主要观点总结
萨提亚·纳德拉在播客采访中谈到了量子计算、人工智能以及微软的最新技术突破。他认为超大规模市场的赢家不止一个，技术趋势和商业变现同样重要。他还讨论了AI和量子技术的结合，以及它们在未来创造新的工作方式和流程中的潜力。此外，他谈到了微软在量子计算领域的重大突破以及世界与人类行动模型的应用前景。
关键观点总结
关键观点1: 萨提亚认为超大规模市场的赢家并非只有一家，企业买家希望有多家供应商。
他提到在超大规模发展的早期，人们认为托管服务提供商都不是好企业，但现在看来，拥有全球多个地区的计算能力是大企业成功的重要因素。
关键观点2: 萨提亚对实现AGI的标准表示困惑，他认为真正的AGI衡量标准是世界经济以10%的速度快速增长。
他强调技术创新带来的生产力突破才是评估AI革命成功与否的关键。
关键观点3: 萨提亚谈到了量子计算的突破和微软在量子计算领域的成就。
他提到了物理上的突破对于构建实用化量子计算机的重要性，并强调了软件和硬件分离搭建的优势。
关键观点4: 萨提亚表示人工智能和量子技术相结合可以生成数据和训练更好的AI模型。
他认为这种结合将为游戏行业带来革命性的变革，并展示了微软在游戏领域的投资和对未来游戏发展的展望。
关键观点5: 萨提亚讨论了认知劳动的自动化问题。
他认为认知劳动不是静态的，新的认知劳动会不断涌现，AI可以帮助处理一些认知劳动但也会创造新的认知劳动机会。
正文
编译
｜
吴莹 曹冰颖（实习）
来源
｜
Dwarkesh Patel
（YouTube）
2月19日，微软Majorana 1量子芯片问世，为量子计算技术路线开辟了新的方向。那么，量子计算对我们有什么影响？近日，微软CEO萨提亚·纳德拉（Satya Nadella）在播客采访中揭晓了答案。
萨提亚称，量子对于探索密集型的事情大有帮助，只需少量的数据就能有所产出，如果将量子技术与人工智能技术相结合，用量子计算来生成数据，就能训练更好的AI模型。萨提亚还分享了对超大规模市场的看法，他表示，超大规模市场不可能出现赢家通吃的局面，因为以企业为主的买家很聪明，需要多个供应商。
此外，他还认为，目前大家误判了实现AGI的标准，对AGI的概念过度炒作了，如果将人工智能革命类比之前的工业革命，那也应该从生产力进步的角度评判结果，
因此真正实现AGI的衡量标准是，世界经济以10%的速度快速增长。
精彩观点如下：
1.不仅要真正了解技术趋势，还要了解技术在哪里能创造价值，这些技术该如何商业变现有时候比预测技术变化更困难。
2.未来世界对AI基础设施的需求将会呈指数级增长。
3.真正实现AGI的衡量标准是，世界经济以10%的速度快速增长。
4.我们开始使用人工智能作为模拟引擎进行训练，如果你有人工智能和量子技术，就可以用量子来生成或合成数据，训练更好的AI模型，两者应该结合使用。
5.当今的认知劳动可能会被自动化，但又会产生新的认知劳动。
大市场不会只有一个赢家
主持人：
萨提亚，恭喜你，微软在同一天发布两项重要技术突破：量子计算芯片Majorana 1以及世界与人类行动模型（World and Human Action Model）。你说过，在20世纪80年代和90年代看到的事情再次发生了，可以展开说说吗？
萨提亚：
我感到兴奋的是，现在的技术发展总让我回想起刚进入科技行业的那几年。在20世纪90年代，人们争论的是使用RISC（精简指令集）还是CISC（复杂指令集），亦或是用x86构建服务器。所以，从核心平台到操作系统再到应用层面，整个过程都存在讨论空间。回到现在，你可以说云计算做了很多，显然分布式计算和云计算确实改变了客户端和服务器，网络发生了巨大的变化。这确实比我过去参与过的任何项目都更像全过程变革。
