微软CEO：我们过度炒作了AGI

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。

以下为对话全文（有删减）：

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。

主持人： 人工智能将在哪里创造价值？

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。

来源：视频截图

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。

主持人： AI能做到第二件事吗？

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。

【来源】Dwarkesh Patel（YouTube）

【编译】吴莹 曹冰颖（实习）

免责声明（上下滑动查看全部）

任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，亦不对因使用本文内容所引发的直接或间接损失负任何责任。投资有风险，过往业绩不预示未来表现。财经早餐力求文章所载内容及观点客观公正，但不保证其准确性、完整性、及时性等。本文仅代表作者本人观点。