與微軟CEO深度萬字對話：2024僅是開始，為什麼說2025年才是AI行業的關鍵拐點

今天小編分享的教育經驗：與微軟CEO深度萬字對話：2024僅是開始，為什麼說2025年才是AI行業的關鍵拐點，歡迎閱讀。

作者| AI工作坊

來源 |AI深度研究員  管理智慧

咨詢合作| 13699120588

文章僅代表作者本人觀點

"AI 時代的每一個決策都至關重要。"

本周，在與微軟首席執行官Satya Nadella（薩蒂亞·納德拉）的對話中談到2025年時，他的語氣異常堅定。作為微軟CEO，他已經帶領這家科技巨頭實現了一次又一次的轉型。

從1992年加入微軟時的Windows 3.1時代，到如今AI革命的浪潮之巅，Nadella見證并推動了科技行業的每一次重要變革。2014年接任CEO以來，他用數字證明了自己的戰略遠見：Azure營收從10億美元躍升至660億美元，公司總收入翻了兩番，總利潤增長超過三倍，公司市值更是增長了近10倍，為股東創造了近3萬億美元的價值。"了解我們何時成功，何時失敗，并從中吸取教訓。"在這次深度對話中，Nadella分享了他的核心理念：模式匹配。正是這種戰略思維，幫助微軟在每個技術變革周期中找到自己的位置，也讓這家曾被質疑"無關性"的公司重新定義了科技創新。

如今，面對2025年這個關鍵節點，Nadella和微軟再次展現出非凡的前瞻性：堅定押注縮放定律（scaling laws），同時保持清醒的戰略認知。"雖然GPT-4.1的鏈式思維和自動評分等創新正在開創新的可能，但經濟現實終将成為模型擴展的限制因素。真正的網絡效應在于應用層，而不是簡單的模型擴展。

主持人：你提到的戰略重點是識别結構性位置和權限，這确實是一個值得稱道的成就。在轉向人工智能之前，我還有幾個關于過渡的問題。正如 Brad 所說的，你可能是史上最成功的 CEO 任命，創造了無人匹敵的三萬億美元的市值。我讀到一篇文章提到，你為 CEO 甄選委員會寫了一份 10 頁的備忘錄。這是真的嗎？如果是真的，那備忘錄裡寫了些什麼？"

談CEO備忘錄法則

Satya Nadella： 是的，這是真的。當時我們的 CEO 甄選過程是非常公開透明的。坦率地說，在那個時候，我根本沒有想到自己會有這樣的機會。回想起來，首先，我從未想過比爾會離開，其次也沒想到史蒂夫會離開。加入微軟時，我完全沒有這樣的心理預期。2013 年 8 月，史蒂夫決定退休，對我來說是一個巨大的衝擊。當時，我正在負責伺服器和工具業務，也就是 Azure 的歸屬部門。我那時候樂在其中，甚至都沒有主動提出要競争 CEO 的職位，因為我根本沒想過這種機會會出現。後來董事會逐漸開始考慮内部候選人，并要求我們提交一份備忘錄。說實話，那份備忘錄裡的内容，後來幾乎都得到了實現。我在備忘錄中使用了‘環境智能’（ambient intelligence）和‘無處不在的計算’（ubiquitous computing）這樣的術語。不過後來，我簡化為‘移動優先，雲優先’，因為公關團隊告訴我，‘環境智能’和‘無處不在的計算’這種說法沒人能聽懂。

備忘錄的核心是如何順應這一代的趨勢，理解我們的結構性位置，并充分利用微軟的資產。比如，M365 是一個非常重要的資產。人們常常按市場細分來理解雲，比如 IaaS（基礎設施即服務）。但我從來沒有按照這樣的劃分來分配資本。我認為雲基礎設施是公司的核心理論，在其之上有一系列工作負載，比如 Azure、M365、Dynamics、遊戲等等。備忘錄中還提到，我們需要從一個高達 98%-99% 毛利率的伺服器和客戶端業務，轉向雲計算。這是一個巨大的轉型。當時，很多人說雲計算的毛利率會更低，但我的直覺是雖然毛利率下降，但市場總量會更大。我們可以服務更多的小企業，整體銷售額會增加，尤其是消費量的增長。例如，過去我們只是銷售 Exchange，但現在 Exchange、SharePoint、Teams 都得到了擴展。

主持人： 那麼在文化轉型方面，你是如何實現的？畢竟很多新任命的 CEO 都失敗了，比如 Brad 提到的，有人認為微軟會成為下一個 IBM，輝煌不再。你是如何重塑文化，并讓公司走向新的方向的？對于即将上任的 CEO，你有什麼建議嗎？

Satya Nadella： 我認為我最大的優勢之一是我是一個地地道道的内部人。我整個職業生涯幾乎都在微軟度過。所以，如果我批評我們的文化，那其實是在批評我自己。這種内部人的身份給了我一個突破點——我的批評不會被認為是一個外來者在指責現有團隊，而是一個參與其中的人反思自己。這讓我在推動文化轉型時更具說服力。我無法批評任何我沒有參與的事情，因為我也是這文化的一部分。Bill，我非常清楚地記得微軟第一次成為全球市值最高公司時的場景。當時，我走在公司園區，所有人，包括我自己，都表現得好像我們是人類文明中最聰明的一群人。這種自滿的文化讓我印象深刻，因為我始終認為，從古希臘到現代矽谷，唯一讓國家、公司或文明衰落的原因就是傲慢。

