Satya Nadella——微软的 AGI 计划与量子突破

Satya Nadella 谈：

- 为什么他不相信 AGI，但相信经济会增长 10%，

- 微软新公布的拓扑量子比特突破，以及游戏世界模型，

- 是 Office 让大语言模型商品化，还是反过来。

00:00Satya，感谢你来参加我们的播客。

我们马上会聊到微软刚刚取得的两项突破。恭喜你们同一天在《自然》杂志上发表成果：Majorana 零能芯片，就在我们面前；还有世界人类行为模型。不过，我们能不能先接着聊刚才的话题？你说自己在 80 年代和 90 年代看到的那些现象，如今又再次出现了。

Dwarkesh，首先很高兴来上你的播客。我经常听，也很喜欢你采访的方式和探讨的广泛话题。让我兴奋的是……

这让我想起我刚进入科技行业的头几年，大概从 90 年代开始。当时大家激烈争论，到底该选 RISC 还是 CISC，或者我们能不能用 x86 架构构建服务器。

我加入微软时，Windows NT 项目刚刚启动。从底层芯片平台、操作系统到应用层，整套技术栈都在接受检验。

云计算和分布式计算确实带来了很多变化，改变了客户端—服务器模式；互联网也带来了巨大变革。但这次感觉技术栈可能更完整，至少比我参与过的以往转型都更全面。

回头看 80、90 年代哪些决策最终经受住了时间考验，哪些没有，尤其是你在 Sun Microsystems 工作过，他们经历过 90 年代互联网泡沫。现在有人认为数据中心建设也是泡沫，但与此同时，正是当年建成的基础设施让我们拥有了今天的互联网。

哪些经验能帮助我们判断什么会经受住时间考验？什么是长期趋势，什么只是昙花一现？

回顾我参与过的四次重大转型，最早是个人计算和客户端—服务器模式。这包括图形用户界面的诞生，以及 x86 架构让我们能够构建服务器。

我很早就看清了这一点。1991 年我在 Sun 工作时，去过后来叫作 PDC 的大会，在旧金山 Moscone 中心。微软首次介绍 Win32 接口时，我就清楚服务器也会采用 x86 架构。某种技术一旦获得规模优势，这就是应该押注的长期趋势。客户端发生的事也会在服务器端发生，随后人们就能构建客户端—服务器应用，应用模式也逐渐清晰。

后来互联网成为一项重大转型，我们必须应对。我刚加入微软不久，Netscape 或 Mosaic 浏览器就出现了，大概是 1993 年 11 月或 12 月，对吧？我记得是 Marc Andreessen 团队推出的。

这确实改变了局面。当时我们刚开始客户端—服务器转型，也很明显我们会在这一波胜出，浏览器却突然出现，我们不得不调整。我们调整得还不错，因为浏览器创造了一种新的应用模式。

我们在 Word 里加入 HTML，自己开发浏览器参与竞争，也在服务器技术栈上构建 Web 服务器。但我们错过了后来成为互联网最大商业模式的东西：当时我们以为互联网的核心只是分布式架构，谁会想到搜索会成为组织互联网信息的最大赢家？这方面我们显然没看懂，而 Google 看到了并且执行得非常出色。

这让我学到一点：不仅要看准技术趋势，还要看清这项趋势会在哪里创造价值。这些商业模式转变可能比技术趋势变化更难把握。

05:04AI 的价值会在哪里产生？

这是个好问题。有两点我能比较有把握地说。第一，表现出色的超大规模云服务商会赢得优势。回到 Sam 等人常说的话，如果智能与算力的对数成正比，那么能大规模提供算力的公司就是大赢家。

另一个有意思的地方是，看看任意 AI 工作负载，比如 ChatGPT。大家关注 GPU 的表现，确实很重要。但我看自己的数据中心集群时，会同时关注 AI 加速器、存储和通用计算的比例。规模扩大后，这些都得跟着扩张。

是的。

因此，世界对这类基础设施的需求只会呈指数级增长。

没错。

这些 AI 工作负载简直是天赐之物，因为它们需要更多算力，而且不只是训练算力，我们现在还知道推理阶段也需要。AI 智能体会让算力使用呈指数级增长，因为不再只是一个人调用一个程序，而是一个人调用程序，程序又会调用许多其他程序。这将为算力基础设施创造巨大需求，要求其大规模扩张。我认为我们的超大规模云业务，也就是 Azure，以及其他云服务商的业务，都会因此获益。

再往上就不那么清楚了。有人会说这会赢家通吃，但我不这么看。这也是我学到的一点：能否看清哪些市场会赢家通吃、哪些不会，在某种意义上决定一切。我刚开始做 Azure 时，Amazon 已经领先很多。投资者常来跟我说：“完了，你们永远追不上，Amazon 会赢家通吃。”

