微软CEO纳德拉最新访谈：开源是对赢者通吃的最大制约

出品：明亮公司

2月19日，微软宣布，全球首款拓扑量子芯片Majorana 1发布，据相关报道，该芯片由微软公司历时近20年研发，有望于2030年之前上市。而微软的目标是未来在量子芯片上实现百万个量子比特的相干操纵。

据第一财经报道，Majorana 1是基于全新的物质状态——“拓扑”构建而成的全球首款拓扑量子芯片，采用了半导体砷化铟和超导体铝材料。

微软在2月19日发布的一篇博客中称，开发合适的材料来构建量子比特，并理解量子比特相关的物质拓扑状态的难度极大，这也是大多数量子研究都集中在其他类型量子比特的原因。

同日，微软CEO萨提亚·纳德拉与主播Dwarkesh Patel的播客访谈也对此进行了讨论。在1小时17分钟的访谈中，纳德拉分享了他对于微软在量子计算领域取得突破的感受、过程（“这对我们来说是一个30年的旅程。”）和未来潜在的应用场景。此外，纳德拉还着重分享了他对于AI在法律和社会治理层面的思考，以及AGI的认知，目前AI领域的技术突飞猛进，但纳德拉认为AGI来临的真正标志是世界经济增长10%。

关于DeepSeek带来的成本变化，此前纳德拉在X上提到的“杰文斯悖论”（即科技成本下降对需求弹性的影响），也引发了随后硅谷对于模型成本的大规模讨论。而在访谈中，纳德拉再次表示，智能的成本和能力同样重要——AI要变得更好、也要变得更便宜。

纳德拉是微软第三任CEO，在他的领导下，微软重塑了业务、文化和战略，2019年微软投资了OPEN AI，截至去年第三季度，微软披露对Open AI的投资规模达130亿美元。他此前著有《刷新》一书，回顾了他如何重塑微软企业文化的过程。

以下为「明亮公司」根据播客内容编译的访谈正文（如有出入，以原文为准）：

AI不会是赢者通吃

Dwarkesh：AI的价值将在哪里被创造？

萨提亚·纳德拉：这是一个很好的问题。我可以有信心说出来的是有两个地方：一个是那些做得好的超大规模云服务提供商（hyperscaler），因为如果你回过头来看，即使是像 Sam 和其他人描述的那样，如果智能是计算量的对数，那么能够进行大量计算的人就是大赢家。

另一个有趣的事情是，如果你看看任何AI工作负载（AI Workloads），比如以ChatGPT为例，大家对GPU方面的兴奋是好事。事实上，我甚至认为我的计算集群更像是AI加速器与存储、计算的比例关系。而且在规模上，你需要让它增长。而且，这种对世界基础设施的需求只会呈指数级增长。

事实上，AI工作负载简直就是天赐良机，因为你知道吗？它们对计算的需求更多，不仅仅是训练时，我们现在知道，测试时也是如此。事实证明，AI Agent会呈指数级增加计算使用量，因为你甚至不再受制于一个人调用程序。它是一个人调用程序，而这些程序又调用更多程序。这将创造出巨大的计算基础设施需求。所以我们的超大规模业务、Azure 业务以及其他超大规模云服务提供商，我认为这是一个很大的机会。

然后之后，情况就变得有点模糊了。你可能会说，嘿，这里有一个赢者通吃的模式——我不这么认为。顺便说一句，这是我学到的另一件事：非常擅长理解什么是赢者通吃的市场，什么是非赢者通吃的市场，在某种意义上，这决定了一切。我记得甚至在我刚开始接触 Azure 的时候，亚马逊有很大的领先优势，人们会来找我，投资者也会来找我，说：“哦，游戏结束了。你永远赶不上了。亚马逊，赢者通吃。”

在客户端-服务器领域与甲骨文和 IBM 竞争后，我知道买家不会容忍赢者通吃。从结构上讲，超大规模云服务永远不会是赢者通吃，因为买家很聪明。消费级市场有时可能是赢者通吃的，但任何买家是公司、企业或 IT 部门的地方，他们都不会容忍赢者通吃。所以你必须成为多个供应商之一。