主持人：
你觉得哪些决策最终成为了20世纪80年代和90年代的赢家，哪些没有？当年你在Sun Microsystems公司时，人们都认为建设数据中心是一种泡沫行为，当然今天来看，没有数据中心也就没有互联网。哪些决策能经受住时间的考验？什么是长期趋势，哪些又是短暂现象？
萨提亚：
回顾过去，我参与过的四大转变是客户端、客户端－服务器、图形界面和x86架构的诞生，它们让我们能构建服务器。1991年，我还在Sun Microsystems工作，当时去参加一个活动，第一次接触了微软的Win32系统，当时我就知道服务器也将会被x86改变。所以，
当你拥有规模优势时，必须下一个长期赌注
，客户端发生的事情也将会发生在服务器端，然后你就能构建客户端－服务器应用程序。很显然，互联网对我们来说是件大事，在我刚加入微软时就必须面对它。Netscape浏览器和Microsoft浏览器是在1993年12月左右问世的，当时开发出浏览器的公司很明显是改变游戏规则的一方。
在我们进入客户端－服务器浪潮的时候，又迎来了浏览器时代，所以我们必须进行调整。我们适应得很好，因为浏览器是一种新的应用程序模型，我们会尽全力拥抱它，无论是在Word中使用HTML（超文本标记语言），还是我们自己开发浏览器去参与竞争。当然，我们错过了互联网时代最大的商业模式，因为我们认为网络是分布式的，谁能想到搜索会成为组织网络的最大赢家。很明显我们错过了这个机会，而谷歌抓住了并执行得非常好。这对我来说是一个印象深刻的教训，
不仅要真正了解技术趋势，还要了解技术在哪里能创造价值，这些技术该如何商业变现有时候比预测技术变化更困难。
萨提亚
：这项技术还在发展中，不过我认为至少有两个方向我能自信地做出判断。其一是超大规模企业会做得很好，就像山姆·阿尔特曼（Sam Altman）还有其他人描述的那样，智能比拼的是算力，任何能够支撑大量计算的公司都是大赢家。另一个有趣的事情是，AI产品，比如ChatGPT，不是每个人都对GPU感兴趣，当然它非常重要，但就像舰队，只有一个士兵也打不了仗，肯定会有相互配合的存在，所以除了GPU，AI方面还有很多其他需求，比如存储、能源等，所以我认为
未来世界对AI基础设施的需求将会呈指数级增长。
所以我们现在拥有的这些基础设施很宝贵，未来，人工智能的发展会渴望更多算力。
还有一件有趣的事情，你会发现AI Agent（智能体）需要的算力是成倍增加的，要满足一个人调用多个应用程序的需求，这将为AI基础设施创造巨大的需求。因此我们的超大规模Azure业务与其他超大规模业务一样，要当成一件大事来干。你可能会说，这是一个赢家通吃的市场，不过我想说应该要正确理解什么是赢家通吃的市场，这是进入某一市场的前提。
我记得微软在刚进入云计算市场时，亚马逊已经占据了市场优势，投资人来找我说，“游戏结束了，微软永远不会成功，在这个市场亚马逊赢家通吃。”在经历过客户端－服务器领域与甲骨文和IBM的竞争后，我明白了买家不会容忍赢家通吃的局面出现。从结构上看，
超大规模领域永远不会出现赢家通吃的情况，因为买家很聪明，他们都希望有多个供应商
。
在AI模型方面也会发生这种情况，所以会有开源，就像在Windows一样。我从中学到的一个重大教训是，就算你有一个闭源操作系统，也会对它进行很多补充，那就相当于开源的作用。我认为
在AI模型中，可能会有一些闭源的，但肯定也会有开源替代方案，而开源替代方案实际上就是在防止闭源模型出现赢家通吃的局面。