我曾经和 Oracle、IBM 在客户端—服务器市场竞争，所以知道买家不会容忍赢家通吃的局面。从结构上看，超大规模云计算不会赢家通吃，因为客户很精明。

消费市场有时会赢家通吃，但只要买家是企业、公司或 IT 部门，他们就会希望拥有多家供应商。因此你必须成为其中一家供应商。

我认为模型市场也会如此。会有开源模型，也会有守门人。我从 Windows 的经验中学到一大教训：只要有一个闭源操作系统，就会出现一个开源替代品来与之互补。

某种意义上，这会形成有力制衡。我认为模型领域可能有几家闭源厂商，但一定会有开源替代品；开源模型会限制闭源模型赢家通吃的可能性。

这就是我对模型市场的看法。顺便说一句，如果这项技术真像人们说的那么强大，政府也不会袖手旁观，任由私人公司在全世界……我不认为这会是赢家通吃的市场。

再往上，在消费市场的某些类别里，网络效应可能确实会带来赢家通吃。ChatGPT 就是个好例子。

它已经成为一个规模很大的消费产品，取得了真正的领先优势。我去 App Store 看时，它总在前五名，让我觉得“哇，这真不可思议”。

他们利用早期优势，建立了应用层面的领先地位。在消费市场，这种情况可能发生；但在企业市场，每个类别会有不同赢家。至少这是我分析市场的方式。

我还有很多追问，但我们得马上聊量子问题。关于模型可能商品化这件事：几十年前也有人可能对云计算说过类似的话，认为它不过就是芯片和机箱。

但最后你和其他人还是设法在云计算领域获得了惊人的利润率，找到了规模经济和附加价值。抛开术语不谈，如果你拥有 AGI，它能帮你开发更好的 AI——现在是合成数据和强化学习，将来可能是自动化 AI 研究员——这似乎是一种巩固优势的好办法。你怎么看？领先优势到底有多重要？

规模化之后，没有什么是商品。你说得对，当年大家也会说云计算是商品。但到了规模层面……这就是为什么运营超大规模云服务需要专业知识。你可以说：“这有什么难的？把服务器装进机柜、堆起来就行。”

对。

超大规模云计算刚开始时，多数人认为这些主机托管服务商不是好生意，也不确定超大规模云服务是否真能成为一门生意。事实证明这是个真正的生意，因为要运营 Azure 这样的全球计算基础设施，在全球 60 多个区域提供大量算力，需要极高专业能力，很难复制。

我真正想强调的是，这是不是一个赢家通吃的市场？这点必须看准。我喜欢进入规模庞大、但不必赢家通吃的市场。最理想的是市场足够大，能容纳几家赢家，而你是其中之一。

这就是我对超大规模云计算层的看法。模型最终要运行在云计算之上，这种联系会长期存在。模型本身还需要状态，也就是存储；运行智能体和它们的环境，也需要通用计算。

因此我不认为一家企业能靠单个模型一路领先，最后独占整个市场。

说到超大规模云服务商，你们还拥有一个优势，尤其考虑到推理时扩展会参与未来模型的训练：数据中心和 GPU 不仅能用于训练，之后也可以用于推理。

我很好奇你如何看待微软和 Azure 的定位。是专注预训练，还是提供 o3 那种推理服务？还是说你们会托管、部署市场上的每一个模型，对具体模型保持中立？

这是个好问题。我们想要建设的集群，某种意义上要跟上摩尔定律。我认为这和过去做其他事情一样：每年更新集群，根据这些设施的生命周期和价值进行折旧，然后非常擅长部署集群，以高利用率执行不同工作。有时需要特别大型的训练任务，它要求集中配置大量峰值算力，并保持协同运行。很好，我们应该有足够的数据中心覆盖面来支持这种任务。

但最终，即使是预训练任务也会变得非常庞大，不得不跨越数据中心边界。各种计算工作其实都差不多。

一旦预训练跨越多个数据中心，它和其他分布式计算任务有什么本质区别？我的看法是，分布式计算会一直存在。因此要建设好集群，让它适合大型训练任务、推理时计算；如果强化学习会继续发展，那就训练一个大型模型，然后进行大量强化学习。在我看来，这仍然是增加训练算力，因为你想为不同任务创建高度专业化、经过蒸馏的模型。

所以你需要这样的算力集群，还需要模型服务设施。光速就是光速，不可能在德克萨斯建一个数据中心，就从那里服务全世界。

你必须在全球各地都有推理集群，才能就近服务当地用户。这就是我对真正超大规模云计算集群建设的理解。

另外，我还希望存储和通用计算靠近这些设施，因为 AI 加速器之外也不全是无状态计算。训练数据本身需要存储；我还要能够复用多个训练任务，提供内存，以及让智能体能够运行程序的环境。这就是我的整体设想。

15:18你们最近报告说，微软的 AI 年收入是 130 亿美元。如果按同比增长趋势计算，再过四年就会达到十倍，也就是 1,300 亿美元的 AI 收入。如果真的如此，你预计会用如此大规模的智能做什么？

会通过 Office 实现吗？还是你们部署 AI、为其他公司托管？要达到 1,300 亿美元收入，微软得拥有 AGI 吗？具体会是什么样？

Dwarkesh，这是个好问题。我是这么想的：如果我们真的会迎来这种爆发，智能像商品一样充足，那么首先应该观察到的是 GDP 增长。

在谈微软的收入会是什么样之前，我觉得整件事只有一个制约因素。AGI 的炒作让我们有些过于超前了。想想看，发达经济体的增长率大约只有 2%；如果扣除通胀，实际增长是不是接近零？

现在是 2025 年。我不是经济学家，但至少在我看来，我们确实面临增长挑战。所以我们说这类似工业革命时，首先应该实现工业革命那样的增长。

对我来说，这意味着 10%、7%……发达经济体扣除通胀后增长 5%。这才是关键指标，不能只看供给侧。

很多人都在写这个问题，我很高兴他们这么做。真正的赢家不会是科技公司，而是那些使用这种充足、商品化智能的各行业。生产率突然提高，经济增速也随之加快。出现这种情况后，我们科技行业就会发展得很好。

但这才是关键。我们自称达到某个 AGI 里程碑，在我看来只是毫无意义的基准测试作弊。真正的指标是世界经济增长 10%。

假设世界实现 10% 的增长。全球经济规模大约是 100 万亿美元，那每年就会多创造 10 万亿美元价值。如果真是这样，作为超大规模云服务商，800 亿美元算很多吗？你们是不是应该做到 8,000 亿美元？