我认为这就是在模型方面会发生的事情，将会有开源的模型，会有一个监管者。就像在 Windows 上，我学到的一个重要教训是，如果你有一个闭源的操作系统，就会有一个补充它的东西，那就是开源。

在某种程度上，这也是对闭源、赢者通吃的真正制约。我认为在模型方面，可能会有一些闭源的模型，但肯定会有开源的替代品，而开源的替代品实际上会确保闭源的赢者通吃被缓解。

顺便说一句，不要忽视如果这件事真的像人们所说的那样强大，政府不会坐视不管，让私营公司在全世界范围内……所以我不认为这是一个赢者通吃的游戏。

然后在那之上，我认为情况又会回到老样子，即在消费领域，某些类别可能会有一些赢者通吃的网络效应。毕竟，ChatGPT 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。我去应用商店，看到它总是在前五名，我会说：“哇，这太不可思议了。”

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，这种情况可能会发生。在企业领域，我认为会按类别有不同的赢家。至少，这就是我的分析方式。

Dwarkesh：对此我还有很多问题。但我们得马上谈谈量子，但关于模型可能被商品化的想法：也许有人可以在几十年前对云提出类似的论点——从根本上说，它只是一个芯片和一个盒子。但最终，你和其他许多人还是在云中找到了不可思议的利润。你找到了实现规模经济和增加其他价值的方法。从根本上说，即使忽略术语，如果你拥有 AGI（通用人工智能），并且它正在帮助你制造更好的 AI——现在是合成数据和强化学习；也许在未来，它是一个自动化的 AI 研究员——这似乎是一个巩固你优势的好方法。我很好奇你对这个的看法，即在其中处于领先地位真的很重要。

萨提亚·纳德拉：在规模上，没有什么是商品。你说的关于云的观点很对。每个人都会说：“哦，云是商品。” 但当你扩大规模——这就是为什么运营超大规模云服务的诀窍——你可以这样说：“哦，天哪，我只需要堆叠服务器。”

Dwarkesh：对。

萨提亚·纳德拉：事实上，在超大规模云服务的早期，大多数人认为：“有这么多托管服务提供商，那些都不是好生意。超大规模云服务中会有生意吗？会不会有？” 结果证明，由于运营的诀窍，超大规模云服务确实是一个真正的生意。

这就是为什么我更强调，这是一个赢者通吃的市场吗？它是不是赢者通吃的？因为你要把这一点弄清楚。我喜欢进入那些潜在市场总量（Total addressable market）很大的赛道，你不需要冒全部是赢者通吃的市场风险。最好的消息是，进入一个大市场，这个市场可以容纳几个赢家，而你是其中之一。

这就是我所说的超大规模云服务层。在模型层，模型最终需要运行在某种超大规模计算上。所以，这种结合，我认为将永远存在。不仅仅是一个模型；模型需要状态，这意味着它需要存储，它需要常规计算来运行这些代理和代理环境。

这就是我为什么认为一个人运行一个模型并垄断一切的情况可能不会发生。

Dwarkesh：在超大规模云服务方面，顺便说一句，作为超大规模云服务提供商，你们有一个优势，尤其是在推理时间扩展方面，如果这涉及到未来模型的训练，你们可以将数据中心和 GPU 的成本分摊，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是什么样的超大规模云服务提供商？是在预训练方面吗？是在提供 O3 类型的推理吗？还是说，我们只是在市场上托管和部署任何单一模型，而我们对这些模型本身持中立态度？

萨提亚·纳德拉：这是一个很好的观点。我们希望构建计算集群的方式是，在某种意义上，顺应摩尔定律。我认为这将类似于我们过去对其他事物的处理方式——每年更新计算集群，根据这些设备的使用寿命进行折旧，然后非常擅长于集群的部署，以便能够以高利用率运行不同的工作负载。有时会有非常大的训练工作负载，需要集中大量的峰值浮点运算能力，这些也需要被合理分配。这是很好的。我们应该有足够的数据中心来提供这些资源。