我非常幸運，我的妻子幾年前向我推薦了 Carol Dweck 的一本書，這本書探讨了‘成長型思維’（growth mindset）。最初，我是以我孩子的教育和育兒為背景來閱讀這本書的。但我突然意識到，這個概念是我們構建學習型文化的最佳框架。我将我們的文化成功很大程度上歸因于這一理念。它不僅僅是微軟的内部口号，它還超越了工作本身，應用于生活的方方面面。無論是成為更好的家長、伴侶、朋友還是領導者，這一理念都能提供指導。我常說，我們需要從‘無所不知的人’（know-it-alls）轉變為‘學習一切的人’（learn-it-alls）。不過，這不是一個可以到達的終點，因為一旦你說‘我已經擁有成長型思維’，從定義上來說，你就不再具備這種思維了。這種文化轉變需要時間和耐心，并且需要從上到下，從下到上進行融合。幾乎在我主持的每一個會議中，我都會圍繞‘使命’和‘文化’展開讨論，這是我框架中的兩個關鍵支柱。自從擔任 CEO 以來，我對這些原則的表述始終保持一致，例如‘環境智能’（ambient intelligence）和‘無處不在的計算’（ubiquitous computing）。雖然這些表達可能已經讓我自己感到無聊，但我依然堅持重復，因為它們至關重要。

談投資OpenAI經過

主持人：你提到的幾個階段轉變令人印象深刻，我聽你說過，作為一家大型平台公司，市場份額的捕獲往往在技術階段轉變的前三到四年内決定。而微軟此前錯過了搜索和移動領網域的機會，但抓住了雲計算的最後一班車。那麼，在考慮下一次重大階段轉變時，你和團隊（包括 Kevin Scott）似乎很早就察覺到 Google 在人工智能領網域，特别是通過 DeepMind，占據了先機。那麼，是什麼促使你決定投資 OpenAI，而不是完全依賴内部的人工智能研究？

Satya Nadella： 這個問題非常好，因為這裡涉及到幾個方面。首先，我們在人工智能領網域已經深耕很久了。早在 1995 年，Bill 就創立了微軟研究院（MSR），最初的研究方向之一是自然用戶界面，首個團隊是語音團隊。當時 Rick Rashid 加入了微軟，甚至連 Kai-Fu Lee 也在這裡工作過。我們對自然語言界面一直非常關注。事實上，Geoffrey Hinton 曾在 MSR 任職期間完成了一些深度神經網絡（DNN）的早期工作，随後 Google 聘用了他。老實說，在 2010 年代初，我們确實錯失了一些加倍投入的機會。大約在同一時間，Google 投資并收購了 DeepMind，這讓我感到非常遺憾。

但我們也有一些突破，比如 Skype 翻譯器是我關注的第一個項目。這是第一次我們看到遷移學習的效果，即在訓練一種語言對時，可以改進其他語言對的翻譯能力。這讓我對語言技術着迷，Kevin Scott 也是如此。事實上，第一次與 Elon Musk 和 Sam Altman 互動時，他們正尋找 Azure 的計算資源支持。當時，他們主要專注于強化學習（RL）和 DOTA 2 等項目。這讓我開始關注他們的工作。後來我們中斷了合作，我甚至不太記得具體發生了什麼。他們似乎轉向了 GCP，但之後又回來讨論他們對語言的想法。那是一個關鍵時刻，他們談到了 Transformer 和自然語言處理。對我來說，這和我們的核心業務息息相關。我的思維方式一直是圍繞我們的結構性位置展開。我始終認為，如果能在某種模型架構上實現非線性的突破，這将會是一個巨大的機會。比爾在我職業生涯中一直強調，數字領網域的唯一類别就是信息管理。他的想法是為世界建立一個結構化的模式，把人、地點、事物等歸類整理。微軟曾經有一個非常有名的項目叫做 WinFS，就是為了把一切都結構化管理，但這個目标幾乎是不可能實現的。

于是我們意識到，也許突破點在于語言。人類大腦通過語言、内在的獨白和推理來實現信息管理。因此，這也促使我們選擇了 OpenAI。我對 Sam 和 Greg 以及他們團隊的雄心壯志感到非常敬佩。事實上，我第一次讀到關于‘擴展定律’的備忘錄是 Dario 在 OpenAI 時寫的，Ilya 也參與了其中。這讓我覺得，既然這種技術具有指數級的性能提升潛力，為什麼不全力投入試一試呢？之後，當我們看到 GitHub Copilot 等產品的成功表現時，加大投入變得更加容易。這一切都源于最初的直覺。

主持人： 在以往的技術階段轉變中，一些現有巨頭未能迅速跟上，比如你提到的微軟錯失了移動和搜索的機會。但在這次人工智能的浪潮中，似乎所有人都已經完全醒悟。你是否認同這種看法？你如何看待這場競争中的關鍵玩家，比如 Google、Amazon、Meta（通過 LLaMA）、以及 Elon 的參與？

