的会议数据库条目。然后她结束会议，讨论完病例，没有因记笔记分散注意力。她是一位教学医生，她要去准备课程。于是她打开 Copilot 说："把我的肿瘤委员会会议内容制作成 PowerPoint 幻灯片，这样我就能向学生讲解。"这就是新的形式。我拥有的 UI 和框架现在是通过 LLM 来填充。工作流程本身正在重塑；知识工作正在以新的方式完成。这里有个有趣的事情：如果在80年代末有人对我说"你的桌面上会有一百万份文件",我会说"这是什么意思？"我会真的以为桌子上堆满一百万份实体文件。但实际上？我们确实有一百万份电子表格和文档。它们都在那里。这就是AI代理也会遇到的情况。会有一个 UI 层。对我来说，Office 不仅仅是今天的办公软件；它是知识工作的 UI 层。随着工作流程的发展，它也会发展。这就是我们想要构建的。我确实认为,今天存在的 SaaS 应用程序，这些 CRUD 应用程序，将会从根本上改变，因为业务逻辑会更多地转移到这个代理层。事实上，今天在Copilot里，我体验到另一个很酷的事情是，当我说"嘿，我要准备和客户开会"，我只需说"给我所有我应该知道的笔记。"它就从我的 CRM 数据库中提取信息，从我的 Microsoft Graph 中提取信息，创建一个复合文档，然后还能对其执行逻辑整合。对我来说，这将改变我们今天所知的 SaaS 应用程序。SaaS 作为一个行业，根据不同的计算方式，可能每年价值数千亿到数万亿美元。如果这真的可以被 AI 颠覆，那么在接下来的十年里，你们是否有可能再次让微软的市值增长10倍？因为你说的是数万亿美元的规模...这也会在SaaS领域创造大量价值。我们可能没有充分关注到的一点是，全球积压了大量的IT需求。这些代码生成工具，再加上我们可以用AI代理来查询所有SaaS应用并获得更多效用，这最终将引发应用的大爆发， 它们会被称为“代理”。这样一来，在每个垂直领域、每个行业、每个类别中，我们都突然能获得相应的服务。所以这里有巨大的价值空间。你不能原地踏步。你不能再用老思维说'哦，我把某个狭窄的业务流程做了模块化，在浏览器里放了个界面，这就是我的产品了'。这种模式行不通了。你必须往上层思考：'我需要参与完成什么任务？' 你需要能够把你的SaaS应用转变成一个出色的代理，让它能在多代理世界中发挥作用。只要你能做到这一点，我认为你就能进一步提升价值。1:04:59 - 在微软的34年
Dwarkesh Patel
我能问问你在微软的经历吗？
Dwarkesh Patel
作为一个'公司职员'，你是不是被低估了？你职业生涯的大部分时间都在微软，可以说你之所以能创造这么多价值，是因为你了解这里的文化、历史和技术。通过一步步晋升，你积累了所有这些背景。其他公司是不是也应该由具备这种深度背景的人来管理？"
Satya Nadella在微软的34年里，我对公司的热情逐年递增，远远超出了一个所谓“公司职员”按部就班的惯性。我很认真地对待这一点，我想任何加入微软的人也如此。他们加入微软不是为了成为'公司职员'，而是因为他们觉得可以把微软作为一个平台，既能获得经济回报，也能实现自己的目标和使命。这就是我们之间的契约。所以我想，公司必须创造一种文化，让加入的人能成为像我一样的'公司职员'。至少就我而言，微软在这方面做的功大于过，我希望这种情况能继续保持。你提到的第六任CEO，他们将会使用你现在开始的研究，你能做些什么来留住未来的Satya Nadella们，让他们有机会成为未来的领导者？这很有趣。今年微软50岁了，我经常思考这个问题。关键要明白，长寿不是目标，与世界的相关性才是。我和所有微软20万员工每天都必须做的是：我们做的事情对于当下和未来的世界是否有用且相关？我们所在的行业没有特许经营权，这是另一个难点。如果你看看我们今年的研发预算，这都是对五年后可能发生事情的推测。你必须带着这种态度，说'我们正在做我们认为将来会有价值的事情'。这就是你必须关注的。然后要知道这里有个成功率问题，你不可能事事成功，你必须对失败有很高容忍度。你必须尝试足够多的机会才能说'好的，我们作为一家公司能够渡过难关'。这就是这个行业棘手的地方。说到这儿，你刚才提到距离微软成立50周年还有两个月。如果看市值前十或前五的公司，基本上除了微软，其他公司都比微软年轻。这个观察很有意思，为什么最成功的公司往往都相当年轻。普通财富500强公司的寿命只有10到15年。微软是如何在这么多年保持与社会同步的？