2月19日，微軟Majorana 1量子芯片問世，爲量子計算技術路線開闢了新的方向。那麼，量子計算對我們有什麼影響？近日，微軟CEO薩提亞·納德拉（Satya Nadella）在播客採訪中揭曉了答案。

薩提亞稱，量子對於探索密集型的事情大有幫助，只需少量的數據就能有所產出，如果將量子技術與人工智能技術相結合，用量子計算來生成數據，就能訓練更好的AI模型。薩提亞還分享了對超大規模市場的看法，他表示，超大規模市場不可能出現贏家通喫的局面，因爲以企業爲主的買家很聰明，需要多個供應商。

此外，他還認爲，目前大家誤判了實現AGI的標準，對AGI的概念過度炒作了，如果將人工智能革命類比之前的工業革命，那也應該從生產力進步的角度評判結果，因此真正實現AGI的衡量標準是，世界經濟以10%的速度快速增長。

精彩觀點如下：

1.不僅要真正瞭解技術趨勢，還要了解技術在哪裏能創造價值，這些技術該如何商業變現有時候比預測技術變化更困難。

2.未來世界對AI基礎設施的需求將會呈指數級增長。

3.真正實現AGI的衡量標準是，世界經濟以10%的速度快速增長。

4.我們開始使用人工智能作爲模擬引擎進行訓練，如果你有人工智能和量子技術，就可以用量子來生成或合成數據，訓練更好的AI模型，兩者應該結合使用。

5.當今的認知勞動可能會被自動化，但又會產生新的認知勞動。

以下爲對話全文（有刪減）：

大市場不會只有一個贏家

主持人：薩提亞，恭喜你，微軟在同一天發佈兩項重要技術突破：量子計算芯片Majorana 1以及世界與人類行動模型（World and Human Action Model）。你說過，在20世紀80年代和90年代看到的事情再次發生了，可以展開說說嗎？

薩提亞：我感到興奮的是，現在的技術發展總讓我回想起剛進入科技行業的那幾年。在20世紀90年代，人們爭論的是使用RISC（精簡指令集）還是CISC（複雜指令集），亦或是用x86構建服務器。所以，從核心平臺到操作系統再到應用層面，整個過程都存在討論空間。回到現在，你可以說雲計算做了很多，顯然分佈式計算和雲計算確實改變了客戶端和服務器，網絡發生了巨大的變化。這確實比我過去參與過的任何項目都更像全過程變革。

主持人：你覺得哪些決策最終成爲了20世紀80年代和90年代的贏家，哪些沒有？當年你在Sun Microsystems公司時，人們都認爲建設數據中心是一種泡沫行爲，當然今天來看，沒有數據中心也就沒有互聯網。哪些決策能經受住時間的考驗？什麼是長期趨勢，哪些又是短暫現象？

薩提亞：回顧過去，我參與過的四大轉變是客戶端、客戶端－服務器、圖形界面和x86架構的誕生，它們讓我們能構建服務器。1991年，我還在Sun Microsystems工作，當時去參加一個活動，第一次接觸了微軟的Win32系統，當時我就知道服務器也將會被x86改變。所以，當你擁有規模優勢時，必須下一個長期賭注，客戶端發生的事情也將會發生在服務器端，然後你就能構建客戶端－服務器應用程序。很顯然，互聯網對我們來說是件大事，在我剛加入微軟時就必須面對它。Netscape瀏覽器和Microsoft瀏覽器是在1993年12月左右問世的，當時開發出瀏覽器的公司很明顯是改變遊戲規則的一方。

在我們進入客戶端－服務器浪潮的時候，又迎來了瀏覽器時代，所以我們必須進行調整。我們適應得很好，因爲瀏覽器是一種新的應用程序模型，我們會盡全力擁抱它，無論是在Word中使用HTML（超文本標記語言），還是我們自己開發瀏覽器去參與競爭。當然，我們錯過了互聯網時代最大的商業模式，因爲我們認爲網絡是分佈式的，誰能想到搜索會成爲組織網絡的最大贏家。很明顯我們錯過了這個機會，而谷歌抓住了並執行得非常好。這對我來說是一個印象深刻的教訓，不僅要真正瞭解技術趨勢，還要了解技術在哪裏能創造價值，這些技術該如何商業變現有時候比預測技術變化更困難。

