今天小編分享的互聯網經驗：納德拉對微軟AI和量子計算的思考：準确判斷商業模式比抓住技術趨勢更難，歡迎閲讀。
2月19日，知名科技播客主持人Dwarkesh Patel和微軟CEO納德拉，在一檔播客節目中探讨了微軟的AGI 計劃與量子突破情況。
在節目中，納德拉談到了AI與經濟增長的關系，AGI真正的衡量基準是全球經濟能否以10%的速度增長，以及AI的價值不僅在于技術本身，更在于其商業模式和市場定位，準确判斷商業模式比抓住技術趨勢更難。
同時還談到了AI和遊戲的結合，遊戲數據将成為AI訓練的重要資源，以及分享了微軟在量子計算領網域的突破。
以下是播客内容要點：
1、AGI的裏程碑不是毫無意義的基準測試，真正的基準是世界能否以10%的速度增長。AI的發展不應僅僅被視為技術進步，而應作為推動經濟和社會變革的關鍵力量。AI的潛力在于其對計算能力的需求和推動，這将為超大規模計算基礎設施創造巨大需求。
2、AI的價值在于兩方面，超級規模化的參與者表現得非常好，如果回顧薩姆等人描述的方式，計算的智能對數表明，誰能夠進行大量計算，誰就是大赢家。另一個有趣的現象是，盡管生成式預訓練模型（如TikTokGPT）具有巨大潛力，但并非所有人都對其在訓練和推理兩個階段的應用感到興奮。
不僅是技術本身，AI的價值在于其商業模式和市場定位。AI市場不會是"赢家通吃"的格局。企業市場需要多樣化的供應商，而非單一的壟斷者。AI的發展将催生開源和閉源模型的共存，類似于Windows系統與開源軟體的關系。
3、為了支持AI的發展，微軟需要建立一個全球化的超大規模數據中心網絡，以滿足大規模訓練、測試和推理的需求。這種基礎設施需要高效利用計算和存儲資源，并支持分布式計算和全球部署。
4、AI的發展不僅僅是構建模型的競争，而是一場創造能夠推動全球經濟增長的"商品"競賽。企業需要具備全面的視角，而不僅僅是專注于單一的技術或視角。AI基礎設施的建設可能會出現"過度建設"的情況，這類似于互聯網時代的發展歷程。
5、微軟在量子計算領網域取得了重大突破，特别是在拓撲量子比特的研究上。量子計算的進展将為解決復雜問題（如材料科學和化學）提供新的可能性，并推動AI的發展。他預計，量子計算将在未來幾年内實現容錯量子計算機的建造。
6、微軟在遊戲領網域推出了"缪斯"項目，利用AI生成遊戲内容并創建一致的用户體驗。遊戲數據将成為AI訓練的重要資源，未來的遊戲将通過AI實現更豐富的互動和内容生成。
7、微軟的"三大賭注"是AI、量子計算和混合現實，最終如何将這些事情結合在一起，不是為了技術而技術，而是解決我們作為人類在生活中想要的一些基本問題，以及經濟中想要的更多問題來推動生產力。
8、納德拉對AGI（人工通用智能）持謹慎态度，認為人類的認知勞動不會被完全取代。AI的發展将創造新的認知任務，人類将與AI共同工作，而非被取代。
9、如果納德拉離開微軟，會創辦一家專注于服務不足領網域的公司，比如醫療保健、教育或公共服務。這些領網域是社會中服務不足的地方，如果所有這些技術能夠轉化為更好的醫療保健、更好的教育和更好的公共服務，這将是一個值得投入的領網域。
以下是播客全文：
納德拉 00:00
美國自稱達到了通用人工智能（AGI）的裏程碑，但那只是毫無意義的基準測試攻擊。真正的衡量标準是世界以10%的速度增長，非常擅長判斷什麼是赢家通吃市場，什麼不是。在某種意義上，這是一切的關鍵。如果這種技術真的像人們所説的那樣強大，國家不會坐等私人公司去開發。我們可以将其比作量子計算中的晶體管矩陣。也許你會使用量子技術生成合成數據，然後被人工智能用于訓練Beta模型。如果智能是計算的對數，那麼誰能夠正确地進行大量計算，誰就是大赢家，對吧？