在消费领域的某些类别中，可能会出现赢家通吃的现象，比如ChatGPT，它是一个规模化的消费产品，已经占据了市场优势，可以看到App Store的下载榜上，它总是排在前五名。他们能够早期优势将其转化为应用优势，所以在消费领域，这可能会发生，但如果买家是企业，需要大规模采购和使用，那我认为赢家就不止一个。
主持人：
现在大家提到了模型可能会被商品化，也许在几十年前人们对云计算也提出了类似的观点，当然，你们找到了云计算的变现方法，实现了规模经济。如果你实现了AGI，未来有自动化的人工智能研究员帮助你们计算，这似乎是巩固你们优势的好方法，你是怎么看这个问题的？
萨提亚：
从规模上看，没有什么是商品。在超大规模发展的早期，大多数人认为这些托管服务提供商都不是好企业，那超大规模还是门生意吗？事实证明的确是一门好生意，以Azure为例，它有全球60多个地区的计算能力，这是一件很难复制的事情，所以是否只有一个赢家？
我喜欢进入那些潜在市场规模大的领域，这样就不必承担赢家通吃的风险，一个大市场可以容纳几个赢家，而我们是其中之一
，这就是我所说的超大规模服务层级。
“我们过度炒作了AGI”
主持人：
听说你每年从人工智能中获得的收入是130亿美元，相信按照这个增长率，四年后会获得超现在10倍的收入，也就是1300亿美元。如果是这样，你预计利用这种智能应用做什么？是通过Office来实现吗？还是将其交给其他人来管理？你必须有AGI才能获得1300亿美元收入吗？它看起来像什么？
萨提亚：
这是个好问题，因为在某种程度上，如果你要实现了这种爆炸式增长，有了商品化的智能产品，在我了解微软的收入情况之前，首先要观察的是GDP的增长情况。
我认为我们现在对AGI的概念过度炒作了。
目前发达国家的GDP增长率是2%，如果再调整通货膨胀的话，就是0。虽然我不是经济学家，但我明白正面临着严峻的增长挑战。我们都说这次人工智能革命带来的影响不亚于之前的几次工业革命，那么就应该像工业革命一样带来生产力的突破，因此
要让发达国家的GDP增长在通货膨胀调整后，还能保持5%，这才是实现AGI真正的标志。
技术发展最大的赢家不会是科技公司，而是使用这些技术和资源突破生产力瓶颈的各行各业。生产力提高了，经济快速增长，当这种情况发生时，我们的行业就会更好。我们自称取得了AGI的一些里程碑，但在我看来这些都不是最根本的突破，
真正实现AGI的衡量标准是，世界经济以10%的速度快速增长。
主持人：
你在2019年就投资了OpenAI，当时还未出现Copilot和任何应用程序。如果你真的认为这里有10倍或5倍的增长潜力，那么你会关注GPT-4能带来多少收入吗？还是说就想疯狂一下，做数千亿美元的计算？
萨提亚：
平衡非常重要，这不是单纯构建计算，它还可以帮助训练和服务下一个大模型。如果不做这件事，将无法真正从投资中获益。所以，这不仅仅是一场关于构建大模型的竞争，更是创造一种商品的竞赛，你必须有一个完整的思考，而不是只考虑一件事。在这种竞争过程中会出现过度建设的现象，如同互联网时代的竞争一样，不仅是企业，国家也在投入资本，大家都需要更多资源，更多算力。竞争的结果难以判断，但有一件事可以肯定，就是计算成本会下降。
主持人：
作为与这些财富500强公司合作，并与他们一起部署为数十亿人提供服务的人，你觉得这些功能的部署速度有多快？即使你有工作助手和工具，但考虑到合规性，可能会遇到阻碍，能解决这个问题吗？
萨提亚：
