科技浪潮的轮回与微软的早期布局

Dwarkesh，非常感谢你来参加我的播客。稍后我们将讨论微软刚刚取得的两项突破，恭喜你们，这两项成果在同一天发表于《自然》杂志：一个是Majorana零模芯片，就在我们面前，另一个是世界人类行为模型。但我们能否先继续刚才的对话？你正在描述你在80年代和90年代看到的一些现象，如今它们又再次出现。

对我来说，最令人兴奋的是，这让我想起了我刚进入科技行业，也就是90年代初的那几年。当时业界对RISC还是CISC，以及“我们真的能用x86架构来构建服务器吗？”等问题存在激烈争论。当我加入微软时，正是Windows NT（Windows New Technology: 微软开发的操作系统系列，旨在提供更稳定、更安全的计算环境）的开端。所以，从核心芯片平台到操作系统，再到应用层——这种全栈式的方法——整个体系都在被重新审视。可以说，云计算也做到了其中一部分，分布式计算和云计算确实改变了客户端-服务器模式，网络也发生了巨大变化。但现在这种感觉，可能比我过去参与的任何一次变革都更像是一场“全栈”的变革。

从客户端-服务器到Web时代的经验教训

回顾80年代和90年代，哪些决策最终成为长期赢家，哪些没有？特别是考虑到你曾在Sun Microsystems（太阳微系统公司: 曾是美国一家重要的计算机公司，以其Java技术和Solaris操作系统闻名）工作，他们经历了90年代的互联网泡沫。人们将当前的数据中心建设潮比作泡沫，但与此同时，我们今天所拥有的互联网正是当年建设的成果。那么，关于哪些会经受住时间考验，哪些是内在的长期趋势，哪些只是昙花一现，我们能学到什么教训？

回顾我所经历的四次重大变革：客户端和客户端-服务器模式。这标志着图形用户界面（Graphical User Interface, GUI: 允许用户通过图标和视觉指示器与电子设备交互的界面）的诞生和x86架构（x86 Architecture: 一种由Intel开发的指令集架构，广泛应用于个人电脑和服务器）的出现，它让我们能够构建服务器。这对我来说非常清晰。我记得1991年参加PDC（Professional Developers Conference: 微软面向开发者的专业会议），当时我还在Sun公司。1991年，我去了Moscone（莫斯康展览中心: 位于旧金山的一个大型会展中心），微软首次在那里描述了Win32接口（Win32 API: Windows 32位应用程序编程接口，是Windows操作系统的核心编程接口）。当时我就很清楚将会发生什么，服务器也将转向x86。当规模优势向某个方向积累时，那就是你必须下注的长期趋势。客户端发生的事情也将在服务器端发生，然后你就能真正构建客户端-服务器应用程序，应用模型也变得清晰。

接着，Web对我们来说是件大事，我们必须应对。事实上，我刚加入微软，Netscape浏览器（Netscape Navigator: 网景导航者，曾是市场主导的网页浏览器）或Mosaic浏览器（Mosaic: 马赛克，最早的图形化网页浏览器之一）就发布了，大概是1993年11月或12月，对吧？我想那是Andreessen（马克·安德森: Netscape的联合创始人）和他的团队发布的时候。那是一个巨大的变革者，以一种有趣的方式，正好在我们客户端-服务器浪潮即将成功之际。我们知道我们将赢得那场竞争，但浏览器时代来了，我们必须调整。我们做得很好，因为浏览器是一种新的应用模型。我们能够将它融入我们所做的一切，无论是Word中的HTML（超文本标记语言: HyperText Markup Language，用于创建网页的标准标记语言），还是我们自己构建新的浏览器并参与竞争，然后在我们的服务器堆栈上构建Web服务器并追逐它。当然，我们错过了Web上最大的商业模式，因为我们都认为Web是关于分布式的，谁会想到搜索会成为组织Web的最大赢家呢？所以我们显然没有看到这一点，而Google看到了并执行得非常出色。

对我来说，这是一个教训：你不仅要抓住技术趋势，还要抓住该趋势将创造价值的地方。这些商业模式的转变可能比技术趋势的改变更难。那么，AI的价值将在哪里创造呢？

AI时代的价值核心：超大规模计算

这是一个很好的问题。我认为有两个地方我可以比较自信地说。首先是超大规模计算（Hyperscalers: 指拥有庞大计算基础设施和服务的公司，如AWS、Azure、Google Cloud），它们会表现出色。因为其根本在于，如果你回到Sam Altman（OpenAI首席执行官）和其他人描述的方式，如果智能是计算的对数，那么谁能进行大量计算，谁就是大赢家。

另一个有趣的事情是，如果你审视任何AI工作负载，比如ChatGPT，你会发现大家不仅对GPU（图形处理器: Graphics Processing Unit，擅长并行计算，广泛用于AI训练）方面感到兴奋，这很棒。事实上，我甚至将我的计算集群看作是AI加速器（AI Accelerator: 专门设计用于加速人工智能工作负载的硬件）与存储、计算的比率。而且，在规模化时，你必须不断扩大它。因此，世界对基础设施的需求将呈指数级增长。所以，拥有这些AI工作负载实际上是天赐之物，因为它们对计算的需求更大，不仅是训练，现在我们知道，在测试时也是如此。当你想到AI代理（AI Agent: 能够感知环境、做出决策并执行动作以实现特定目标的AI程序）时，它会呈指数级增加计算使用量，因为你不再受限于一个人调用一个程序。而是一个人调用多个程序，这些程序又调用更多程序。这将为计算基础设施带来巨大、巨大的需求和规模。所以我们的超大规模业务，Azure业务，以及其他超大规模计算公司，我认为这是一个大趋势。

市场竞争格局：赢家通吃还是多元共存？

在那之后，情况就变得有些模糊了。你可能会说，存在一种赢家通吃的模式——但我就是不这么认为。顺便说一句，这是我学到的另一件事：非常善于理解哪些是赢家通吃的市场，哪些不是，这在某种意义上就是一切。我记得在早期进入Azure时，Amazon（亚马逊）拥有非常显著的领先优势，人们和投资者都会来找我说：“哦，大局已定，你们永远也做不成了。Amazon，这是赢家通吃。”但我在客户端-服务器时代曾与Oracle（甲骨文）和IBM（国际商业机器公司）竞争过，我知道买家不会容忍赢家通吃。从结构上讲，超大规模计算永远不会是赢家通吃，因为买家是聪明的。

消费市场有时可能是赢家通吃，但任何买家是公司、企业、IT部门的市场，他们都会希望有多个供应商。所以你必须成为多个供应商之一。我认为，即使在模型方面也会发生这种情况。会有开源模型，也会有一个“管理者”。就像在Windows（微软操作系统）上，我学到的一个重要教训是，如果你有一个闭源操作系统，就会有一个开源的补充。在某种程度上，这确实是一种制约。我认为在模型方面，可能存在一些闭源模型，但肯定会有开源替代方案，而且开源替代方案实际上会确保闭源的赢家通吃局面得到缓解。这是我对模型方面的看法。顺便说一句，如果这件事真的像人们说的那样强大，政府是不会坐视不理，等待私营公司在全球范围内独占的。所以，我不认为这是一个赢家通吃的市场。

