微软CEO萨提亚·纳德专访:所有行业的CEO都面临“重塑时刻”,需将AI视为未来的核心而非工具

萨提亚·纳德拉（Satya Nadella）自2014年起担任微软CEO。他被誉为科技界的领航者，通过推行“移动为先，云为先”战略及拥抱开源文化，成功扭转了微软的颓势。通过收购LinkedIn、GitHub及战略投资OpenAI，他将微软全面推向人工智能时代的最前沿，使公司市值稳居全球领先地位。

里德·霍夫曼（Reid Hoffman）是硅谷著名企业家与风险投资人。作为LinkedIn的联合创始人，他极大地推动了全球职业社交网络的发展。此后，他加入Greylock Partners担任合伙人，以敏锐的投资眼光著称，成功投资了Facebook、Airbnb等众多独角兽企业。他同时也是人工智能领域的积极倡导者，其《闪电式扩张》等著作深刻影响了全球的创业生态。

在这次对话中，纳德拉围绕“AI时代的工作与企业本质”展开核心论述，提出未来工作将从“知识工作”演变为人类与数百万AI智能体（Agents）深度协同的新形态。他认为，新的“BASIC解释器”是“爬山算法机器”（Hill-Climbing Machine），其关键在于企业能否清晰定义目标、评估标准（Rubric）并保护自身“隐性知识”（Tacit Knowledge）。

纳德拉强调，企业必须高度重视“人力资本”与“Token资本”的复利回报，将员工行为轨迹视为核心知识产权，在完全可控的环境中让AI模型进行“爬山”进化。他反对用前沿模型解决非前沿问题，主张通过强化学习和专属数据集构建企业独特的AI供应链（AI Supply Chain），这将是未来竞争的决定性因素。

在领导力层面，纳德拉认为科技公司CEO必须深入技术栈，形成对Token资本的深刻理解；所有行业的CEO都面临“重塑时刻”，需将AI视为企业未来的核心而非工具。他重申微软的平台哲学：只有让平台上的合作伙伴创造远超自身价值，才能建立长期信任。

对话还涉及诗歌对纳德拉的影响、AI在科学 discovery（尤其是Manas在化学领域的突破）、儿童教育、主权AI、全球南方发展以及如何赢得“社会运营许可”等议题。纳德拉最终表达了对全球经济实现10%复合增长的乐观愿景，呼吁道德哲学、市场、民主与科技形成良性循环，构建真正的正和博弈。

访谈全文如下：

主持人里德·霍夫曼： 我非常荣幸为大家带来《Possible》播客的一期特别节目，嘉宾是微软董事长兼首席执行官萨提亚·纳德拉(Satya Nadella)。萨提亚和我相识已久，我们都有幸参与到了这场关乎人类未来的 AI 革命之中。我认为这一期节目的发布恰逢其时，因为我们探讨了各种重要的议题。萨提亚一如既往地优雅、严谨、睿智且极具全局观。最重要的是，在探讨我们的 AI 未来时，他始终充满着人文主义色彩。这将是一期极其精彩的节目。

萨提亚，其实在这里录制节目感觉特别棒，它让我想起了我们最初讨论微软和 LinkedIn 合作的那些日子。没错，我们最早的几次对话之一，就是在这间“五大湖(Great Lake)”办公室里进行的。能再次回到这里感觉真好。

我想从一件大家对你可能不太了解的事情聊起：你家里收藏了极多的诗集。你能谈谈诗歌对你的吸引力、你最喜欢的诗人，以及阅读诗歌对你来说意味着什么吗？

纳德拉： 我其实是在人生的不同阶段逐渐迷上诗歌的。我记得在初中时，我们有一本标配的英文诗集，我后来一辈子都在试着把它找回来。但很遗憾，它已经绝版了。那本书让我接触到了雪莱(Shelley)和华兹华斯(Wordsworth)，甚至还包括像萨罗吉尼·奈杜(Sarojini Naidu)这样用英语写作的印度作家。

我不知道是因为我的注意力持续时间短还是别的什么原因，我天生就被诗歌吸引，发自内心地喜爱并享受它。我总是把诗歌比作代码，因为诗歌在达到最高境界时，就是一种极致的信息压缩(Compression)。 每当我感到无聊时，就会去读读诗。

实际上，我并不擅长深入解读诗歌，我也从未系统学习过，造诣并不深。这也是为什么外界常说我“精通诗歌”，这名声其实远超我真实的学识。

但我依然认为，诗歌或许是人类经验最完美的表达方式。如果你从广义上认为文学比历史更能深刻捕捉人类的经验，那么我认为，诗歌就是人类经验最浓缩的结晶。

主持人里德·霍夫曼： 我完全同意。有没有哪位诗人的作品是你经常会反复重读的？

纳德拉： 能够最深深触动我内心的，可能是乌尔都语(Urdu)诗歌。这很大程度上是因为我在印度海得拉巴(Hyderabad)长大，在那里乌尔都语几乎“弥漫在空气中”。一些乌尔都语诗人，无论是现代诗人还是 17、18 世纪的先贤，都极其伟大。特别是一位名叫加利布(Ghalib)的诗人，简直才华横溢；还有像法伊兹(Faiz)这样的现代诗人也非常出色。

在海得拉巴长大，我也深受鲁米(Rumi)的影响。

事实上，我就读的高中非常有趣，教授的语言种类多得惊人。我们显然要学英语、印地语（国语）和梵文——梵文在印度大概就像西方世界的拉丁语。我们还学习当地的语言泰卢固语(Telugu)，这是我的母语，同时还有乌尔都语和波斯语。有意思的是，当到了所谓的“第二外语”上课时间，我的选择是去上梵文课，而我的同学们则分别走向波斯语、乌尔都语、泰卢固语或印地语的教室。