但最终，这些工作负载变得如此之大，即使是预训练规模，如果需要持续进行，预训练规模最终也会跨越数据中心的边界。这一切都在逐渐实现。所以，一旦你开始跨越预训练的数据中心边界，这与其他事情有什么不同呢？我的想法是，分布式计算仍然是分布式计算，所以去构建你的计算集群，使其准备好应对大规模训练工作负载，准备好应对测试时的计算需求，准备好——事实上，如果这种强化学习（RL）真的发生了，你构建了一个大型模型，然后之后会有大量的强化学习。对我来说，这更像是更多的训练计算能力，因为你想要为不同的任务创建这些高度专业化的、精炼的模型。

所以你需要这样的计算集群，以及推理的需求。最终，“光速就是光速”，你不能只有一个数据中心在德克萨斯州，然后说：“我要从那里为全球提供服务。”你必须根据在世界各地拥有推理集群来为全球提供服务。这就是我对真正超大规模集群构建的看法。

哦，顺便说一句，我还希望我的存储和计算也靠近所有这些资源，因为不仅仅是 AI 加速器是无状态（stateless）的。我的训练数据本身也需要存储，然后我希望能够多路复用多个训练工作负载，我希望能够拥有内存，我希望能够拥有这些环境，让这些代理能够在其中执行程序。这就是我的想法。

AGI的标准：全世界经济增长10%

Dwarkesh：你最近报告说，你们每年从AI领域获得的收入是130亿美元。但如果你看看这些收入的年增长率，大约四年后，这个数字将是现在的十倍。如果趋势持续下去，你们将从 AI 领域获得1300亿美元的收入。如果是这样，你认为你们将如何利用所有这些智能，这种工业规模的使用？这会通过 Office 实现吗？还是会通过你们为他人托管来实现？你们需要拥有 AGI（通用人工智能）才能获得1300亿美元的收入吗？这会是什么样子？

萨提亚·纳德拉：Dwarkesh，这是一个很好的问题，因为从某种程度上说，如果你将拥有这种智能的爆炸性增长、丰富性，或者说是智能的普及，我们首先需要关注的是 GDP 增长。

在我谈到微软的收入会是什么样子之前，这里有一个唯一的调节器。我们对AGI的炒作有点过于超前了。记住，发达国家的经济增长率是多少？2%的增长，如果你调整通货膨胀因素，那就是零。

所以，2025 年，当我们坐在这里时，我不是经济学家，但至少在我看来，我们面临着真正的增长挑战。所以，我们首先需要做的是，当我们说这就像工业革命一样，让我们实现工业革命式的增长。这意味着对我来说，发达国家的通货膨胀调整后增长率达到 10%、7% 或5%。这才是真正的标志。它不能仅仅是供给侧的。

事实上，很多人都在写关于这一点的内容，我很高兴他们这样写，因为这里的大赢家将不是科技公司。赢家将是更广泛地使用这种智能的行业，顺便说一句，这种智能是丰富的。突然之间，生产力提高了，经济增长速度加快了。当这种情况发生时，我们将作为行业而蓬勃发展。

但在我看来，这一刻是，我们自己声称达到了某种 AGI 里程碑，这对我来说只是毫无意义的基准炒作。真正的基准是：世界经济增长率达到 10%。

Dwarkesh：世界经济大约是100万亿美元，如果世界经济增长率达到 10%，那就像是每年额外产生了 10 万亿美元的价值。如果是这样的话，作为超大规模云服务提供商的你们……800 亿美元似乎是一笔很大的钱。难道你们不应该做到 8000 亿美元吗？