这是一个真正的挑战，因为真正的问题是管理和流程的变革。想象一下，像我们这样的跨国公司在个人电脑、电子邮件和电子表格普及之前是如何做数据的。先是传真传送，然后有人收到了这些传真，做了一份办公室备忘录，接着传阅下去，大家输入数字，最终得到了一份数据，可能刚好赶上下一个季度。然后有人说，我要把一个Excel电子表格放到电子邮件里发出去，大家一起去编辑它，我就能得到一份数据。那么整个业务就发生了变化，因为工作工具和工作流程发生了变化，这就是人工智能引入知识工作领域的必要之处。
实际上，
当我们考虑所有这些Agents时，根本问题是有了新的工作和工作流程。
例如，在准备我们的播客时，我会去找我的助手，让它在我出发前总结出一个需要阅读的资料，我还和团队分享了这些资料。所以对我来说，新的工作流程是我利用人工智能思考并和同事一起工作。这对所有从事知识工作的人来说是一个根本性的变革，要弄清楚我将如何以新方式完成我的知识工作。这需要时间，类似于销售、财务和供应链业务的建设，需要时间去磨合。
这就类似制造商如何运用精益（精益生产是一种以减少生产过程中的浪费为核心的生产管理模式）来提高效率，如今精益生产成为了一种提高端到端制造流程效率的方法，减少浪费，增加价值。
知识工作也是一样需要精益生产，减少流程上的浪费，增加思考的价值。
微软最新两大技术突破
主持人：
微软研究院宣布的量子技术重大突破，可以给我们介绍一下吗？
萨提亚：
这对我们来说又是30年的旅程，令人难以置信。我是微软第三位对量子感到兴奋的CEO。
我们一直以来的愿景是，人类需要物理上的突破才能构建一台实用化量子计算机。
我们押注了噪声更小或更可靠的量子比特（qubits），就是押注了一种更可靠的物理属性。20世纪30年代埃托雷·马约拉纳（Ettore Majorana，意大利物理学家）就发表了相关理论，但问题是，我们能否在物理层面制造出它们？所以这个重大突破就是，我们现在终于有了证明马约拉纳零能模（MZMs）存在的证据和物理突破，这就是为什么我们喜欢将其比作“晶体管时刻”。
在量子计算中，我们实际上有了新相——拓扑相（是一种物质的量子态，它的性质不依赖于物质的具体形状和大小，而只取决于物质的拓扑结构），这意味着我们现在甚至可以可靠地隐藏量子信息，测量它，并且可以制造它。现在我们有了它就有了核心基础制造技术，我们就可以开始构建Majorana芯片了。
我认为Majorana 1将是第一款能容纳一百万量子比特的物理芯片。
然后在此基础上，对成千上万个逻辑量子比特的错误进行修正，最后你就有了构建一台实用化量子计算机的能力。
来源：视频截图
主持人：
其他公司也宣布了在物理量子比特方面的研究成果，包括谷歌、IBM等，但你说你们的在极限情况下更具可扩展性。
萨提亚：
是的。我们还采取了一项措施，将软件和硬件分开搭建。我们正在构建软件堆栈（指应用程序运行所需的程序或组件的集合），现在我们已经与中性原子、离子阱（Ion trap）等研究者和团队达成合作，他们在光子学方面有着相当不错的方法，这意味着将会有不同类型的量子计算机。事实上，我们最后宣布的是24个逻辑量子比特。因此，我们在纠错方面也取得了一些重大突破，这使我们能够在中性原子和离子阱量子计算机上来构建20多台量子计算机，并且还会持续下去。让我们回归第一性原理，构建我们自己关于拓扑量子比特的量子计算机，这就是这次突破的意义所在。
主持人：
太神奇了，百万个拓扑量子比特，数千个逻辑量子比特，预计需要多长时间才能达到这个水平？如果你有了第一个“晶体管”，在这里的“摩尔定律”是什么样的？
萨提亚：
显然我们已经为此努力了30年，我很高兴现在取得了物理学和制造方面的突破。量子计算机允许我们做的第一件事就是构建量子计算机，因为这样可以进行模拟，新量子门的构建将容易得多。但无论如何，