主持人里德·霍夫曼： 听你分享这些经历，我心里产生了一点“语言嫉妒”。我特别喜欢一个笑话：会说三种语言的人叫什么？三语者(Trilingual)。会说两种语言的呢？双语者(Bilingual)。那只会说一种语言的呢？美国人(American)。不幸的是，我本人就是这个笑话的真实写照。言归正传，我们刚刚结束了令人惊叹的微软 Build 开发者大会。让我们稍微回顾一下历史。微软的第一款产品是 BASIC 解释器(BASIC Interpreter)。50 年后，在这次 Build 大会上，你将公司的未来锚定在“其他人能利用 AI 构建出什么”之上。那么在这个 AI 时代，新的“BASIC 解释器”究竟是什么？

纳德拉： 问得好。事实上，我认为这正是微软 DNA 的核心：问别人能构建什么，从而决定我们应该构建什么。这是我们始终在问自己的两个问题。

对我来说，在 AI 时代，这个新的“BASIC 解释器”就是“爬山算法机器(Hill-Climbing Machine)”。当你把所有这些 AI 工具整合在一起时，它本质上是什么？它其实就是接收你设定的目标、想要的结果或评估标准，然后通过数据和强化学习的奖励机制(Reinforcement Rewards)，学会如何实现这个目标。

这次大会的核心根本不是为了炫耀某个新的前沿模型，而是为了帮助每一位开发者和企业——无论是 AI 原生初创公司还是传统大型企业——构建属于他们自己的“爬山机器”，从而让他们都能在技术的最前沿运作。

我认为这就够了。最关键的是，你必须极其清晰地知道自己深切关注的评估标准和目标是什么，并懂得如何去衡量它们。从某种意义上说，这是最重要的一环，保持这种专注力本身，就是新的知识产权(IP)。 其他一切都很机械化，但明确你想用什么样的数据集来训练模型，以及如何给予模型奖励，这很可能将孕育出下一代核心的知识产权。

主持人里德·霍夫曼： 好的，让我们深入探讨几个不同领域的议题，因为你和我曾多次讨论过微软的战略。其中一个问题是，企业如何保持其自身数据的优势和完整性？在全世界，微软是最适合做这件事的公司。所以，请谈谈企业应该如何思考这个问题：“我们需要建立自己的前沿智能(Frontier Intelligence)，但同时我们也必须保持对自身数据的控制权。”

纳德拉： 是的。你看，我认为问题的核心在于，未来的经济将如何被“人力资本(Human Capital)”和我们所谓的“Token 资本(Token Capital)”共同塑造。无论是对于微软、初创公司，还是有着百年历史的银行，道理都是相通的。我们所有人都必须开始关注人力资本与 Token 资本之间的协同作用，实现两者的复利回报(Compounding Returns)，这才是制胜关键。

顺着这个思路想，最重要的一点就是，不能仅仅把数据看作一个模糊的集合体。试想一下一家企业的“隐性知识(Tacit Knowledge)”：那是你们独有的运营方式、判断力以及审美品味。所有这些都是隐性知识，目前主要储存在企业的人力资本和一些数字资产中。但到了 AI 时代，从某种意义上说，模型能够通过追踪人类的行为轨迹(Human Trajectories)，提取出这种隐性知识，并将其编码成一组权重(Weights)。

因此，我认为每家企业现在都必须高度警觉人类与数字资产协同工作时的互动过程。这些行为轨迹本质上就是训练模型的绝佳素材，公司应当将它们视为知识产权严格保护起来，绝不能任其外泄。知识一旦外泄，就是一条单行道，你就彻底完了。 这种知识是独一无二的，它代表了你们企业或许花了一百年才沉淀下来的底蕴，虽然我们甚至都不知道该如何准确地表达它。没有任何一家公司的资产负债表上有一项叫作“隐性知识”的科目，但因为拥有人力资本，我们总把它当成理所当然的财富。

我相信这种知识是会泄露的，而且事实上，它正在泄露。如果你看看那些大模型公司是如何进行训练学习的，他们本质上是在建立带有奖励机制的“训练场(Gyms)”，甚至雇佣那些曾经在你们公司工作过的人来做标注。这足以给你敲响警钟：哪些底线是绝对不能被突破的。

这正是我们希望改变现有范式(Paradigm)的根本原因之一。你应该欢迎各种 AI 模型接入企业，但它们必须在由你完全控制的机器内部进行“爬山(Hill Climb)”进化。你的数据就是你的上下文(Context)；你把数据喂给模型，收集企业内部人类与智能体(Agents)协同完成工作的痕迹或轨迹。通过维持这种数据的闭环(Continuous Loop)，你可以确保核心知识不会外泄。我认为，这就是未来企业最根本的运作逻辑。

主持人里德·霍夫曼： 实际上，与隐性知识（Tacit Knowledge）息息相关的一个话题——这也是你我在微软董事会上探讨过的——AI员工在未来将扮演怎样的角色？

因为问题的一部分在于，我们不仅要提供放大人类工作效能的工具，还要配备至少是专家级别的AI员工。

但随之而来的挑战是，对企业而言至关重要的一点在于，员工身上内化了大量关于“做什么”和“怎么做”的隐性知识。你肯定不希望这些知识流失到其他公司或地方。当我们将AI视为，甚至作为专家级员工时，你和微软对未来工作形态有何愿景？

纳德拉： 我认为这种说法很对。我们可以从两个维度来思考这个问题。

让我们先打个比方：如果有人在80年代初跑来跟我们说：“未来每天早上会有40亿个打字员醒来开始打字。”我们肯定会问：“图什么？这说不通啊。我们有专门的打字员和幻灯片制作团队，这足够了。”但后来，我们发明了一个叫“知识工作（Knowledge Work）”的全新概念，在这个概念下，每个人都在打字并创造数字产出物（Artifacts）。

因此，我认为目前我们在概念上还未完全把握，或者说缺乏共识的是——假设像微软这样的公司，我们现在有2万名员工，但如果未来有200万甚至2000万个智能体（Agent）全部参与到工作流中，未来的工作形态会是什么样？

届时会发生什么？会产生怎样的隐性知识？在智能体之间、智能体与人类之间流转的产出物又会是什么？所有这些悬念，都将在未来几年内揭晓。

在编程领域，你已经能看到这种变革的早期雏形；这是观察此类社会演进的绝佳窗口。回想一下我们是如何起步的：我们使用传统的集成开发环境（IDE），AI在里面负责代码补全。这功能本身很实用，也很好理解。拼写检查一直都有，IntelliSense在VS Code里也存在了15年，并且在不断进化。