如果你真的认为几年内全球经济能以这样的速度增长，而且关键瓶颈是有没有足够算力部署 AI、完成所有这些工作……

没错。不过，传统的供给侧思路是：“先建起来，客户自然会来。”这是一个理由，而且我们已经承担过足够多的风险去建设。

但到某个阶段，供给和需求必须匹配。这就是为什么我会同时关注两边。如果只炒作供给侧，却不真正理解怎样把它转化为客户价值，就可能完全脱轨。

这也是我为什么关注推理收入。披露推理收入数据……有意思的是，没多少人谈实际收入；但对我来说，这些收入是判断发展的制约因素之一。

我不是说供给和需求必须时刻对称匹配，但必须有证据证明，我们能把昨天的投入——比如资本——转变为今天的需求。这样你才能继续投资，甚至可能以指数级速度投资，同时避免供需节奏完全脱节。

我不确定这两种观点之间是否矛盾。你做得非常好的一点，就是愿意尽早押注。你在 2019 年投资 OpenAI 时，还没有 Copilot，也没有任何应用。

回看工业革命，铁路等基础设施建设增长了 6%、10%，许多项目一开始并不是因为“票务收入已经到位，所以我们现在要……”

确实有很多投资亏损了。

没错。如果你真认为全球增长率可能变成现在的五倍或十倍，然后却说：“GPT-4 的收入是多少？”

如果你真相信增长可能达到这个程度，不是应该想：“放手一搏，投几千亿美元建设算力”吗？毕竟这并非完全不可能。

有意思的是，这也是为什么我非常重视算力集群要均衡建设。重点不只是把算力建起来，而是建成既能训练下一代大型模型、又能服务这些模型的算力设施。在这两方面都做到之前，你还无法真正从投资中获益。

所以竞赛不是看谁先建出一个模型，而是看谁能创造出一种在世界各地使用、推动发展的商品。你必须有一个完整的思路，不能只考虑一件事。

另外，肯定会出现过度建设。你提到互联网泡沫，市场上的信号已经发出：“我们需要更多能源、更多算力。”谢天谢地，大家都开始行动了。

不只是企业，各国政府也会投入资本。因此确实会……我很高兴自己是租赁方，因为我们既建设，也会租用大量产能。我很期待 2027、2028 年租赁很多算力容量。看着各种建设计划，我觉得太好了。算力建设只会让价格下降。

21:39说到价格下降，你最近在 DeepSeek 模型发布后发文谈到杰文斯悖论。能展开说说吗？当某种资源的需求高度弹性时，就可能出现杰文斯悖论。智能的价格是不是瓶颈？

至少作为消费者，我的使用场景已经觉得智能非常便宜，每百万 token 大概两美分。我真的还需要它降到 0.02 美分吗？我更受限于模型变得更聪明。如果你要收我 100 倍的价格，那就投入 100 倍训练算力。我很乐意让公司这么做。

不过你们可能从企业侧看到不同情况。什么关键用例必须把智能价格降到每百万 token 0.002 美分？

关键在于 token 的效用。两件事都得发生：智能既要变得更好，也要变得更便宜。每次技术突破都会改变单位 token 性能的效率前沿；比如 DeepSeek 的成果就移动了这条曲线、推进了前沿，从而带来更多需求。云计算也是如此。

有意思的是，以前大家认为客户端—服务器时代已经把服务器卖完了。可一旦我们开始把服务器放到云端，人们突然用得更多，因为购买更便宜、资源有弹性，计费方式也从许可证变成按量付费，整个市场因此扩大了。

我记得以前去印度推广 SQL Server，销量不多。但印度的云业务规模远超我们在传统服务器时代所能做到的。我认为 AI 也会如此。

如果你想知道这会带来多大变化，想想全球南方或发展中国家。如果人们能以很低的成本获得用于医疗保健的智能，那将会是前所未有的改变。

我觉得旧金山的人谈这个话题时，别人完全可以合理地认为：“他们有点天真，不知道真实世界里如何部署技术。”

你与《财富》500 强企业合作，帮助它们把技术部署给数亿、数十亿人。你觉得这些能力会以多快速度部署？

即使智能体能正常工作、能替你做远程工作，考虑到合规等固有瓶颈，部署会成为重大障碍吗？还是会很快推进？

这确实是个挑战，因为真正的问题是变革管理，也就是流程变化。我常用一个例子：想象在个人电脑、电子邮件和电子表格出现之前，跨国公司如何做预测。文件通过传真传来传去，有人再写成内部备忘录传阅，大家录入数字，最后得到预测，可能刚好赶上下一季度。

后来有人说：“我可以用 Excel 表格，通过电子邮件发出去，大家编辑后就能得到预测。”整个预测业务流程都变了，因为工作产物和工作流程变了。

AI 进入知识工作后，也需要发生这种变化。事实上，我们谈智能体时，关键就在于工作和工作流程会随之改变。

例如，为这次播客做准备时，我会对 Copilot 说：“我将和 Dwarkesh 讨论微软的量子公告和新开发的游戏生成模型，帮我总结一下需要预习的材料。”它知道两篇《自然》论文，并做了总结。我还说：“把内容整理成播客形式。”它甚至生成了我们两个人讨论这件事的对话稿。

然后我把内容分享给团队。我把它放到 Pages 里，也就是我们的工作内容平台，再分享出去。所以我的新工作流程变成：我和 AI 一起思考，再与同事协作。

知识工作者都需要经历这种根本性的变革管理，弄清楚：“怎样用新方式完成知识工作？”销售、财务和供应链都会经历类似过程，这需要时间。

对于现有企业，我喜欢用制造业的精益生产作类比。精益生产逐步发展成一套方法，帮助人们端到端审视制造流程并提高效率；它强调持续改进、减少浪费、增加价值。

这套方法也会进入知识工作，特别是帮助提高知识工作的效率。管理团队和知识工作者都需要付出艰苦努力，这会需要时间。

我想追问这个类比。精益生产的一项成果是从物理上改变工厂车间的样貌，还揭示出之前没注意到的瓶颈；只有认真研究流程与工作方式，才能发现它们。

你刚才简单提到自己的工作流程如何因 AI 改变。我想请你多举些例子：当 AI 智能体越来越聪明时，经营一家大型公司会是什么样？

这个问题很有意思。比如现在我收到很多电子邮件，早上打开邮箱时会想：“天啊，收件箱都满了。”然后我就开始回复。我很期待 Copilot 智能体能自动生成草稿，让我审核并发送。