如果你真的认为在未来几年内，我们能够以这样的速度增长世界经济，而关键瓶颈将是：你是否有足够的计算能力来部署这些 AI 来完成所有这些工作？

萨提亚·纳德拉：你说得对。但话说回来，经典的供给侧观点是：“嘿，我来建造它，他们就会来。” 这是一个观点，毕竟我们已经做到了，我们已经承担了足够的风险去实现它。

但最终，供给和需求必须匹配。这就是为什么我在追踪这两方面的原因。当你只关注供给侧时，你可以完全脱离轨道，而不是真正了解如何将这些转化为对客户的真实价值。

这就是为什么我关注我的推理收入。这也是为什么即使是关于推理收入的披露…… 很少有人在谈论他们的实际收入，但对我来说，这是很重要的，作为一个管理者（Governor）来思考这个问题。你不会说它们必须在任何给定的时间点对称地满足，但你需要有证据表明你能够将昨天的，我们称之为资本的东西，转化为今天的需求，这样你就可以再次投资，甚至可能是呈指数级增长，这样不会出现节奏的错配。

Dwarkesh：我想知道这两种不同观点之间是否存在矛盾，因为你们做得很好的一件事是进行了早期的押注。你们在2019年投资了OpenAI，甚至在Copilot和任何应用出现之前。如果你看看工业革命，这些 6%、10% 的铁路建设和其他事情，其中许多并不是像“我们从票务中获得收入，现在我们要去……”这样的情况。

萨提亚·纳德拉：确实损失了很多钱。

Dwarkesh：对，那么，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，然后你就会想，“那么 GPT-4 的收入是多少？”如果你真的认为这是从更高层次上实现的可能性，难道你不应该说，“让我们疯狂一下，让我们投入数千亿美元的计算能力？” 我的意思是，总有一些机会，对吧？

萨提亚·纳德拉：这里有一个有趣的事情，对吧？这就是为什么即使是对于计算集群的平衡方法，对我来说也很重要。这不仅仅是关于构建计算能力。这是关于构建能够真正帮助我不仅训练下一个大型模型，还能为下一个大型模型提供服务的计算能力。除非你做到这两点，否则你将无法真正利用你的投资。

所以，这不仅仅是构建模型的竞争，而是创造一种在世界上被使用的商品，以推动…… 你必须有一个完整的思路，而不仅仅是考虑一件事。

顺便说一句，其中一件事是，将会有过度建设。正如你提到的互联网泡沫时期，备忘录已经发出，嘿，你知道的，你需要更多的能源，你需要更多的算力。所以，每个人都会竞相投入。

事实上，不仅仅是公司会部署，国家也会投入资本，很明显…… 我很高兴成为一个出租方，因为，顺便说一句；我造了很多，我出租了很多。我非常高兴在 2027 年、2028 年租赁大量的容量，因为我看到这些建设成果，我说，“这是太棒了。” 所有这些计算建设的唯一结果是价格会下降。

谈DeepSeek与智能成本的下降

Dwarkesh：说到价格下降，你最近在DeepSeek模型发布后发了一条推文，提到了杰文斯悖论（Jevons' Paradox）。我很想知道你能详细解释一下。杰文斯悖论发生在某种东西的需求高度弹性时。智能是否也是这样，价格下降会带来需求的大幅增长？

因为当我考虑我自己作为消费者的情况时，智能已经很便宜了。就像每百万 token 只要两美分。我真的需要它降到 0.02 美分吗？未必，我其实更希望它变得更聪明。如果需要让我支付 100 倍的价格，那就进行 100 倍的更大规模训练。如果公司愿意这样做，我完全支持。

但也许你在企业方面看到了不同的情况。智能真正需要降到每百万 token 0.002 美分的关键用例是什么？

萨提亚·纳德拉：我认为真正的情况token的效用。两者都需要发生——智能需要变得更好，更便宜。每当有突破时，比如DeepSeek所做的，性能与token的有效外沿发生变化，曲线被弯曲，外沿移动。这会带来更多的需求，就像云计算发生的情况一样。

这里有一个有趣的事情：我们曾经认为“哦天哪，我们在客户端-服务器时代已经卖出了所有的服务器”。然而，当我们将服务器放到云端时，人们突然开始消费更多，因为他们可以更便宜地购买它，它是弹性的，他们可以按用量付费而不是按许可证付费，这完全扩展了市场。