主持人：人工智能將在哪裏創造價值？

薩提亞：這項技術還在發展中，不過我認爲至少有兩個方向我能自信地做出判斷。其一是超大規模企業會做得很好，就像山姆·阿爾特曼（Sam Altman）還有其他人描述的那樣，智能比拼的是算力，任何能夠支撐大量計算的公司都是大贏家。另一個有趣的事情是，AI產品，比如ChatGPT，不是每個人都對GPU感興趣，當然它非常重要，但就像艦隊，只有一個士兵也打不了仗，肯定會有相互配合的存在，所以除了GPU，AI方面還有很多其他需求，比如存儲、能源等，所以我認爲未來世界對AI基礎設施的需求將會呈指數級增長。所以我們現在擁有的這些基礎設施很寶貴，未來，人工智能的發展會渴望更多算力。

還有一件有趣的事情，你會發現AI Agent（智能體）需要的算力是成倍增加的，要滿足一個人調用多個應用程序的需求，這將爲AI基礎設施創造巨大的需求。因此我們的超大規模Azure業務與其他超大規模業務一樣，要當成一件大事來幹。你可能會說，這是一個贏家通喫的市場，不過我想說應該要正確理解什麼是贏家通喫的市場，這是進入某一市場的前提。

我記得微軟在剛進入雲計算市場時，亞馬遜已經佔據了市場優勢，投資人來找我說，“遊戲結束了，微軟永遠不會成功，在這個市場亞馬遜贏家通喫。”在經歷過客戶端－服務器領域與甲骨文和IBM的競爭後，我明白了買家不會容忍贏家通喫的局面出現。從結構上看，超大規模領域永遠不會出現贏家通喫的情況，因爲買家很聰明，他們都希望有多個供應商。

在AI模型方面也會發生這種情況，所以會有開源，就像在Windows一樣。我從中學到的一個重大教訓是，就算你有一個閉源操作系統，也會對它進行很多補充，那就相當於開源的作用。我認爲在AI模型中，可能會有一些閉源的，但肯定也會有開源替代方案，而開源替代方案實際上就是在防止閉源模型出現贏家通喫的局面。

在消費領域的某些類別中，可能會出現贏家通喫的現象，比如ChatGPT，它是一個規模化的消費產品，已經佔據了市場優勢，可以看到App Store的下載榜上，它總是排在前五名。他們能夠早期優勢將其轉化爲應用優勢，所以在消費領域，這可能會發生，但如果買家是企業，需要大規模採購和使用，那我認爲贏家就不止一個。

主持人：現在大家提到了模型可能會被商品化，也許在幾十年前人們對雲計算也提出了類似的觀點，當然，你們找到了雲計算的變現方法，實現了規模經濟。如果你實現了AGI，未來有自動化的人工智能研究員幫助你們計算，這似乎是鞏固你們優勢的好方法，你是怎麼看這個問題的？

薩提亞：從規模上看，沒有什麼是商品。在超大規模發展的早期，大多數人認爲這些託管服務提供商都不是好企業，那超大規模還是門生意嗎？事實證明的確是一門好生意，以Azure爲例，它有全球60多個地區的計算能力，這是一件很難複製的事情，所以是否只有一個贏家？我喜歡進入那些潛在市場規模大的領域，這樣就不必承擔贏家通喫的風險，一個大市場可以容納幾個贏家，而我們是其中之一，這就是我所說的超大規模服務層級。

“我們過度炒作了AGI”

主持人：聽說你每年從人工智能中獲得的收入是130億美元，相信按照這個增長率，四年後會獲得超現在10倍的收入，也就是1300億美元。如果是這樣，你預計利用這種智能應用做什麼？是通過Office來實現嗎？還是將其交給其他人來管理？你必須有AGI才能獲得1300億美元收入嗎？它看起來像什麼？

薩提亞：這是個好問題，因爲在某種程度上，如果你要實現了這種爆炸式增長，有了商品化的智能產品，在我瞭解微軟的收入情況之前，首先要觀察的是GDP的增長情況。我認爲我們現在對AGI的概念過度炒作了。

目前發達國家的GDP增長率是2%，如果再調整通貨膨脹的話，就是0。雖然我不是經濟學家，但我明白正面臨着嚴峻的增長挑戰。我們都說這次人工智能革命帶來的影響不亞於之前的幾次工業革命，那麼就應該像工業革命一樣帶來生產力的突破，因此要讓發達國家的GDP增長在通貨膨脹調整後，還能保持5%，這纔是實現AGI真正的標誌。

技術發展最大的贏家不會是科技公司，而是使用這些技術和資源突破生產力瓶頸的各行各業。生產力提高了，經濟快速增長，當這種情況發生時，我們的行業就會更好。我們自稱取得了AGI的一些里程碑，但在我看來這些都不是最根本的突破，真正實現AGI的衡量標準是，世界經濟以10%的速度快速增長。