Dwarkesh Patel 00:44
薩蒂亞，非常感謝你參加播客。接下來，我們将介紹微軟剛剛取得的兩個突破。恭喜！就在同一天，我們在自然界的Maia 100芯片領網域取得了進展，同時還有世界人類行為模型。不過，我們能繼續剛才的對話嗎？你在描述你在80年代和90年代看到的事情是如何再次發生的。
納德拉 01:09
Dwarkesh，我很高興來到這裏。能參加你的播客真是太棒了，我一直是你的忠實聽眾。我喜歡你進行這些采訪的方式以及你探索的廣泛主題。這讓我想起了我在90年代初進入科技行業的最初幾年，當時有一場真正的辯論，關于這是否會有風險，或者我們是否真的能夠使用x86架構構建伺服器。
當我加入微軟時，正值Windows NT的起步階段。從核心硅平台到作業系統，再到應用層，整個技術棧都在發生變革。就像當時一樣，整個行業都在訴訟中。我想也許可以説，雲技術就像一片沙漠，而分布式計算和雲技術确實帶來了巨大變化。客户端伺服器架構和網絡也發生了巨大變化。但這次感覺更像是一個完整的堆棧，甚至比我過去參與的還要完整。
Dwarkesh Patel 02:26
你想想，實際上在80年代和90年代，哪些決策最終成為了長期的赢家，哪些沒有。特别是當你提到你在Sun Microsystems的經歷時，90年代的互聯網泡沫是一個有趣的案例。人們談論數據中心法案是一個泡沫，但同時，正是當時的建設讓我們今天擁有了互聯網。什麼才是經得起時間考驗的教訓？什麼是固有的長期趨勢？什麼是短暫的？
納德拉 02:54
我認為，如果回顧我參與的四大技術轉變，首先是客户端和伺服器架構的興起，這包括圖形用户互動界面和x86架構的誕生，它們甚至讓我們能夠構建伺服器。這對我來説非常清晰。我記得1991年的PDC（專業開發者大會）。當時，微軟首次描述了Win32界面。我很清楚地意識到，如果伺服器也采用x86架構，會發生什麼。當你擁有規模優勢時，這就是你必須下的長期賭注。客户端發生的事情也會發生在伺服器端，然後你就能實際構建客户端伺服器應用程式。這是應用程式模型的轉變。網絡對我們來説也是一件大事。事實上，當我加入微軟時，浏覽器（如網景浏覽器或馬賽克浏覽器）剛剛出現，大概是1993年11月或12月。那是一個重大的轉捩點。
納德拉 04:24
就在我們開始客户端伺服器浪潮的時候，很明顯我們也将赢得這場變革。我們有浏覽器的時刻，所以我們必須進行調整，而且我們做得很好。因為浏覽器是一種新的應用程式模型，我們能夠接受它，并用我們所做的一切來适應它。無論是超文本标記語言，還是自己開發一個叫浏覽器的新產品并參與競争，我們都在網絡伺服器堆棧上投入了大量精力。當然，我們錯過了網絡上最大的商業模式，因為我們當時都認為網絡是關于分布式的。誰會想到搜索會成為組織網絡的最大赢家？這就是我們顯然沒有看到的地方，而谷歌看到了并執行得非常好。所以，我學到的教訓是，你不僅要正确地把握技術趨勢，還要了解這種趨勢将創造價值的地方。商業模式的轉變可能比技術趨勢本身更加艱難。
AI不會是赢家通吃
Dwarkesh Patel 05:48
AI的價值在哪裏創造？
納德拉 05:51
