来源：有新Newin
微软 CEO Satya Nadella 在近日与硅谷知名投资人 Brad Gerstner 以及 Bill Gurley 讨论了微软的战略转型、对 OpenAI 投资以及智能体（Agent）的未来，全文两万字。
Nadella 认为，当前 AI 领域的竞争将不再是赢家通吃，而是多个企业在不同层次的技术领域展开激烈角逐。
特别是在基础设施（如云计算）和应用（如 AI 模型）之间，他认为微软的 Azure 和其他云服务将在未来的 AI 竞争中占据重要位置。
智能体（Agent）被视为比传统搜索引擎更为智能和个性化的工具，不再是简单的无状态查询工具，而是能够保持状态、记住用户历史并提供持续的互动。
Satya Nadella 提到，随着消费者对 AI 的需求增加，传统搜索引擎（如 Bing）面临新挑战，未来将见证从传统搜索到基于 AI 的问答系统的转变。
智能体的出现可能打破了传统搜索引擎的界限，能够提供直接的答案，而不仅仅是链接，改变了用户的互动方式。通过 ChatGPT 和类似的工具，用户不再需要通过多次查询来获得答案，而是能得到更加即时和智能的反馈。
对于消费者端，智能体的商业模式仍在摸索中，传统的广告和流量驱动模式可能需要转变，尤其是在智能体能够通过简化的对话来获取和处理数据的情况下。
以下为全文内容：
Brad Gerstner
很高兴和你在一起。当 Bill 和我在讨论， Satya ，回顾你作为 CEO 的任期时，真的是一次很好的学习经历。可以说是相当艰难的，你在 1992 年就加入了微软。对于那些可能不知道的人，你在 2007 年接管了微软的在线业务。
你在 2009 年推出了 Bing 搜索，在 2011 年接管了服务器业务并推出了 Azure，而你在 2014 年成为了 CEO。就在那之前，有一篇现在已经非常著名的文章《微软的无关性》刚刚发表。
自那以后，你将 Azure 从 10 亿美元的年收入提升到 660 亿美元。整个业务的总收入增长了 2.5 倍，总利润增长了超过 3 倍，股价也几乎上涨了 10 倍。你为微软的股东增加了近 3 万亿美元的价值。
回顾过去十年，你认为当时你最能做出的改变是什么？是如何解锁价值、改变微软的方向，并取得如此非凡的成功？
Satya Nadella
嗯。所以，我一直是这样思考的，Brad，从 92 年到现在，某种意义上，它对我来说是一个连续的阶段，尽管显然，2014 年是一个重要的转折点，伴随着相应的责任。但是我觉得，归根结底，成功和失败的模式是可以匹配的，做更多的成功，少做失败的事。
从某种意义上说，就是这么简单，因为我经历过。当我在 92 年加入微软时，那是刚刚发布了 Windows 3.1，我记得 Windows 3.1 是在 92 年 5 月发布的，而我是在 92 年 11 月加入的。
事实上，当时我在 Sun 公司工作，考虑要去商学院，后来收到了微软的邀请，我本来想去商学院，但最终是因为我的上司说服我加入微软，这成了我做过的最好的决定。
当时让我决定加入的原因是 91 年的 PDC 展会，在 Maskoni Center，当时我看到了 Windows NT（那时它还没有这个名字）和 x86，我心想，客户端上发生的事情最终会在服务器上发生，这是一家平台公司，一家合作伙伴公司，他们将乘着这股浪潮前进。所以这是当时我的考虑。
然后，网络的出现让我们经历了转型，我们把很多事情做对了。比如说，我们意识到浏览器是我们的竞争对手，最终我们做对了浏览器这件事。
但在搜索领域我们失误了，我们当时觉得，浏览器才是最重要的，因为它更像一个操作系统，但我们没有理解新类别的出现，即互联网的组织层是搜索。
然后我们也参与了移动互联网，但并没有完全把握住。显然，iPhone 的出现让我们错失了机会。而在云计算领域我们做对了。所以，如果我回顾这些事情，我们现在也正在经历 AI 的第四次变革。
在这些过程中，我认为最重要的是不要因为别人做了某事，我们就去盲目模仿。有时候，追随潮流是可以的，结果也不错，但你不应该因为嫉妒而做事。这是我们学到的最艰难的教训之一。做事是因为你有这个权限，并且能够做得更好，这两者对我来说都很重要。
品牌的授权，比如说，Jeffrey Morre 曾经对我说过一句话，他说，“你为什么不做客户期待你做的事情呢？”我非常喜欢这句话，云计算就是一个很好的例子，客户其实已经期待我们做这件事了。
从某种意义上说，很多这些转型对我来说，就是确保你能够认清自己在市场中的结构性位置，真正理解你在那些想要你成功的合作伙伴和客户眼中所拥有的权限，并首先去做那些显而易见的事情。
我认为，这也许可以称作战略的基础，但对我而言，这就是关键。你提到的那些文化和使命感，都是必要的条件，甚至是实现目标的前提。但我认为，正是通过识别你的结构性位置和获得授权，才可能做出正确的战略调整。
Bill Gurley
等一下， Satya ，在我们谈到 AI 之前，我有几个问题想问关于过渡的事情。就像Brad刚才说的，你可能是史上最成功的 CEO 任命之一。我是说，3 万亿美元的市值是无与伦比的。首先，我读过一篇文章，提到你为选择 CEO 的委员会写了一份 10 页的备忘录。这个是真的吗？如果是真的，那份备忘录里写了些什么？
Satya Nadella
是的，的确如此。因为我觉得我们当时的 CEO 选拔过程非常公开，坦率地说，当时我并不确定自己会成为 CEO。记住，当时我从来没想过， Bill 会离开，更别提 Steve 也会离开了。
你不可能加入微软就想，“哦，创始人们会退休，会有一个职位空缺，我可以申请。”那时我并没有这样的心态。所以当史蒂夫决定退休时，记得是 2013 年 8 月，那对我来说是一个非常大的震惊。
那时，我还在负责我们的服务器和工具业务（Azure 就是在这其中），而我其实很享受那份工作，我也没有主动提出要成为 CEO，因为当时并没有这种想法。然后，董事会开始考虑这个问题，也有很多其他的候选人，包括内部的微软高层。
最后，在选拔过程中，他们要求我们写备忘录，实际上，那份备忘录非常有意思，里面我提到的很多内容，如果我现在回头看，都很有预见性。例如，我在那份备忘录中使用了“环境智能”和“普适计算”这些术语，我在第一封邮件中也用了这些词，虽然我之后把它简化成了“移动优先，云优先”，因为我的公关团队过来问我：“这些词太难理解了，没人知道什么是环境智能，普适计算是什么。”
所以，我就用“移动优先，云优先”来表述，如何抓住大趋势，理解微软的结构性位置，思考微软的云计算业务，我们有哪些资源，为什么 M365 这么重要。