再往上，我认为消费者市场在某些类别中，可能会出现一些赢家通吃的网络效应，这还是老样子。毕竟，ChatGPT（由OpenAI开发的大型语言模型）就是一个很好的例子。它是一个大规模的消费级产品，已经获得了真正的逃逸速度（Escape Velocity: 在商业领域指产品或服务快速增长并获得市场主导地位的势头）。我打开应用商店，看到它总是在前五名，我心想“哇，这真是不可思议”。所以他们能够利用早期优势并将其转化为应用优势。在消费领域，这可能会发生。但在企业领域，我认为每个类别都会有不同的赢家。至少我是这样分析的。

超大规模的“商品化”与微软的舰队策略

我有很多后续问题。我们稍后会谈到量子计算，但关于模型可能被商品化的观点：几十年前，可能有人对云计算提出过类似的论点——从根本上说，它只是一个芯片和一个盒子。但最终，你和许多其他人当然都想出了如何在云计算中获得惊人的利润率。你们想出了如何获得规模经济并增加其他价值。从根本上说，即使抛开行话，如果你拥有AGI（Artificial General Intelligence: 人工通用智能，指能够理解、学习或执行任何人类智力任务的AI），并且它能帮助你制造更好的AI——现在是合成数据和RL（Reinforcement Learning: 强化学习），未来可能是自动化AI研究员——这似乎是巩固你优势的好方法。我很好奇你对此有何看法，就是领先的重要性。

在规模化时，没有什么东西是商品。就像你说的云计算，每个人都会说：“哦，云计算是商品。”但当你规模化时……这就是为什么运行超大规模计算的专业知识很重要。你可能会说：“哦，这有什么大不了的？我可以直接把服务器堆起来。”事实上，在超大规模计算的早期，大多数人都认为“有这么多主机商，但它们都不是好生意。还会有什么吗？超大规模计算甚至有生意可做吗？”结果证明，这是一个真正的生意，仅仅因为运行像Azure这样在60多个区域提供全球计算的专业知识。这很难复制。

所以，我更多地是在强调，它是一个赢家通吃市场吗？还是不是？因为你必须弄清楚这一点。我喜欢进入那些TAM（Total Addressable Market: 潜在市场规模，指一个产品或服务可能达到的最大市场需求）很大的类别，在那里你不必承担赢家通吃的风险。最好的情况是进入一个足够大的市场，可以容纳几个赢家，而你就是其中之一。这就是我所说的超大规模层。在模型层，模型最终需要运行在某种超大规模计算上。所以我认为这种联系将永远存在。它不仅仅是模型；模型需要状态，这意味着它需要存储，它还需要常规计算来运行这些代理和代理环境。这就是我思考为什么一个人带着一个模型跑路并构建所有东西可能不会发生的原因。

在超大规模计算方面，顺便说一句，作为超大规模计算公司，你拥有的优势也很有趣，尤其是在推理时间扩展方面，如果这涉及到训练未来的模型，你可以摊销你的数据中心和GPU，不仅用于训练，还可以再次用于推理。我很好奇你认为微软和Azure属于哪种超大规模计算公司。是在预训练方面吗？还是在提供O3类型的推理？或者你只是，我们将托管和部署市场上任何一个模型，我们对此持不可知论态度？

这是一个很好的观点。我们希望构建计算集群的方式，在某种意义上是遵循摩尔定律（Moore's Law: 集成电路上可容纳的晶体管数量大约每两年翻一番）。我认为这将像我们过去所做的一切一样：每年不断更新计算集群，在这些东西的生命周期内进行折旧，然后非常善于计算集群的部署，以便能够以高利用率运行不同的作业。有时会有非常大的训练作业，需要高度集中的峰值浮点运算能力，并且需要协同工作。这很棒。我们应该有足够的数据中心覆盖范围来提供这些。

但归根结底，这些都变得如此庞大，即使是预训练规模，如果它需要继续下去，预训练规模在某个时候也必须跨越数据中心边界。这或多或少都是如此。所以，一旦你开始跨越预训练数据中心边界，它与其他的有什么不同呢？我的想法是，分布式计算将保持分布式，所以要构建你的计算集群，使其为大型训练作业做好准备，为测试时计算做好准备，为RL（强化学习: Reinforcement Learning，一种机器学习方法，通过让智能体在环境中试错来学习最优行为策略）可能发生的事情做好准备。你构建一个大型模型，然后之后会有大量的RL发生。对我来说，这更像是更多的训练浮点运算，因为你想要为不同的任务创建这些高度专业化、精炼的模型。

所以你需要那个计算集群，然后是服务需求。归根结底，光速就是光速，所以你不能在德克萨斯州有一个数据中心，然后说“我要从那里服务全世界”。你必须基于在全球各地拥有推理集群来服务世界。这就是我思考我们如何构建一个真正的超大规模计算集群的方式。哦，顺便说一句，我希望我的存储和计算也靠近所有这些东西，因为它不仅仅是无状态的AI加速器。我的训练数据本身需要存储，然后我希望能够多路复用多个训练作业，我希望能够拥有内存，我希望能够拥有这些代理可以执行程序的环境。这就是我思考它的方式。

AI营收、GDP增长与供需平衡

你最近报告说，你们的AI年收入是130亿美元。但如果看你们的同比增长，大约四年后，它将是现在的10倍。如果这种趋势继续下去，你们将从AI中获得1300亿美元的收入。如果真的如此，你打算如何利用所有这些智能，这种工业规模的应用？是通过Office（微软办公软件套件）吗？还是你们部署它供其他人托管？你们必须拥有AGI才能获得1300亿美元的收入吗？它会是什么样子？

Dwarkesh，我对此的看法是，这是一个很好的问题，因为在某种程度上，如果我们将拥有这种智能的爆炸式增长、丰富性或商品化，我们首先必须观察的是GDP（Gross Domestic Product: 国内生产总值，衡量一个国家或地区经济活动总量的指标）增长。在我谈论微软的收入会是什么样子之前，所有这一切只有一个制约因素。这就是我们对所有AGI炒作有点超前的地方。请记住发达国家，它的增长率是多少？2%？如果调整通货膨胀，那就是零？

所以，在2025年，我们坐在这里，我不是经济学家，至少我看来，我们面临着真正的增长挑战。所以，我们所有人都必须做的第一件事是，当我们说这就像工业革命时，让我们拥有工业革命那样的增长。对我来说，这意味着发达国家GDP增长10%、7%，通货膨胀调整后增长5%。这才是真正的标志。它不能仅仅是供给侧的。事实上，很多人都在写，我也很高兴他们这样做，那就是这里的大赢家不会是科技公司。赢家将是使用这种丰富商品的更广泛的行业。突然之间，生产力提高了，经济以更快的速度增长。当这种情况发生时，我们作为一个行业就会好起来。但对我来说，那才是关键时刻。我们自称达到了某个AGI里程碑，对我来说那只是毫无意义的基准作弊。真正的基准是：世界增长10%。

好的，如果世界增长10%，世界经济大约是100万亿美元，如果世界增长10%，那每年就会额外产生10万亿美元的价值。如果是这样，你作为超大规模计算公司……800亿美元似乎很多钱。你不应该做到8000亿美元吗？如果你真的认为在几年内，我们能够以这种速度真正推动世界经济增长，那么关键的瓶颈将是：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？