我记得曾经去印度这样的国家，谈论“这是 SQL Server”。我们卖了一些，云在印度的规模比我们在服务器时代所做的一切都要大得多。我认为这将是真实的情况。

如果你考虑一下，在全球南方、在发展中国家，如果这些 token 可以以非常便宜的价格用于医疗保健，那将是最大的变化。

量子突破与微软30年的旅程

Dwarkesh：你能详细解释一下（量子计算的突破）发生了什么吗？

萨提亚·纳德拉：这对我们来说是一个30年的旅程。这是难以置信的。我是微软的第三任 CEO，对量子技术感到兴奋。这里的根本突破，或者我们一直持有的愿景是，你需要一个物理学突破，才能建造一个可用的、规模化的量子计算机。我们选择了一条道路，认为让量子比特更少噪声、更可靠的唯一方法是押注一种本质上更可靠的物理特性，这让我们想到了马约拉纳零能模（Majorana zero modes），它在 20 世纪 30 年代成为了理论。问题是，我们能否真正在现实物理世界造出这些东西？

所以，这个重大突破实际上是，我知道你和Chetan（注：Chetan Nayak，微软量子团队负责人）聊过了，我们现在终于有了马约拉纳零能模在一种新物相（phase of matter）中的存在证明和物理学突破。这就是为什么我们喜欢将其比作量子计算的晶体管时刻，因为我们实际上有了一个新的相——拓扑相（topological phase），这意味着我们现在可以可靠地隐藏量子信息、测量它，并且我们能够制造它。所以现在我们有了它，我们觉得有了这个核心基础制造技术，我们可以开始建造马约拉纳芯片了。

那个马约拉纳一号，我认为它将基本上是第一个能够容纳一百万物理量子比特的芯片。然后在这个基础上，有数千个经过纠错的逻辑量子比特。然后就一发不可收拾了，你突然有能力建造一个真正的实用规模的量子计算机，对我来说，这现在变得更加可行了。如果没有这样的东西，虽然你仍能实现一些突破，但你永远无法建造一个实用规模的计算机。这就是我们如此兴奋的原因。

Dwarkesh：太神奇了。我相信这就是它。

萨提亚·纳德拉：马约拉纳一号。我很高兴我们用这个名字来命名它。想想我们能够在这么小的芯片上建造一个拥有百万量子比特的量子计算机，这简直令人难以置信。核心就在于，如果除非我们能做到这一点，否则你无法想象去建造一个实用规模的量子计算机。

Dwarkesh：其他公司已经宣布了拥有100个物理量子比特的量子计算机，谷歌的、IBM的，以及其他公司的。当你提到你们宣布了一个量子比特时，你说你们的量子比特在极限情况下更具可扩展性。

萨提亚·纳德拉：是的。我们还做了一件事，就是我们将软件和硬件分开。我们正在构建我们的软件栈，现在我们与中性原子（neutral atom）团队、离子阱（ion trap）团队合作，我们也在与其他使用光子学（photonics）等技术的人合作，这意味着将会有不同类型的量子计算机。事实上，我们上次宣布的是24个逻辑量子比特。我们在错误校正方面也取得了巨大的突破，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多个逻辑量子比特，并且我认为这一数字在今年会继续提升。

但我们同时也在说：“让我们回到第一性原理，构建我们自己的量子计算机，它将基于拓扑量子比特（topological qubit）。” 这就是这次突破的意义所在。

Dwarkesh：一百万个拓扑量子比特，数千个逻辑量子比特，你预计扩大到这个规模的时间表是什么样的？如果你们已经有了第一个“晶体管”，这里的“摩尔定律”会是什么样的？

萨提亚·纳德拉：显然，我们已经研究了30年了。我很高兴我们现在有了物理学突破和制造技术突破。我真希望我们能有一台量子计算机，因为顺便说一句，量子计算机首先能让我们做到的事情就是建造量子计算机，因为它将使我们能够更轻松地模拟这些新量子门的原子级构建。