事实上，我一直抗拒市场那种将云计算业务拆分的方式，我从不把我的资本分配成“这是 Azure 的资本，这里是 M365 的资本，这里是游戏的资本”。我一直认为，微软的核心是一套基础设施，在其之上有不同的工作负载，其中之一就是 Azure，另一个是 M365、Dynamics、游戏等。
总的来说，很多内容都在那份备忘录里，实际上也都实现了。当时我也预料到，虽然我们在服务器和客户端业务中有 98%、99% 的毛利率，但迁移到云计算时，毛利率可能会下降，但市场总量会更大。
我们会卖得更多，尤其是面向中小型企业，甚至我们在上销售方面也会有增长，像 Exchange、SharePoint 和 Teams 等产品，现在都得到了极大的扩展。这就是当时我在备忘录中提到的基本构想。
Bill Gurley
Satya Nadella
我认为，我的优势之一是，我是一个彻底的“内行”，对吧？我几乎整个职业生涯都在微软度过。所以，从某种意义上讲，如果我批评我们的文化，实际上是在批评我自己。
因此，某种程度上，我获得的突破是，大家从来没有觉得我像外部的人来批评在场的这些人，而是更多地把指责指向我自己，因为我几乎是这文化的一部分，你明白吗？我不能说任何我不参与的事。
记得 Bill，你提到的这一点，我清楚地记得第一次微软成为市值最大的公司时。我记得在公司校园里走来走去，我们所有人，包括我在内，都显得非常自豪，好像我们真的是人类的最伟大的创造，我们的聪明才智终于在市值上得到了体现。
我总觉得，这种文化是我们必须避免的，因为从古希腊到现代硅谷，唯一能摧毁文明、国家和公司的就是“傲慢”。所以其中一个最重要的转折点，是我的妻子在我成为 CEO 之前几年前，给我推荐了一本书——Carol Dweck 的《心态》（Mindset），我当时是为了孩子的教育和培养看的，没想到这本书给了我非常大的启发。
我觉得，这本书的理念太棒了。我们一直在讨论学习和学习型文化，而这正是我们能选择的最佳文化理念。因此，我把我们文化上的成功，归功于这一理念，因为它不仅仅是微软的理念，它适用于生活中的方方面面。
你可以用这种思维方式去成为更好的父母、更好的伴侣、更好的朋友、更好的邻居和更好的经理人、领导者。所以我们采纳了这个理念，而我一直用的一句话就是，把“知道一切的人”转变为“学习一切的人”。这是一个永远也到达不了的目标，因为一旦你说自己有了“成长型心态”，那你就不可能真正拥有它了。
因此，这个理念对我们帮助很大。文化变革就像所有文化转变一样，需要时间，需要空间，让它自然生长。而且这种转变既是自上而下的，也有自下而上的推动，它是相辅相成的。事实上，每次我和公司，甚至我的高管团队开会时，我都会从“使命”和“文化”开始，这两者是我们讨论的两大支柱。
至于其他方面，我也一直很有纪律性地坚持我的框架，正如我在备忘录中所写的那样，几乎过去 11 年，我坚持的结构和理念是一样的：使命与文化，这就是世界观。
比如，环境智能、普适计算，接着是具体的产品和战略框架。我会非常谨慎地选择每一个词，极为细心地重复它，直到我自己都感到厌倦，但我仍然坚持下去。
Brad Gerstner
说到这个，你提到过我们经历的阶段变化，我听你说过，作为一家大型平台公司，大多数价值的捕获其实是在阶段变化的前三到四年内就决定了，那时市场位置已经确定了。
你们决定投资 OpenAI。是什么让你确信这个方向，而不是继续推进微软内部的 AI 研究？
Satya Nadella
这个问题提得非常好。因为这里有几个方面。首先，我们在 AI 领域已经深入探索了很长时间了。显然， Bill 在 1995 年创办了微软研究院（MSR），我记得第一个小组，其实是围绕自然用户界面展开的。
那时，微软研究院里也有很多人，包括 Regret、Kaifu 等，大家一直在试图解决语言理解的问题，甚至包括 Hinton 的早期工作，在他还在微软研究院时就做了一些关于 DNS 的研究，然后他去了谷歌。所以，我认为我们早期错过了与谷歌同步加大对 AI 的投资，错过了在谷歌收购 DeepMind 时的机会。
这个让我感到非常遗憾。但是，作为一个领导者，我一直专注于一些其他方向。例如，Skype 翻译就是我关注的第一个项目，因为它非常有趣——那是第一次我们看到迁移学习的有效应用。也就是说，我们可以先在一对语言上进行训练，然后它能在另一对语言上也表现得更好。
这是我们第一次能够说，“哇，机器翻译也可以是 DNS”，这和我们之前做的完全不一样。所以，从那时起，我就开始对语言感到着迷，凯文也是一样。实际上，我还记得第一次和 Elon 和 Sam 见面时，他们主要是想要一些 Azure 的信用额度，那时他们更多关注的是强化学习（RL）和《Dota 2》。
然后一段时间后，我们又和他们谈到了自然语言处理（NLP）。那时他们谈到了 transformers 和自然语言处理。我当时就觉得，这对我们来说是核心业务，而且也与我们长期以来的结构性定位相符。
我一直觉得，如果有某种突破性的模型架构能够产生非线性增长，展现出类似于我们以前从未见过的能力，那对我们来说，可能就是一个极大的机会。
Bill，你总是说，“在数字领域，只有一个类别，那就是信息管理”。你觉得，信息是通过某种方式来整理的。像我们曾经做过一个非常有名的项目叫 WinFS，就是想通过给所有的东西做 schema 来让所有的信息都能被理顺。
但其实这是不可能做到的。因此，我们需要一些突破。我当时想，或许通过某种方式把信息整理成语言，类似于人类大脑如何通过语言和推理来组织信息。
这也就是为什么我们决定投资 OpenAI，事实上，Sam、Greg 和团队的雄心也是促使我做出决定的另一个原因。
至于“规模法则”，我还记得，第一次我看到关于“规模法则”的备忘录时，正是 Dario 和 Ilia 在 OpenAI 时写的。
那时候我就想，“如果这个领域真的能带来指数级的性能提升，那为什么不全力以赴，给它一个真正的机会呢？”然后，当我们在 GitHub Copilot 上看到了它的效果，觉得真的行得通，之后我们就决定加大投入。所以，那就是最初的动机。
Bill Gurley
我觉得，在过去的阶段变化中，有些 incumbents 没有迅速跟上节奏。你甚至提到过，微软可能错失了移动或搜索等机会。可以说，尤其是我这个年纪，亲眼见证过这些变化，现在大家似乎都已经清醒过来了，或者说这一轮的变化就像是精心编排的，每个人几乎都在同一起跑线上。
我很想知道你是否同意这一点，或者你是如何看待竞争中的关键玩家，比如谷歌、亚马逊、Meta、Llama，还有进入游戏的 Elon。
Satya Nadella
这是个很有意思的观点。正如你所说，我也一直在思考这个问题。如果你回顾90年代末，当时微软是独占鳌头，几乎没有竞争对手。但现在，大家谈论的是所谓的“MAG 7”，可能还不止这些，正如你所说，每个人都已经意识到这一点了，大家都有强大的资产负债表。