這是一個很好的問題。我認為，至少在我的工作中，有兩個方面我可以很有信心地談論。首先，超級規模化的參與者表現得非常好。從根本上説，如果回顧薩姆等人描述的方式，計算的智能對數表明，誰能夠進行大量計算，誰就是大赢家。另一個有趣的現象是，即使在任何AI工作負載中，例如TikTokGPT，也不是每個人都對GP（生成式預訓練模型）的兩側感到興奮。
盡管如此，我認為AI加速存儲與計算的比例非常重要。在規模上，你必須擴展它。因此，世界對基礎設施的需求将會呈指數級增長。擁有這些AI工作負載就像是來自天堂的助力，因為它們對計算的需求極為強烈，不僅用于訓練，現在還包括測試時間。AI代理将指數級增加計算使用量，因為它們不再受制于一個人調用程式的限制。這将為計算基礎設施創造巨大的需求和規模。因此，我認為我們的超大規模業務，尤其是亞洲業務，将成為另一個超大規模企業。這是一個重要的發展方向。
然而，之後的情況就變得有些模糊了。你可能會説，存在一個赢家通吃的模式，但我并不這麼認為。順便説一句，這是我學到的另一件事：非常擅長判斷什麼是赢家通吃市場，什麼不是。例如，在我進入Azure的早期，亞馬遜在雲服務領網域有非常重要的領先優勢。許多人和投資者都來找我，認為遊戲已經結束，我永遠不會成功。亞馬遜是赢家通吃。但在與甲骨文、IBM和客户端伺服器的競争中，我意識到買家不會容忍赢家通吃。結構上的超大規模永遠不會成為赢家通吃，因為買家很聰明。消費市場有時可能是赢家通吃，但在企業市場中，買家是公司、企業和IT部門，他們希望有多個供應商。因此，你現在必須成為多個供應商之一。我認為即使在模型方面也會出現這種情況。因此，會有開源模型，也會有類似Windows上的調節器。
納德拉 08:39
我學到的一個重要教訓是，如果你有一個閉源作業系統，它會有一個補充，那就是開源。在某種程度上，這是對發生的事情的真正檢驗。因此，我認為在模型中，會有一個維度可能是閉源的，但當開源模型實際确保閉源赢家通吃得到緩解時，肯定會有一個開源替代方案。
納德拉 09:09
這至少是我對模型的看法。順便説一句，如果這項技術真的像人們想象的那樣強大，我們不要低估它。國家不會坐等私人公司去開發。因此，我不認為這是一個赢家通吃的問題。我認為這将是老一套的東西。在某些類别中，消費者可能會出現赢家通吃的網絡效應。例如，ChatGPT就是一個很好的例子。它是一個規模化的消費產品，已經獲得了真正的逃逸速度。我去App Store，看到它總是排在前五名，這太不可思議了。因此，他們能夠利用早期優勢并将其轉化為應用優勢。這種現象可能會在消費者市場和企業市場中出現，但我會認為它們将是不同類别的獲勝者。這至少是我分析它的方式。
Dwarkesh Patel 10:11
我有很多後續問題。我們必須在一秒鍾内到達量子。但關于模型可能會商品化的想法，幾十年前就有人提出過類似的論點，關于雲服務，它基本上就像一個芯片和一個盒子。但最終，你和其他許多人發現，你們在雲端有驚人的利潤率，并且找到了實現規模經濟和增加其他附加值的方法。從根本上説，即使忘記行話，如果你有AGI（通用人工智能），它就像幫助你制造更好的人工智能，現在是合成數據和強化學習。也許未來這是一個自動化的AI研究。當然，這似乎是鞏固你在那裏的優勢的好方法。我很想知道你對這個問題的看法。
納德拉 10:57
規模。沒有什麼是商品化的，對吧？關于雲服務，我的意思是，每個人都説雲是一種商品，但當你擴展時，這就是為什麼要知道如何運行超級擴展器。你可以簡單地説，我只是機架和堆疊伺服器，但事實證明，即使是超級規模的業務，也有真正的業務價值。僅僅因為運行的知識，在Azure的情況下，全球60多個區網域的計算以及所有的計算，這是一件難以復制的事情。