Satya Nadella： 這是一個很有趣的現象。在上世紀 90 年代後期，微軟是獨領風騷的，其他公司遠遠落後。但現在，人們提到‘MAG 7’（指 Meta、Amazon、Google 等七大科技公司），甚至可以說是‘MAG 8’，因為 OpenAI 可以被看作是這一代的新生巨頭，就像這個時代的 Google 或 Microsoft。這場競争會非常激烈，但我并不認為這是‘赢家通吃’的局面。當然，在某些特定領網域可能存在這樣的情況，但在超級規模的基礎設施領網域絕對不會如此。全球市場，即使不包括中國，也需要多個提供前沿模型的供應商。從結構性位置來看，微軟在這方面有很大的優勢。Azure 的設計與其他雲服務不同，我們是為企業工作負載構建的，提供大量的數據駐留支持，分布在超過 60 個區網域，比其他提供商更多。我們并不是為了某一個大應用而構建雲，而是為了各種異構的企業工作負載。這種設計将在長期内成為推理需求的核心，因為這些需求将圍繞數據、應用伺服器等展開。

在基礎設施層面會有多個赢家，在模型層面也是如此。每個超級規模提供商都會擁有自己的模型和應用伺服器。每個現代應用，包括 Copilot，實際上都是多模型應用。這種變化帶來了一個全新的應用伺服器，就像曾經有移動應用伺服器和 Web 應用伺服器一樣，現在我們有了 AI 應用伺服器。對于我們來說，這就是 Foundry。我們正在構建自己的，而其他公司也會構建他們的版本。在應用層面，網絡效應仍将主要體現在軟體層，這會是一個非常重要的領網域。

談打造ChatGPT類AI產品

主持人： 在應用層面，消費者和企業領網域的網絡效應會有所不同。從結構上分析，競争會在技術堆棧的不同層次間展開。你提到過，要警惕那些突然出現、對現狀進行颠覆的新創業者。我想說，OpenAI 就是這樣一家已經獲得‘逃逸速度’（escape velocity）的公司。談到應用層，特别是消費者 AI，我們可以先聊聊 Bing。你我都讨論過，‘10 藍色鏈接’或許是資本主義歷史上最好的商業模式，但它正受到新模式的威脅，比如消費者直接想要答案。以我的孩子為例，他們會說，‘為什麼我要用搜索引擎？我直接獲取答案就可以了。’你認為，在這個答案為王的時代，Google 和 Bing 是否還能繼續發展傳統搜索業務？此外，Bing 或者你在 Mustafa 領導下的消費者 AI 努力需要做些什麼，才能與像 ChatGPT 這樣的產品競争？ChatGPT 從消費者的角度看，似乎已經突破了界限。

Satya Nadella： 你剛才提到的最後一點非常重要，那就是‘聊天式答案’，這正是 ChatGPT 的核心。從品牌到產品，它都在轉變為一種有狀态的工具（stateful）。事實上，傳統搜索是無狀态的，盡管有搜索歷史，但并沒有更深入的狀态管理。而這些 AI 代理将變得更加有狀态。因此，當 Tim 和 Sam 最終達成蘋果搜索合作協定時，我非常高興。我覺得，與其讓其他人拿下這個協定，不如讓 ChatGPT 做到，因為我們和 OpenAI 有商業和投資關系。同時，分發（distribution）也是至關重要的。這是 Google 的巨大優勢。他們是蘋果設備上的默認搜索引擎，也是安卓上的默認選擇。因此，習慣不會輕易改變。比如，用戶仍然會在浏覽器的地址欄中直接輸入查詢，即使他們有其他選擇。我自己現在更多使用 Copilot，但在一些導航性的搜索上，我仍然會用 Bing。不過，對于更復雜的查詢，我會直接轉向 Copilot。這種轉變正在全球範圍内發生。

我們距離商業意圖（commercial intent）查詢全面遷移到聊天代理上可能只有一兩個關鍵應用的距離，比如購物或旅行。一旦商業意圖的查詢開始遷移，那就是傳統搜索的‘大壩崩塌’之時。目前，傳統搜索業務還能維持，主要是因為商業意圖的查詢還沒有大規模遷移。一旦這種遷移發生，變化會非常迅速。對此，我們的應對方式是在 Mustafa 的領導下管理三個主要平台：Bing、MSN 和 Copilot。它們構成了一個生态系統，其中一個是信息流（feed），一個是傳統搜索，另一個是新的代理界面。我們與内容提供商之間需要建立明确的‘社會契約’，比如推動流量、支持付費牆或者廣告模式等等。在分發方面，我們仍然擁有一個獨特的優勢，那就是 Windows。我們有機會重新争奪浏覽器的主導權。我們曾經赢過 Netscape，但後來輸給了 Google 的 Chrome，這是一個巨大的遺憾。但現在，通過 Edge 和 Copilot，我們正在以一種有趣的方式奪回市場。

另外，無論是 ChatGPT 還是 Gemini，都需要在 Windows 平台上争取用戶，這是一個開放的系統。任何優秀的產品都可以脫穎而出，不需要微軟的許可。這種開放性也意味着，雖然我們曾經失去過市場，但現在有機會重新赢回來。實際上，我經常說，Google 在 Windows 上賺的錢比微軟所有業務加起來還多。從微軟股東的角度來看，這是個好消息，因為我們失去了太多市場，現在可以重新去争取并奪回一些份額。"