甚至可以说，OpenAI 从某种意义上可以视为第 8 大玩家。因为这一代的公司已经在某种意义上成立了——OpenAI 就像是这一时代的谷歌、微软或 Meta。所以，我认为，接下来的竞争会非常激烈。
我也认为这不会是“赢家通吃”的局面，虽然有些领域可能会出现这种情况。比如在超大规模（hyper-scale）方面，绝对不会是赢家通吃。全球甚至包括中国之外的市场，都会需要多个提供前沿模型的供应商，分布在全球各地。
事实上，我认为微软在这方面有一个非常好的结构性优势——你记得 Azure 吧？它的结构有点不同。我们为企业工作负载构建了 Azure，关注数据驻留问题，支持超过 60 个地区，甚至比其他云服务商还多。
所以，我们不是为了一个大应用构建云，而是为了多种异构的企业工作负载构建云，我认为这将是未来推理需求的主战场，与数据中心和应用服务器相结合。因此，我认为在基础设施方面会有多个赢家，在模型方面也一样，每个超大规模云提供商都会有一堆模型，围绕这些模型会有一个应用服务器。
像今天的每个应用，包括 Copilot，都是一个多模型应用。实《f88体育》际上会出现一个全新的应用服务器，就像曾经有移动应用服务器和 web 应用服务器一样，现在有了 AI 应用服务器。
对于我们来说，这个就是 Foundry，我们正在构建它，其他公司也会构建类似的东西，未来会有多个这样的服务器。
在应用层面，我认为网络效应始终会存在于软件层。所以在应用层，会有不同的网络效应，既包括消费者端，也包括企业端。
所以，从根本上讲，我认为你必须从结构性层面进行分析，不同的层级之间会有非常激烈的竞争，7、8、9、10 大公司会在不同的技术层面展开激烈角逐。
正如我一直跟我们的团队说的，要关注那些后来者，那个突然冒出来的创业者。你们要密切关注哪些新兴公司会给你们带来改变，至少 OpenAI 就是其中之一。到现在为止，它已经具备了规模和速度。
Brad Gerstner
说到这一点，如果我们把焦点放在应用层，首先谈谈消费者 AI。Bing 是一个非常大的业务，你和我曾经讨论过，“10 个蓝色链接”可能是资本主义历史上最成功的商业模式，但它面临着一种新模式的巨大威胁，那就是消费者现在只想要答案。
举个例子，我的孩子们就说，为什么我要去搜索引擎，直接得到答案不好吗？那么，你认为谷歌和 Bing 能继续在答案时代中保持增长吗？
Bing 或者你在 Mustafa 领导下的消费者业务需要做什么，才能和 ChatGPT 竞争，毕竟从消费者的角度看，ChatGPT 已经是一个非常突出的存在。
Satya Nadella
是的，我认为你说的第一点非常对，那就是聊天与答案的结合，正是 ChatGPT 这款产品，正如你所说，它不仅仅是一个搜索引擎，还是一种状态化的智能体，真正打破了传统搜索的局限。
传统搜索引擎是无状态的，你进行搜索时，虽然有历史记录，但每次搜索都是一次新的查询。而现在，这些智能体会变得更加直观、持续和“有记忆”。
就这一点而言，我认为，分发渠道仍然非常重要。谷歌在这方面有巨大的优势，毕竟他们在苹果上是默认搜索引擎，在 Android 上也是。它们触及到了庞大的用户基础。
但是，习惯一旦形成就很难改变。就像你提到的，即便我现在更偏向使用 Copilot，我的使用习惯仍然是在浏览器中直接输入查询，甚至有时候即使是我使用 Copilot，搜索引擎的功能仍然有其独特的价值。像我在处理导航信息时，会去 Bing 搜索，而其他问题我更倾向于使用 Copilot。
我认为这种变化是普遍发生的。我们离某些商业查询完全迁移到聊天形式也只差一两步。当商业意图也迁移到聊天平台时，传统搜索引擎就可能面临真正的挑战。
现在，商业意图还没有完全转移，所以传统的搜索引擎业务还在运转。但一旦这种商业意图转移，传统搜索就会面临重大挑战。因此，我认为，这是一场长期的结构性变化。
我们在 Mustafa 的团队管理下有三大核心产品：Bing、MSN 和 Copilot。所以我们认为，实际上他已经清晰地定义了这三者的角色，它们共同构成了一个生态系统。
一个是传统的搜索引擎，一个是新闻和信息流，一个是新的智能体界面。它们和内容提供商有着社交契约，我们需要为他们带来流量，同时可能需要付费墙、广告支持等模式。这就是我们正在管理的方式，我们已经有了自己的分发渠道。
我们唯一仍然拥有的优势之一就是 Windows。虽然我们错失了浏览器市场，Chrome 已经成为主导浏览器，这对我们来说是一次失败，但我们正在通过 Edge 和 Copilot 重新赢回市场。Windows 对我们来说，至少在某些方面，仍然是一个开放的系统，这意味着，像 ChatGPT 和 Gemini 都有机会在上面发挥自己的优势。微软并不限制他们的发挥，反而可以带来更多的竞争和创新。
Bill Gurley
Satya, 大家都在谈论这些智能体。你如果展望未来，可以想象，很多玩家会希望在其他应用和系统中的数据上采取行动。
微软在这方面的处境很有意思，因为你们控制着 Windows 生态系统，但你们的应用也出现在 iPhone 和 Android 生态系统中。你怎么看待这种情况？
这其中既有服务层面的问题，也有合作伙伴关系的问题，苹果会允许微软控制 iOS 上的其他应用吗？微软会允许 ChatGPT 在 Windows 上启动应用并获取应用数据吗？这个问题会延伸到搜索和电商等领域——比如，像 Booking.com 会允许 Gemini 在没有他们的许可或知情下进行交易吗？
Satya Nadella
是的，我认为这个问题非常有意思。某种程度上，现在还不清楚这将如何实现。的确，有一种非常传统的思维方式，回想一下，企业应用程序如何实现中断操作。它们通常通过连接器来进行中断，用户需要购买连接器许可证。
因此，某种商业模式就这样出现了。SAP 就是一个经典的例子，你可以通过拥有连接器来访问 SAP 数据。我觉得，当智能体之间的接口出现时，类似的模式可能会再次出现。但对于消费者来说，这种模式还不太明确，因为在消费者端，价值交换往往是通过广告和流量等方式实现的，而在智能体世界中，这些方式可能会发生变化。
所以，消费者端的商业模式对我来说仍然稍显不明晰。但在企业端，我认为最终会出现这样一种情况：大家都会说，为了让你进入我的操作空间或者从我的架构中提取数据，必须通过某种形式的智能体接口，且这个接口是有许可的。
例如，今天我在微软使用 Copilot 时，我有连接器接入 Adobe、SAP 实例以及我们的 CRM（Dynamics）。这种模式非常有趣。事实上，想一想，我们已经很久没有真正去使用那些企业应用程序了。
我们许可了许多 SaaS 应用程序，但实际上很少有人亲自使用它们，更多的是公司内部某些人在输入数据。但在 AI 时代，这种情况发生了变化，因为所有数据变得更加易于访问。