接下来真正要做的是构建第一台容错量子计算机，这是合乎逻辑的事情
，现在我可以说，也许在2027年或2028年，我们就能制造出它。既然我们有了这个量子门，是否可以将其放入集成电路中，然后将这些集成电路放入真正的计算机中？这就是下一个合乎逻辑的步骤。
主持人：
那么你认为到2027年或2028年，它会发挥怎样的作用？这是可以通过API访问的东西吗？它是你们内部用于材料和化学研究的工具吗？
萨提亚：
这是个好问题。我们也有量子程序，并且为其添加了一些API。大概两年前，我们取得了突破，开始将HPC堆栈、AI堆栈和量子结合在一起。事实上，我们仔细想想，
人工智能就像是人类的模拟器，而量子就是大自然的模拟器。
量子将会做什么？补充一点，量子不会取代经典，而是在量子擅长的领域表现更出色。量子对于探索密集型的事情大有帮助，需要的数据量少但产出的是指数级增长的数据。
我们开始使用人工智能作为模拟引擎进行训练，
如果有人工智能和量子技术，用量子来生成数据，就能训练更好的AI模型，两者应该结合使用。
所以即使在今天，这实际上就是我们将HPC和AI结合起来所做的事情。如今，我们仍然在有效地结合HPC和AI，我希望用量子计算机替代一些HPC部分。
主持人：
让我们深入探讨一下微软取得的另一个重大突破——世界与人类行动模型，可以介绍一下它吗？
萨提亚：
我们将其命名为Muse，它将成为这个世界行动的典范，或者说是人类行动的典范。
Dall-E和Sora在生成模型方面取得令人惊喜的成就，我们想要追求的是使用游戏数据。实际上你能生成既一致又能展现多样性，并且能保留用户模块的游戏吗？他们与我们的一家游戏工作室合作，这是在《自然》上发表的另一篇论文。
让我兴奋的是，我们很快将推出一系列游戏，将开始使用这些模型或者训练这些模型生成游戏。当菲尔·斯宾塞（Phil Spencer，现任微软游戏业务首席执行官）第一次向我展示时，他手里拿着一个Xbox控制器，这个模型根据输入生成输出，与游戏保持一致。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输出完整的句子，或者Dall-E进行绘画一样，是让人惊喜的时刻。
主持人：
在你担任微软首席执行官期间，已投资了数千亿美元打造微软游戏并收购知识产权。如果将所有这些数据合并成一个大模型，让你拥有同时访问和穿越多个世界的体验，如果这是游戏发展的方向，似乎是一项相当不错的投资。你对此有什么想法吗？
萨提亚：
我不会说我们投资游戏是为了创建模型。在微软有一件很有趣的事情：我们在开发Windows之前就制作了第一款游戏——飞行模拟器。因此，游戏在公司有着悠久的历史。
我们希望为了游戏本身而参与游戏开发。
我讨厌从事那些掺杂了其他目的的行业，回归到做这件事的初心就好。
我们不是一家综合型企业，而是一家必须将所有资源整合在一起，并通过增值来发展得更好的公司。例如，我们会投资云游戏，因为这将扩大TAM（技术接受模型），扩展人们随时随地玩游戏的能力。人工智能与游戏也是如此，AI肯定会改变游戏，这有点像游戏领域的CGI（三维动画）时刻，对游戏的长期发展也有利益。
作为全球最大的游戏发行商，我们必须制作高质量的游戏。但
这些数据资产很有趣，不只作用于游戏环境中，还能训练一个通用的世界行动模型。
我认为游戏数据之于微软就像YouTube之于谷歌，我对此感到兴奋。
主持人：
你可以在许多不同类型的游戏中获得统一的体验。除了人工智能，这与微软其他的业务，比如MR（混合现实）有何关联吗？可不可以帮助小型游戏工作室制作AAA动作游戏？