主持人：你在2019年就投資了OpenAI，當時還未出現Copilot和任何應用程序。如果你真的認爲這裏有10倍或5倍的增長潛力，那麼你會關注GPT-4能帶來多少收入嗎？還是說就想瘋狂一下，做數千億美元的計算？

薩提亞：平衡非常重要，這不是單純構建計算，它還可以幫助訓練和服務下一個大模型。如果不做這件事，將無法真正從投資中獲益。所以，這不僅僅是一場關於構建大模型的競爭，更是創造一種商品的競賽，你必須有一個完整的思考，而不是隻考慮一件事。在這種競爭過程中會出現過度建設的現象，如同互聯網時代的競爭一樣，不僅是企業，國家也在投入資本，大家都需要更多資源，更多算力。競爭的結果難以判斷，但有一件事可以肯定，就是計算成本會下降。

主持人：作爲與這些財富500強公司合作，並與他們一起部署爲數十億人提供服務的人，你覺得這些功能的部署速度有多快？即使你有工作助手和工具，但考慮到合規性，可能會遇到阻礙，能解決這個問題嗎？

薩提亞：這是一個真正的挑戰，因爲真正的問題是管理和流程的變革。想象一下，像我們這樣的跨國公司在個人電腦、電子郵件和電子表格普及之前是如何做數據的。先是傳真傳送，然後有人收到了這些傳真，做了一份辦公室備忘錄，接着傳閱下去，大家輸入數字，最終得到了一份數據，可能剛好趕上下一個季度。然後有人說，我要把一個Excel電子表格放到電子郵件裏發出去，大家一起去編輯它，我就能得到一份數據。那麼整個業務就發生了變化，因爲工作工具和工作流程發生了變化，這就是人工智能引入知識工作領域的必要之處。

實際上，當我們考慮所有這些Agents時，根本問題是有了新的工作和工作流程。例如，在準備我們的播客時，我會去找我的助手，讓它在我出發前總結出一個需要閱讀的資料，我還和團隊分享了這些資料。所以對我來說，新的工作流程是我利用人工智能思考並和同事一起工作。這對所有從事知識工作的人來說是一個根本性的變革，要弄清楚我將如何以新方式完成我的知識工作。這需要時間，類似於銷售、財務和供應鏈業務的建設，需要時間去磨合。

這就類似製造商如何運用精益（精益生產是一種以減少生產過程中的浪費爲核心的生產管理模式）來提高效率，如今精益生產成爲了一種提高端到端製造流程效率的方法，減少浪費，增加價值。知識工作也是一樣需要精益生產，減少流程上的浪費，增加思考的價值。

微軟最新兩大技術突破

主持人：微軟研究院宣佈的量子技術重大突破，可以給我們介紹一下嗎？

薩提亞：這對我們來說又是30年的旅程，令人難以置信。我是微軟第三位對量子感到興奮的CEO。我們一直以來的願景是，人類需要物理上的突破才能構建一臺實用化量子計算機。我們押注了噪聲更小或更可靠的量子比特（qubits），就是押注了一種更可靠的物理屬性。20世紀30年代埃託雷·馬約拉納（Ettore Majorana，意大利物理學家）就發表了相關理論，但問題是，我們能否在物理層面製造出它們？所以這個重大突破就是，我們現在終於有了證明馬約拉納零能模（MZMs）存在的證據和物理突破，這就是爲什麼我們喜歡將其比作“晶體管時刻”。

在量子計算中，我們實際上有了新相——拓撲相（是一種物質的量子態，它的性質不依賴於物質的具體形狀和大小，而只取決於物質的拓撲結構），這意味着我們現在甚至可以可靠地隱藏量子信息，測量它，並且可以製造它。現在我們有了它就有了核心基礎製造技術，我們就可以開始構建Majorana芯片了。我認爲Majorana 1將是第一款能容納一百萬量子比特的物理芯片。然後在此基礎上，對成千上萬個邏輯量子比特的錯誤進行修正，最後你就有了構建一臺實用化量子計算機的能力。

來源：視頻截圖

主持人：其他公司也宣佈了在物理量子比特方面的研究成果，包括谷歌、IBM等，但你說你們的在極限情況下更具可擴展性。

薩提亞：是的。我們還採取了一項措施，將軟件和硬件分開搭建。我們正在構建軟件堆棧（指應用程序運行所需的程序或組件的集合），現在我們已經與中性原子、離子阱（Ion trap）等研究者和團隊達成合作，他們在光子學方面有着相當不錯的方法，這意味着將會有不同類型的量子計算機。事實上，我們最後宣佈的是24個邏輯量子比特。因此，我們在糾錯方面也取得了一些重大突破，這使我們能夠在中性原子和離子阱量子計算機上來構建20多臺量子計算機，並且還會持續下去。讓我們迴歸第一性原理，構建我們自己關於拓撲量子比特的量子計算機，這就是這次突破的意義所在。