这是正确的。但顺便说一句，经典的供给侧是：“嘿，我来建造它，他们就会来。”这是一个论点，毕竟我们已经这样做了，我们已经承担了足够的风险去做了。但总有一天，供给和需求必须匹配。这就是为什么我同时关注两方面。当你用供给侧来炒作自己时，你可能会完全脱轨，而不是真正理解如何将其转化为对客户的实际价值。这就是为什么我关注我的推理收入。这也是为什么即使是推理收入的披露……有趣的是，没有多少人在谈论他们的实际收入，但对我来说，这对于你如何思考它来说是一个重要的制约因素。你不会说它们必须在任何给定时间点对称匹配，但你需要有存在的证据，证明你能够将昨天的资本转化为今天的需求，这样你才能再次投资，甚至可能是指数级的投资，同时知道你不会完全失配。

我不知道这两种不同的观点是否存在矛盾，因为你做得非常出色的一件事就是进行了这些早期押注。你在2019年投资了OpenAI（开放人工智能研究中心: 一家美国人工智能研究实验室，以开发ChatGPT和DALL-E而闻名），甚至在Copilot（微软智能副驾: Microsoft Copilot，微软推出的人工智能助手）和任何应用程序出现之前。如果你看看工业革命，那些6%、10%的铁路建设等等，其中很多都不是“我们从票务中获得了收入，然后我们再……”当时损失了很多钱。

这是真的。所以，如果你真的认为这里有一些潜力可以将世界增长率提高10倍或5倍，然后你却说“那么，GPT-4（由OpenAI开发的大型多模态语言模型）的收入是多少？”如果你真的认为这是下一个层级的可能性，你不应该只是“让我们疯狂起来，投入数千亿美元的计算能力吗？”我的意思是，总有机会，对吧？

计算策略与杰文斯悖论

有趣的是，这就是为什么即使是这种平衡的计算集群方法，至少对我来说，也非常重要。这不仅仅是关于构建计算能力。它是关于构建能够帮助我不仅训练下一个大型模型，而且还能服务下一个大型模型的计算能力。除非你做到这两件事，否则你将无法真正利用你的投资。所以，这并不是一场仅仅为了构建模型的竞赛，而是一场创造一种商品，这种商品正在世界范围内被使用，以推动……你必须有一个完整的思考，而不仅仅是考虑一件事。

顺便说一句，其中一件事是会出现过度建设。正如你所说，在互联网泡沫时代发生的事情，现在已经发出了备忘录，嘿，你知道，你需要更多的能源，你需要更多的计算能力。感谢上帝。所以，每个人都会竞相投入。事实上，不仅仅是公司在部署，国家也会投入资本，而且显然会有……我很高兴能成为一个租赁者，因为，顺便说一句；我建造了很多，我也租赁了很多。我很高兴我将在2027年、2028年租赁大量的计算能力，因为我看着这些建设，我说：“这太棒了。”所有这些计算建设唯一会发生的事情就是价格会下降。

说到价格下降，你最近在DeepSeek（深度搜索: 一个开源的大型语言模型）模型发布后，发了一条关于杰文斯悖论（Jevons’ Paradox: 随着技术进步导致资源使用效率提高，该资源的总消耗量反而会增加）的推文。我很好奇你是否能详细阐述一下。杰文斯悖论发生在对某种东西的需求高度弹性时。智能是否因为价格下降而受到瓶颈限制？因为当我想到，至少作为消费者，我的使用场景中，智能已经如此便宜。每百万个token（令牌: 在自然语言处理中，指文本或代码中的一个基本单元，可以是单词、子词或字符）大约两美分。我真的需要它降到0.02美分吗？我只是真的被它变得更聪明所限制。如果你需要向我收取100倍的费用，那就进行100倍大的训练运行。我很高兴公司能这样做。但也许你在企业端看到了不同的东西。智能的关键用例是什么，它真正需要达到每百万个token0.002美分？

我认为真正重要的是token的效用。两者都需要发生：一是智能需要变得更好、更便宜。每当有突破时，就像DeepSeek所做的那样，每token性能的效率前沿发生变化，曲线就会弯曲，前沿就会移动。这只会带来更多的需求。云计算就是这样发生的。

这里有一个有趣的事情：我们过去认为“天哪，我们已经卖掉了客户端-服务器时代的所有服务器”。但一旦我们开始将服务器放入云中，人们突然开始消费更多，因为他们可以更便宜地购买，而且它是弹性的，他们可以按计量而不是按许可证购买，它完全扩展了。我记得去印度这样的国家，谈论“这是SQL Server（微软开发的数据库管理系统）”。我们卖了一点，但天哪，印度的云计算比我们在服务器时代所能做的任何事情都要大得多。我认为这将是事实。如果你想真正地在全球南方（Global South: 通常指发展中国家和新兴经济体，多位于南半球或热带地区），在一个发展中国家，如果你有这些非常便宜的token可用于医疗保健，那将是前所未有的最大变化。

AI部署的挑战与知识工作变革

我认为旧金山像我这样的人听到别人说“他们有点傻；他们不知道在现实世界中部署东西是什么样子”是很合理的。作为一个与这些财富500强（Fortune 500: 美国《财富》杂志每年评选的全球最大500家公司）公司合作，并与他们一起为数亿、数十亿人部署东西的人，你对这些能力的部署速度有何看法？即使你拥有工作的代理，即使你拥有可以为你远程工作的东西，考虑到所有的合规性和固有的瓶颈，这会是一个大瓶颈，还是会很快过去？

这将是一个真正的挑战，因为真正的问题是变革管理（Change Management: 组织在转型过程中，对人员、流程和技术进行系统性管理以实现预期目标的实践）或流程变革。这里有一个有趣的事情：我用的一个类比是，想象一下像我们这样的跨国公司在PC、电子邮件和电子表格出现之前是如何做预测的。传真四处发送。然后有人收到这些传真，制作了一份内部备忘录，这份备忘录又四处发送，人们输入数字，最终预测结果出来了，可能正好赶上下个季度。然后有人说：“嘿，我只需要拿一个Excel（微软电子表格软件）电子表格，把它放到电子邮件里，发送出去。人们会去编辑它，我就会得到一个预测。”所以，整个预测业务流程都改变了，因为工作产物和工作流程都改变了。

这就是AI引入知识工作（Knowledge Work: 需要运用智力、分析、判断和创造力来解决问题和产生新知识的工作）时需要发生的事情。事实上，当我们思考所有这些代理时，根本在于存在一种新的工作和工作流程。例如，即使是为我们的播客做准备，我也会去找我的Copilot，我说：“嘿，我要和Dwarkesh谈谈我们的量子公告和我们为游戏生成构建的新模型。在我去之前，给我一份我应该阅读的所有材料的摘要。”它知道那两篇《自然》论文，它拿来了。我甚至说：“嘿，把它给我播客的格式。”所以，它甚至很好地完成了我们俩聊天的任务。