后来我们说：“现在你不需要跳出开发环境去浏览器里搜Stack Overflow了，你可以把所有的编程知识直接带入对话会话（Chat Session）中。”这也很好理解；你依然在IDE里，只是多了一个聊天窗口。

接着，我们引入了推理模型（Reasoning Models）和初步的智能体循环（Agent Loops）。我们可以分配任务，于是有了“智能体模式”。你不仅能聊天，还能给AI分配小任务，看着它完成，然后接受输出结果并将其整合到你的工作中。

随后，真正的重大突破到来了：实现了完全的自主性以及长时间运行的智能体循环，你完全可以“指令下达，放手不管（Fire and Forget）”。你只需传达一个宏观意图（High-level Intent），系统就会自动运行并完成一个完整的PR（Pull Request/拉取请求），而你只需点击接受即可。

我认为，这种转型将会席卷所有的工作领域。我们在Copilot中已经看到了这种趋势——我们有对话和“协同工作”。事实上，在Build大会上，我们发布了Scout和Autopilot。编程领域正在发生的一切，必将在所有的知识工作中重演。

有趣的是，我们在GitHub Build大会上推出了一项名为Canvas的新功能。随着大家都熟练掌握了这些编程智能体，我们现在面临的最大挑战变成了如何管理它们。我经常同时开着100个命令行（CLI）会话来操控100个不同的智能体，管理这些任务所需的认知负荷（Cognitive Load）高得惊人。因为在处理这种规模的任务时，命令行中的线性聊天会话效率极低，这让我们本质上又回到了对IDE的需求上。

因此，我们开发了一个新概念，叫做ADE——智能体开发环境（Agentic Development Environment）。这就是全新GitHub应用的本质。它就像一个收件箱，但里面装的是横跨所有代码仓库协同工作的智能体。它允许我对我下达的“宏观委托（Macro-delegation）”进行“微观调控（Micro-steering）”。它提供了一个完整的UI界面，让智能体与我之间能够顺畅地双向交互。

例如，我们引入Canvas功能，就是因为有时使用看板（Kanban Board）的可视化界面来管理PR会直观得多。对于智能体与人类的协同交互来说，这比标准的聊天窗口要有效得多。我相信，此类创新正是未来工作本质发生蜕变的方式。

此外，当前有一条非常迷人的AI研究主线，那就是微调模型以更好地理解人类偏好，并提升其可控性（Steerability）。我期望的模型不仅能听懂指令，更要真正具备高可控性，因为这才是建立信任的基石。最终，未来的工作将围绕着人类与AI互动中所孕育的隐性知识而展开。正如知识工作诞生于数字产出物与人力资本的交汇，这个崭新的时代，将由“AI资本”与“人力资本”的深度协同来定义，共同创造出全新的数字资产。

主持人里德·霍夫曼： 那么，在为企业赋能的过程中，构建额外基础设施的重要性往往被忽视，你认为人们错过了哪些关键点？显然，赋能人类的Canvas界面、ADE等是其中一部分。但举例来说，像“智能体安全性（Security in an Agent）”这样的概念究竟意味着什么？

纳德拉： 问得好。实际上，正如你所指出的，其一是体验层（Experience Layer），这显然至关重要。其二是我们之前提到过的，我们需要将“爬山机（Hill Climbing Machine，指持续优化并寻找最优解的机制）”作为一个概念进行实例化。但第三点，则是它的可管理性和安全性，这要从可观测性（Observability）说起。

正如我们昨天聊到的，我们做的第一件事就是打造了一个名为Agent 365的项目。我需要一份资产清单（Inventory）。我曾经设想：“微软现在有2000万个智能体吗？”首先，我必须知道这些智能体到底是什么、它们在执行什么任务，以及它们的推理轨迹（Reasoning Traces）是怎样的。它们必须是完全可检查且完全可审计的。

此外，这些智能体还有一个关键属性：它们能够生成并执行代码。因此，它们执行代码的环境——可能涉及到文件系统或网络访问——必须受到策略的严格管控。你需要为它们分配身份（Identities）并提供沙箱（Sandboxes）环境，然后设定策略来进行治理。我们构建了名为Agent 365的完整框架：我们扩展了Entra用于身份认证，扩展了Defender用于安全防护，还扩展了Purview以便自动标记生成的数据从而进行数据保护。我相信，安全防护、沙箱隔离（Containment）、可管理性和可观测性，正是我们对智能体建立信任的基石。

在我们的开发者大会上，另一个引人瞩目的焦点是构建长周期运行的智能体（Long-running Agents）的重要性。仔细想想，我们一直都有相应的编程模型，用于在程序运行时理解其执行的可验证性（Verifiability）。我们在Foundry平台中为这些长周期智能体引入了一个新属性，叫做“断言（Asserts）”。

这使得我们能够明确划定边界。现在，所谓的“护栏（Guardrails）”不再仅仅是某种形式的分类器，你拥有了在执行过程中确保运行轨迹不脱轨的能力。随着我们不断完善平台、运行时环境（Runtime）、安全层、管理层和可观测层，大量极其复杂的工程技术创新正在涌现。

主持人里德·霍夫曼： 让我们稍微聊聊CEO的角色。最近《财富》杂志形容你，在微软的AI团队里表现得就像一位创业公司的CEO。但提出一个更具普遍性的问题——因为我认为很多CEO都在向你寻求技术战略建议，想了解这个世界到底在发生什么。你认为CEO们在AI浪潮中应该做些什么？鉴于AI的颠覆性本质，它为许多公司带来了一个“重塑时刻（Refounding Moment）”。那么，对于他们该如何全面拥抱AI，你有什么建议？

纳德拉： 这是一个绝佳的问题，因为我最近一直在思考这一点。从某种意义上说，作为一名科技公司的首席执行官（CEO），你必须深入了解技术栈的底层逻辑。你不可能作为一个科技公司的 CEO，却对未来的发展方向没有一个根本性的世界观。为了走在传统认知的前面，你必须对公司的航向做出精准判断。我们的行业正在经历一种极其非黑即白的二元转型（binary transitions），因此我认为，如果在这样残酷的转型期，CEO 不能身先士卒、带头冲锋并敢于拍板下注，那这家公司将毫无希望。