主持人：太神奇了，百萬個拓撲量子比特，數千個邏輯量子比特，預計需要多長時間才能達到這個水平？如果你有了第一個“晶體管”，在這裏的“摩爾定律”是什麼樣的？

薩提亞：顯然我們已經爲此努力了30年，我很高興現在取得了物理學和製造方面的突破。量子計算機允許我們做的第一件事就是構建量子計算機，因爲這樣可以進行模擬，新量子門的構建將容易得多。但無論如何，接下來真正要做的是構建第一臺容錯量子計算機，這是合乎邏輯的事情，現在我可以說，也許在2027年或2028年，我們就能製造出它。既然我們有了這個量子門，是否可以將其放入集成電路中，然後將這些集成電路放入真正的計算機中？這就是下一個合乎邏輯的步驟。

主持人：那麼你認爲到2027年或2028年，它會發揮怎樣的作用？這是可以通過API訪問的東西嗎？它是你們內部用於材料和化學研究的工具嗎？

薩提亞：這是個好問題。我們也有量子程序，並且爲其添加了一些API。大概兩年前，我們取得了突破，開始將HPC堆棧、AI堆棧和量子結合在一起。事實上，我們仔細想想，人工智能就像是人類的模擬器，而量子就是大自然的模擬器。量子將會做什麼？補充一點，量子不會取代經典，而是在量子擅長的領域表現更出色。量子對於探索密集型的事情大有幫助，需要的數據量少但產出的是指數級增長的數據。

我們開始使用人工智能作爲模擬引擎進行訓練，如果有人工智能和量子技術，用量子來生成數據，就能訓練更好的AI模型，兩者應該結合使用。所以即使在今天，這實際上就是我們將HPC和AI結合起來所做的事情。如今，我們仍然在有效地結合HPC和AI，我希望用量子計算機替代一些HPC部分。

主持人：讓我們深入探討一下微軟取得的另一個重大突破——世界與人類行動模型，可以介紹一下它嗎？

薩提亞：我們將其命名爲Muse，它將成爲這個世界行動的典範，或者說是人類行動的典範。Dall-E和Sora在生成模型方面取得令人驚喜的成就，我們想要追求的是使用遊戲數據。實際上你能生成既一致又能展現多樣性，並且能保留用戶模塊的遊戲嗎？他們與我們的一家遊戲工作室合作，這是在《自然》上發表的另一篇論文。

讓我興奮的是，我們很快將推出一系列遊戲，將開始使用這些模型或者訓練這些模型生成遊戲。當菲爾·斯賓塞（Phil Spencer，現任微軟遊戲業務首席執行官）第一次向我展示時，他手裏拿着一個Xbox控制器，這個模型根據輸入生成輸出，與遊戲保持一致。對我來說，這是一個令人驚歎的時刻，就像我們第一次看到ChatGPT輸出完整的句子，或者Dall-E進行繪畫一樣，是讓人驚喜的時刻。

來源：視頻截圖

主持人：在你擔任微軟首席執行官期間，已投資了數千億美元打造微軟遊戲並收購知識產權。如果將所有這些數據合併成一個大模型，讓你擁有同時訪問和穿越多個世界的體驗，如果這是遊戲發展的方向，似乎是一項相當不錯的投資。你對此有什麼想法嗎？

薩提亞：我不會說我們投資遊戲是爲了創建模型。在微軟有一件很有趣的事情：我們在開發Windows之前就製作了第一款遊戲——飛行模擬器。因此，遊戲在公司有着悠久的歷史。我們希望爲了遊戲本身而參與遊戲開發。我討厭從事那些摻雜了其他目的的行業，迴歸到做這件事的初心就好。

我們不是一家綜合型企業，而是一家必須將所有資源整合在一起，並通過增值來發展得更好的公司。例如，我們會投資雲遊戲，因爲這將擴大TAM（技術接受模型），擴展人們隨時隨地玩遊戲的能力。人工智能與遊戲也是如此，AI肯定會改變遊戲，這有點像遊戲領域的CGI（三維動畫）時刻，對遊戲的長期發展也有利益。