不过我现在至少已经在 Copilot 里使用十个智能体，针对不同任务向它们提问。我觉得未来会出现一个新收件箱：我调用的数百万个智能体会把例外情况和通知发给我，或向我请示。

我在想，这会需要一种新的支架，也就是“智能体管理器”。它不能只是聊天界面。我需要比聊天界面更聪明的东西，来管理所有智能体及其对话。

这也是为什么我认为 Copilot 作为 AI 用户界面非常重要。我们每个人都会拥有它。可以这样理解：有知识工作，也有知识工作者。许多智能体可以完成知识工作，但仍然需要知识工作者来管理所有这些智能体。我认为我们必须构建这样的界面。

30:19你是世界上少数几位可以说自己能调动 20 万……微软公司以及所有员工组成的智能网络。你必须管理它，也得与之协作、善用它。希望未来更多人都能有这样的体验。

我很好奇，你的收件箱——也就是说每个人的收件箱——将来会不会都变得和你早上的收件箱一样。

聊到这之前，我还想继续问 AI 的事，但我真的很想问问微软研究院公布的量子领域重大突破。能解释一下具体发生了什么吗？

这是我们走了 30 年的一段旅程，真不可思议。我是微软第三位对量子计算充满期待的 CEO。

我们一直以来的核心愿景是：要构建实用规模、真正可用的量子计算机，需要物理学上的突破。我们的做法是，寻找一种由物理性质本身保证可靠性、噪声更低的量子比特。这把我们带到了 Majorana 零模；这一理论在 20 世纪 30 年代就已提出。关键问题是，能不能在物理上制造它们，真正把它们做出来？

我知道你采访过 Chetan。这次重大突破可以说是：我们终于在一种新物态中，证实了 Majorana 零模存在，并实现了物理学突破。因此我们把它类比为量子计算的晶体管时刻。我们发现了一种新的物态，也就是拓扑相；这意味着现在我们能够可靠地隐藏和测量量子信息，也能制造这种器件。迈过核心基础制造技术这一关后，我们就可以开始制造 Majorana 芯片了。

我认为 Majorana 1 将成为第一款能够容纳一百万个物理量子比特的芯片，并在此基础上实现数千个经过纠错的逻辑量子比特。到那一步，局面就打开了：我们突然可以构建真正具备实用规模的量子计算机。现在这件事可行得多了。没有这样的突破，我们或许还能完成一些里程碑，但永远造不出实用规模的量子计算机。这就是我们兴奋的原因。

太棒了。顺便说一下，我相信眼前这个就是它。

没错，就是它。

是的。

我现在都忘了，我们是不是叫它 Majorana？对，没错，Majorana 1。很高兴我们用这个名字。

想想看，我们能在这么小的东西里造出容纳一百万量子比特的量子计算机，这简直不可思议。关键就在这里：除非能做到这一点，否则就别想构建实用规模的量子计算机。

你是说最终的一百万个量子比特会集成在这么大的芯片上？太棒了。

其他公司宣布过 100 个物理量子比特，比如 Google、IBM 等。你们宣布了这项成果，同时认为你们的方案从长远看可扩展性强得多。

是的。我们采用的一个重要方法是把软件和硬件分开。我们正在构建软件栈，也和中性原子、离子阱领域的团队合作，还与光子学等领域的团队合作；这些方案可能带来不同类型的量子计算机。最近一次发布的结果大概是 24 个逻辑量子比特。纠错方面也有很大突破，这让我们能在中性原子和离子阱量子计算机上实现 20 多个逻辑量子比特。我觉得今年这个指标还会继续提升。

但与此同时，我们也从第一原理出发，决定押注拓扑量子比特、建造自己的量子计算机。这次突破就是围绕这件事。

太棒了。一百万个拓扑量子比特、数千个逻辑量子比特，预计要多久才能扩展到这个规模？如果把第一个量子比特比作第一只晶体管，这里的“摩尔定律”会是什么样？

我们显然为此努力了 30 年。现在终于有了物理学和制造工艺上的突破，我很高兴。

我真希望现在就有一台量子计算机。因为量子计算机能帮我们造更多量子计算机：它能逐个原子地模拟这些新量子门的结构，造起来会容易得多。

无论如何，下一步真正重要的事是：既然我们掌握了这种制造技术，就去建造第一台容错量子计算机。这就是接下来的目标。

现在我可以说，也许到 2027、2028 或 2029 年，我们就能造出它。我们有了这个量子门，下一步是把它集成到集成电路中，再把这些电路装进真正的计算机里。

你觉得到了 2027 或 2028 年，成功运行后会是什么样？人们会通过 API 使用吗？微软会把它用于材料和化学研究吗？

这是个好问题。让我兴奋的一点是，即使在今天，我们已经有量子计算项目，也为它添加了 API。大约两年前的一次突破，是把高性能计算（HPC）、AI 和量子计算结合起来思考。

事实上，AI 可以看作模拟器的仿真器，而量子计算则像是自然界的模拟器。量子计算要做什么？顺便说一句，量子计算不会取代经典计算；量子适合处理它擅长的问题，经典计算也会继续发挥作用……