但无论如何，下一个真正的事情是，既然我们已经有了制造技术，让我们去建造第一台容错量子计算机。这才是逻辑上的下一步。现在我可以确定地说：“也许在2027年、2028年、2029年，我们真的能够建造出这样的计算机。” 现在我们有了这个量子门，我能否将它集成到集成电路中，然后将这些集成电路真正地放入计算机中？这就是下一步。

Dwarkesh：那么，当你在2027年、2028年让量子计算机运行起来后，你认为它会是一个通过API访问的东西吗？还是你们会内部用于自己的材料和化学研究？

萨提亚·纳德拉：这是一个很好的问题。一件事是，即使在今天……我们有这个量子项目，我们在其中添加了一些API。我们两年前的突破是将高性能计算（HPC）栈、AI栈和量子计算结合在一起。

事实上，如果你这样想，AI就像是“模拟器的模拟器”。量子计算就像是“自然的模拟器”。量子计算将要做的是——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会非常出色，量子计算将在任何不是数据密集型但需要探索大量状态空间的领域表现出色，应该是数据量小但指数级状态空间的探索，比如化学物理、生物学等领域的模拟。

我们已经开始做的一件事是，真正将AI作为模拟引擎。但你可以通过训练来实现。所以，我的想法是，如果有AI加上量子计算，也许你会用量子计算生成合成数据，然后这些数据被AI用来训练更好的模型，以更好地模拟化学或物理等领域的现象。这两种技术将一起被使用。

所以，即使在今天，这实际上就是我们将高性能计算（HPC）和AI结合在一起做的事情。我希望用量子计算机取代一些高性能计算的部分。

AI的「社会基设施」

Dwarkesh：回到AI的话题，你在2017年的书中……2019年你对OpenAI进行了早期投资，2017年就更早了。你在书中写道：“也可以说，我们正在孕育一个新的物种，其智能可能没有上限。”

现在，从非常微观的层面来看，我们一直在谈论代理（Agents）、Office Copilot、资本支出等。但如果你从宏观层面来看，考虑到你作为超大规模云服务提供商的角色，以及你在这些模型研究、训练、推理和研究方面的角色，提供构建“新物种”的能力，从这个更大的角度来看，你如何看待这一切？你认为在你担任CEO期间，我们会走向超级智能吗？

萨提亚·纳德拉：我想即使是Mustafa（注：微软AI CEO Mustafa Suleyman）也用了“新物种”这个术语。实际上他最近也用了这个词。我的看法是，你肯定需要信任。在我们声称这是一个像“物种”这样大的东西之前，我们必须做对的一件事是，无论是个人层面还是社会层面的信任，都要嵌入其中。这是最难的问题。

我认为这里最大的限制因素将是我们的法律……我们称之为基础设施。我们在谈论所有计算基础设施时，法律基础设施将如何应对？这个世界是建立在人类拥有财产、拥有权利并承担责任的基础上的。这是我们必须首先澄清的根本问题，即这对现在人类使用的工具意味着什么？如果人类要将更多权力委托给这些工具，那么这种结构将如何演变？在真正解决这个问题之前，我认为仅仅谈论技术能力是不够的。

Dwarkesh：也就是说，在我们能够部署这些智能之前，我们需要弄清楚？

萨提亚·纳德拉：绝对如此。因为最终，除非有人类为其提供担保，否则你没办法部署这些职能。正如你所说，我认为这就是为什么我认为即使是功能最强大的AI，本质上也是从人类那里获得授权的。你可以谈论对齐（Alignment）和这一切，但在我认为，你必须真正让这些对齐变得可验证，但我不认为你可以部署失控的智能。例如，AI失控问题可能是一个真正的问题，但在它成为一个真正的问题之前，真正的挑战将会出现在法庭上。没有任何社会会允许人们说“这是AI做的”来推卸责任。

Dwarkesh：是的。不过，世界上有那么多不同的社会，我怀疑是否有一些社会的法律体系可能更加宽容。而且，如果无法实现“起飞”，那么可能会引发其他担忧。这种超级智能的发展不一定非得发生在美国，对吧？