主持人： 每個人都在談論這些代理技術（agents）當我們展望未來時，可以想象各種玩家希望能夠在其他應用程式和系統上的數據中執行操作。微軟的處境很有趣，你控制着 Windows 生态系統，但同時你的應用程式也運行在 iPhone 和 Android 生态系統中。你如何看待這個問題？這涉及服務條款的問題，也涉及合作夥伴關系的問題。比如，蘋果會允許微軟在 iOS 上控制其他應用嗎？微軟會允許 ChatGPT 在 Windows 系統上打開其他應用并訪問數據嗎？這個問題一直延續到搜索和商業領網域，比如 Booking.com 是否會允許 Gemini 在未經許可的情況下處理交易？

Satya Nadella： 這是一個非常有趣的問題。目前來看，這方面的模式尚不清晰。有一種比較傳統的思路可以借鑑，就是回顧一下以往各種業務應用程式如何實現互操作性（interoperability）。當時，通過使用連接器（connectors）和連接器許可（connector licenses），形成了一種商業模式。SAP 就是一個經典的例子，你可以訪問 SAP 的數據，只要你有連接器。我認為在企業領網域可能會出現類似的情況。也就是說，如果一個代理（agent）需要進入另一個代理的操作空間，或者訪問其數據模式（schema），那麼可能需要某種接口授權（licensed interface）。舉個例子，比如我在使用 Microsoft 的 Copilot 時，可以通過連接器訪問 Adobe、SAP 以及 Dynamics CRM 的實例。這種方式非常有趣，因為我們幾乎不需要再直接使用這些 SaaS 應用程式，而是通過 AI 将其數據整合并操作。

談 AI 的作業系統

主持人： 反過來看，你會允許 Android 系統的 AI 或 iOS 系統的 AI 通過 Microsoft 客戶端訪問智能手機上的電子郵件嗎？"

Satya Nadella： 這确實是一個值得深思的問題。比如，目前我們已經允許蘋果郵件通過許可協定訪問 Outlook 的同步服務。這是否導致了價值流失，還是對我們有幫助呢？從某種角度看，這可能确實導致了一些價值的流失。但另一方面，這也是我們能夠保住 Exchange 的原因之一。如果當時我們不這樣做，可能情況會更糟。因此，我們正在努力構建一個圍繞 Microsoft 365 的信任體系。我們不能随意允許任何代理進入并執行任何操作，因為這些數據不是我們的，而是客戶的數據。我們需要确保客戶數據的安全性，同時在開放性和控制之間找到平衡點。因此，最終還是需要客戶的許可，企業的 IT 部門需要批準。這并不是我可以統一設定的某種全局标志。此外，還需要一個可信的邊界。我們在 M365 上正在做的事情可以類比蘋果智能系統所做的工作。我強烈推薦大家去體驗一下，這是非常有趣的嘗試。

主持人：Mustafa 提到，2025 年将是‘無限記憶’（infinite memory）的一年。Bill 和我從今年初就一直在讨論這個問題。我們認為下一個 10 倍的功能增長可能會是來自 GPT 的持久記憶，以及代我們執行某些操作的能力。我們已經開始看到記憶功能的初步實現。我相信，2025 年記憶的部分可能會得到很好解決。但對于‘行動’，比如我對 ChatGPT 說，‘幫我在下周二以最低價格預訂西雅圖的四季酒店’，這種能力何時能實現？你怎麼看這件事，目前這是否仍然是一個難題？"

Satya Nadella： 最開放的‘行動空間’仍然非常具有挑戰性。但你提到的幾個方面非常令人興奮：記憶、工具使用（或行動能力），以及權限管理。這三個要素結合起來，可以讓 AI 代理變得更可控、更具行動能力，并具備記憶功能。以行動為例，如果代理能夠在執行任務時做到可驗證，并且擁有記憶系統，那麼它可以處理更多自主工作。我仍然認為，即使在一個完全自主的世界中，有時也需要提出異常、請求許可或進行調用。這就是為什麼我們将 Copilot 定義為‘人工智能的用戶界面’（UI）。它不僅是一個組織層，也是工作、文檔和工作流的整合工具。

至于當前的模型，比如 GPT-4.0，即使不考慮 GPT-4.1，它已經具備很強的函數調用能力。在企業環境中，這種能力比在消費者環境中更有優勢，因為消費者網頁上的函數調用非常復雜，特别是當後端模式發生變化時。而 GPT-4.1 或許可以通過一種可驗證、可自動調控的流程來實現更好的結果。我認為，這方面的進一步突破可能需要一到兩年時間。在企業環境中，我們已經可以在 Dynamics 中集成 10 到 15 個這樣的代理，比如銷售代理、營銷代理、供應鏈代理等。這些代理可以自主處理更多任務，比如與供應商的通信、更新數據庫、調整庫存等。

主持人： Mustafa 提到‘近乎無限的記憶’（near-infinite memory），你是否可以對此提供一些澄清？是否有内部的技術突破？"

Satya Nadella：某種意義上，這個概念就是為記憶系統建立一種‘類型系統’。這并不是每次啟動時從零開始，而是可以根據已有的歷史記錄進行分類和匹配。我認為 Mustafa 的意思可能是我們在這方面确實取得了一些技術突破。實際上，我們确實有一個開源項目，可能是由開發 TypeScript 的團隊完成的。他們正在努力将記憶系統結構化，使其可以被更方便地使用。比如，當我在新項目上工作時，它可以根據我以往的操作進行聚類，并通過類型匹配建立記憶系統。我認為這是構建記憶系統的一種很好的方法。