量子计算特别适合数据量不大、但需要探索庞大状态空间的问题。状态空间可能呈指数级增长。模拟就是个好例子，比如化学物理、生命科学之类。

我们已经开始用 AI 作为仿真引擎。你可以进一步训练它们。我的想法是，如果把 AI 和量子计算结合起来，或许可以用量子计算生成合成数据，再用这些数据训练更好的模型，让模型学会模拟化学、物理等领域。这两种技术会结合起来使用。

即使今天，我们实际上也在结合使用 HPC 和 AI。我希望未来能用量子计算机替代其中一部分 HPC 工作。

我想问问，你如何决定这些可能要等 20、30 年才能见效的研究投资？尤其是像微软这样的公司。你显然密切参与了这个项目的技术细节。但微软研究院做的所有项目，你都能了解和判断吗？

你怎么知道当前押注的项目 20 年后会成功？这必须在组织内部自然形成，还是你有办法持续跟踪？

让我很欣慰的是，Bill 大概在 1995 年创办了微软研究院 MSR。纵观以好奇心驱动的研究组织历史，微软这些年来建立起了基础研究机构，也积累了组织能力。在分配资本和预算时，我们会先划出 MSR 的经费。每年都要投入其中，并且知道很多项目在任何有限的时间范围内都不会见效。也许微软第六任 CEO 才会从中受益。科技行业就是如此。

对我来说，真正关键的问题是：当量子、新模型或其他技术成熟时，我们能否抓住机会？回顾科技史， incumbents 并非完全没有投资；关键是要有能够把创新扩大应用的文化。

说实话，对 CEO 和管理团队来说，这才是最难的事，也很有意思。这既需要良好判断力，也需要好的组织文化。有时我们做对了，有时做错了。我可以列出微软研究院上千个我们本该率先推出、却没有推进的项目。我总会问自己为什么没做到：因为我们没有足够的信心，也没有形成完整思路，弄清楚如何把创新变成有用产品，再配上商业模式推向市场。

CEO 和管理团队的工作，不是对某一项技术感到兴奋，而是要把完整方案真正执行出来。这说起来容易，做起来难。

你说微软可能还要经历三任 CEO 才能看到成果。如果每个人都让市值增长十倍，到了下一次突破时，微软岂不是会达到世界经济那么大？

别忘了，世界经济会以 10% 的速度增长，所以我们没问题。

42:51我们来深入聊聊你们刚刚取得的另一项重大突破。两项成果同一天发布，真不可思议。你能介绍一下这些游戏世界模型吗？

我们会把它叫作 Muse。它是一个世界行动模型，也可以说是人类行为模型。

这非常酷。DALL·E 和 Sora 等生成模型已经带来惊人进展。我们想尝试的是利用游戏过程数据，生成连贯的游戏内容，同时呈现游戏的多样性，并能适应用户修改。

这就是 Muse。团队和我们一家游戏工作室合作开发，这也是当天发表在《自然》上的另一项成果。

让我兴奋的是，我们很快会有一系列游戏目录，用这些模型生成游戏，然后开始实际试玩。

Phil Spencer 第一次给我展示时，他拿着一个 Xbox 手柄，模型根据他的操作输入生成对应画面，而且与游戏内容保持一致。这一刻让我觉得：“哇。”就像我们第一次看到 ChatGPT 补全句子、DALL·E 画图或 Sora 生成视频时一样。这是一个这样的时刻。

今天早上，我有机会和你们的首席研究员 Katja 看了实时演示视频。和她交谈后，我才真正意识到这有多惊人：过去我们用 AI 建模智能体，现在用同样的方法建模智能体周围的世界，就能实时生成连贯内容。我们会在节目里叠加视频，让大家能亲眼看看；等播客上线时，相关视频应该也能看到了。

这项成果本身就非常不可思议。在你担任 CEO 期间，你投资数百甚至上千亿美元，扩大微软游戏业务并收购知识产权。

现在回头看，如果可以把这些数据整合进一个大型模型，让用户同时进入并探索多个不同世界，而且游戏将朝这个方向发展，那么这些投资看起来相当不错。你之前预见过这种情况吗？

我不会说我们投资游戏是为了构建模型。说实话，我们投资是因为我们一直有个有意思的传统：微软在 Windows 之前就开发了第一款游戏。Flight Simulator 早在 Windows 问世前就是微软的产品。

所以游戏在微软有悠久历史，我们希望做游戏就是因为喜欢游戏本身。我总是先说，不喜欢把某项业务当成实现其他目标的手段。业务本身必须有独立价值。

当然，我们也不是一个单纯的企业集团。我们需要把各种资产结合起来，通过创造价值成为更好的所有者。比如云游戏就是值得自然投入的领域，因为它会扩大市场规模，让人们可以在更多地方玩游戏。

AI 与游戏也是如此。我们确实认为它或许会像 CGI 一样，长期改变游戏的发展方式。作为全球最大游戏发行商，这会对我们有帮助。但与此同时，我们必须制作高品质游戏。毕竟，游戏发行商首先得专注做好游戏。

不过，游戏数据不仅对游戏有意义，也可以用于构建通用行动模型和世界模型，这非常令人兴奋。我把游戏数据看作 YouTube 数据对 Google 的意义：对微软来说，游戏数据可能有同等价值。

是的，我想说的是，不同类型的游戏也许能整合成一种统一体验。这和你们过去做的其他事情有什么联系，比如混合现实？也许能让小型游戏工作室制作 AAA 级动作游戏？五年、十年后可能是什么样？