所以这成为了——事实上，然后我把它分享给了我的团队。我把它拿过来，放进了Pages（页面: 微软内部用于文档和信息共享的工具），这是我们的工作产物，然后分享了。所以对我来说，新的工作流程是与我的同事一起用AI工作。这是对每个从事知识工作的人来说，一个根本性的变革管理，他们突然发现“我将如何以新的方式完成我的知识工作？”这些新的模式。这将需要时间。它将像销售、金融和供应链领域一样。对于一个现有企业来说，我认为这将是那种——你知道，我喜欢用的一个类比是制造商如何使用精益生产（Lean: 一种旨在通过消除浪费来最大化客户价值的生产方法）。我喜欢这个，因为从某种意义上说，如果你看看它，精益生产成为了一种方法论，说明如何在一个制造过程中采取端到端的方法并变得更高效。它就是持续改进，即减少浪费和增加价值。

这就是将应用于知识工作的东西。这尤其像是知识工作的精益生产。这将是管理团队和从事知识工作的个人艰巨的工作，而且这将需要时间。

AI代理与企业管理的新范式

我能简要问一下那个类比吗？精益生产所做的一件事是物理上改变了工厂车间的样子。它揭示了人们在真正关注流程和工作流程之前没有意识到的瓶颈。你简要提到了你自己的工作流程——你的工作流程是如何因AI而改变的。我很好奇我们能否更具体地描述一下，当这些AI代理随着时间变得越来越智能时，管理一家大公司会是什么样子？

你问得很有趣。例如，我今天在想，我们现在非常依赖电子邮件。我早上起来，就觉得我的收件箱满了，我一直在回复，所以我迫不及待地希望一些Copilot代理能够自动填充我的草稿，这样我就可以开始审阅和发送了。但我已经在Copilot中至少有十个代理，我向它们查询不同的任务。我觉得将会创建一个新的收件箱，那就是我正在合作的数百万个代理将不得不向我发出一些异常情况、通知，并请求指示。

所以至少我在想的是，有一个新的支架，那就是代理管理器（Agent Manager: 管理和协调多个AI代理的系统）。它不仅仅是一个聊天界面。我需要一个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，可以这样想：有知识工作，也有知识工作者。知识工作可能由许多代理完成，但你仍然有一个知识工作者在处理所有这些知识工作。我认为，这就是我们必须构建的界面。你是世界上少数几个可以说你拥有20万……你拥有微软公司及其所有员工形式的智能群的人之一。你必须管理它，你必须与它互动，如何最好地利用它。希望未来世界上更多的人能够拥有这种体验。我很好奇你的收件箱，如果这意味着每个人的收件箱，早上会是什么样子。

量子计算的物理突破与未来展望

好的，在我们谈到这个之前，我想继续问你更多关于AI的问题，但我真的想问你关于微软研究院（Microsoft Research: 微软的全球研究机构，致力于基础和应用科学研究）宣布的量子计算的重大突破。你能解释一下发生了什么吗？

这又是我们30年旅程中的另一个里程碑。这真是令人难以置信。我是微软第三位对量子计算感到兴奋的CEO。这里的根本性突破，或者说我们一直以来的愿景是，你需要一个物理学上的突破，才能构建一个可用的、实用规模的量子计算机。我们选择的道路是，要获得更少噪声或更可靠的量子比特（Qubit: 量子信息的基本单位，可以同时表示0和1的叠加态），就必须押注于一种本质上更可靠的物理性质，这引导我们走向了Majorana零模（Majorana Zero Modes: 马约拉纳零模，一种理论上存在的准粒子，具有独特的拓扑保护性质，有望用于构建稳定的量子比特），它在1930年代被理论化。问题是，我们能否真正物理地制造这些东西？我们能否真正构建它们？

所以，这个重大的突破，事实上，我知道你和Chetan谈过，就是我们现在终于有了Majorana零模在一种新物质相中存在的证据和物理学突破。这就是为什么我们喜欢将这比作量子计算的晶体管时刻（Transistor Moment: 晶体管的发明是电子技术史上的里程碑，这里比喻量子计算领域具有划时代意义的突破），我们有效地拥有了一个新的相，即拓扑相（Topological Phase: 物质的一种新状态，其性质由拓扑结构决定，对局部扰动具有鲁棒性），这意味着我们现在甚至可以可靠地隐藏量子信息，测量它，并且我们可以制造它。所以现在我们拥有了它，我们觉得有了这个核心的基础制造技术，我们就可以开始构建Majorana芯片。

那个Majorana One芯片，我认为它将是第一个能够拥有一百万个物理量子比特的芯片。然后在此基础上，将有数千个逻辑量子比特（Logical Qubit: 经过纠错后的量子比特，比物理量子比特更稳定可靠），并进行纠错。然后，游戏就开始了。你突然拥有了构建一个真正的实用规模量子计算机的能力，对我来说，这现在变得如此可行。如果没有这样的东西，你仍然能够实现里程碑，但你永远无法构建一个实用规模的计算机。这就是我们对此感到兴奋的原因。

太棒了。顺便说一句，我相信这就是它。是的，就是它。我现在忘了，我们叫它Majorana吗？是的，没错，Majorana One。我很高兴我们以它命名。想到我们能够在这种尺寸的东西中构建出像一百万量子比特的量子计算机，简直令人难以置信。这就是关键：除非我们能做到这一点，否则你无法梦想构建一个实用规模的量子计算机。你是说最终的一百万量子比特将放在这么大的芯片上？好的，太棒了。其他公司已经宣布了100个物理量子比特，Google（谷歌）、IBM（国际商业机器公司）等。当你说你们宣布了一个时，你是说你们的在极限情况下更具可扩展性。

是的。我们还做了一件事，就是我们采取了一种将软件和硬件分离的方法。我们正在构建我们的软件堆栈，现在我们与中性原子团队、离子阱团队合作，我们还在与那些在光子学等方面有很好方法的人合作，这意味着将有不同类型的量子计算机。事实上，我们宣布的最后一件事是24个逻辑量子比特。所以我们在纠错方面也取得了一些了不起的突破，这使得我们即使在中性原子和离子阱量子计算机上，也能构建20多个量子比特，而且我认为今年还会继续下去；你会看到我们在这方面不断改进。但我们也说：“让我们回到第一性原理，构建我们自己的量子计算机，押注于拓扑量子比特（Topological Qubit: 基于拓扑超导体的量子比特，因其拓扑保护特性而具有高稳定性）。”这就是这次突破的意义所在。

太棒了。一百万个拓扑量子比特，数千个逻辑量子比特，达到这个水平的预计时间表是多久？如果你们拥有了第一个晶体管，这里的摩尔定律会是什么样子？我们显然已经为此工作了30年。我很高兴我们现在有了物理学突破和制造突破。我希望我们有一台量子计算机，因为顺便说一句，量子计算机首先能让我们做的事情就是构建量子计算机，因为模拟这些新量子门的原子级构建会容易得多。但无论如何，下一个真正的事情是，既然我们有了制造技术，让我们去构建第一个容错量子计算机。那将是合乎逻辑的事情。所以，我现在可以说：“哦，也许在2027年、2028年、2029年，我们将能够真正构建这个。”既然我们有了这个门，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？这就是下一个合乎逻辑的步骤。