萨提亚·纳德拉：我们不能假设世界上没有其他社会会关心这个问题。当然，会有网络犯罪和无赖政府（rogue States）存在，但我并不认为整个世界会对这种问题视而不见。我们已经知道如何应对这些不法分子和无赖政府。世界秩序的存在意味着无赖政府的任何无赖行为都会有相应的后果。

Dwarkesh：是的。但如果从10%的经济增长前景来看，我认为这在很大程度上取决于 AGI（通用人工智能）的实现。毕竟，数万亿美元的价值增长，听起来更像是人类工资总额的规模，大约占全球经济的 60 万亿美元。要达到这种规模，你必须以某种方式大规模地自动化或补充劳动力。

如果这一切成为可能，并且我们能够解决其中的法律问题，那么在你的任期内实现这一切似乎并非不可能。你是否认为超级智能将成为你职业生涯中最重要的成就？

萨提亚·纳德拉：你提到的另一个问题是，David Autor（注：美国经济学家、MIT经济学教授）等人曾经讨论过，60% 的劳动力……我认为在我们的民主社会中，为了维持稳定的社会结构，民主能够正常运转，你不能仅仅关注资本回报，而忽视劳动力回报。我们可以讨论这个问题，但无论如何，60%的劳动力必须被重新评估其价值（revalued）。

以我自己的方式来看，也许有点天真，但我们会开始重视不同类型的劳动力。今天被认为高价值的人类劳动可能会变成一种普通商品，而可能会出现一些新的、我们将会重视的东西。无论是帮助我做物理治疗的人，还是其他什么，总之，如果没有对劳动力的回报，以及工作中的意义和劳动的尊严，那么这一切都将是另一个限制因素，阻碍这些技术的部署。

「你必须对失败有很高的容忍度」

Dwarkesh：关于你在微软的时光，我能问你一些问题吗？

萨提亚·纳德拉：当然可以。

Dwarkesh：“忠诚的公司人”（company man）的价值是否被低估了？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，是因为你见证了公司的文化、历史和技术。你通过晋升积累了丰富的背景知识。是否应该有更多的公司由像你这样拥有如此深厚背景的人来领导？

萨提亚·纳德拉：这是一个很好的问题。我从来没有这样想过。

我在微软已经工作了 34 年，每年我都会觉得加入微软比成为所谓的“公司人”更令人兴奋。我认真对待这件事，即使是新加入微软的人，他们加入微软不仅仅是为了经济回报，更是为了找到一种使命感和目标感，他们可以通过微软这个平台实现自己的价值。这是我们的契约。

所以我认为，是的，公司需要创造一种文化，让人们能够像我一样成为“公司人”。微软在这方面做得比我想象的要好得多，我希望这种情况能一直保持下去。

Dwarkesh：你提到的（未来）第六任 CEO，也就是未来能够利用你今天开始的研究成果的那个人，你正在做些什么，以确保未来的“萨提亚·纳德拉”能够成为未来的领导者？

萨提亚·纳德拉：这很有趣。今年是微软成立 50 周年，我一直在思考这个问题。我们要明白活得久并不是目标，与时俱进才是。（Longevity is not a goal，relevance is.）。

我和微软的其他 20 万名员工每天要做的事情是：我们正在做的事情是否对世界有用，是否与当前和未来的世界相关，而不仅仅是今天。我们生活在一个没有特许经营价值的行业，这是这个行业的一个难点。如果我们今年的研发预算全部用于对五年后会发生什么的猜测，那么我们必须以这种态度去行动，即“我们正在做我们认为未来会相关的事情”。

所以，你必须专注于此。同时，你要明白，我们不可能每次都成功，你必须对失败有很高的容忍度。你必须有足够的尝试，才能确保公司能够成功地走向未来。这使得这个行业变得复杂。

Dwarkesh：说到这个，我从你对不同问题的回答中，仍然不确定你是否相信 AGI 是真实存在的。是否会有一种能够自动化所有认知劳动的东西，就像人们在计算机上能做的一切？