过去，我曾认为如果你不是科技公司的 CEO，你只需要在自己的领域——无论是银行业、医疗保健还是其他行业——做个出色的 CEO 就行了，你可以完全依赖优秀的合作伙伴和技术顾问。但现在，我彻底改变了看法。我观察到了正在发生的巨变，而我认为其他行业的 CEO 群体大多还没有真正觉醒。这让我感到困惑，因为他们似乎依然满足于和某家科技公司联合发个公关稿，声称自己拥有了“AI 战略”，然后指着他们用 AI 构建的 8 个智能体（agents）和一些微不足道的成果沾沾自喜。

现实情况是，人工智能不再仅仅是一项技术，它是企业的未来。这就好比说你对公司的人力资本一无所知一样荒谬。现在，你必须对你的“词元资本（Token Capital）”有深刻的理解。你能否确切地说，你公司运营中产生的每一项工作，都在被转化为知识，并成为你词元资本的一部分？它可以是上下文语境、某项技能，或者是模型中的权重。它不需要是某个具体单一的东西，但你必须能清晰地识别出这是你所拥有、控制并创造的核心资产，并且你必须建立一套系统，让这种资本产生复利效应。

我认为这将是企业最难驾驭的变革。它不同于向移动互联网、个人电脑或云时代的转型——在那些时代，你只需要一个懂得如何跟供应商砍价来降低成本或提高效率的 IT 部门就够了。我并不是说你不该从这些基础做起，但现在的核心命题是：当 AI 基本上掌握了你所在行业所需的全部知识时，你的行业在结构上会发生怎样的颠覆？如果你从这个视角出发，你就会明白，这绝不仅仅关乎技术，它是对公司本质的根本性重塑。

主持人里德·霍夫曼： 在思考企业本质时，我想到你在领导微软方面做得无比出色。你展现出的众多天才般的决策与手腕之一，就是游刃有余地驾驭各项收购与合作，对吧？无论是对我们而言意义非凡的 LinkedIn，还是 GitHub、OpenAI 等等，你都处理得极其出色。

我认为微软在这一点上引领全球：你如何能在这些庞大的生态系统中建立信任？在人工智能时代，随着企业形态的不断演变，这一点将变得极其重要。

那么，为了建立和维系这种信任，你积累了哪些经验？你又在倡导什么理念？这极其关键，因为……

纳德拉： 从某种意义上说，我一直在思考，究竟什么是长期稳定的？哪怕是从微软的角度来看。长期稳定的核心在于，我们要成为一家纯粹的工具和平台公司，从根本上讲，我们的价值是由平台之上创造出的总价值来定义的，而这个总价值必须远远超过平台自身所攫取的价值。这是实现长治久安的唯一途径。

只要你做到这一点，你就能赢得信任。因为客户和合作伙伴会明白，这不是一场零和博弈。特别重要的是，它不会沦为那种博弈论式的零和场景（game-theoretic, zero-sum scenarios）——即你补贴某项业务两三年，然后反手就把合作伙伴的午餐给“吃掉”——科技圈的人可是玩这种把戏的高手。

我一直觉得这不是正道。正确的做法是，极度坚守作为一家平台公司的底线：你真正的生死存亡，取决于你是否有能力在平台上孕育他人的成功。只有当你的合作伙伴成功时，你才算成功。这才是为双方建立信任与长期稳定关系的终极公式。

我认为在人工智能时代，这将决定一切。里德（Reid），如果一年后我们再坐在这里，而世界还没有完全转向探讨“我的 AI 供应链是什么样的？”这个命题，我会感到非常惊讶。核心在于找到方法，帮助企业实现 AI 的复利回报；在这个我们深知学习系统本身没有边界的世界里，企业必须能够明确指出什么是其不可替代的独特价值。当然，这些边界最终必须由市场结构、社会制度以及其他机制来施加限制。

主持人里德·霍夫曼： 所以，我们刚才聊了很多关于聊天机器人和代码生成的话题，它们确实经历了令人惊叹的爆炸式发展。那么在接下来的几年里，大型语言模型（LLM）的下一个前沿阵地会在哪里？

纳德拉： 谈到这个，其实我知道有一件事让你非常非常兴奋——坦白讲，我也为你感到高兴——这甚至让我们重新审视了你现在的时间分配。具体的细节留给你自己来讲，但看到科学领域正在发生的变化，真的是不可思议。

事实上，你与 Sid 共同创立的Manas公司，在所谓的编程和知识工作领域树立了一个绝佳的榜样。如果这种突破开始在科学领域发生，我甚至会说，我真希望我们当初是按相反的顺序来的。

如果我们能先在科学领域取得一些造福社会的重大发现，那么社会对 AI 的接纳度和宽容度就会高得多。那样，人们就会从一开始便认定这是一种有益于人类的力量。我非常期待你能分享你们正在做的事情，显然你在这上面倾注了大量心血，也许你可以亲自谈谈？

主持人里德·霍夫曼： 是的。过去这一个月我深刻意识到了一件事：我们在 Manas 上看到了极其惊人的进展。事实上，我们在内部将其描述为化学领域的“第 37 手棋（Move 37）”，因为我们观察到的化学研究成果，或许真的有望攻克某些极具挑战性的癌症和其他疑难杂症。当然，目前还处于非常早期的阶段，推进这些新药临床申请（INDs）还需要一段时间，但事实是，我们已经开始看到曙光——我们拥有世界上最顶尖的一批计算化学家。我看着那些成果说：“这太不可思议了，我们以前从未见过。这极有可能行得通。”

所以，我和 Sid、Ujwal 讨论了这件事。我说：“听着，我觉得我必须重回‘创始人模式（Founder Mode）’来推动这件事了。”我需要全神贯注地投入其中。