你可以轻松地进行查询，比如，“我要和 Bill 开会，告诉我所有 Benchmark 投资过的公司。”这时，AI 会从网络上、CRM 数据库中提取相关信息，整合起来，提供一个总结或笔记。
Bill Gurley
从某种程度上来说，这些内容都能通过我们或这些连接器进行货币化。但更明确的一点是，像 ChatGPT 是否能在 Windows 操作系统上直接打开随机应用程序并获取数据，这个问题已经有很多讨论了。你怎么看待这个问题？
Satya Nadella
这是个有趣的问题。谁能允许这种行为呢？是用户，还是操作系统？在 Windows 上，坦率地说，我没有办法阻止这种行为，除了通过一些安全防护措施。
所以，理论上，我可以通过一些手段来确保这类行为是安全的。我最大的担忧是安全风险。如果恶意软件被下载，并开始在系统中执行操作，那就是一个巨大的风险。因此，我认为我们将把这种权限控制集成到操作系统中，设置一些更高的访问权限和权限管理。
但是，最终，用户将能够在 Windows 这样的开放平台上控制这些行为。我相信苹果和谷歌会有更多控制权限，因此它们不会允许这种行为发生。
从这个角度看，你可以说，开放平台像 Windows 就有这样的一个优势，而苹果和谷歌的封闭系统则有它们自己的优势，最终我们要看各方如何规定这些规则。
Bill Gurley
我们可以从另一个角度来看这个问题，然后再继续讨论。如果是 Android 操作系统，或者我们称之为 Android AI，或者 iOS AI，能读取通过微软客户端在手机上的电子邮件吗？
Satya Nadella
是的，我一直在想这个问题。例如，今天我们已经许可了 Apple Mail 的 Outlook 同步。这个案例很有趣，我认为可能会有一些价值泄漏，但同时，这也是我们能保住 Exchange 的原因之一
。如果我们当时没有做这个许可，可能会更加麻烦。因此，我认为，回到 Bill 你的问题，我们在构建 Microsoft 365 时，必须围绕信任系统进行设计。我们不能让任何智能体进入并做任何事，因为首先，它不是我们的数据，而是客户的数据。所以，客户必须同意，而客户的 IT 部门也必须允许。这不是我能随便设定的一个开关。
第二点是，它必须具备一个信任边界。所以，我认为我们会在 M365 上实现这样的功能，这样的操作就像 Apple 的智能管理一样。想象一下，我们会为 M365 建立类似的信任和治理结构。
Bill Gurley
今天你谈了很多内容，我强烈推荐大家下载并深入了解，因为这真的是非常有意思。
Brad Gerstner
那么，Satya，继续深入这个话题。Mustafa 曾提到 2025 年将是“无限记忆”的年代。Bill 和我从今年年初开始就一直讨论，认为下一个 10 倍的飞跃很可能正是 ChatGPT 所带来的持久记忆，并且能在我们授权下执行操作。
我们已经看到记忆的初步实现，我也非常相信 2025 年这一问题将基本解决。但是，关于执行操作的问题，我们什么时候能够对 ChatGPT 说，“请帮我预定下周二在西雅图四季酒店的最低价格房间”？Bill 和我对此有过多次讨论，似乎计算机使用场景是这个问题的早期测试案例。那么你有什么想法，是否认为这是一个困难的问题呢？
Satya Nadella
是的，我同意你的看法，最具开放性和无限可能的操作空间仍然非常困难。但如你所说，确实有两三点非常激动人心，超越了模型本身的扩展性和原始能力。其中之一是记忆，另一个是工具使用或执行操作，还有一个我想提的是权限管理。
就是说，你可以做什么？比如我们在微软的 Purview 产品，越来越多的是，你拥有哪些权限，你可以安全地访问哪些数据，谁来进行管理和治理。
所以，当你把这些都结合在一起时，智能体的行为会变得更加可管理。执行操作时，它是可验证的，并且具有记忆功能，那么你就会进入一个完全不同的阶段，可以处理更多自主任务。
不过，我一直认为，无论在完全自主的世界里，我们仍然会面临例外情况，你可能需要请求许可，或者需要调用其他操作。因此，我们仍然需要一个 UI 层来组织这些工作。正因为如此，我们将 Copilot 视为工作文档和工作流程的组织层。
但回到你的核心问题，我认为即便是模型达到 4.0（甚至不是 0.1，4.0 已经非常好），功能调用也仍然有限。尤其是在消费者端，Web 功能调用依然非常困难。
至少在开放网络上，它可以完成几个网站的操作，但一旦涉及到预订机票、酒店等任务，如果后端架构发生了变化，它就会出问题，尽管可以通过学习改进。但我认为，这仍然需要一年到两年时间，才能完成更多的功能。
从企业角度来看，去做销售智能体、市场营销智能体、供应链智能体等工作，已经有一些进展。例如，在 Dynamics 中，我们已经实现了 10 到 15 个智能体，可以自动处理供应商通讯、更新数据库、调整库存等任务。这些都可以在今天完成。
Bill Gurley
Mustafa 提到关于近乎无限记忆的评论，嗯，我相信你们应该听过或在内部讨论过。你能就此提供一些澄清吗？还是这部分内容还未公开？
Satya Nadella
我认为，从某种程度上来说，记忆系统就像是你有一个类型系统，对吧？这就是关键。它不是每次都重新开始。你得组织起来。
Bill Gurley
我明白了。他的意思是你们在这方面有技术突破？
Satya Nadella
是的，实际上我们做了一个开源项目，我记得是 TypeScript 团队做的。我们尝试的是把记忆进行结构化处理，使得每次我启动时，能够基于之前的操作进行聚类，然后进行类型匹配，这样就可以逐步构建一个记忆系统。
Brad Gerstner
那我们换个话题谈谈企业 AI。你提到微软的 AI 业务已经约有 100 亿美元收入，且这部分都是推理任务，不是租赁原始 GPU 进行训练。你怎么看目前市场上是否有重大工作负载转移的问题？目前你们的收入产品是哪些？
Satya Nadella
是的，实际上大部分与 OpenAI 的训练合作更多是投资层面的内容，不会直接出现在我们的季度财报中，而是在其他收入项目中，基于我们的投资。
Brad Gerstner
所以这意味着你们的收入或亏损主要体现在其他收入或亏损部分，对吧？
Satya Nadella
没错，就是这样。所以，大部分的收入或者所有的收入几乎都来自于我们的 API 业务，或者说，像 ChatGPT 的推理成本也是其中的一部分。
这是一个不同的部分。现在，时代中的“爆款”应用是什么？ChatGPT、Copilot、GitHub Copilot，以及 OpenAI 和 Azure OpenAI 的 API。可以说，如果你列出这些最受欢迎的应用，应该差不多就是这几个。所以这就是最大的驱动力。