五六七年前我就把这三项看作微软的基石，当时我说我们要押注 AI、量子计算和混合现实。现在我仍然相信这三项，因为说到底，我们要解决哪些重大问题？

临场感。这是混合现实的理想：能否创造真实的临场感？比如你我像现在这样面对面做播客。

老实说，我认为这仍然是三项挑战中最难实现的一项。我原以为更容易解决，但也许因为社交层面的问题——比如人们要戴着设备——让它更难。

我们很期待与 Anduril 和 Palmer 合作，推进 IVAS 项目。这是个很棒的应用场景，我们会继续投入。

但二维界面也很重要。疫情让 Teams 等产品证明，即使通过二维界面也能创造某种临场感。我认为这一趋势会持续，这是一个长期趋势。

我们谈过量子，另一项是 AI。这三项技术——混合现实、量子和 AI——如何结合？最终不能只是为了技术而发展技术，而是要解决人类生活中的根本需求，更要在经济中提高生产率。如果我们能做好这一点，就算真正取得了进展。

你写下一本书时，得解释为什么这三项技术会在差不多同一时期出现。毕竟没有什么内在规律能说明量子计算和 AI 一定会在 2028 年或 2025 年出现。

没错。我有个简单模型：先问有没有系统层面的突破。对我来说，量子计算就是系统层面的突破。

再问有没有业务逻辑上的突破。对我来说那就是 AI：能不能用根本不同的方式处理逻辑？我们能否不再用命令式代码，而是使用学习系统？这就是 AI 带来的突破。

用户界面这一层的突破就是临场感。

49:51回到 AI。你在 2017 年的书里写道……你在 2019 年很早就投资 OpenAI，但 2017 年还更早。你书里说：“也可以说，我们正在孕育一个新物种，它的智能可能没有上限。”

2017 年谈这件事当然还太早。刚才我们具体聊了智能体、Office Copilot、资本支出等。但如果把视角拉远，考虑你在书里写的那句话，以及你作为超大规模云服务商、同时负责这些模型研发、为训练、推理和研究提供支持，帮助“孕育一个新物种”的角色，你会如何从整体上看这件事？

你认为在你担任 CEO 期间，我们会发展出超人类智能吗？

我觉得 Mustafa 最近也用了这个说法。他最近确实说过“新物种”。

我的看法是，我们肯定需要信任。在我们宣称这件事大到像一个物种之前，必须先解决根本问题：我们是否真的信任它？无论是个人层面还是社会层面，都必须建立在真实信任之上。这才是难题。

我认为最大的速度限制因素，是法律……可以说是法律基础设施如何发展，来应对这种情况。我们谈论算力基础设施，但同样要问法律基础设施如何演进。整个世界建立在这样一些概念上：人类拥有财产、享有权利并承担责任。首先必须弄清楚，这对人类使用的工具意味着什么？如果人类要把更多权力委托给这些系统，制度结构又该如何变化？在这些问题真正解决之前，我认为单谈技术能力无法让这种部署发生。

你的意思是，在我们弄清楚……之前，就无法部署这类智能？

完全正确。毕竟，今天你无法部署这些智能，除非有一个人类承担责任。

正如你所说，我认为即使是最强大的 AI，也应当在某种程度上接受人类委托的权限。你可以说这属于对齐问题之类。正因为如此，我们必须让对齐真正奏效，而且要能以某种方式验证。但我不认为可以部署失控的智能。比如“AI 起飞”问题或许确实存在，但在它成为真实问题之前，首先会在法庭上成为问题。没有哪个社会会接受有人说：“这是 AI 干的。”

对。不过世界上有很多社会，我想知道会不会有某个地方的法律体系更容易接受这种情况。如果不能起飞，我们可能就需要担心。而且不一定非得发生在美国，对吧？

我们认为，社会整体不会对此毫不在意。当然会有流氓行为者，我不是说不会有；网络犯罪分子和流氓国家一直都存在。

但认为整个人类社会都不在意，也不对。我觉得大家都会在意。我们今天知道如何应对流氓国家和流氓行为者。世界不会坐视不管，说“我们容忍这种行为”。我很高兴我们有一个国际秩序，让流氓行为者和流氓国家承担后果。

对。但如果世界真的增长 10%，我觉得这需要 AGI，因为那意味着每年创造数十万亿美元价值，已经接近人类工资总额——大约 60 万亿美元——的规模。要达到这种程度，必须大幅自动化或增强劳动力。

如果这确实可行，而且我们能解决法律后果，那么在你任期内也很可能解决。你会认真考虑超人类智能吗？这会不会成为你职业生涯最重要的事？

你提到了另一点。我知道 David Autor 等人讨论很多：劳动力中有 60%……我认为，为了维持稳定的社会结构和民主制度，不能只有资本回报、没有劳动回报。我们可以讨论这个问题，但那 60% 的劳动力必须重新获得价值。

用我自己比较简单、也许有点天真的说法，我们会开始重新评价不同类型的人类劳动。今天被视为高价值的劳动可能会变成商品，也可能出现新的、值得重视的工作。

比如有人来帮我做物理治疗，或其他未来我们重视的工作。但归根结底，如果劳动没有回报，工作没有意义和尊严，那么这些因素也会限制技术部署。

55:46说到对齐，两年前你们发布了悉尼 Bing。先说清楚，以当时的能力水平来看，我觉得那是个迷人、讨喜而且有趣的错位例子。

但那是因为当时它只是聊天机器人，思考 30 秒，然后给出有趣或不合适的回答。如果把这类系统向前推演，想象智能体可以自主运行几小时、几周、几个月，像一群自主 AGI 一样，可能以类似方式错位并搞砸事情，甚至彼此协调。等你们打造出真正强大的系统后，打算怎样确保它们走上正轨？

没错。这也是我们分配算力时常考虑的一点：要为对齐挑战分配多少算力？

更重要的是，运行环境是什么样？我们如何监控这些系统？今天在传统软件领域，比如网络安全，也面临类似问题。我们不会写好软件就放着不管；我们会监控软件，监控网络攻击、故障注入等情况。