納德拉 11:25
所以我更強調的是，這是一個赢家，對吧？或者，這是赢家通吃還是不是？因為你要做對，因為你想要在你的類别中獲勝。我喜歡進入那些大型營地的類别，在那裏你甚至不必冒險成為赢家。如果你認為最好的消息是在一個可以容納幾個赢家的大市場上，而你是其中之一，那才是真正的勝利。
納德拉 12:06
所以這就是我所説的，我的意思是超大規模，在模型第1層，模型最終需要在一些超大規模計算上運行。這将成為一種長期存在的需求，因為模型需要狀态。這意味着它需要存儲，并且需要定期計算以在代理環境中運行這些代理。因此，我認為一個人帶着一個模型跑掉并建造所有模型的極端情況不太可能發生。
Dwarkesh Patel 12:43
在超标量方面，順便説一句，你作為一個超大規模者的優勢在于，特别是在推理時間縮放方面，如果這涉及到訓練未來的模型，你可以攤銷你的數據中心和GPU，不僅用于訓練，還可以再次使用它們進行推理。
Dwarkesh Patel 13:02
我很想知道你認為微軟和Azure在超級标量中的角色是什麼。它是否處于交易前？是否提供O3類型推理？或者你們只是托管和部署市場上的任何單一模型，而你們對此持不可知論态度？
納德拉 13:16
接下來，我的意思是，我們是否已經建立了至少我們想要建立的艦隊的方式，這就像我們過去所做的一切一樣。這不是你每年都要不斷更新艦隊。無論這些東西的生命周期價值是多少，你都會貶值它，然後在艦隊的位置上做得非常好，這樣你就可以以高利用率運行不同的工作。有時候它們是非常大的訓練工作，需要有一個高度集中的峰值失敗，同時也需要有凝聚力。這很好。所以我們應該有足夠的數據中心占地面積來實現這一目标。
納德拉 14:14
歸根結底，這些都變得如此之大，即使你説保持巅峰，例如采取預訓練規模。如果它需要繼續下去，即使是預訓練規模在某個時候也必須跨越數據中心的邊界。一旦你開始跨越預訓練數據中心的邊界，它與其他任何東西都不同嗎？我的想法是，分布式計算将保持分布式。因此，要做大。建立你的艦隊，使其準備好進行大型培訓工作，準備好進行測試時間計算，準備就緒。事實上，如果這個強化學習的事情發生了，你建立一個大模型，然後在那之後，強化學習繼續進行并對我進行測試。這有點像，再次，更多的訓練失敗，因為你想為不同的任務創建這些高度專業化的蒸餾模型。所以你需要那個艦隊，然後是服務需求。説到底，光速就是光速。你不能在德克薩斯州有一個數據中心，然後説，我要從那裏為世界服務。你必須基于在世界各地擁有推理艦隊來服務世界。所以這就是我對我們的想法，建立一個真正的超大規模艦隊。
納德拉 15:29
哦，順便説一句，我希望我的存儲和計算也接近所有這些東西，因為不僅僅是AI加速器是無狀态的。我需要能夠不僅僅是我的訓練數據本身需要存儲。然後我想能夠復用多個培訓工作。我希望能夠擁有記憶。我希望能夠擁有這些代理可以執行程式的環境。這就是我的想法。
世界經濟增長10%
Dwarkesh Patel 16:02
你最近報告稱，微軟從AI業務中獲得的年收入為130億美元。但如果觀察過去四年的增長趨勢，如果這種趨勢持續下去，你将從AI業務中獲得1300億美元的收入。如果是這樣，你期望我們如何利用這些智能技術進行工業化規模的部署？這會像傳統的辦公軟體一樣，由微軟部署并供他人托管嗎？你是否認為AGI（通用人工智能）将成為推動收入增長的關鍵？這種場景會是什麼樣子？
納德拉 16:30