我们和 OpenAI 的优势在于，我们拥有了两年的先发优势，几乎没有竞争对手，正如 Bill 提到的，大家都已经醒过来了，但我觉得可能再也不会有像这样的两年领先的机会了。谁知道呢？
你说得对，总会有其他团队放出什么样本突然打破世界。不过，我认为要通过某个基础模型建立这种领先地位是非常不容易的。但我们有这个优势，尤其是 OpenAI，能够借此建立起 ChatGPT 的加速轨道。
Brad Gerstner
你认为其他公司训练这些模型和模型集群在它们的 AI 收入中占了更大比例，而不像你们这样？
Satya Nadella
我不确定。我只能说，看看其他公司有哪些“爆款”应用，我不清楚它们具体运行哪些模型，在哪些地方运行。我猜像 Google 的 Gemini 也是其中之一。根据任何 AI 产品的 DAU 数字，ChatGPT 是其中之一，甚至 Gemini 也让我很惊讶。
虽然我认为它会因为本身的分发能力而增长，但很有意思的一点是，尽管大家都在谈论 AI 的规模，但真正的“爆款”应用并不多。比如，ChatGPT、GitHub Copilot、Copilot 以及 Gemini，这些应该是最为人熟知的几个。
Brad Gerstner
嗯，确实也有很多创业公司在往下走，逐渐得到一些关注，很多是基于 Llama 构建的。
Satya Nadella
不过，如果你说，哦，还有 Meta 呢？但如果你问 10 个更有影响力的应用，有超过 500 万 DAU 的，能列出多少？
Brad Gerstner
我认为 Zuckerberg 可能会争辩说 Meta 的 AI 肯定也有超过 500 万 DAU，但就你提到的独立应用来说，确实如你所说，Zach 的技术全都运行在自家平台上。
Satya Nadella
他不依赖公共云。
Bill Gurley
Satya，说到企业端，编程空间也已经开始加速了，你们在这方面表现不错，市场也很感兴趣。我有个问题关于 Copilot 的做法。我知道 Mark Benioff 在这方面有些批评，叫它“Clippy 版”，或者其他的。
你是否担心有人认为 AI 应该从零开始，重新构建整个基础设施，例如，像 Excel 这种工具，是否仍然是必要的，还是你们能够通过 AI 首先的产品来省略掉这些不必要的元素？同样的情况也适用于 CRM。其实也许很多字段和任务可以通过 AI 来简化或隐藏。
Satya Nadella
这个问题非常重要。对于 SaaS 应用程序或业务应用程序，我可以谈谈我们自己在 Dynamics 上的做法。我们的思路是，随着智能体时代的到来，业务应用将可能会迎来一个集成的变化。
因为如果你想一想，它们本质上是由一堆业务逻辑构成的共享数据库，这些逻辑将转移到这些智能体中，这些智能体将进行多库更新。所有的业务逻辑将集中在 AI 层，换句话说，AI 将成为一切业务逻辑的核心。一旦 AI 层成为业务逻辑的核心，所有的后端都将被替代。
我们目前在 Dynamics 上的胜利率很高，尤其是在智能体使用方面。我们正积极推进这项工作，想把它整合进整个流程。不仅仅是 CRM，实际上我们的财务和运营部分也在经历类似的变化，因为大家希望看到更具 AI 原生性质的业务应用。也就是说，业务应用的逻辑层能够由 AI 和智能体来调度，使得企业应用变得更加无缝。
另外，你也可以问，为什么还需要 Excel 呢？实际上，我最兴奋的一件事就是，Excel 与 Python 结合的效果，简直就像 GitHub 与 Copilot 的结合一样。我们做的就是将 Excel 与 Copilot 配合使用，不再只是简单地处理数据，而是让它能像一个数据分析师一样为你计划整个过程。
它能自动生成计划，然后执行这些计划。这就像是一个数据分析师，利用 Excel 来进行数据分析，它不仅仅是一个“行列”视图，更是可以实现实际操作的“工具”。
Brad Gerstner
我今天听到一个人们讨论最多的问题，就是这些投资的 ROI 问题。你们有超过 22.5 万员工。你们在内部是否利用 AI 来提高生产力、降低成本，还是推动收入增长？如果有，能举些具体的例子吗？
另外，关于 Jensen 之前的说法，他说当营收增长两三倍时，预计员工人数增长 25%。如果 Azure 的营收增长 2 到 3 倍，你们是否也预期员工人数会呈现类似的增长？
Satya Nadella
是的，实际上这是我们现在微软非常关注的内容，也是客户非常关心的话题。我是这么来看待的，我非常喜欢从工业公司精益管理的经验中学习。对吧？这一点真的很有意思。比如，这些公司的增长通常都超过 GDP 增长，非常了不起。
这些好的工业公司可以通过精益管理提高 200 到 300 个基点，增加价值、减少浪费。这就是精益管理的做法。所以我觉得 AI 就像是知识工作中的精益管理。
我们真的在向这些工业公司学习，比如说，如何去观察流程的效率，如何找到可以自动化的部分，如何让流程更高效。所以，客户服务就是最明显的例子之一。
我们在这方面投入了大约 40 亿美元，从 Xbox 支持到 Azure 支持都涵盖其中。事实上，这是非常严肃的投入。通过前端的引导率，我们能够提高智能体的工作效率，最重要的是，智能体更快乐，客户更满意，我们的成本也在下降。
这是最明显的例子之一，另外就是 GitHub Copilot。它也是一个非常典型的例子。在 GitHub Copilot 工作空间中，你从一个问题开始，到一个计划，然后执行或指定一个计划，接着是多文件编辑。它完全改变了团队的工作流程。
再来是 365，M365 的 Copilot，也可以作为一个范例。比如，以我个人的经验来看，每次与客户会面时，CEO 办公室的准备工作自 1990 年以来几乎没有发生什么变化。
实际上，我这样看待它——想象一下，电脑出现之前，如何做财务预测？我们使用传真机，内部备忘录，直到个人电脑开始普及，人们才开始用 Excel 表格发送电子邮件，大家交换数字、形成预测。
现在，AI 时代已经来临，事情发生了改变。我自己准备客户会议时，我会进入 Copilot，询问：“请告诉我我需要了解的关于这个客户的所有信息。”它会从我的 CRM、邮件、Teams 会议记录以及网络上收集信息并提供给我。我可以根据这些信息创建页面，并实时分享给我的团队。
想象一下，以前 CEO 办公室的汇报方式就不再需要了，这些内容仅需通过查询生成，甚至可以实时共享页面，团队成员可以直接在上面做标注。因此，我与 AI 协同工作，实时与我的同事合作。这是新的工作流，正在各个领域普及。
比如有个供应链领域的例子：有人说供应链就像一个交易台，只是缺少实时信息。你必须等到财务季度结束，然后 CFO 才会来责怪你之前的错误。