你认为在2027年、2028年，它就能投入使用了吗？它是通过API（Application Programming Interface: 应用程序编程接口，允许不同软件组件之间进行交互的接口）访问的东西吗？还是你们内部用于材料和化学研究的东西？这是一个很好的问题。我一直感到兴奋的一件事是，即使在今天的世界……我们有这个量子程序，我们还添加了一些API。我们大约两年前取得的突破是，将HPC（High-Performance Computing: 高性能计算，利用并行处理技术和超级计算机解决复杂计算问题）堆栈、AI堆栈和量子计算结合起来思考。事实上，如果你仔细想想，AI就像模拟器的模拟器。量子就像自然的模拟器。量子计算会做什么？顺便说一句，量子计算不会取代经典计算。量子计算擅长它能做的事情，经典计算也会……量子计算对于那些不依赖大量数据但需要大量探索状态空间的事情来说将是极好的。它应该是数据轻量级但需要探索指数级状态的。模拟是一个很好的例子：化学物理学，以及生物学。

我们开始做的一件事是真正将AI用作仿真引擎。但你也可以进行训练。所以我的想法是，如果你有AI加上量子计算，也许你会使用量子计算来生成合成数据，然后AI使用这些数据来训练更好的模型，这些模型知道如何模拟化学或物理或其他什么。这两者将结合使用。所以即使在今天，这实际上就是我们结合HPC和AI所做的事情。我希望用量子计算机取代一些HPC部分。

长期研发决策与微软的“再创业”文化

你能告诉我一些关于你们如何做出这些研究决策的事情吗？这些决策在20年、30年后会真正带来回报，尤其是在微软这样规模的公司。显然，你对这个项目的技术细节非常了解。对于微软研究院所做的所有事情，你都能做到这一点吗？你如何知道你现在所做的押注在20年后会得到回报？它是否必须通过组织有机地产生，或者你是如何跟踪所有这些的？

我感到非常棒的一件事是，Bill（比尔·盖茨: Microsoft联合创始人）在1995年创立MSR（Microsoft Research: 微软的全球研究机构）时。我认为在这些好奇心驱动的研究组织的悠久历史中，仅仅建立一个专注于基础研究的MSR，多年来已经建立了这种机构实力。所以当我在考虑资本配置或预算时，我们首先投入资金，说：“这是MSR的预算。”我们每年都必须这样做，因为我们知道这些押注中的大多数都不会在任何有限的时间框架内得到回报。也许微软的第六任CEO会从中受益。在科技领域，我认为这是理所当然的。

我真正思考的是，当像量子计算或新模型等时机到来时，你是否能够抓住机会？所以作为一个现有企业，如果你看看科技史，并不是人们没有投资。而是你需要有一种文化，知道如何将创新规模化。坦率地说，这对CEO和管理团队来说是困难的部分。这很有趣。它既关乎良好的判断力，也关乎良好的文化。有时我们做对了；有时我们做错了；我可以告诉你MSR的数千个项目，我们本应该主导，但我们没有。我总是问自己为什么。那是因为我们未能获得足够的信念和完整的思考，即如何不仅将创新转化为有用的产品，而且还要有一个我们可以推向市场的商业模式。这就是CEO和管理团队的工作：不仅仅是对某一件事情感到兴奋，而是能够真正执行一个完整的计划。这说起来容易做起来难。

当你提到微软可能有三位后续CEO时，如果他们每个人都将市值提高一个数量级，那么等你取得下一个突破时，你就会像世界经济一样。或者记住，世界将以10%的速度增长，所以我们会没事的。

游戏世界模型Muse：AI在游戏领域的突破

让我们深入探讨你刚刚取得的另一个重大突破。令人惊叹的是，你们在同一天发布了这两个突破，包括你们的游戏世界模型。我很想听你谈谈这个。我们将把它命名为Muse（缪斯: 微软开发的游戏世界动作模型），它将是这个世界动作模型，或者说是人类动作模型。这非常酷。其中一件事是，显然，Dall-E（由OpenAI开发的人工智能图像生成模型）和Sora（由OpenAI开发的人工智能视频生成模型）在生成模型方面取得了令人难以置信的成就。我们想要追求的一件事是利用游戏数据。你是否真的能够生成既一致又能够生成游戏所代表的多样性，并且对用户修改具有持久性的游戏？

这就是它的目的。他们能够与我们的一个游戏工作室合作，这是《自然》杂志上的另一篇出版物。最酷的事情是，我感到兴奋的是，我们将很快拥有一个游戏目录，我们将开始使用这些模型，或者我们将训练这些模型来生成，然后开始玩它们。事实上，当Phil Spencer（菲尔·斯宾塞: 微软Xbox部门负责人）第一次向我展示它时，他拿着一个Xbox（微软游戏机）控制器，这个模型基本上根据输入生成了输出。而且它与游戏保持一致。对我来说，这是一个巨大的“哇”时刻。这有点像我们第一次看到ChatGPT完成句子，或者Dall-E绘画，或者Sora。这是这样一个时刻。

我今天早上有机会看到了你们的首席研究员Katja Hofmann（卡佳·霍夫曼: 微软研究院首席研究员）关于这个的实时演示视频。只有和她交谈后，我才真正意识到这有多么不可思议，从某种意义上说，我们过去使用AI来建模代理，而现在仅仅使用相同的技术来建模代理周围的世界，就能提供一致的实时——我们将在播客上方叠加这些视频，这样人们就可以亲眼看到。我想那时它应该已经发布了，所以他们也可以在那里观看。这本身就令人难以置信。你作为CEO，在构建微软游戏（Microsoft Gaming: 微软的游戏业务部门）和收购IP（Intellectual Property: 知识产权）方面投入了数百亿美元。回想起来，如果你能将所有这些数据合并到一个大型模型中，让你同时体验和穿越多个世界，而且如果这是游戏的发展方向，那么这似乎是一项非常好的投资。你对此有任何预感吗？

我不会说我们投资游戏是为了构建模型。坦率地说，我们投资游戏是因为——这是我们历史中一个有趣的事情：我们在构建Windows之前就构建了我们的第一个游戏。Flight Simulator（微软模拟飞行: 微软开发的长寿飞行模拟游戏）在Windows出现很久之前就是微软的产品。所以，游戏在公司有着悠久的历史，我们想为了游戏本身而存在于游戏领域。我总是首先说，我讨厌那些为了其他目的而存在的业务。它们必须是其本身的目的。然后，是的，我们不是一个企业集团。我们是一家必须将所有这些资产整合在一起，并通过增加价值成为更好的所有者的公司。例如，云游戏（Cloud Gaming: 通过远程服务器运行游戏并将画面流式传输给用户的服务）是我们自然而然会投资的事情，因为它将扩大TAM并扩大人们在任何地方玩游戏的能力。

AI和游戏也是如此：我们确实认为它可能有助于改变——这有点像游戏领域的CGI（Computer-Generated Imagery: 电脑生成图像，指利用计算机图形学创建的图像）时刻。这很棒。作为全球最大的发行商，这将有所帮助。但与此同时，我们必须制作高质量的游戏。我的意思是，如果你不首先专注于此，你就不能成为一个游戏发行商。但事实是，这个数据资产不仅在游戏背景下会很有趣，而且它将成为一个通用的动作模型和世界模型，这太棒了。我的意思是，你知道，我认为游戏数据对微软来说，可能就像YouTube（谷歌旗下的视频分享平台）对Google一样。因此，我对此感到兴奋。