主持人：談到企業 AI，微軟的 AI 業務據報道已經達到約 100 億美元的規模。你提到這些收入幾乎全部來自推理（inference）需求，而不是通過出租 GPU 給他人進行模型訓練。你認為，目前哪些主要的收入產品正在推動推理收入的增長？它們與 Amazon 或 Google 的模式有何相似或不同？

Satya Nadella： 這是一個很好的問題。對我們來說，這一切的開展方式需要先理解我們的訓練活動。我們與 OpenAI 的合作主要是投資邏輯，所以這些并沒有直接反映在我們的季度收入中，而是以其他收入或損失的形式體現。至于實際的收入來源，目前主要是我們的 API 業務，以及 OpenAI 在 Azure 上的推理需求。換句話說，現在這個時代的熱門應用包括 ChatGPT、Copilot、GitHub Copilot，以及 OpenAI 和 Azure OpenAI 的 API。如果列出當前最熱門的十款應用，其中四到五個可能都與這些技術有關。這是我們最大的收入驅動因素。我們與 OpenAI 的合作讓我們有了兩年的領先時間，這是一項巨大的優勢。在這個兩年中，我們幾乎沒有競争對手，這種情況可能再也不會出現。當然，也可能有人突然發布一些驚人的模型打破現狀，但這種機會非常罕見。我們利用這段時間，與 OpenAI 一起成功建立了 ChatGPT 的‘逃逸速度’。

在 API 方面，我們獲得了許多新客戶，比如 Shopify、Stripe 和 Spotify。這些公司以前都是 GCP 或 AWS 的客戶，但現在開始在某種程度上使用 Azure。這幫助我們打開了更多‘數字原生’客戶的大門。對于傳統企業來說，我們看到 Copilot 在一端被試用，另一端客戶通過 Foundry 構建自己的代理。這些設計和項目的推進速度較慢，但正在逐步擴展。這也是我們為何更喜歡這種業務模式，因為與技術初創公司相比，它減少了資源分配的風險。過去，許多技術初創公司都在争搶 H100 GPU 的小批次分配，這讓我想起了 Sun Microsystems 的困境。如果你追逐每一個試圖構建模型的公司，風險會非常高。但現在，投資者的情緒正在變化，更多人希望采用資本輕量化的方式，利用他人的模型進行構建。這使我們能夠更有選擇性地開展業務。

主持人： 所以，你的意思是，其他公司的 AI 收入中，模型訓練和集群可能占據了更大的比例，而微軟更多依賴推理收入？

Satya Nadella： 我不确定，我只能就我們的業務進行說明。對于其他公司，我不知道它們的熱門應用有哪些，模型在哪裡運行，或者它們的規模有多大。從我們這邊來看，目前最知名的應用有 ChatGPT、GitHub Copilot 和 Copilot。至于 Google 的 Gemini，我對其用戶數據感到驚訝。當然，憑借其分發能力，Gemini 的增長潛力很大，但從目前來看，真正具有大規模用戶量的 AI 應用并不多。如果讓我列舉，有哪些應用的日活躍用戶數（DAU）超過 500 萬，首先想到的還是 ChatGPT、GitHub Copilot 和 Copilot，以及 Gemini。除此之外，你還能想到其他應用嗎？

談 構建‘AI 優先’的原則

主持人： 确實，還有一些初創公司的用例開始從底層逐步獲得一些發展機會，其中許多構建在 LLaMA 之上，但如果你要列舉十大熱門應用，确實不容易想到更多。在企業 AI 領網域，微軟的 AI 業務已經取得了顯著的成功，比如 Copilot 的應用非常受歡迎。不過，關于 Copilot 的方法論，比如 Mark Benioff 對此的批評（稱其為 Clippy 2），你怎麼看？是否擔心有人從零開始構建‘AI 優先’的產品，而不是基于現有基礎設施，例如 Excel 或 CRM？

Satya Nadella： 這是一個非常重要的問題。我們在業務應用（Biz Apps）上的方法至少是基于這樣的理解：傳統業務應用的邏輯可能會在代理（agent）時代徹底改變。如果你思考這些應用程式的本質，它們基本上是帶有大量業務邏輯的 CRUD 數據庫（創建、讀取、更新、删除）。但未來，這些業務邏輯可能會被轉移到 AI 層，而 AI 代理将能夠跨多個數據庫操作，而無需關注後端的具體實現。一旦邏輯層遷移到 AI 代理，人們可能會逐步替換後端系統。目前我們看到 Dynamics 在這一領網域的表現非常強勁，無論是 CRM 還是财務與運營（finance and operations），我們都看到了更多‘AI 原生’業務應用的需求。這些應用希望邏輯層由 AI 代理進行編排，從 Copilot 到 AI 代理再到業務應用的銜接變得無縫銜接。

至于 Excel，你可能會問，‘我們還需要 Excel 嗎？’但令人興奮的是，現在的 Excel 加入了 Python，就像 GitHub 的 Copilot 一樣。Excel 不再只是一個簡單的數字工具，而是一個數據分析師的可視化工具。Copilot 可以在 Excel 中生成計劃，執行計劃，并将其用作數據分析的草稿本。我們的方法是将 Copilot 定位為 AI 的組織層（UI）。它可以集成所有代理，包括 Excel 和 Word 等特定工具。Excel 是 Copilot 的代理，Word 也是代理，它們是專門為特定任務設計的‘畫布’。無論是處理法律文檔還是數據分析，Copilot 都可以無縫協作。這是一種全新的工作與工作流模式。"