这周我们俩的谈话中也提到了这点，我说：“好吧，我在微软董事会已经待了 10 年了。”这是一段无上的荣誉和极大的乐趣，不仅是因为 LinkedIn，还见证了 OpenAI、GitHub 以及一系列伟大举措的发展。但到了年底，我真的应该过渡，回归我的“创始人模式”了。我们依然会一直合作，但现在是时候让我重新扎根到新公司的建设中了。

纳德拉： 不，首先，这绝对是一件非常了不起的大事。

纳德拉： 能邀请您加入微软董事会，在所有的合作以及 LinkedIn 等项目中与您共事，是我莫大的荣幸。微软董事会一定会非常想念您。我知道我们仍会保持紧密联系，但我也为您感到兴奋。当您说要回归“创始人模式”(Founder Mode)时，我更加好奇您接下来要打造什么了。正如您所敏锐捕捉到的那样，当下正是这些技术对社会的深远影响超越以往任何时刻的节点。

主持人里德·霍夫曼： 完全正确。让我们回到关于 AI 思维模式的问题上。我大致将这些系统视为一种“异星智能”(Alien Intelligence)——这是一种极力模仿人类认知而构建出的另一种形态的智能，它为我们创造了巨大的实用价值。

然而，它的推理模式与我们并不相同。人们常常在遇到这种情况时感到恐惧。但实际上，尽管我们必须时刻关注并确保对齐(Alignment)，这也是它的奇妙之处，因为它能开启全新的可能性。

这就是它的价值所在，比如我们目前正在进行的化学研究。人类以前并没有发现这类化学物质，对吧？当我们想到这种推理模式还能促成其他哪些思维方式时，它显然极大地放大了人类的能力。这是一项伟大的壮举，我对此深信不疑。

纳德拉： 我曾深入思考过它将如何提升我们的能力。如果我们人类拥有归纳和演绎的能力，那么与 AI 置身于同一个认知闭环中是一件非常迷人的事情，因为我的探索空间正在随之改变。甚至在编程领域也是如此。

我的一位同事向我展示了一个他为 GitHub Copilot 编写的新技能，这是最让我着迷的事情之一，他称之为“认知覆盖度”(Cognitive Coverage)。这真的非常有趣。他所做的是：确保每当智能体(Agent)为我完成某项工作时，我们都像对待代码的测试覆盖率一样对待它。我们现在引入了“认知覆盖度”这个新概念，作为人类，我们的任务是从 AI 所做的工作中进行学习。

为了辅助这一过程，系统会自动生成一个小测验。这个过程基本上匹配了我对智能体的工作形成演绎理解的能力。正如您所言，这本质上是一种模仿——一方面这是一场模仿游戏，但这场模仿游戏创造了真正的价值。因此，我从演绎层面去理解 AI 工作的能力，很可能将成为我们必须培养的最重要的人类技能之一。

我对“认知覆盖度”这个概念非常着迷。我相信未来会涌现出更多这类工具。当智能体在自主工作且必须在某一方面保持对齐时，这一范式转变的另一面，就是我们确认自己已经“认知覆盖”了 AI 工作的能力。

主持人里德·霍夫曼： 我认为这一点与您之前提到的 Token 资本和 AI 资本的概念不谋而合。现代人类知识工作者的一项核心技能，就是学习如何在特定的资本分配范围内，对 AI 的使用和工作流编排(Canvas Orchestration)进行战略规划。

我们已经看到，人们可能会在无效的 Token 支出上疯狂挥霍，就像当年“五角大楼花一百万美元买马桶盖”的荒诞轶事一样。

因此，将你的认知策略与严谨的 Token 管理相结合至关重要。您认为将“认知覆盖度”与“Token 智能”融合，从而成倍放大产出结果的关键是什么？

纳德拉： 事实上，我一直在深入思考一个必须去深究的问题：在所谓的“Token 丰裕时代”(Age of Token Abundance)，究竟什么会变得更有价值？其中之一就是您提到的——如何使用 Token 将变得极具价值。在这个世界上，谁能弄清楚如何更高效地使用 Token 来达成关键成果，谁就能遥遥领先。这是必然的。

那么，如何建立这种直觉呢？这要从以下问题开始：那个成果是什么？我该如何衡量它？评价标准(Rubric)是什么？这就是我认为评估(Evals)极其迷人的地方。很明显，特别是在强化学习(RL)机制下，如果你想取得成功，就需要设定好评价标准和评估维度，以精准捕捉到只有你才能定义的“极高品味”。因为只有做到这一点，你才能真正实现 Token 的高效利用。

事实上，Token 高效利用的另一面——正如我们在 Build 大会上展示的一些案例——假设你是一家零售商或消费包装品公司，你的日常工作之一是处理与贸易促销相关的交易。目前，你会收到零售商发来的所有索赔申请并需要进行处理，这完全是人工操作的。你现在可以很容易地利用智能体工作流(Agentic Workflow)将其自动化。你可能会说：“哦，我要用一个前沿模型(Frontier Model)来做这件事。”但我有一个核心准则：不要用前沿模型去解决非前沿问题。

这不是一个前沿问题，你并不是在试图发现某种新的材料科学。这是一个可重复、确定性的工作流，只要能避免人类在处理索赔时常犯的错误，就能产生巨大效益。你确实需要智能来完成它，但你可以采用像 MAI 5B 这样的模型，利用执行轨迹(Traces)在你的强化学习中进行爬坡迭代(Hill-climb)，从而获得比仅仅依靠前沿模型写提示词更好的表现。对我而言，这就是 Token 的高效利用。现阶段，人类对系统局限性和特性的这种深刻理解，正享受着极高的溢价。

主持人里德·霍夫曼： 是的，我同意。我认为人们需要透彻理解的另一件事是——正如你所知，因为我们参与过很多此类讨论——其他国家对所谓的“主权 AI”(Sovereign AI) 存在很多担忧。既然我们刚才已经深入探讨了企业层面的主权，比如公司、它们的信息以及员工，我认为在此探讨一下两者的相似之处会很有启发。我们在企业层面所做的事情，与国家应该如何思考在 AI 的未来中建立信任，这两者之间有哪些相通之处？