那么如果财务分析师能够在实时提供给你反馈呢？比如你在为某个数据中心制定合同，AI 可能会提醒你该考虑哪些条款。所有这些实时的智能反馈正在改变工作流程和工作产物。所以，我们看到很多类似的案例。
我想你的核心问题是，如何通过 AI 实现运营杠杆。这就是我们希望达到的目标。我们期望通过 AI 降低人力成本，但每个人的产出会更高。我的研究人员，可能他们每人的 GPU 使用效率都会更高。这就是我对这件事的看法。
Brad Gerstner
这很有道理。好，我们换个话题，谈谈之前你提到的模型扩展和资本支出的问题。我听你说过关于微软的资本支出。想象一下在 2014 年你接管时，你可能没想到资本支出会变成今天这个样子。
事实上，你曾提到，今天这些公司看起来越来越像是工业公司的资本支出，而不像传统的软件公司。你的资本支出从 2020 年的 200 亿增长到 2025 年可能达到 700 亿。你们的资本支出与收入之间的关联非常高，这很有意思。
一些人担心这种关联可能会打破，甚至你自己也曾提到，未来可能会出现“资本支出需要先行”这种情况，我们可能需要为这种弹性做好准备。那么你怎么看待这个资本支出的水平？它是否让你晚上睡不着觉？这种增长率会在什么时候开始放缓？
Satya Nadella
嗯，这里有几个方面。首先，作为一个超大规模的公司，实际上我们在这方面有着结构性的优势，因为我们已经在实践这一切很长时间了。数据中心有 20 年的生命周期，只有在使用设备时你才需要支付电力费用，而硬件的使用周期大约是 6 年，你知道如何提高设备的利用率。
这些都是我们已知的。而且好消息是，这不仅是资本密集型的，它同样也是软件密集型的。你可以通过软件来提高资本回报率（ROIC）。
实际上，最初很多人都在想，像微软这样的超大规模公司怎么能赚钱？和老式的托管公司相比，新的超大规模公司有什么区别？答案就是：软件。这一点在 AI 加速器的建设中也同样适用——通过领先的技术建设，我们能够更好地利用资本。
事实上，当前一个趋势是所谓的“赶超”。过去 15 年里，我们不断建设和扩展基础设施，但突然间，一个新的需求出现在云计算中，这个需求就是 AI 加速器。因为现在每个应用都需要一个数据库、一个 Kubernetes 集群和一个 AI 加速器。你如果要同时提供这三种服务，你就必须大规模建设 AI 加速器。这种需求将会逐渐规范化。首先是建造，之后是工作负载的规范化。最终，这一切就会像云计算一样，继续增长。
所以，我们会继续增长，确保这些工作负载的需求多样化，避免出现不利选择，只是单纯基于供给方面建设，我们确保全球各地都能产生真实的需求。我会关注这些因素。这就是如何管理资本回报率的方法。
另外，关于利润率，肯定会有所不同。我们早期讨论过，微软云的利润率和 GPU 原始硬件的利润率是不同的。这些会有不同的利润率，例如像云架构、GPU 和应用程序相结合的层次，像 GitHub Copilot 或 M365 等。这些都有不同的利润率。所以，在 AI 时代，我们的战略也是继续保持多元化的产品组合，确保利润的最大化。
事实上，微软在云计算中的优势之一就是，我们不仅规模比亚马逊大，而且增长速度也超过亚马逊，利润率还比亚马逊高。这正是因为我们在多个层次上进行了深度的布局。这正是我们希望在 AI 时代延续的策略。
Bill Gurley
因为最近关于模型扩展的讨论很多，显然历史上也曾讨论过如何多次扩展集群规模，而不是一次性扩展到某个规模。最近有一档播客中，他们彻底改变了思路，说如果我们不再这么做了，那样反而更好，因为我们可以直接进入推理阶段，这个阶段变得更便宜了，而且不需要花费大量的资本支出。我很好奇，这两种观点虽然是同一枚硬币的两面，但你怎么看大规模 LLM 模型的扩展和训练成本，未来会如何发展？
Satya Nadella
嗯，你知道的，我是非常相信规模法则的。首先我得说，事实上，我们在 2019 年做的赌注就是基于规模法则，而且我依然坚信这一点。
换句话说，不要反对规模法则，但同时我们也要基于几个不同的因素保持现实。一个是，随着集群规模的增大，规模法则的指数增长将变得更困难，因为分布式计算问题在进行大规模训练时会变得更加复杂。所以，这就是其中的一方面。
然而，我仍然认为，尽管如此，OpenAI 的朋友们可以代为说明他们的做法，但他们依然在继续进行预训练，我认为这不会停止，仍然在持续进行。
但令人兴奋的是，OpenAI 曾公开谈论过的，以及 Sam 也提到过的，就是他们在 0 和 1 上的工作。这个思路链条通过自动分级和测试推理，实际上是一个巨大的进步。基本上，推理计算时间本身也是一种规模法则。
所以你有了预训练，然后你有效地通过这个测试时间采样来生成令牌，再将其送回预训练，创造出更强大的模型，这些模型又可以在推理阶段运行。因此，我认为这是一种极好的方法，可以提升模型的能力。
测试时间或者推理时间的计算好处在于，运行这些 O1 模型时，可能涉及两个独立的事情：采样类似于训练，使用它生成训练用的令牌；而且客户在使用 O1 时，实际上也在用更多的资源。所以你从中获得了报酬。因此，这种经济模型是可行的。所以我觉得这是一个很好的方式。
事实上，这也是我一直说的，我在全球有 60 多个数据中心，这是一个良好的结构性优势。
Bill Gurley
这两个扩展方向的硬件架构不一样，对吗？一个是预训练，另一个是推理。
Satya Nadella
是的，我认为最好的理解方式是它们之间有比例关系。所以回到 Brad 所说的 ROIC，实际上这就是你必须建立一个稳定状态的地方。
事实上，我每次跟 Jensen 谈时，他的看法都很对：你想要每年都买一些，而不是一次性购买。你想一想，当你把设备折旧周期定为 6 年时，最好的方式就是每年买一点，逐步积累，对吧？
你用领先的节点来做训练，第二年它就进入推理阶段。这就是稳定状态。我认为我们最终会在整个设备群体中实现这种稳定状态，不仅仅是利用率，还有 ROIC。最终需求与供给会匹配。
像你提到的，大家说指数增长是否停止了，经济现实也会发生作用。到某个时候，每个人都会审视并做出经济上理性的决策，即便我每年都在双倍提升能力，但如果我不能卖掉这些产品，那就没意义了。
另一个问题是赢家的诅咒。你不一定需要发布论文，其他人仅仅需要看看你的能力，之后就能进行蒸馏或者其他方式复制。这就像是盗版一样。你可以规定各种使用条款，但实际上这些东西很难控制。蒸馏就是这样，另外，你不必做什么，只需逆向工程你的能力，并以更高效的计算方式实现。
因此，考虑到这一切，我认为会有一个上限，大家现在都在追逐一点领先，但最终所有经济现实都会显现出来，网络效应是在应用层。所以如果网络效应都在应用层，那我为什么还要在某个模型能力上投入大量资金呢？
Brad Gerstner