是的，這是一個很好的問題。如果我們要實現這種爆炸式增長，讓智能技術變得豐富且易于獲取，我們首先需要觀察到的是GDP增長。在我讨論微軟的收入之前，我認為這是一切的起點。我們不能僅僅被AGI的炒作所迷惑，而忽視了實際的經濟影響。例如，發達國家的經濟增長率為2%，如果考慮通貨膨脹，實際增長率接近零。2025年，當我們坐在這裏讨論時，我不是經濟學家，但我認為我們正面臨真正的增長挑戰。
因此，我們所有人需要做的第一件事是推動經濟增長，就像工業革命一樣。對我來説，這意味着發達國家的通貨膨脹調整後的增長率應達到5%或更高。這才是真正的目标。我們不能僅僅停留在供應端，必須真正理解如何将這些技術轉化為客户的實際價值。我認為，最終的大赢家不會是科技公司，而是那些能夠廣泛利用這些技術的行業。當生產力提高，經濟以更快的速度增長時，我們作為科技行業也會受益。但這是我們的責任所在。
這需要一些AGI的裏程碑，而不是毫無意義的基準測試。對我來説，真正的基準是世界能否以10%的速度增長。
Dwarkesh Patel 18:24
如果世界經濟總量為100萬億美元，增長10%就意味着每年額外創造10萬億美元的價值。如果真是這樣，對于像微軟這樣的超大規模企業來説，800億美元似乎并不是一個很大的數字。難道不應該達到8000億美元嗎？如果幾年後我們真的能夠以這樣的速度推動世界經濟增長，那麼關鍵瓶頸是否在于你是否擁有足夠的計算能力來部署這些AI以完成所有這些工作？
納德拉 18:53
這是正确的。但同時，我認為現在有一點需要平衡。就像經典的供應端思維一樣，我們可以先建造基礎設施，然後等待需求的到來。我們已經冒了足夠的風險去做這件事。但在某個時候，供需必須匹配。這就是為什麼我同時關注這兩方面。如果你只關注供應端的炒作，而忽視如何将其轉化為客户的實際價值，你可能會完全偏離軌道。這也是為什麼我關注微軟的AI業務收入，甚至披露這些收入數據。有趣的是，很少有人談論他們的AI業務收入，但對我來説，這很重要。它幫助我思考如何将昨天的資本轉化為今天的需求，即使知道我們不會完全匹配供需，也可以繼續進行指數級投資。
Dwarkesh Patel 20:07
我想知道這兩種觀點是否存在矛盾。因為你在2019年對OpenAI的投資，甚至在任何實際應用出現之前，就已經做出了這些早期的賭注。如果你回顧工業革命，鐵路和其他基礎設施的建設率約為6.10%，其中許多并沒有立即帶來收入，甚至可能虧損。但如果真的認為這些技術有潛力将世界增長率提高10倍或5倍，那麼你會想，GDP的收入将用于何處？如果真的認為這是下一個層次的可能性，你不應該大膽一些，進行數千億美元的計算投資？畢竟，這裏确實存在機會。
納德拉 20:52
你説得對。這是有趣的事情。坦率地説，真正的問題在于，至少對我們來説，為什麼對基礎設施采取平衡的方法非常重要。這不是單純地建造計算能力，而是要建造能夠幫助我們訓練下一個大模型，并為下一個推理模型提供服務的計算能力。在你做到這兩件事之前，你甚至無法真正利用你的投資。
因此，這不僅是建造模型的競賽，而是創造一種能夠被世界用來推動經濟增長的商品的競賽。你必須有一個完整的思路，而不僅僅是單一的視角。順便説一句，我認為其中一個問題是，它可能會被過度建設。你的觀點也説明了互聯網時代發生了什麼。我看到的情況是，現在備忘錄已經發布，每個人都需要更多的能源和計算能力。感謝上帝，我們已經做好了準備。
事實上，我關注的不僅僅是企業部署的數量，國家也會投入資本。我很高興我們将在2027年和2028年租賃大量容量，因為當我看到賬單時，我意識到所有計算賬單唯一可能的變化就是價格上漲。