纳德拉： 这确实很有意思。我之所以将重点转向企业，原因之一就是企业遍布世界各地。这是个好消息；从某种意义上说，由于各国在抽象地思考主权问题，它们甚至可能会犯下大错，最终侵蚀自身的比较优势——这种优势如今是自然存在的，具体体现在国家内部因企业组建和繁荣而产生的商业活动中。因此，保护这些商业活动才是主权的最佳体现。

有时我认为人们过度纠结于防火墙或数据本地化(Data Residency)。我并不是说这些不重要，但这首先关乎于确保你拥有一个运转良好的经济体。这意味着你需要有企业，这些企业必须在 Token 经济中蓬勃发展，并且具备构建知识产权(IP)的能力。事实上，与国界之外能提供这些能力的公司建立合作关系，远比突然落后于技术前沿要重要得多。

政策制定者必须思考基础设施问题。毕竟，Token 的一端是电力电子，另一端是数据。你要努力成为那些“电子到 Token”(Electron-to-token)转换机——也就是数据中心——最廉价、最具环保意识的生产者。虽然优先发展国内半导体生产对任何国家来说都是一个合理的战略目标，但这仅仅是等式的一部分。

在基础设施之外，最重要的是拥抱大卫·李嘉图(David Ricardo)始终正确的理论：每个国家都有自身的比较优势，而现在它们需要利用 AI 来成倍放大这种优势。最好的结果是，小微企业、大型跨国公司，甚至是公共部门都能提高效率，并始终运行在技术前沿。任何国家能做的最糟糕的事情，就是以“主权”的名义闭关锁国；一旦脱离了技术前沿，最终必将被时代抛弃。

你必须参与其中。但与此同时，仅仅依赖单一的前沿模型也是毫无意义的，因为那样你就失去了主权。那么，解决之道是什么呢？那就是有底气地说：“不，我们将利用模型，在每一家企业内部，甚至在整个经济体总量上，进行自主的爬坡迭代(Hill-climb)。”我认为，这就是最终的解法。

主持人里德·霍夫曼： 关于自研芯片（silicon）的布局，我认为这是一个很好的话题。这不仅涉及到我们正在打造的 Maya 和 Cobalt，当然也离不开我们与 NVIDIA 和 AMD 的紧密合作。那么首先，微软自研芯片的战略目标是什么？其他企业或国家又能从中借鉴什么？

纳德拉： 这很有趣。如果你仔细思考，我们会发现一个很好的观察视角。看看 NVIDIA、AMD 或 Intel 所做的，他们构建的是通用技术。今天，我们使用 GPU 不仅仅是为了模型训练和推理（inferencing），也是为了加速其他工作负载。事实上，我们在 Build 大会上宣布的一个激动人心的消息，就是利用 NVIDIA GPU 来加速我们的 Fabric 数据仓库（Fabric Data Warehouse）。得益于它们的通用性——比如 NVIDIA 的 CUDA 编程模型——我们可以加速各种不同的工作负载。我们甚至在利用旧款的 NVIDIA 芯片来加速现有任务，这在经济上非常划算；通过将现有计算集群同时用于前沿 AI 和优化传统工作负载，来最大化机群的使用寿命，这无疑是明智之举。这对 NVIDIA 和我们来说是双赢。

然而，这也凸显了新工作负载的转变。AI 工作负载是数据并行且同步的，并且包含了调用模式截然不同的新型智能体运行时（agentic runtimes）。这些工作负载的规模在三年前根本就不存在。因此，我们需要跳出半导体本身来思考。我们的数据中心建设、土木工程、冷却系统和机械系统都在受到这些新需求的深刻影响。我们正致力于确保电力的高效传输，将从电网直达芯片的损耗降至最低。因为这些工作负载是在极其庞大的规模下运行的，我们必须进行极致的优化。

这正是我们在 Maya 项目上所做的。Maya 是与我们的 AI 模型以及 OpenAI 的模型协同设计的，旨在实现最佳性能。同样，我们专门为 GitHub 智能体追踪（agentic traces）等任务设计了基于 ARM 架构的计算核心——Cobalt。编程智能体的调用模式与人类应用，甚至是异步的人类应用都大不相同。通过针对这些模式进行优化，我们在降低延迟和提升性能方面取得了巨大的突破。

最终，我们正在转型为一家系统公司，不断为全新的、大规模的工作负载进行优化，同时利用合作伙伴的通用技术来实现效用最大化。这种灵活性是关键所在。这也是为什么各个国家也应该进行战略性思考的原因——如果你认为只有一个标准答案，那你很可能会犯错。对微软而言，将所有赌注都压在 Maya 或 Cobalt 上绝非正道。相反，我们保持对外部创新的开放态度，同时在内部坚持自主创新。我们对所有事物进行基准测试（benchmark），并坚持原则性的方法，以实现最佳的经济效益。

主持人里德·霍夫曼： 是的，因为创造能够带来人类繁荣的高效词元（token）工厂是我们的目标，而赋能众多企业去实现这一目标也是我们使命的一部分。那么，换个话题：从我们多次的交谈中我了解到，你对现代儿童的议题有着非常深刻的思考，尤其是考虑到我们目前显然正在为他们开发 AI 导师、AI 助手等产品。

我们全行业都在共同探索的一个问题是：作为科技产业，我们应该怎么做，才能在帮助儿童以正确方式成长与保护他们安全之间找到平衡？

为了成为人类下一代优秀的引路人和守护者，微软内部正在考虑哪些基本原则？你个人又是如何思考这个问题的？

纳德拉： 这是一个很好的问题。显然，我们在儿童安全方面必须采取强有力的举措。任何数字技术问世时，我认为我们都必须将其视为首要关切。除了网络安全、生物武器和价值对齐（alignment）等 AI 安全问题外，儿童安全同样至关重要。

我们首先要确保的是，解决当前各类聊天机器人（chatbots）在与儿童对话时带来的一系列挑战。我们需要极其谨慎，确保儿童在与这项技术互动时，能够始终保持所需的自主权（agency），按照他们自己的意愿去探索，而不是被 AI 所诱导。这些都是非常核心的问题。

但你提到的另一件事也至关重要：在一个信息极度富足的世界里，作为“一个孩子”究竟意味着什么？这才是核心问题。学习应该如何发生？我们该如何激励孩子？他们去适应全新教学系统（pedagogical system）的能力又如何？