因此，我认为我们必须围绕部署构建足够的软件工程，也要解决模型内部的对齐问题。其中有些是真正的科学问题，有些是真正的工程问题，我们必须逐一应对。

这也意味着我们自己必须承担责任。因此我更愿意在能够治理系统范围和规模的环境中部署它们。你不能把某种系统直接释放到世界上，让它造成伤害；社会不会允许这种情况。

当智能体能够替你完成几周的任务时，要让它管理一家普通的《财富》500 强公司，最低限度需要什么保障？

我认为，即便是像 Deep Research 这样的系统，在实体化之前也有一个门槛。我觉得一旦 AI 有了实体形态，就是一道重要门槛。

另一个门槛是系统运行环境所拥有的权限。你可能需要保证它处于沙盒中，不能越界。

可我们已经有网络搜索了，也已经让系统访问沙盒外部。

但即便只是网络搜索或写入操作，比如 AI 写一段代码来完成计算，这段代码会部署在哪里？它只是临时运行、生成结果，还是会被释放到外部环境中？

这些权限都可以在行动范围内进行控制。

先不谈安全问题。看看微软自己的产品套件：如果 AI 强大到这种程度，它就不只是 Copilot 了。比如你刚才说用 AI 准备播客访谈，那和把工作委托给同事有什么区别？

从你们现有的产品看，如何加入这种能力？当然，还有一个问题：大语言模型会不会让其他东西商品化？

我在想，数据库、画布、Excel 表格等工具，如果大语言模型成了访问它们的主要入口，会不会反过来让 Office 商品化？

这是个有意思的问题。至少在第一阶段，我会问：大语言模型能否借助这些工具或画布，更有效地帮助我完成知识工作？

我看过一个很好的演示：一位医生准备参加肿瘤病例讨论会。她首先用 Copilot 制定会议议程，因为大语言模型能分析某个 SharePoint 网站上的所有病例。它会说：“这些病例情况不同，而肿瘤讨论会非常重要，你需要根据病例差异安排合适的讨论时间。”

连“如何安排讨论时间”这种推理任务，它都能完成，太棒了。于是我用大语言模型做这件事。然后参加 Teams 会议，和同事讨论病例，不必分心记笔记，因为 AI Copilot 会完整转录会议。它不只是逐字稿，而是一条可以永久检索的会议数据库记录。

会议结束后，医生已经充分讨论了病例，没有被记笔记分散注意力。她还是一位教学医生，接下来要准备课程。于是她打开 Copilot 说：“把刚才的肿瘤病例讨论会整理成 PowerPoint 幻灯片，我想用来给学生上课。”

这就是我说的情况。用户界面和支架是画布，由大语言模型填充；工作流程本身也在重塑，知识工作因此改变。

有意思的是，假设 80 年代末有人告诉我：“你桌上会有一百万份文件。”我会问：“这是什么？难道桌上真要堆一百万份纸质文件？”可实际上，我们确实会有一百万个电子表格和文档。

我没有，你有。

它们都在那里。所以未来智能体也会如此：仍然需要一个用户界面层。对我来说，Office 不只是今天的办公套件，它是知识工作的用户界面。随着工作流程演进，它也会不断发展。这正是我们想打造的东西。

我确实认为，现有 SaaS 应用——这些增删改查（CRUD）应用——会发生根本变化，因为业务逻辑会更多转移到智能体层。事实上，我现在用 Copilot 时有一个很酷的体验：当我说“我要准备和客户开会”，就可以问它“给我整理出所有需要了解的会议记录”。它会从 CRM 数据库和 Microsoft Graph 中提取内容，生成一份综合资料，还会对资料应用逻辑。我认为这会彻底改变我们今天所说的 SaaS 应用。

按不同口径算，SaaS 产业的价值可能达到数千亿美元甚至数万亿美元。如果 AI 真的能瓦解整个产业，微软下一个十年会不会又把市值扩大十倍？毕竟你说的是数万亿美元……

AI 也会为 SaaS 创造很多价值。我们可能没有足够关注的一点，是全世界还有多少 IT 需求积压未处理。

代码生成工具加上智能体可以查询所有 SaaS 应用，获得更多效用，这会带来应用的巨大爆发。它们会以智能体的形式出现，使各行业、各领域、各类别都能得到服务。

因此会创造大量价值。你不能停留在原地，说：“我把一个狭窄业务流程整理成模式，在浏览器里放个界面，这就是我的产品。”以后不能这么做。你必须往技术栈上层走，问：“我需要参与完成什么任务？”

你需要把自己的 SaaS 应用变成一个出色的智能体，让它能参与多智能体协作。只要做到这一点，我认为它甚至可以提高自身价值。

64:59我能问几个关于你在微软经历的问题吗？

可以。

做一个“公司人”是不是被低估了？你职业生涯的大部分时间都在微软。有人会说，你之所以能创造这么多价值，部分原因是你了解公司的文化、历史和技术。你在公司内部逐步晋升，积累了大量背景知识。更多公司是不是都该由这种了解公司背景的人来经营？

这是个好问题，我还没这样想过。

我在微软工作 34 年，每一年都比上一年更喜欢这里，而不是觉得自己只是个“公司人”。即使是新加入微软的人，我也认真看待这一点。他们加入微软，不只是为了经济回报，也希望把微软当作一个平台，实现某种目标和使命。这就是双方的约定。