微软的三大战略支柱：AI、量子与混合现实

是的，这就是我的意思，从某种意义上说，你可以拥有跨多种不同游戏的统一体验。除了AI之外，这如何与微软过去在其他方面的工作相结合，比如混合现实（Mixed Reality: 融合物理世界与数字世界的沉浸式体验技术）？也许给小型游戏工作室一个机会来制作这些AAA（Triple-A: 游戏行业中指高预算、高制作水准的游戏）动作游戏？就像五年、十年后，你还能想象出哪些方式？

我曾将这三件事视为基石，以一种有趣的方式，甚至在五、六、七年前，我就说过我们想下的三大赌注是AI、量子计算和混合现实。我仍然相信它们，因为从某种意义上说，要解决的大问题是什么？临场感（Presence: 在虚拟或混合现实环境中，用户感觉自己真实存在于数字空间中的体验）。那是混合现实的梦想。你能创造真实的临场感吗？就像你我这样进行播客。

老实说，我认为这仍然是这些挑战中更难的一个。我原以为它会更容易解决。它可能更难，仅仅因为它的社会性：穿戴设备等等。事实上，我们对Anduril（安杜里尔工业: 一家国防科技公司）和Palmer Luckey（帕尔默·拉奇: Oculus VR的创始人）现在将如何推进IVAS（Integrated Visual Augmentation System: 集成视觉增强系统，美国陆军为士兵开发的一种混合现实头戴设备）项目感到兴奋，因为那是一个很棒的用例。所以我们将继续在这方面努力。但也有2D（二维）界面。事实证明，像Teams（微软团队: 微软的协作平台）这样的东西，多亏了疫情，我们真正获得了即使通过2D也能创造临场感的能力。我认为这将继续下去。这是一个长期趋势。量子计算我们已经谈过了，AI是另一个。所以，这些是我关注的三件事，我想知道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想要的一些基本问题，更重要的是，我们希望它们在我们的经济中，推动我们的生产力。所以如果我们能以某种方式做到这一点，那么我认为我们就会真正取得进步。

当你写下一本书时，你必须解释为什么这三件事会在同一时间出现，对吧？比如，你不会认为量子计算和AI应该在2028年和2025年发生，等等。是的，在某种程度上，我看着它说：我有一个简单的模型，嘿，有没有系统性的突破？对我来说，系统性的突破就是量子计算。有没有商业逻辑的突破？对我来说，那就是AI，即：逻辑层能否从根本上以不同的方式进行推理？不是命令式地编写代码，而是拥有一个学习系统？那就是AI。然后用户界面方面就是临场感。

超人类智能、社会信任与法律框架

回到AI一秒钟，在你2017年的书中……2019年你投资了OpenAI，非常早，2017年甚至更早，你在书中说：“也许我们正在孕育一个新物种，一个其智能可能没有上限的物种。”当然，在2017年谈论这个还为时过早。我们一直在以细致入微的方式谈论代理、Office Copilot、资本支出等等。但如果你放眼全局，思考你所做的这个声明，并思考你作为一个超大规模计算公司，作为这些模型的研究者，提供训练、推理和研究以构建一个新物种，你如何看待这一切的宏伟蓝图？你认为在我们担任CEO期间，我们正在走向超人类智能（Superhuman Intelligence: 智能水平远超人类的智能）吗？

我认为Mustafa（穆斯塔法·苏莱曼: DeepMind联合创始人，AI公司Inflection AI的CEO）也使用过这个词。事实上，他最近更多地使用了“新物种”这个词。我的看法是，你肯定需要信任。在我们声称它是一个像物种一样大的东西之前，我们必须做对的根本事情是，无论是个人层面还是社会层面的信任，都必须融入其中。这是一个难题。我认为这里力量的最大限制因素将是我们的法律基础设施——我们正在谈论所有的计算基础设施——那么法律基础设施将如何演变来应对这个问题？整个世界都是由人类拥有财产、拥有权利和承担责任等事物构建起来的。这是我们首先必须说清楚的根本问题，即这对人类现在使用的任何工具意味着什么？如果人类将把更多的权力委托给这些东西，那么这种结构将如何演变？除非这个问题真正得到解决，否则我认为仅仅谈论技术能力是不会发生的。

也就是说，在我们弄清楚如何解决之前，我们将无法部署这些智能吗？绝对如此。因为归根结底，没有办法。今天，你无法部署这些智能，除非有人作为人类为其提供担保。就你的观点而言，我认为这就是为什么我甚至认为最强大的AI本质上是带着人类委托的某些权力在工作。你可能会说，哦，那都是对齐等等。这就是为什么我认为你必须真正让这些对齐工作起来，并以某种方式可验证，但我就是不认为你可以部署失控的智能。例如，AI失控问题（AI Takeoff Problem: 指人工智能发展到一定阶段后，其智能水平呈指数级增长，可能导致人类无法控制的局面）可能是一个真正的问题，但在它成为一个真正的问题之前，真正的问题将在法庭上出现。没有社会会允许某个人说：“AI干的。”

是的。世界上有很多社会，我想知道其中是否会有某个社会没有一个可能更宽容的法律体系。如果你无法实现AI失控，那么你可能会担心。它不一定非要发生在美国，对吧？我们认为没有社会关心它，对吧？可能会有流氓行为者，我不是说不会有流氓行为者；有网络罪犯和流氓国家；他们会存在。但认为人类社会总体上不关心它也是不正确的。我认为我们都会关心。我们知道如何应对今天的流氓国家和流氓行为者。世界不会坐视不理，说“我们会容忍”。这就是为什么我很高兴我们有一个世界秩序，在这个秩序中，任何在流氓国家中的流氓行为者都会承担后果。

是的。但如果你设想一个可以实现10%经济增长的未来，我认为这确实取决于AGI的实现，因为数万亿美元的价值，这听起来更接近人类工资总额，大约占经济的60万亿美元。要达到这个量级，你必须以非常显著的方式自动化或补充劳动力。如果这是可能的，一旦我们弄清楚其法律后果，即使在你任期内，我们解决这个问题似乎也相当合理。你是否在思考超人类智能？比如，这是你职业生涯中做的最大的一件事？

你提出了另一点。我知道David Autor（大卫·奥托: 经济学家，麻省理工学院教授，研究劳动力市场和技术变革）和其他人对此谈论了很多，那就是60%的劳动力——我认为需要发生的另一个问题，至少让我们谈谈我们的民主社会。我认为为了拥有一个稳定的社会结构，以及民主制度的运作，你不能只有资本回报而没有劳动回报。我们可以谈论它，但那60%必须被重新估价。以我自己的简单方式，也许你可以称之为天真，我们将开始重视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成为商品。可能会有我们重视的新事物。包括那个来帮助我进行物理治疗或其他什么的人，无论我们重视什么，但最终，如果我们没有劳动回报，没有工作的意义和尊严等等，那将是这些事物部署的另一个限制因素。