主持人： 關于 AI 的投資回報率，許多人對此感到疑慮。微軟擁有超過 22.5 萬名員工，AI 是否幫助你們提升生產力、降低成本或推動收入增長？你能舉一些最顯著的例子嗎？比如，當 Jensen Huang 接受采訪時，他提到通過擁有 10 萬個代理，他預計營收增長 2-3 倍時，員工數量只會增加 25%。那麼當 Azure 的收入增長 2-3 倍時，你是否也期望看到類似的杠杆效應？"

Satya Nadella： 這是一個非常關鍵的問題，不僅對微軟如此，對我們的客戶也是如此。我最近在研究工業公司如何通過精益（lean）實現增長。這些優秀的工業公司通過精益實踐，實現 GDP 增長的同時還能附加 2-3 個百分點的尾風效應。他們的精益方法是‘增加價值，減少浪費’，這讓我想到 AI 對知識工作的影響。我認為 AI 是知識工作的精益工具。我們正在學習如何重新設計業務流程，提高流程效率并實現自動化。這讓我想起 1990 年代的‘業務流程再造’（business process re-engineering）。現在，這種方法以全新的方式回歸。企業需要從端到端審視流程，思考如何通過 AI 優化效率、自動化操作，并提升整體效能。

談AI應用場景

主持人： 客戶服務似乎是一個顯而易見的 AI 應用領網域。你們投入了大約 40 億美元用于從 Xbox 支持到 Azure 支持的所有服務。AI 的前端攔截率帶來了顯著的變化，而最大的好處在于代理的效率提升。代理更高效，客戶更滿意，同時成本也下降了。這似乎是一個非常明确的領網域。還有哪些應用場景對 AI 的采用起到了推動作用？

Satya Nadella： 确實，客戶服務是一個非常明确的應用場景，我們的聯絡中心應用表現非常出色。另一個重要的領網域是 GitHub Copilot，特别是 Copilot Workspace。這是代理（agent）功能首次全面展示的地方。你可以從一個問題開始，生成計劃和規範，然後執行多檔案編輯。這徹底改變了團隊的工作流程。M365 Copilot 是另一個關鍵領網域，它幾乎涵蓋了所有場景。比如，我自己每次與客戶會面時，整個準備流程都已經完全不同。我可以直接在 Copilot 中發出查詢，讓它告訴我關于客戶的一切信息，包括我的 CRM、電子郵件、Teams 會議記錄以及網絡上的信息。這些數據被整合并生成一個頁面，我可以實時與我的團隊共享。這種方式完全改變了以往從零開始準備簡報的流程，現在只需一個查詢就可以完成。

另一個例子是供應鏈管理。有人将供應鏈比作交易平台，但缺乏實時信息。通過 AI，這些實時信息變得觸手可及，比如告訴你一個數據中心的合同應該包含哪些條款。所有這些實時情報正在改變工作流程和工作成果。我們的目标是通過 AI 實現運營杠杆作用。我相信，我們的總人力成本會下降，而人均成本會上升，同時研究人員的人均 GPU 配置也會增加。這就是我對未來的設想。

主持人：你之前提到關于模型擴展和資本支出的觀點。微軟的資本支出從 2020 年的約 200 億美元可能增長到 2025 年的 700 億美元。雖然資本支出與收入之間的關聯性很高，但一些人擔心這種關聯可能會被打破。你對此有何看法？這樣的資本支出水平是否讓你感到不安？增長速度何時會開始放緩？

Satya Nadella： 這是一個重要的問題。有幾點需要注意：首先，作為一個超級規模服務商（hyperscaler），我們在這一領網域已經有很長時間的實踐經驗。數據中心的生命周期是 20 年，電力支出是按使用付費的，設備的使用周期是 6 年。通過優化利用率，我們可以顯著提高資本回報率（ROIC）。更重要的是，超級規模服務商的獨特優勢在于軟體驅動能力。早期，有人質疑超級規模服務商如何賺錢，而我們的答案是軟體。軟體是區分傳統托管服務與超級規模服務的關鍵。這一點同樣适用于 GPU 的資本支出。目前，我們處于‘追趕’階段。過去 15 年，我們建設了雲計算基礎設施，但突然間，一個新的計量部門出現了，那就是 AI 加速器。每個應用現在都需要數據庫、Kubernetes 集群和運行在 AI 加速器上的模型。這使得我們必須迅速建設這些 AI 加速器以滿足需求。這種增長會逐漸正常化。一旦建成，這些負載會逐步穩定，就像雲計算的增長路徑一樣。我們還需要确保需求的多樣化，而不是單純依賴供應側建設。此外，利潤率會有所不同，比如原始 GPU 的利潤率與添加了 Foundry 或 Copilot 的 GPU 的利潤率會完全不同。因此，構建一個多樣化的投資組合是關鍵。

主持人： 微軟在雲計算領網域今天的溢價表現非常突出。你們規模比亞馬遜更大，增長速度也更快，利潤率也更高。這顯然與微軟在多個層次的投入有關。在 AI 領網域，也有很多關于模型擴展和推理成本的讨論。過去有種說法是模型集群的規模會持續擴大，比如每次擴展 10 倍。然而，最近有人提到，這種模式可能不再持續，推理成本的降低讓人們更關注于推理而非訓練。你怎麼看待大規模語言模型的擴展和訓練成本？未來的發展方向是什麼？