我听到你的意思是，Elon 曾说他要建一个百万 GPU 的集群，我认为 Meta 也说过类似的话。
Bill Gurley
我记得他讲的是预训练要用 200 个，之后又开玩笑说是百万。
Brad Gerstner
但我记得他是开玩笑说的一个十亿的集群。但事实上，Satya，基于你对预训练和扩展的看法，你是否已经改变了你们的基础设施规划？
Satya Nadella
我目前的建设方式是采取一种相对接近 10x 的思路。就是说，我们可以讨论周期，比如每两年一次，每三年一次，或者每四年一次，都有一个经济模型。我认为这里需要一种相对有纪律的方式来思考如何清理库存，使其变得有意义，或者你也可以从设备的折旧周期来考虑。
你不能一下子买进大量设备，除非你能找到 GPU 的物理特性能够与我的财务状况匹配，并且它的利润率和超大规模运营商一样好。简单来说，我的做法是，继续建立如何驱动推理需求，然后提高我的能力，并且保持高效。
我当然知道 Sam 可能有不同的目标，他对 AGI 有深刻的信念，或者其他方面有深刻的看法，那么就去做吧。所以，我认为这也是我们关注的一部分。
Bill Gurley
但我听 Mustafa 在播客中提到，微软不会参与当前的大型模型训练竞争，这样说准确吗？
Satya Nadella
嗯，我们不会做重复的工作。毕竟，鉴于我们与 OpenAI 的合作，微软现在进行第二次训练是没有意义的。
Bill Gurley
对，没错。
Satya Nadella
所以我们非常谨慎。这也是我们战略上的一种纪律。实际上，这就是我一直强调给 Sam 的那点：我们把所有赌注压在 OpenAI 上，说我们要集中计算资源，并且因为我们拥有所有 IP 权益，所以我们做了这样的选择，感到非常好。
因此，Mustafa 说的意思是，我们会在训练之后，甚至在验证等方面，集中更多资源。所以，我们会专注于添加更多模型适配和能力，同时确保我们也有原则性的预训练工作，这样可以使我们在内部有能力做出相应的调整。我们会继续开发适应不同使用场景的模型权重和模型类别。
Bill Gurley
对于 Brad 提到的平衡 GPO 和 Gpuroi 的问题，你的回答是否也解释了为什么你们会将部分基础设施外包给 Core Weave 并建立合作伙伴关系呢？
Satya Nadella
我们之所以这么做，是因为大家都被 ChatGPT 和 OpenAI 的影响搞得措手不及。是的，完全是的。我是说，根本没办法进行供应链规划，什么都没法预料。二十多年前，谁能想到 2022 年 11 月发生的事呢？那简直是晴天霹雳。所以我们不得不赶上进度。我们当时就说，不会过度担心效率问题。所以，不论是 Core Weave 还是其他公司，我们都在各地购买。可以理解吧？这是一次性的事情，现在我们已经在追赶进度了。所以，这更像是追赶的过程。
Brad Gerstner
那么现在你们还有供应限制吗，Satya？
Satya Nadella
不再有芯片供应的限制了。我们在 2024 年确实经历了一些供应约束。我们对外宣布过，因此我们对 2025 年上半年持乐观态度，那将是我们财年的剩余部分。之后，我认为到 2026 年，我们的状况会更好。所以我们有很好的供应链。
Brad Gerstner
我听说，关于你们在 O1、测试时间计算、后训练工作的投入，取得了非常积极的成果。你提到的这些也非常计算密集，因为你们需要生成大量的令牌，然后将这些令牌回填到上下文窗口中，反复进行。这种计算需求会迅速累积。
Jensen 曾表示，他认为 O1 推理计算的需求会达到百万倍甚至十亿倍的增长。对于你来说，是否觉得自己有足够的长期计划来扩展推理计算，以跟得上这些新模型的需求呢？
Satya Nadella
是的，我认为这里有两点需要关注，Brad。某种意义上，理解整个工作负载非常有帮助。整体工作负载中，在智能体模型的应用中，必须拥有 AI 加速器。事实上，OpenAI 自己的容器服务是增长最快的部分。
毕竟，这些智能体需要一个“临时工作区”，用于执行一些自动分级，甚至是生成样本。这就是他们运行代码解释器的地方。顺便说一下，这个就是标准的 Azure Kubernetes 集群。所以从某种角度看，常规的 Azure 计算与 GPU 的比例以及一些数据服务的比例，也可以看作是整个计算模型的一部分。
因此，回到你的问题，我们谈论推理时，实际上是说这些事情的组合。正因如此，我才会认为，AI 不再是与云计算分开的领域，它现在已经成为云计算的核心部分。
在每个 AI 应用都是有状态的、智能体式的应用的时代，这些智能体执行具体操作时，经典的应用服务器加上 AI 应用服务器再加数据库就是所需的一切。
所以，我回到我的基本观点，就是我们已经建设了 60 多个 AI 区域，所有的 Azure 区域都已经准备好支持全面的 AI 应用。这就是未来所需的基础设施。
Brad Gerstner
这听起来很有道理。我们在这次对话中已经提到了很多关于 OpenAI 的内容，但你正在管理的是你们在 OpenAI 的巨大投资与你们自身“点燃”计划之间的平衡。你展示了一张幻灯片，突出了 Azure、OpenAI 和 OpenAI Enterprise 之间的差异，其中很多内容都涉及企业级的功能，是你们所带来的独特优势。
那么，当你看到这种竞争关系时，你是如何思考的？你是否认为 ChatGPT 在消费端可能是最终赢家？你们也会有自己的消费端应用，之后可能会在企业市场进行分工合作。你是如何看待与 OpenAI 的竞争关系的？
Satya Nadella
到目前为止，我的看法是，OpenAI 作为一个大规模的公司，它已经不再是单纯的初创公司了。它现在是一个非常成功的公司，已经有了多个业务线和多个市场领域。
所以我从原则上来思考这个问题，就像我对待任何其他大型合作伙伴一样，因为我不认为它们是竞争对手，我认为它们是一个投资伙伴，看看我们之间的利益如何对接。我把它们当作 IP 合作伙伴，因为我们提供系统的 IP，他们则提供模型的 IP。所以这也是我们相互深度关心对方成功的一个方面。
第三，我把它们当作一个大客户来看待，因此，我希望像对待其他大客户一样为它们提供服务。
最后是合作。无论是消费端的 Copilot，还是与 M365 等产品的合作，我们都会在这里进行深入合作。所以，我看待这种竞争时，最终这些领域会有一些重叠。但在这个背景下，OpenAI 拥有苹果的合作协议，从某种角度来看，对微软股东来说，实际上是创造价值的。
就像你提到的 API 差异，客户可以根据自己的需要选择使用。比如，如果你是 Azure 的客户并且想使用 Azure 的其他服务，那么使用 Azure 的 API 和相关服务会更方便。但如果你在 AWS 上，只需要简单地使用 API，无状态的使用 OpenAI 也很不错。所以，从某种意义上讲，拥有这两种分发方式对微软来说也是有利的。