萨提亚·纳德拉：这就是我对人们关于 AGI 定义的问题所在。认知劳动（cognitive labor）并不是一个静态的概念。今天存在认知劳动。如果我有一个管理我所有Agents的收件箱，这是否就是一种新的认知劳动？今天的认知劳动可能会被自动化，但新的认知劳动又会随之产生。这两者都需要被考虑，这就是为什么我在心里做了这样的区分：不要将知识工作者（knowledge worker）与知识工作（knowledge work）混为一谈。今天所存在的知识工作可能确实会被自动化，但如果有人问我，我的人生目标是筛选我的电子邮件吗？让AI代理帮我筛选我的电子邮件吧。但在筛选完电子邮件之后，给我一个更高层次的认知劳动任务，比如“嘿，这里有三份草稿，我真的希望你能审查一下。” 这是另一种抽象。

Dwarkesh：但AI是否能够做到第二件事情呢？

萨提亚·纳德拉：它可能会做到，但当它做到第二件事情时，又会出现第三件事情。为什么我们总是在担心，当我们的工具改变了历史上认知劳动的定义时，为什么我们担心所有的认知劳动都会消失呢？

Dwarkesh：我确定你肯定听说过这些例子，比如马匹在某些方面仍然有用，有些地形是汽车无法到达的。但你不会看到马匹在大街上到处跑，雇佣数百万匹马的情况也不会再发生了。问题是，人类是否也会遇到类似的情况？

萨提亚·纳德拉：但在一个非常窄的维度上，人类在过去 200 年的历史中，我们所重视的某些被称为“认知劳动”的东西是有限的。以化学为例。如果量子计算加上AI真的能帮助我们进行大量的新型材料科学研究，那太棒了。但这是否意味着人类将失去所有其他可以做的事情呢？

为什么我们不能生活在一个既有强大认知机器的世界里，同时又知道我们自己的认知能力并没有被剥夺？

Dwarkesh：我换个方式问这个问题，不是关于你，而是关于另一种情况，也许你可以不带感情地回答。假设在微软的董事会中，你能想象增加一个AI成为董事会成员吗？它是否能拥有判断力、背景知识和整体理解能力，成为一个有用的顾问？

萨提亚·纳德拉：这是一个很好的例子。我们已经在Teams中增加了一个协调者代理（facilitator agent）。它的目标是——目前还处于早期阶段——这个协调者代理能否利用长期记忆，不仅仅是在会议的上下文中，还能结合我正在参与的项目、团队以及相关的一切，成为一个出色的协调者？

我非常希望在董事会会议中也能有这样的工具，因为董事会成员每季度只来一次，他们需要消化像微软这样复杂公司的所有动态。一个能够帮助人类保持专注并关注真正重要问题的协调者代理，那将是非常棒的。

这实际上就是你之前提到的，甚至回到你之前的问题，拥有一个拥有无限记忆的东西，能够帮助我们。毕竟，正如赫伯特·西蒙（Herbert Simon）所说，人类的理性是有限的，如果人类有限的理性能够因为外部的认知增强而得到改善，那将是非常好的。

Dwarkesh：说到材料和化学，我最近听到你说，你希望在接下来的25年内实现未来250年的进步。当我想到未来250年可能实现的事情时，我会想到太空旅行、太空电梯、永生，以及治愈所有疾病。你认为这些都能在未来 25 年内实现吗？

萨提亚·纳德拉：我提到这一点的原因是，工业革命花了250年时间。我们需要从碳基系统转变为一种新的系统，这意味着我们必须从根本上重新发明过去 250 年中化学领域所发生的一切。我希望我们能拥有量子计算机，它能帮助我们发现新材料，然后我们可以制造这些新材料，以应对地球上我们面临的各种挑战。之后，我完全支持星际旅行。

Dwarkesh：太神奇了。萨提亚，非常感谢你抽出时间。

萨提亚·纳德拉：非常感谢。很高兴来到这里。谢谢。

| 发福利！添加下方明亮公司主编微信有惊喜！