回顾传统的教育方式，十分有趣的是，我成长过程中对学习的焦虑，其实是机会匮乏和高质量资源稀缺的产物——而这些情况在未来可能将不复存在。因此，我们的首要任务之一就是创造一个全新的学习环境，让学生，特别是孩子们，从很小的时候起就不会对数学、科学或其他学科产生恐惧心理。

事实上，每个人天生都充满好奇；正是与现实世界的碰撞，逐渐侵蚀了孩子们与生俱来的好奇心和自信心。在消除了焦虑感之后，我们该如何赋予他们自由探索的能力，去进一步激发这种天赋？毕竟，专业知识永远唾手可得，真正稀缺且珍贵的，是你驾驭这些知识的认知能力。

如果在我五岁时有人对我这么说，我想我面对人生时会有截然不同的态度。作为一个社会，我们应如何为实现这一愿景创造必要的条件，这将是重中之重。

主持人里德·霍夫曼： 从与你的深入交流中我深刻感受到，这是我们作为科技行业的首要责任。我们绝不能推卸。鉴于 AI 技术将无处不在，我们必须对人类的下一代负责。

纳德拉： 没错。一方面，我们从第一天起就在认真思考技术可能带来的非预期后果，并切实构建了安全护栏。另一方面，新技术带来的巨大红利必须实现普惠（democratized）。此外，我认为社会需要进行结构性的变革。我们不能指望教育模式一成不变，也不能继续沿用过去那套文凭与资历认证标准。时代在发展，某些事情必须随之改变。

主持人里德·霍夫曼： 在这个语境下，有一个我们还没来得及探讨，但却非常契合的话题：教皇方济各（Pope Francis）发布的通谕（encyclical）。我认为这实际上展现了教会卓越的领导力。

大约在十到十一年前，教皇方济各就邀请我参与并协助他们开展关于 AI 的探讨。可以说，教会在这个问题上表现出了惊人的前瞻性。

实际上，这份通谕中完全没有让我感到意外的，是其蕴含的人文主义精神。因为人们通常会认为：“哦，这肯定是关于宗教的，是教你怎么祈祷的。” 但事实上，至少就我接触到的那部分教会人士而言，他们都是真正的人文主义者。你对教皇的通谕有什么见解吗？

纳德拉： 教皇(Pope)介入了讨论。据我了解，这是有历史先例的。如果没记错的话，在工业革命时期，当时的教皇也曾对劳工状况及应采取的措施等问题发表过意见。

因此，教皇能出面捍卫我们所有人都深切关注的议题——即人工智能时代的人类尊严与主观能动性(Human Agency)，我认为这至关重要。我也很高兴他能为自己所看重的价值发声。

对我而言，这引发了另一个层面的思考：

什么是社会？纵观历史的演进，特别是在思考科技进步如何被用来创造巨大的繁荣时，西方的发展史尤为引人瞩目。乔尔·莫基尔(Joel Mokyr)和其他几位作者写过一本立意深远的书，名为《通往繁荣的两条道路》(Two Paths to Prosperity)，它主要描述了中国和西方一千年的历史。概括来说，书中强调，西方在如何利用科学革命和工业革命方面，发展出了特定的文化与社会建构。这些发展迫使社会组织方式发生实质性变革，从而从根本上抓住了这些巨大变迁的红利——正是这种动态演进塑造了现代世界。

我深感我们当下需要的，正是道德哲学、市场、民主制度以及科技革命的又一次深度融合。我相信教皇的根本观点也是：我们需要一种道德哲学来指引前路。如果我们能构建一个良性循环，让道德准则、科学突破、政治体制和市场机制相互促进，我们就能迈向一个富足的时代，并确保广大民众惠泽其中。反之，若无法做到这一点，我们将面临失去社会运营许可(Social Permission to Operate)的严峻风险。

我不认为西方的成功可以简单归结为技术突破；那是多种力量在良性循环中发生的奇妙共振。然而，这段历史也有不容忽视的阴暗面，我们必须承认并极力避免。这也是教皇在其通谕(Encyclical)中指出的观点，我认为极其精辟：我们必须反思历史的创伤，汲取教训以避免重蹈覆辙，并以一种极具感染力的方式去大力倡导这种积极的良性循环。

主持人里德·霍夫曼： 我认为非常棒的一点是，他聚焦于如何将人类置于核心地位？如何提升人类尊严？如何不仅满足富裕国家的需求，而是兼顾全世界的诉求。在如何开启对这些问题的思考上，我认为这为我们指明了方向，宛如一座伟大的灯塔。

纳德拉： 我对此有很深的思考。例如，我一直极其关注“全球南方(Global South)”的发展。在某种意义上，他们终于迎来了属于自己的高光时刻，有望实现真正的追赶式增长(Catch-up Growth)。

因此我认为，在人工智能时代，这种趋同增长(Convergence Growth)正面临放缓的真实风险，甚至可能出现逆转倒退。

那么，应该构建怎样的全球结构呢？顺便说一句，身处美国帕洛阿尔托(Palo Alto)的人可能觉得这事与己无关，但绝非如此，对吧？我们同处一个地球村，命运的纽带远比我们想象的要紧密得多，哪怕我们与事件的发生地相隔万里。

主持人里德·霍夫曼： 好了，在进入快问快答环节之前，最后一个问题。如你我所知，在欧美地区，出现了大量对人工智能的抵制声浪(AI Backlash)。

为应对这一问题，我尝试通过《超级能动性》(Superagency)等书籍，传达出一个核心观念：这是我们重获能动性的绝佳契机。转型固然维艰，但拥抱变革终究是大势所趋。如果你能深谋远虑并顺势而为，这项技术将成为巨大的助力。

你认为我们该如何帮助欧美民众理解，为什么拥抱人工智能如此至关重要？我承认，抵制声浪背后的担忧是真切的，诸如劳动力转型等阵痛也切切实实存在。但问题是，我们如何才能让大家意识到，AI 将成为他们未来不可或缺的关键基石？