AI成本下降
Dwarkesh Patel 22:23
關于價格下降的問題，你在Deep Seek模型發布後提到了Jevons悖論，我很想聽聽你的進一步解釋。Gen的產品出現在需求高度彈性的時候，智能是否成為價格下降的瓶頸？至少從我作為消費者的用例來看，智能似乎已經很便宜了——每百萬代币僅需2美分。我是否真的需要将其降至零？如果需要進行100倍更大的訓練并為此支付100倍的費用，我願意讓公司承擔。但也許你在企業領網域看到了不同的情況。那麼，智能的關鍵用例是什麼，真正需要将每百萬代币的成本降至0.02美分？
納德拉 23:08
我認為真正的問題在于代币的實用性。從某種意義上説，兩者都需要發生：智能需要變得更好且更便宜。每當有技術突破時，比如在深度學習或其他領網域，有效前沿會發生變化，性能曲線會彎曲，前沿會移動。這将帶來更多的需求。
納德拉 23:35
這就是雲計算的發展歷程。我們曾經認為，客户端伺服器時代的所有伺服器已經足夠，但一旦我們開始将伺服器放在雲端，人們開始消費更多，因為雲服務更便宜且具有彈性，用户可以按需購買，而不是購買許可證。這完全改變了市場。我記得在印度，SQL伺服器的銷售量有限，但印度的雲市場比我們在伺服器時代所能達到的規模大得多。我認為這種情況将繼續發生。
納德拉 24:16
如果在全球南方或發展中國家，這些代币能夠用于醫療保健且價格非常低廉，那将是巨大的變革。
Dwarkesh Patel 24:32
我認為在舊金山聽到像我這樣的人并認為他們有點不切實際是合理的。他們不知道如何在現實世界中部署事物。作為與财富5強企業合作并為數億人部署項目的人，您認為即使有工作代理，即使有可以遠程工作并解決所有合規性和固有瓶頸的功能，這些功能的部署速度會有多快？這會是一個大瓶頸還是會很快過去？
納德拉 26:08
這是一個真正的挑戰，因為核心問題在于變革管理或流程變革。跨國公司如何預測預PC、電子郵件和電子表格的出現？傳真曾經是主要的溝通方式，然後人們開始使用電子郵件和電子表格，整個預測業務流程發生了變化，因為工作工件和工作流程發生了變化。這就是将AI引入知識工作需要發生的事情。
納德拉 27:14
當我們考慮所有這些代理時，最基本的是有一個新的工作和工作流程。例如，我為這次播客做準備時，我找到我的副駕駛（Copilot），説："我要和Rakesh談談我們的量子公告和為遊戲生成的新模型。能不能在我去之前給我一個我需要閲讀的所有内容的摘要？"它可以做到這一點，甚至可以以播客的形式呈現。然後我和我的團隊分享了這些内容。對我來説，新的工作流程是與AI一起思考，與我的同事一起工作。這是一場根本性的變革，需要每個從事知識工作的人重新思考如何以新的方式完成他們的工作。這将類似于銷售、金融和供應鏈領網域的變革。對于現有企業來説，這将是一個挑戰，就像制造業在精益生產方面的變革一樣。
納德拉 28:36
我喜歡這個類比，因為精益生產成為了一個方法論，如何在制造中采取端到端的過程并變得更有效率。這就是持續改進，減少浪費以增加價值。這就是知識工作的來源。這就像精益知識工作一樣，需要管理團隊和個人的辛勤工作，這需要時間。
Dwarkesh Patel 29:00
關于這個類比，我想問一下：物理上的轉變，比如工業4.0，揭示了人們在真正關注流程和工作流程之前沒有意識到的瓶頸。你提到過你自己的工作流程以及它如何因AI而改變。我很想知道，當這些AI代理變得越來越智能時，我們如何為經營一家大公司增添更多色彩？