作爲全球最大的遊戲發行商，我們必須製作高質量的遊戲。但這些數據資產很有趣，不只作用於遊戲環境中，還能訓練一個通用的世界行動模型。我認爲遊戲數據之於微軟就像YouTube之於谷歌，我對此感到興奮。

主持人：你可以在許多不同類型的遊戲中獲得統一的體驗。除了人工智能，這與微軟其他的業務，比如MR（混合現實）有何關聯嗎？可不可以幫助小型遊戲工作室製作AAA動作遊戲？

薩提亞：早在五六年前我就說過，我們下注的三大領域是人工智能、量子和混合現實，如今我仍然相信這些。因爲在某種意義上，它需要解決的重大問題是什麼？在場。這是混合現實的夢想。你能創造真實的存在嗎？我認爲這是所有挑戰中最難的一個，也許是因爲它涉及社會方方面面。

我們現在對與Anduril（國防科技初創公司AndurilIndustries）的合作非常感興趣。因此，我們會在這方面繼續努力。事實上，像Teams這樣的辦公工具我們也獲得了通過2D創造存在感的能力，我認爲這將繼續下去。所以，我關注這三件事，並思考如何將它們結合起來。歸根結底，我們不是爲了技術去研發技術，而是要解決人類在生活中的一些需求，從而提升我們的生產力。如果我們能以某種方式做到這一點，那就是真正的進步。

AI不會完全取代人類的認知勞動

主持人：你在微軟度過了大部分職業生涯，您能夠創造如此多價值的原因之一是瞭解微軟的文化、歷史和技術。通過不斷晉升，您積累了所有這些背景知識。其他公司是否也需要有這種背景的人來管理？

薩提亞：這是個好問題，我還沒從這個角度思考過。在微軟工作了34年，但我依然對微軟的工作感到興奮，而不是覺得我只是公司的員工，該做這些事情。我很看重這種態度，任何加入微軟的人都需要如此。他們加入微軟並非只是覺得可以獲得經濟回報，而是覺得可以通過平臺來實現自身的目標，有一種使命感。因此，我認爲公司必須創造一種文化，允許人們加入併成爲像我一樣的“公司人”。至少對我來說，微軟的正確選擇要多於錯誤選擇。

主持人：你提到微軟第六任CEO將利用你現在開始的研究，你會採取什麼措施來留住未來的“薩提亞·納德拉”，以便他們有機會成爲未來的管理者？

薩提亞：今年是我們成立50週年，我思考了很多：長久並不是目標，相關性纔是。我和20萬員工每天必須要做的是：思考我們所做的事情是否對世界有用且存在什麼相關性，因爲我們看到公司不僅要在今天生存下來，還要在明天發展得更好。

我們生活在一個沒有特許經營價值的行業，如果你考慮我們今年的研發預算，這完全是對5年後將發生什麼的猜測。你必須抱着我們正在做的事情是我們認爲會有意義的這種信念，然後必須對失敗有很高的容忍度，盡全力做完後才能說“我們公司將會成功”。

主持人：有一件事我不太確定，你是否認爲AI會自動化所有的認知勞動？

薩提亞：這就是我對人們如何談論它的定義感到困惑的地方，認知勞動並不是靜態的。如果我有一個專門管理Agent的收件箱，這是新的認知勞動嗎？所以今天的認知勞動可能是自動化的。那麼產生的新的認知勞動呢？當今的認知勞動可能會被自動化，但又會產生新的認知勞動。

不要混淆知識工作者與知識工作。今天的知識工作可能會被自動化，比如讓AI Agent來處理我的郵件，但在處理完我的郵件後，給我一個更高級的認知勞動任務，比如“這些是我希望你審閱的三個草稿”。這是不同層級的認知勞動。

主持人：AI能做到第二件事嗎？

薩提亞：可能會，但一旦它做到了第二件事，接下來會有第三件事。當我們處理了歷史上改變認知勞動的工具時，爲什麼會擔心所有的認知勞動會消失？

主持人：我相信你以前肯定聽過這些例子，比如儘管馬可以勝任某些任務，但道路已經變成了適合汽車駕駛的樣子，以後也不會再看到街上出現成百上千的馬。這種情況是否也會發生在人類身上？

薩提亞：在人類歷史上，我們重視所理解的狹義的認知勞動也纔不過短短的200年時間。我們以化學爲例，如果量子計算加上AI確實能幫助我們做新材料，這是否會剝奪人類可以做的其他所有事情？爲什麼我們不能生活在一個擁有強大認知機器的世界裏。

【來源】Dwarkesh Patel（YouTube）