纳德拉： 我觉得至少现在，我得出了这样一个结论：我们必须拿出真实、具体、务实且通俗易懂的成果来让事实说话。因为现状是——坦率地讲，甚至连我们行业内部谈论它的方式都存在很大问题——如果你跑去对公众说：“嘿，知识工作者的所有经济机会都将消失”，或者“白领工作将不复存在”，紧接着又补充一句：“想到能开发出这样的技术，我感到非常兴奋。”那别人凭什么还希望你取得成功呢？这在社会常理上根本说不通。

当有人在大学毕业典礼上因倡导人工智能而被台下起哄喝倒彩时，这就意味着我们已经越界了，人们不再信任我们，而他们有充分的理由这样做。因此，是时候沉下心来做些苦活累活了。如果你正在建造一个数据中心，那就得设法让当地社区真正相信这会对他们大有裨益——无论是从税基增长、社区建设、房地产升值、学校教育，还是从水资源利用和电价控制的角度来看。绝不能仅仅停留在空谈，必须带来实实在在的利益。唯有如此，我们才能赢得社会的运营许可。

在就业问题上亦是如此。我们不能仅仅抽象地抛出“劳动总量谬误(Lump of Labor Fallacy)”，就想当然地声称总会涌现新的工作岗位。我们必须明确界定这些新工作究竟是什么、薪资水平如何、人们该如何接受相关的技能培训，以及如何借助新技术创办新公司。除非我们将这些具体细节梳理得明明白白，否则我们必将失去公信力。

此外，每一家企业都必须参与到前沿生态系统中去。你绝不能仅仅沦为某个基础模型(Foundation Model)的“数据饲养员”；这会导致国家、社区乃至企业自身丧失数字主权与尊严。我们必须坚定“这是一个正和博弈(Positive-Sum Game)”的信念。我们必须在清晰阐述其切实施惠的同时，积极应对技术带来的诸多挑战。在这一点上，像 Manas 等公司将大有作为，因为这个世界需要更多的成功范例来证明，这项技术终将广泛地改善人类的生存境遇与整个社会，而非局限于狭隘的圈层。

主持人里德·霍夫曼： 没错，这正是“为了全人类的人工智能(AI for Humanity)”。好的，进入快问快答环节，你不需要立刻给出答案，但我们会向所有嘉宾提出同样的问题。第一个问题：有没有哪部电影、歌曲或书籍，让你对未来充满乐观与希望？

纳德拉： 就是那本《通往繁荣的两条道路》。我喜欢它的原因在于，它是一次极好的行动呼唤。展望未来的上千年，通往繁荣的道路究竟在何方？在过去的一千年里，至少世界上有部分地区成功描绘出了正确的蓝图。那么现在，我们能否以整个地球为共同体，在未来的一千年里找准方向？我认为，这正是我们最需要倾注心血、大有作为的地方。

主持人里德·霍夫曼： 完全同意。有什么问题是你希望别人更经常问你的？

纳德拉： 这个问题问得好。我希望人们能问问我：“有什么是你不期待的？”因为我对很多事情都充满激情，但也有让我忧心忡忡的事：例如，由于我们在人工智能领域发表了不当的言论，或是采取了错误的行动，甚至没能全面思考如何真正构建一个正和博弈(Positive-Sum Construct)的生态，从而导致我们丧失了社会的运营许可。

主持人里德·霍夫曼： 百分之百赞同。考虑到微软为全球众多行业提供技术支持，除了你们自身所处的行业之外，你认为还有哪些领域正在取得进展或展现出增长势头？可能是机器人技术、人工智能或其他领域。究竟是哪些进展让你深受启发？

纳德拉： 细想一下，在某种程度上我认为是生物学(Biology)领域的工作。人类生物学是我们必须深入理解的最复杂的系统之一。因此，任何能够帮助人类更好地关怀自身的工具，都令人心生敬畏。

我最近了解到一些关于免疫疗法(Immunotherapy)的进展。目前有一项检测，主要用于确定某种特定的免疫疗法是否对特定肿瘤有效，这个过程通常非常复杂且昂贵。

普罗维登斯医疗中心(Providence)联合华盛顿大学(UW)及微软研究院(Microsoft Research)的研究人员，共同开发了一款名为 GigaPath 的工具。这是一个非常出色的模型，它能够模拟该检测过程，从而显著降低了以往需要耗费大量时间和金钱的流程成本。

如今，任何城市的三级医院(Tertiary Hospital)都能进行这项检测。我认为，这种医疗技术与临床实践在经济上的普及性(Economic Accessibility)，才是真正的突破。

主持人里德·霍夫曼： 最后一个问题，你能否和我们分享一下你的最终构想：如果未来 15 年里，一切发展都顺应人类的期望，你认为我们有可能实现什么目标？而我们要迈出的第一步又是什么？

纳德拉： 我觉得如果一切都顺遂人意，我总是会回归到那个梦想：全球经济实现 10% 的 GDP 复合增长(Compounding GDP Growth)。这是有可能发生的，不是吗？我们可以做一个思想实验：如果工业革命(Industrial Revolution)能够同时席卷全球每一个角落，让每个国家都能充分发挥自身的比较优势(Comparative Advantage)，会怎样？那就是一种极致的正和博弈(Positive-sum)构想。

我们能做到吗？我们往往受困于“世界运转的规律并非如此”的固有观念中。人们常常通过霸权和统治力量的视角来审视历史。我并不是说我们能完全打破这些规律。

但归根结底，既然你让我畅想未来，我的梦想是：如果人类能够突破有限理性(Bounded Rationality)的桎梏，超越“历史总是重演”以及“人类永远无法摆脱战争”的思维定式，我们就有可能扭转历史的航向。

迈出的第一步，就是要承认这种可能性是真实存在的。唯有如此，我们才能抵达那个未来。否则，我们只会重蹈覆辙，陷入对过往的无休止争论中，沉溺于历史，并且只是一味地试图去复刻过去。

主持人里德·霍夫曼： 美好的梦想。Satya，每次和你交谈都是一种享受。下周董事会见。非常感谢。

来源 ： AI瓜哥新知    作者：萨提亚·纳德、里德·霍夫曼