Satya Nadella： 我對縮放定律（scaling laws）深信不疑。事實上，我們在 2019 年的投資就是基于擴展定律的賭注，我至今仍然堅持這一點。也就是說，不要低估擴展定律的潛力。但同時也要認識到，擴展的難度會随着集群規模的增大而增加。比如，随着集群規模的增長，分布式計算的問題變得更加復雜。這是挑戰的一方面。不過，我仍然認為訓練模型并沒有結束。OpenAI 的成果，比如他們在 GPT-4.1 上展示的鏈式思維（chain of thought）和自動評分（auto-grading），是令人興奮的進展。這種方法利用推理階段的計算能力（test-time compute），将生成的 token 反饋到預訓練中，從而進一步增強模型能力。這種推理階段的計算有兩個好處。一方面，當用戶使用 GPT-4.1 時，他們正在生成 token 供預訓練使用，這類似于訓練。另一方面，客戶在使用 GPT-4.1 時會消耗更多資源，這為我們提供了經濟模式上的支持。這種方法讓推理變得不僅僅是成本，而是一個新的經濟機會。

微軟的優勢在于我們在全球 60 多個數據中心的布局。這些數據中心有不同的硬體架構，分别支持訓練和推理。這種方法的核心是實現一種穩定的比例狀态（stable state），就像 Jensen Huang 提到的，你需要每年都進行一些采購，而不是集中采購。通過這樣的方式，我們可以逐步老化設備，比如先用最新的硬體進行訓練，第二年用于推理，從而優化利用率和資本回報率（ROIC）。最終，經濟現實也會成為模型擴展的限制因素。即使你每年将能力翻倍，但如果無法銷售這些資源，就會產生‘赢家的詛咒’（winner’s curse）。更糟糕的是，即使你擁有了領先的能力，其他人也可以通過蒸餾或逆向工程實現類似的效果，并且可能更加高效。這種現象會讓人們更謹慎地追逐模型擴展。此外，網絡效應主要體現在應用層（app layer）。與其在模型能力上花費巨資，我更願意投資那些能帶來應用層網絡效應的地方。

談百萬 GPU 的集群

主持人： 所以，Elon Musk 提到要構建一個擁有一百萬 GPU 的集群，Meta 也提到了類似的計劃。但你提到，這種擴展可能會受到經濟理性的限制。你是否同意？

Satya Nadella： 是的，我同意。雖然目前大家都想争第一，但随着時間的推移，經濟現實會讓每個人都更加理性。最終，投資的重點将轉向那些真正能帶來網絡效應和經濟價值的領網域，而不是單純地追求更大的模型規模。

主持人： 與年初相比，基于你在預訓練和擴展方面的觀察，你是否調整了基礎設施規劃？另外，你提到 o1 的推理和後訓練（post-training）工作，這是否表明微軟不會參與最大規模的模型訓練競争？

Satya Nadella： 這是個好問題。我們确實在努力平衡這種‘10 倍擴展’的需求。這裡的關鍵是保持經濟模型的合理性，比如如何清理庫存并讓設備的折舊周期與需求匹配。你不能提前無限制地購買設備，除非 GPU 的物理性能能直接反映在 P&L（利潤和虧損表）中，并且能保持與超大規模服務商（hyperscaler）相當甚至更好的利潤率。所以我們的目标是持續推進推理需求，同時高效地提升能力。我完全支持 OpenAI 的 Sam Altman，他可能會有不同的目标，比如更專注于 AGI 的發展。因此，在某些方面我們可能存在一些張力。Mustafa 說過，微軟不會參與最大的模型訓練競争，這其實是合理的。我們與 OpenAI 的合作已經集中化了我們的計算資源。沒有理由重復訓練同樣的模型集，因為我們已經擁有了 IP 的所有權。我們的戰略是專注于後訓練和模型驗證，同時針對不同的使用場景開發特定的模型權重和模型類别。

主持人： 你提到與 CoreWeave 的合作是為了應對 ChatGPT 帶來的需求激增。這是否也與 GPU 回報率（ROI）的平衡有關？

Satya Nadella： 确實如此。我們所有人都被 ChatGPT 的需求浪潮打了個措手不及。2022 年 11 月的情況完全出乎意料，那是一次巨大的衝擊。我們沒有時間進行傳統的供應鏈規劃，所以我們不得不快速采取行動。無論是與 CoreWeave 的合作還是其他供應商的采購，都是為了應對需求的快速增長。這是一次性事件，而現在我們已經基本趕上了需求的增長。目前在電力方面我們仍然面臨一些約束，但芯片供應已經不再是問題。我們确實在 2024 年面臨過芯片供應的限制，但正如我們向外界表示的那樣，我們對 2025 财年上半年感到樂觀，并預計到 2026 年及以後會有更好的發展。"

主持人：關于 o1 的測試時計算（test-time compute）和後訓練工作，你提到這帶來了非常積極的結果。這種方法生成了大量 token，并将這些 token 重新循環到上下文視窗中，這個過程會快速疊加，顯著增加計算需求。Jensen Huang 提到，他預計推理需求會呈現‘百萬倍或十億倍’的增長。你是否認為你們的長期計劃足以支持這種推理需求的擴展？