你们是如何保持不断重新创新的？"我很喜欢Reed Hoffman用的那个词'二次创业'。这就是那种心态。人们谈论创始人模式，但对我们这些普通CEO来说，更像是二次创业者模式。能够以全新的方式重新看待事物是关键。回到你的问题：我们能否在文化上创造一个环境，让“二次创业”成为一种习惯？每天我们来上班时都说，'我们觉得在这里有责任改变我们做事的核心假设，改变我们与周围世界发生关系的方式。我们允许自己这样做吗？' 我觉得很多时候，公司会感到被商业模式或其他因素过度束缚。你必须让自己摆脱这些束缚。我要创办什么公司？天啊。这就是作为'公司职员'的我会说的话，'我永远不会离开微软'。如果我想要做点什么，我会选择一个新的领域...当我看到科技梦想时，我们一直说技术是最大的、最伟大的民主化力量。我觉得我们终于有这个能力了。如果说我们能以每美元每瓦的方式产生这些算力，我很想找到一个能应用这些智能的领域，一个严重服务不足的领域。这就是为什么医疗保健、教育...公共部门会是另一个方向。你看这些服务不足的领域，作为这个国家公民或社会一员，如果所有丰富的技术资源，都能转化为更好的医疗保健、更好的教育和更好的公共部门机构，来服务我这个公民，我会过得更好吗？那将是一个值得投入的领域。1:10:46 - Satya Nadella 如何看待通用人工智能（AGI）？从你对不同问题的回答中，有一点我不太确定：你是否认为 AGI 是真实存在的概念？会不会出现一种能自动化所有认知劳动的东西，替代人在电脑上能做的事情？这正是我质疑大家谈论方式的地方。认知劳动并非一成不变。今天就存在认知劳动。如果我有个收件箱在管理所有代理程序，这算不算新的认知劳动？今天的认知劳动可能会被自动化。但新产生的认知劳动又该如何处理？这两个方面都需要考虑，这就是转变的过程...这就是为什么我在思维中做出这样的区分：不要把知识工作者和知识工作混为一谈。今天的知识工作可能会被自动化。但谁说我人生目标就是筛选邮件？让 AI 代理去筛选邮件好了。但在筛选完邮件后，给我一个更高层次的认知任务，比如"这是三份草稿，我真的需要你来审阅"。这是一个不同层次的抽象。也许会，但当它掌握了第二类任务，就会出现第三类任务。为什么我们认为，当我们使用改变了历史上认知劳动定义的工具时，就要担心所有认知劳动都会消失呢？我相信你之前听过这些例子，比如说马匹在某些地形上仍然有其优势，有些地方汽车无法到达。但你不会看到马匹在街上奔跑，也不会有数百万匹马被雇用，这种情况已经不复存在了。但这只是在一个很窄的维度上？重视“认知劳动”这个概念的历史，只有200多年。比如说化学。如果量子计算加上 AI 真能帮助我们做很多新材料科学研究，那太棒了。但这会影响人类能做的其他事情吗？为什么我们不能生活在一个有强大认知机器的世界里，同时保持我们的认知主体性呢？我换个场景来问，这样你可能会回答得更自在。假设在微软董事会，你能想象未来会加入一个 AI 成员吗？它能否具备成为有用顾问所需的判断力、背景理解和全面认知吗？这是个很好的例子。我们在 Teams 中加入了一个协调代理AI。虽然还处于早期阶段，但目标是让这个协调代理能否利用长期记忆，不仅是会议内容的记忆，还包括我正在进行的项目、团队等背景信息，成为一个出色的协调者。我很期待在董事会会议中使用它。毕竟董事们每季度才来一次，他们需要消化像微软这样复杂公司的运营情况，不然很容易分散焦点。如果有个协调代理能帮助所有人保持专注，聚焦在重要议题上，那就太棒了。这实际上就是在回应你之前的问题，拥有一个具备无限记忆的助手来帮助我们。你知道 Herbert Simon 说过什么吗？我们都是有限理性的存在。所以如果有个认知放大器，能帮助人类克服有限理性的局限，那就太好了。说到材料和化学领域，我记得你最近说过希望把未来250年的全部进展压缩到未来25年完成。当我思考未来250年可能实现的东西时，我想到了太空旅行、太空电梯、永生、治愈所有疾病。你觉得这些在未来25年内可能实现吗？我提到这点的原因之一是，我很喜欢工业革命持续了250年这个事实。我们必须把整个系统从碳基转变为其他形式。这意味着我们必须从根本上重新发明过去250年里化学领域的所有成就。这就是我希望我们能有量子计算机的原因，这台量子计算机能帮助我们发现新材料，然后我们可以制造这些新材料来解决地球上的各种挑战。当然，我也支持星际旅行。
～完～
感谢阅读，欢迎转发、点赞👍和推荐❤️，谢谢！