萨提亚：
早在五六年前我就说过，
我们下注的三大领域是人工智能、量子和混合现实
，如今我仍然相信这些。因为在某种意义上，它需要解决的重大问题是什么？
在场。
这是混合现实的梦想。你能创造真实的存在吗？我认为这是所有挑战中最难的一个，也许是因为它涉及社会方方面面。
我们现在对与Anduril（国防科技初创公司AndurilIndustries）的合作非常感兴趣。因此，我们会在这方面继续努力。事实上，像Teams这样的办公工具我们也获得了通过2D创造存在感的能力，我认为这将继续下去。所以，我关注这三件事，并思考如何将它们结合起来。
归根结底，我们不是为了技术去研发技术，而是要解决人类在生活中的一些需求，从而提升我们的生产力。
如果我们能以某种方式做到这一点，那就是真正的进步。
AI不会完全取代人类的认知劳动
主持人：
你在微软度过了大部分职业生涯，您能够创造如此多价值的原因之一是了解微软的文化、历史和技术。通过不断晋升，您积累了所有这些背景知识。其他公司是否也需要有这种背景的人来管理？
萨提亚：
这是个好问题，我还没从这个角度思考过。在微软工作了34年，但我依然对微软的工作感到兴奋，而不是觉得我只是公司的员工，该做这些事情。我很看重这种态度，任何加入微软的人都需要如此。
他们加入微软并非只是觉得可以获得经济回报，而是觉得可以通过平台来实现自身的目标，有一种使命感。
因此，我认为公司必须创造一种文化，允许人们加入并成为像我一样的“公司人”。至少对我来说，微软的正确选择要多于错误选择。
主持人：
你提到微软第六任CEO将利用你现在开始的研究，你会采取什么措施来留住未来的“萨提亚·纳德拉”，以便他们有机会成为未来的管理者？
萨提亚：今年是我们成立50周年，我思考了很多：
长久并
不是目标，相关性才是。
我和20万员工每天必须要做的是：思考我们所做的事情是否对世界有用且存在什么相关性，因为我们看到公司不仅要在今天生存下来，还要在明天发展得更好。
我们生活在一个没有特许经营价值的行业，如果你考虑我们今年的研发预算，这完全是对5年后将发生什么的猜测。
你必须抱着我们正在做的事情是我们认为会有意义的这种信念，然后必须对失败有很高的容忍度
，尽全力做完后才能说“我们公司将会成功”。
主持人：
有一件事我不太确定，你是否认为AI会自动化所有的认知劳动？
萨提亚：
这就是我对人们如何谈论它的定义感到困惑的地方，
认知劳动并不是静态的
。如果我有一个专门管理Agent的收件箱，这是新的认知劳动吗？所以今天的认知劳动可能是自动化的。那么产生的新的认知劳动呢？
当今的认知劳动可能会被自动化，但又会产生新的认知劳动。
不要混淆知识工作者与知识工作。今天的知识工作可能会被自动化，比如让AI Agent来处理我的邮件，但在处理完我的邮件后，给我一个更高级的认知劳动任务，比如“这些是我希望你审阅的三个草稿
”
。这是不同层级的认知劳动。
萨提亚：
可能会，但一旦它做到了第二件事，接下来会有第三件事。当我们处理了历史上改变认知劳动的工具时，为什么会担心所有的认知劳动会消失？
主持人：
我相信你以前肯定听过这些例子，比如尽管马可以胜任某些任务，但道路已经变成了适合汽车驾驶的样子，以后也不会再看到街上出现成百上千的马。这种情况是否也会发生在人类身上？
萨提亚：
在人类历史上，我们重视所理解的狭义的认知劳动也才不过短短的200年时间。我们以化学为例，如果量子计算加上AI确实能帮助我们做新材料，这是否会剥夺人类可以做的其他所有事情？为什么我们不能生活在一个拥有强大认知机器的世界里。