Satya Nadella： 這是一個很重要的問題。要理解這種需求，必須考慮整個工作負載。特别是在代理（agentic）世界中，推理的工作負載不僅僅是模型運行，還包括其他增長快速的服務，比如 OpenAI 的容器服務。這些代理需要一個‘暫存區’（scratch pad）來處理自動評分（auto-grading）和樣本生成等任務。這些需求推動了計算資源的快速擴展。

主持人： 你提到在 AI 應用中，代碼解釋器運行在 Azure Kubernetes 集群上。你還提到在推理需求的背景下，AI 其實已經成為雲計算的核心部分。尤其是在一個每個 AI 應用都具有狀态化（stateful）和代理（agentic）特性的世界中，經典的應用伺服器、AI 應用伺服器和數據庫都需要協同工作。這是否是微軟為 60 多個 Azure 區網域準備 AI 應用的原因？"

Satya Nadella： 完全正确。我們建立的 60 多個 Azure 區網域不僅僅是為傳統雲計算準備的，更是為全面的 AI 應用做好了準備。每個區網域都支持經典的應用伺服器、AI 應用伺服器和數據庫的協同工作，這是現代 AI 應用所需要的完整基礎設施。這使得我們能夠應對未來的 AI 應用需求，同時也讓雲計算與 AI 深度融合。"

談微軟與 OpenAI合作

主持人：  讓我們聊聊 OpenAI。你們之間有巨額的投資和深度合作，同時也在某些領網域存在競争。微軟如何平衡這種關系？你是否認為 ChatGPT 會在消費者市場上占主導地位，而微軟則在企業市場上與 OpenAI 分工合作？"

Satya Nadella： 目前，OpenAI 已經是一家非常成熟且成功的公司，擁有多個業務線和細分市場。在這種情況下，我從幾個角度看待我們與 OpenAI 的關系。首先，作為投資者，我們需要确保雙方的利益對齊。其次，作為 IP 合作夥伴，我們通過提供系統 IP，獲取 OpenAI 的模型 IP。這種深度合作對雙方的成功都至關重要。第三，OpenAI 也是我們的一個大客戶，我們致力于像服務其他重要客戶一樣支持他們。最後，在某些領網域，我們是競合關系（coopetition）。比如，在消費者市場上的 Copilot 和 M365 中的 Copilot，我們有一些重疊，但也有明确的分工。即使在這種競合關系中，像 OpenAI 與蘋果的合作協定，實際上從微軟股東的角度來看也是有利的。因為這些合作推動了 OpenAI 的 API 使用，而這反過來也會惠及微軟的成本和收益。

主持人："矽谷和整個商業界對微軟與 OpenAI 的關系非常感興趣。比如，在最近的 DealBook 峰會上，Sam Altman 被問到關于公司利潤化（conversion to profit）的重組，以及 Elon Musk 的一些評論。你能分享一些關于這種動态關系的看法嗎？

Satya Nadella： 這些問題主要由 OpenAI 的董事會、Sam、Sarah、Brad 和他們的團隊來決定，我們的角色是支持他們。我們非常關心 OpenAI 的成功，因為這符合我們的利益。從更廣泛的視角來看，OpenAI 是這一平台轉型中的标志性公司，它的成功對整個行業和世界都是有益的。因此，我們的立場是支持他們，并希望他們繼續取得成功。當然，在這種合作關系中總會有張力。這種張力一部分來源于競合關系，另一部分可能來自 Sam 作為一位具有遠見和雄心的企業家，他希望以更快的步伐推進目标。在這種背景下，我們會努力保持合作，同時支持 OpenAI 的願景。因此，我們需要在平衡中找到答案，也就是說，Sam 的目标需要微軟的支持，而我們也需要确保自身的紀律性和約束力得以體現。過去五年對雙方來說都非常重要，我們已經取得了很大的進展。從我的角度看，我希望這種合作關系能夠盡可能長久地持續下去。長期穩定的合作對雙方都有利。

主持人：  OpenAI 的獨立融資和未來的路徑，微軟是否希望推動這一進程加速？你是否認為 OpenAI 成為一家公開上市的公司是一個好的方向，還是維持現有的合作關系更為合适？

Satya Nadella： 在這一點上，我希望謹慎行事，避免越界。畢竟，我們既不是董事會成員，也只是投資者。最終的決定權在于 OpenAI 的董事會和管理團隊。我的立場很明确，我會支持他們的任何決定。對我們來說，最重要的是保護我們在商業和 IP 合作中的利益，并确保 OpenAI 的成功。我認為，Sarah、Brad 和 Sam 是非常聰明的人，他們會根據 OpenAI 的使命和目标，做出最适合他們的決定

主持人： 非常感謝你今天抽出時間與我們交流。

Satya Nadella： 非常感謝你們的時間與支持,祝一切順利。

AI時代的三個小建議

擁抱改變從"無所不知的人"轉變為"學習一切的人"。在AI時代，保持開放心态，學會與AI協作而不是抗拒，這将幫助我們走得更遠。重視基礎AI工具再強大，也無法替代人類的邏輯思維和創造力。培養這些基礎能力，讓AI成為我們的得力助手而不是競争對手。持續學習從Windows到雲計算，再到AI，每次技術革命都是新機遇。保持好奇心，持續學習，你就能在變革中抓住屬于自己的機會。

原視頻鏈接：https://www.youtube.com/watch?v=9NtsnzRFJ_o&t=420s&ab_channel=Bg2Pod