AI对齐、责任与Office的未来

在AI对齐（AI Alignment: 确保人工智能系统按照人类的意图、价值观和道德原则行事的研究领域）方面，两年前，你们发布了Sydney Bing（微软Bing聊天机器人早期代号: Microsoft Bing chatbot's early code name）。需要明确的是，我认为考虑到当时的能力水平，它是一个迷人、可爱、有点有趣的未对齐（Misalignment: 指人工智能系统的目标或行为与人类的意图不一致的情况）例子。但那是因为，当时它就像聊天机器人一样。它们可以思考30秒，然后给你一些有趣或不恰当的回复。但如果你想想那种系统——我记得它曾试图让一位《纽约时报》记者离开他的妻子——如果你想想未来，你拥有这些可以工作数小时、数周、数月的代理，就像自主的AGI群一样，它们也可能以类似的方式未对齐并搞砸事情，甚至可能相互协调，你们未来的计划是什么，以确保当你们遇到“大问题”时，能够正确处理？

这是正确的。这就是为什么当我们通常分配计算资源时，我们会为对齐挑战分配计算资源。更重要的是，你将如何在运行时环境中真正监控这些东西？围绕它的可观察性（Observability: 指系统在运行时，通过其外部输出推断其内部状态的能力）。今天我们在经典方面也处理很多这些事情，比如网络安全。我们不会只是编写软件然后就让它运行。你有软件，然后你监控它。你监控它是否受到网络攻击，监控它是否被注入故障等等。因此，我认为我们将不得不在这些部署方面构建足够的软件工程，然后在模型内部，对齐是什么？这些都是，其中一些是真正的科学问题。其中一些是真正的工程问题，然后我们将不得不解决它。

这也意味着我们要承担所有这些的责任。这就是为什么我更感兴趣的是在你可以实际管理这些东西的范围和规模的地方部署它们。你不能只是在世界上释放一些会造成伤害的东西，因为社会不会允许这样做。

当你拥有能够为你完成数周任务的代理时，在允许它运行一家随机的财富500强公司之前，你希望获得哪些最低限度的保证？我认为，即使我使用像Deep Research这样的东西，我们希望的最低限度保证是，尤其是在任何东西具有物理实体之前，我认为那是一个门槛。那可能是一个地方。

另一个是，例如，它运行的运行时环境的权限。你可能希望保证它是沙盒化的，它不会超出那个沙盒。我的意思是，我们已经有了网络搜索，而且它已经超出了沙盒。但即使它对网络搜索做了什么，以及它写了什么——例如，就你的观点而言，如果它只是为了进行一些计算而编写一堆代码，那么这些代码部署在哪里？这些代码是仅仅为了创建那个输出而短暂存在的，还是会传播到世界各地？这些都是你可以在行动空间中实际控制的事情。

除了安全问题，当你思考你自己的产品套件时，如果你真的拥有如此强大的AI，在某个时候，它不仅仅是像Copilot——你提到的你为播客做准备的例子——它更像是你实际将工作委托给你的同事。考虑到你目前的产品套件，如何将其添加进去会是什么样子？我的意思是，有一个问题是LLM（Large Language Model: 大型语言模型）是否会被其他东西商品化。我不知道这些数据库、画布或Excel表格等等——如果LLM是你访问所有这些东西的主要入口点，那么LLM是否有可能商品化Office？

这是一个有趣的问题。我认为第一阶段至少会是：LLM能否帮助我更有效地使用所有这些工具或画布来完成我的知识工作？我见过的一个最好的演示是，一位医生正在为肿瘤委员会工作流程做准备。她要参加一个肿瘤委员会会议，她首先使用Copilot来为会议创建议程，因为LLM帮助她推理所有病例，这些病例都在某个SharePoint（微软的协作平台）网站上。它说：“嘿，这些病例——显然，肿瘤委员会会议是一个高风险的会议，你需要注意病例的差异，这样你才能分配正确的时间。”即使是创建议程的推理任务，它知道如何分配时间——太棒了。所以，我使用LLM来做这件事。然后我进入会议，我正在和我的同事进行Teams（微软团队: 微软的协作平台）通话。我专注于实际的病例，而不是做笔记，因为你现在有了这个AI Copilot，它会完整地转录所有内容。它不仅仅是一个转录，而是一个会议内容的数据库条目，可以随时检索。

然后她走出会议，讨论了病例，没有被做笔记分心。她是一位教学医生；她想去为她的课程做准备。所以她进入Copilot，说：“把我的肿瘤委员会会议内容拿过来，从中创建一个PowerPoint（微软幻灯片软件）幻灯片演示文稿，这样我就可以和我的学生谈论它了。”这就是那种类型。我拥有的用户界面和支架是现在正在使用LLM填充的画布。工作流程本身正在重塑；知识工作正在完成。这里有一个有趣的事情：如果有人在80年代末来找我，说：“你的桌子上将有一百万份文件，”我会说：“那是什么鬼东西？”我真的会以为我的桌子上会有一百万份实体文件。然而，我们确实有一百万份电子表格和一百万份文档。我没有，你有。它们都在那里。所以，代理也会发生同样的事情。会有一个用户界面层。对我来说，Office不仅仅是今天的Office；它是知识工作的用户界面层。它将随着工作流程的演变而演变。这就是我们想要构建的。

SaaS应用的未来与新的价值创造

我确实认为今天存在的SaaS（Software as a Service: 软件即服务）应用程序，这些CRUD（Create, Read, Update, Delete: 增删改查，指数据库或软件应用中的基本操作）应用程序，将从根本上被改变，因为业务逻辑将更多地进入代理层（Agentic Tier: 指由AI代理驱动的业务逻辑层，能够自主执行任务和决策）。事实上，今天我在Copilot体验中另一个很酷的事情是，当我说：“嘿，我正在为与客户的会议做准备，”我只需说：“给我所有我应该知道的笔记。”它会从我的CRM数据库（Customer Relationship Management Database: 客户关系管理数据库，存储客户信息和互动记录的系统），从我的Microsoft Graph（微软图形: 微软的API服务，用于访问Microsoft 365数据和智能）中提取信息，创建一个复合的、本质上是人工制品，然后它甚至会对其应用逻辑。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，每年可能价值数千亿到数万亿美元，这取决于你如何计算。如果真的能被AI压缩，那么下一个十年微软市值的10倍增长会是下一步吗？因为你正在谈论数万亿美元……它也会在SaaS中创造大量价值。我们可能没有足够重视的一件事是世界上存在的IT积压（IT Backlog: 指企业中未完成或延迟的IT项目和需求）。这些代码生成的东西，加上我可以使用代理查询所有SaaS应用程序并获得更多效用，这将是应用程序的最大爆炸式增长，它们将被称为代理，这样每个垂直行业、每个行业、每个类别，我们都将突然拥有被服务的能力。所以会有很多价值。你不能停滞不前。你不能再说老一套的：“哦，我设计了一个狭窄的业务流程，我在浏览器中有一个用户界面，那就是我的东西。”情况不会是这样。你必须向上堆栈，说：“我必须参与的任务是什么？”你将希望能够将你的SaaS应用程序变成一个出色的代理，参与到多代理世界中。只要你能做到这一点，那么我认为你甚至可以增加价值。

微软的“公司人”文化与长青之道

我能问你一些关于你在微软工作期间的问题吗？做一个“公司人”是否被低估了？你在微软度过了大部分职业生涯，可以说你之所以能够创造如此多的价值，是因为你了解公司的文化、历史和技术。你通过晋升获得了所有这些背景。更多的公司是否应该由拥有这种背景的人来管理？