所以我认为，公司应该营造一种文化，让人们能加入并逐渐成为像我这样的“公司人”。至少对我而言，微软做对的地方多于做错的地方；我希望这种情况继续下去。

你说微软第六任 CEO 可能会用上你们现在开始做的研究。你们会做些什么，来培养未来的 Satya Nadella，让他们有机会成为未来的领导者？

这是个很有意思的问题。今年是微软成立 50 周年，我经常思考这件事。我的想法是：长久存在不是目标，保持相关性才是。

我和公司 20 万名员工每天都要思考：在世界不断变化的过程中，我们所做的事是否对世界有用、仍然重要？不只是现在，还有未来。

我们所在的行业没有特许经营价值，这是另一个难题。看看我们今年要花的研发预算，它实际上都是对五年后情况的押注。你必须带着这种心态做事：“我们正在做自己认为未来仍有价值的事情。”

所以你必须关注这一点。同时要知道自己会有成功率，不可能每件事都做成；你得有很高的失败容忍度，也得尝试足够多次，才能说：“好，公司可以成功走到另一边。”这正是这个行业难做的地方。

说到你刚才提到的事，你们距离微软成立 50 周年只剩两个月了。如果看市值最高的前十家公司，甚至前五家公司，除了微软，其他公司成立时间都比微软晚。这是个有趣的现象：为什么最成功的公司往往都很年轻？《财富》500 强公司的平均寿命只有 10 到 15 年。

微软怎样才能这么多年保持相关性？你们如何不断重新创业？

我很喜欢 Reed Hoffman 用的“重新创立”这个词，这就是我们需要的心态。大家会说创始人模式，但对我们这些普通 CEO 来说，更像是“重新创始人模式”。

关键是重新以新鲜视角看待事物。回答你的问题：我们能否建立一种文化，让重新创立成为一种习惯？每天来上班时，都要觉得自己有责任改变对核心业务和周围世界关系的基本假设，并问自己：“我们是否允许自己这样做？”很多时候，公司会受到商业模式等因素过度束缚；你必须给自己松绑。

如果你离开微软，会创办什么公司？

我会创办什么公司？天啊。我心里的“公司人”会说：“我永远不会离开微软。”

如果真要做点什么，我会选择一个领域。谈到科技的理想，我们一直说，科技是人类最强大、最伟大的民主化力量。

我觉得我们终于有能力实现这个理想。如果把每美元、每瓦能产生多少 token 看作一种资源，我想找一个极度缺乏这种资源、但能从中受益的领域。

医疗、教育……公共部门也可以。如果看这些服务不足的领域，作为一名公民或社会成员，无论身处何处，我的生活是否会因为丰裕的智能而变得更好？比如医疗更好、教育更好、公共机构能更好地服务公民。这会是一个值得投入的领域。

70:46听了你对不同问题的回答后，我不太确定你是否认为 AGI 是一个实际存在的事物。未来会不会有一种东西能自动化所有认知劳动，也就是人们能用电脑完成的任何工作？

问题在于人们如何定义 AGI。认知劳动并不是静态的。今天有认知劳动。如果我的收件箱要管理所有智能体，那算不算新的认知劳动？

今天的认知劳动可能会被自动化。那之后创造出来的新认知劳动呢？这两个方面都得考虑，认知劳动会不断变化……

所以我至少在自己的思维中会区分：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。难道我的人生目标是分拣电子邮件吗？让 AI 智能体替我分拣就好。

但分拣完邮件后，它可以给我安排更高层次的认知任务，比如“这里有三份草稿，我希望你审阅”。那是另一个层次。

但 AI 最终会做到第二层吗？

也许会。但它一旦能做到第二层，就会出现第三层。历史上，工具改变了认知劳动的定义；我们为什么会觉得所有认知劳动最终都会消失？

你肯定听过这个类比：马在某些事情上仍然有用，比如汽车无法通过的地形。但不能因此想象街上还会有很多马，甚至雇用数百万匹马。不会发生这种事。

同样的情况会不会发生在人类身上？

但那只是很狭窄的一个维度。人类把某些工作归为“认知劳动”，也不过是近 200 年的事。

以化学为例。如果量子计算与 AI 能帮助我们进行大量新材料科学研究，那当然很好。新材料研究由它们来做，会让我们失去人类能做的其他事情吗？

为什么我们不能生活在一个强大认知机器存在、但人类认知能动性并未被剥夺的世界里？

我换个情景问，不是针对你本人，这样你或许能毫无顾虑地回答。假设微软董事会考虑加入一个 AI 董事。你觉得 AI 最终能否具备足够判断力、背景知识和整体理解力，成为有用的顾问？

这是个很好的例子。我们新增了 Teams 会议主持智能体。目标还处于早期阶段：它能否运用长期记忆？不只是记住会议内容，还能了解我负责的项目、团队等信息，成为一个出色的会议主持者？

我很希望董事会也能使用它，因为董事会会议很容易分心。毕竟董事每季度才开一次会，要理解微软这样复杂的公司正在发生什么。一个能帮助所有人聚焦主题、关注重要议题的主持智能体，会非常有用。

这其实就是拥有无限记忆的东西来帮助我们。赫伯特·西蒙说过什么来着？人类的理性都受到限制。如果有外部认知增强工具能弥补人类的有限理性，那就太好了。

说到材料和化学，我记得你最近说过，希望未来 25 年取得过去 250 年那样的进步。我一想到未来 250 年，脑中就出现太空旅行、太空电梯、永生、治愈所有疾病之类的事。你觉得 25 年内能做到？

我提出这一点的原因之一，是我喜欢“工业革命历时 250 年”这个说法。我们必须把整个体系从碳基转变为其他形式。

这意味着要彻底重塑过去 250 年化学领域取得的一切成果。我希望量子计算机能帮助我们发现新材料，再制造这些材料，解决地球面临的各种挑战。至于星际旅行，我也非常支持。

太棒了。Satya，非常感谢你抽出时间。

非常感谢。很高兴来参加节目，谢谢。

太好了，谢谢。