Bill Gurley
可以说，这确实是硅谷社区，甚至更广泛的商业社区中一个颇具吸引力的话题。我想，微软与 OpenAI 之间的关系一直是人们关注的焦点。我上周末在 Dealbook 上听到 Andrew Sorkin 强烈追问 Sam 对这个问题的看法。
虽然有很多事情可能你不能透露，但你能透露点什么吗？关于 OpenAI 是否正在进行重组，是否有转换为盈利模式的计划？我猜 Elon 也在其中发表了一些意见。你能分享一些情况吗？
Satya Nadella
嗯，我认为这些问题当然要由 OpenAI 的董事会、Sam、Sarah 和 Brad 他们团队来决定，他们会根据自己的判断做出选择，而我们会提供支持。从我们的角度来看，我们深切关心的，首先是 OpenAI 继续成功，因为这对我们有利。我也认为 OpenAI 是这个平台转型中的标志性公司，世界因 OpenAI 的成功而变得更好。所以这是我们基本的立场。
接下来的问题，是你提到的那种紧张局势。就像在所有这种合作关系中，一部分是合作的紧张，另一部分则是 Sam 作为一个极具远见和雄心的企业家，他有着非常明确的目标和行动速度。他的节奏很快，所以我们需要平衡这一点。
这也意味着我们需要在我们自己的约束条件下，去理解和支持他所要做的事，而他也需要理解和适应我们在一些方面所需要的纪律。所以我相信我们会找到平衡点。
但是我觉得好消息是，我们在这个合作框架内已经走了很长的路。过去五年对他们和对我们都非常好。而从我的角度来看，我会继续坚持这一点，并希望能尽可能延续这种合作关系。我们只有长期稳定的合作伙伴关系，才能使双方受益。
Brad Gerstner
当你们考虑到独立融资、解开两家公司之间的联系时，你们是否打算尽快推进？我曾经提到，或许下一步，OpenAI 对他们来说，最好的发展路径就是成为一家上市公司。毕竟，AI 领域的领头羊，具有如此标志性的业务，这对他们的未来发展有着积极的影响。你怎么看待这种可能性？你认为 OpenAI 未来的发展会继续保持目前的合作关系吗，还是会有更大的变动？
Satya Nadella
我想我要小心，不要越过界限。因为从某种意义上说，我们并不是 OpenAI 的董事会成员，我们只是投资者，像你们一样。最终，这些决定由他们的董事会和管理层做出。所以在某种程度上，我会根据他们的判断来做出反应。
换句话说，我非常明确的是，我们希望支持他们所做出的任何决定。对我来说，作为投资者，最重要的是我们之间的商业合作和知识产权伙伴关系。我们需要确保在这个过程中保护好我们的利益，并在未来不断强化这些合作。
但我认为，像 Sarah、Brad 和 Sam 这样的聪明人，他们会做出最符合他们使命目标的决定。我们也会支持他们在这一过程中做出的决策。
Brad Gerstner
那么，也许我们该结束了。非常感谢你今天的时间。我想以“开放”与“封闭”的话题来做一个总结，谈谈我们如何合作来确保 AI 的安全性。或许我可以给你一个开放式的问题，谈谈你如何看待开放源代码和封闭源代码之间的区别，以及在推动安全 AI 时的合作。
这里有一个例子，路透社最近报道了中国研究人员在 Meta 的 Llama 模型基础上开发了一个 AI 模型，可能会被用于军事用途。很多像 Bill 和我这样支持开源的人，也听到了一些批评声音。
而你也提到过，大家可以提取模型进行训练，最终一些模型的应用可能是我们不愿意看到的。那你如何看待，如何作为一个国家，作为一群公司共同推动安全的 AI 发展呢？
Satya Nadella
我认为这个问题有两个方面。首先，我一直认为开放源代码和封闭源代码是创建网络效应的两种不同途径。我从来没有把它们看作是单纯的“宗教战斗”，而是更多地从商业战略的角度来看待它们，认为它们是两种不同的选择。
这也是为什么我认为 Meta 和 Mark 所做的事情非常聪明。某种意义上，他试图将自己的优势进行商品化。这对我来说非常有道理，如果我是 Meta 的话，我也会这么做。他很公开、也非常有说服力地谈到，自己想让 Meta 成为 LLM（大语言模型）的“Linux”。
我觉得这是一个非常美妙的模型，事实上，这里确实有一个潜在的商业模式。而且从经济学的角度来看，我认为，理论上一个由多个参与方共同推动的联盟，可能比任何一个单独的企业来做这件事更好。比如说，在 Linux 基金会下，贡献者的主要资金来源是运营支出。
我一直说，Linux 能够成功，不仅仅是因为它本身的开源精神，也离不开像微软、IBM、Oracle 等公司的支持。开放源代码为这种合作提供了很好的机制，而封闭源代码则在其他方面可能更具优势。
至于封闭源代码，我们也经历了很多成功的封闭源产品。至于安全性，这是一个非常重要的问题，但它是一个独立的问题。毕竟，法律和安全标准都适用于所有产品，不论是开源还是封闭源。
所以，我认为在资本主义体系下，最好是保持多种商业模式并允许竞争，让不同的公司选择适合自己的路径。而政府也应该对此进行严格的监管。
至于 AI 的安全性，毫无疑问，不能再等待所谓的“看后果”了。没有任何政府、社区或社会能够容忍这种态度。因此，这些 AI 安全机构会对所有模型设定统一的标准。如果存在国家安全泄漏问题，大家也会对此非常关注。所以，我认为各国政府和国家政策将对这些模型的发展产生重要影响，监管制度也会相应制定。
Brad Gerstner
真的很难相信我们已经进入 ChatGPT 时代仅仅 22 个月了。回头看看，你关于阶段性转型的框架，微软无疑处于一个非常有利的位置，随着我们进入 AI 时代。所以，过去 10 年的表现非常值得祝贺，真的是令人瞩目。
与此同时，我觉得，Bill 和我看到你、Elon、Mark、Sundar 等人的领导力时，都会感到非常激动，因为你们确实在推动“美国团队”在 AI 领域的前进。我们俩都对未来如何在全球范围内定位自己充满了信心。所以，非常感谢你花时间与我们交流。
本文来源：有新Newin，原文标题：《深度｜微软 CEO 纳德拉最新两万字洞察：C 端 Agent 商业模式仍需摸索，广告流量模式或面临转变，B 端关键在生态集成》
责任编辑：郭明煜
二、重点天气预报f88体育
厚植人才培养，加强队伍建设。聚焦本土人 ✅才培养，签订校校对口合作协议，选派5名教师到奉、绵学校跟岗锻 ❧炼，以教学实践促进教师队伍专业发展。加强“师徒结对”，“组团 ⏳式”21名教育名师共结对47名甘洛教师，开展“传帮带”活动20余次，着力提升本土教师管理水平、教学方法、教学技巧三大能力 ♍，f88体育增强“造血”能力，打造一支带不走的本地骨干教师队伍。
本报记者 吴雷 【编辑:明宗 】