这是一个很好的问题。我以前没有这样想过。在我现在微软的34年里，我每年都对在微软工作感到更兴奋，而不是认为，哦，我是一个公司人或什么的。我认真对待这一点，即使对于任何加入微软的人也是如此。他们加入微软，只要他们觉得可以将其作为一个平台，既能获得经济回报，又能实现使命感和目标感。这就是合同。所以我认为是的，公司必须创造一种文化，让人们能够进来并成为像我这样的公司人。微软做得对的地方比错的地方多，至少在我看来是这样，我希望情况能保持下去。

你提到的第六任微软CEO，他将使用你现在开始的研究，你正在做些什么来留住未来的萨提亚·纳德拉们，以便他们能够成为未来的领导者？这很吸引人。这是我们成立50周年，我对此思考了很多。思考它的方式是，长寿不是目标；相关性才是。我必须做的事情，以及我们20万员工每天都必须做的事情是：我们所做的事情对我们所看到的世界演变有用且相关吗？不仅仅是今天，还有明天？我们生活在一个没有特许经营价值（Franchise Value: 指企业因其品牌、市场地位或独特优势而拥有的超越其有形资产的额外价值）的行业，这是另一个困难的部分。如果你看看我们今年将花费的研发预算，那都是对五年后会发生什么的猜测。你必须带着这种态度去投入，说：“我们正在做我们认为会相关的事情。”

所以你必须专注于此。然后要知道有一个打击率，你不会——你必须对失败有很高的容忍度。你必须进行足够的射门，才能说：“好的，我们公司会走到另一边。”这就是这个行业棘手的地方。说到——你刚刚提到，距离微软成立50周年还有两个月。如果你看看市值排名前十或前五的公司，基本上除了微软之外，其他公司都比微软年轻。这是一个有趣的观察，说明为什么最成功的公司通常都很年轻。财富500强公司的平均寿命是10到15年。微软做了什么来保持这么多年的相关性？你们如何不断地“再创业”？

我喜欢Reed Hoffman（里德·霍夫曼: LinkedIn联合创始人）使用的“再创业”这个词。这就是心态。人们谈论创始人模式，但对我们这些凡人CEO来说，更像是再创业模式。能够以全新的视角看待事物是关键。就你的问题而言：我们能否在文化上创造一个环境，让再创业成为一种习惯？我们每天都进来，说：“我们觉得我们在这个地方有责任改变我们所做事情的核心假设，以及我们与周围世界的关系。我们是否给自己这样的许可？”我认为很多时候，公司感到被商业模式或其他东西过度束缚。你只需要解除束缚。

科技的民主化与认知劳动的未来

如果你离开了微软，你会创办一家什么样的公司？我会创办的公司？天哪。这就是我的“公司人”本性会说：“我永远不会离开微软。”如果我考虑做点什么，我认为选择一个领域，它具有……当我审视科技的梦想时，我们总是说科技是最大、最伟大的民主化力量。我觉得我们终于有了这种能力。如果你说我们能产生每美元每瓦特的token，我很乐意找到一个可以应用它的领域，那里是如此的服务不足。那就是医疗保健、教育……公共部门将是另一个地方。如果你选择这些服务不足的领域，作为这个国家的公民或这个社会的成员，或者任何地方，如果所有这些丰富性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为我服务，我是否会过得更好？那将是一个方向。

有一件事，听了你对不同问题的回答，我不太确定，那就是你是否认为AGI是一个“东西”。会不会有某种东西能够自动化所有认知劳动，就像任何人在电脑上能做的事情一样？

这就是我对人们谈论它的定义有问题的地方。认知劳动（Cognitive Labor: 需要运用智力、分析、判断和创造力来解决问题和产生新知识的工作）不是一个静态的东西。今天有认知劳动。如果我有一个收件箱来管理我所有的代理，那是不是新的认知劳动？今天的认知劳动可能会被自动化。那么新产生的认知劳动呢？这两件事都必须考虑到，那就是这种转变……这就是为什么我至少在脑海中做出这种区分：不要混淆知识工作者和知识工作。今天的知识工作很可能可以自动化。谁说我的人生目标是整理我的电子邮件？让AI代理整理我的电子邮件。但整理完我的电子邮件后，给我一个更高层次的认知劳动任务，比如“嘿，这是我真的想让你审阅的三份草稿。”那是一个不同的抽象层次。但AI会达到第二个层次吗？它可能会，但一旦它达到第二个层次，就会有第三个层次。为什么我们认为，当我们在历史上处理过改变认知劳动的工具时，我们却担心所有的认知劳动都会消失？

我确信你以前听过这些例子，但马匹仍然可以在某些方面发挥作用，有些地形汽车无法通过。但你不会在街上看到马匹，它们不会雇佣数百万匹马，这根本不会发生。那么问题是，人类是否也会发生类似的事情？但只是在一个非常狭窄的维度上吗？人类历史上只有200年，我们才开始重视我们所理解的某些狭窄的“认知劳动”。

让我们以化学为例。如果量子计算加上AI真的帮助我们做了很多新材料科学等等，那么由它来完成新材料科学是极好的。这会剥夺人类能做的所有其他事情吗？为什么我们不能生活在一个有强大认知机器的世界里，同时知道我们的认知能动性并没有被剥夺？

AI在董事会中的角色与科学加速

我问这个问题，不是关于你，而是在一个不同的场景中，所以也许你可以毫不尴尬地回答。假设在微软董事会中，你是否会考虑增加一个AI成员？它是否能拥有判断力、背景和全面的理解，成为一个有用的顾问？

这是一个很好的例子。我们添加的一项功能是Teams中的协调代理（Facilitator Agent: 在会议或协作中提供辅助，帮助参与者保持专注和高效的AI工具）。其目标，目前处于早期阶段，是这个协调代理能否利用长期记忆，不仅是会议的上下文，还有我正在进行的项目、团队等等的上下文，成为一个出色的协调者？我甚至希望它能在董事会会议中发挥作用，因为会议很容易走神。毕竟，董事会成员每季度才来一次，他们试图消化像微软这样复杂公司正在发生的事情。一个协调代理，能够真正帮助人类成员都保持专注，关注重要问题，那真是太棒了。这就像字面意义上的，回到你之前的问题，拥有一个无限记忆的东西，甚至可以帮助我们。毕竟，Herbert Simon（赫伯特·西蒙: 诺贝尔经济学奖得主，提出“有限理性”概念）说过什么？我们都是有限理性（Bounded Rationality: 指人类在决策时，由于信息、认知能力和时间等限制，无法做到完全理性）的。所以如果人类的有限理性能够通过外部的认知放大器来解决，那将是极好的。

说到材料和化学方面，我想你最近说过，你希望这些领域未来250年的进步能在未来25年内实现。现在，当我想到未来250年可能发生的事情时，我想到的是太空旅行、太空电梯、永生和治愈所有疾病。你认为未来25年就能实现吗？我之所以提出这一点，是因为我喜欢工业革命持续了250年的说法。我们必须将整个系统从碳基转变为不同的东西。这意味着你必须从根本上重塑过去250年化学领域发生的一切。这就是我希望我们拥有量子计算机的地方，这台量子计算机帮助我们获得新材料，然后我们就可以制造这些新材料，帮助我们解决地球上所有挑战。然后，我完全支持星际旅行。

太棒了。Satya，非常感谢你的时间。非常感谢。太棒了。谢谢。好的，谢谢。