納德拉 29:29
這是一個很有趣的問題。我一直在想，例如，我們今天的電子郵件非常繁重。我早上進來，收件箱已經滿了，我需要回復。我迫不及待地希望這些副駕駛代理能自動填充我的草稿，這樣我就可以開始審查和發送。
納德拉 29:51
但實際上，我覺得我已經有至少10個代理在副駕駛中，我将它們用于不同任務的查詢。我覺得會有一個新的收件箱被創建，這些代理将不得不向我報告一些例外情況、通知我或請求指示。所以我在想，未來會有一個新的框架，代理經理将成為這個框架的核心。
納德拉 30:24
這不僅僅是一個聊天界面。我需要一個比聊天界面更智能的東西來管理所有代理及其對話。這就是為什麼我認為副駕駛是AI的用户界面（UI），這是一件大事。我們每個人都會擁有它。你可以将其想象成知識工作和知識工作者的結合：知識工作可能由許多代理完成，但你仍然需要知識工作者與所有這些代理打交道。我認為這就是未來的一個關鍵界面。
微軟的量子突破
Dwarkesh Patel 31:01
是的，我有點好奇，作為世界上少數能夠接觸20萬人的領導者之一，你周圍有着像微軟公司及其所有員工一樣的智慧。你必須管理它，了解如何與之接口，如何讓其發揮最大效用。希望未來更多人能有這樣的經歷。
Dwarkesh Patel 31:24
我很好奇你的收件箱會是什麼樣子，如果這意味着每個人早上的銷售收件箱都會像你的一樣。但在我們開始之前，我想繼續問你更多關于AI的問題。不過，我真的想問你關于微軟研究院在量子領網域宣布的重大突破。你能解釋一下這裏發生了什麼嗎？
納德拉 31:39
這對我們來説是另一個30年的旅程，太不可思議了。我是微軟第三位對量子感到興奮的CEO。我認為這裏的基本突破，或者我們一直擁有的願景是，你需要一個物理突破，才能建造一個實用規模的量子計算機。因此，我們選擇了這條道路，這條路有點像説，擁有更少噪聲或更可靠的量子比特的唯一方法是押注于一種從定義上講更可靠的物理屬性。這就是我們選擇将拓撲量子比特作為目标的原因，它在20世紀30年代被理論化。問題是，我們真的能在物理上制造這些東西嗎？
最大的突破是，我們現在終于有了存在證明——馬約拉納零模在物質新階段的物理突破。因此，我們将其比作量子計算的晶體管矩，我們可以有效地擁有一個新階段，即拓撲階段，它更依賴于方向。這意味着我們現在甚至可以可靠地隐藏量子信息并測量它，然後我們可以制造它。現在我們有了核心基礎制造技術，可以開始在芯片上建造一英裏。那個Myrana 1，它将基本上是第一個能夠在物理上達到一百萬量子比特的芯片，然後在成千上萬的邏輯量子比特上糾錯。這就出現了。因此，你現在不可能突然有能力建造一個真正的實用規模量子計算機。這對我來説現在更可行了。我們一直在工作，因為如果沒有這樣的東西，你仍然能夠達到裏程碑，但你永遠無法建造一個實用規模的計算機。這就是為什麼我們對此感到興奮。
Dwarkesh Patel 34:23
驚人。順便説一句，我相信這就是它。
納德拉 34:25
是的，是的。我現在忘記了。我們叫它Myorana嗎？是的，沒錯。Myrana 1。我很高興我們以這個名字命名它。想到我們能夠在這麼大的東西上建造像一百萬量子比特計算機這樣的東西，真是難以置信。這就是關鍵，除非我們能做到這一點，否則你不能夢想建造一個實用規模的量子計算機。
Dwarkesh Patel 34:55
你是説最終的一百萬量子比特将放在芯片大小上。沒關系。驚人。因此，其他公司已經宣布了一百個物理量子比特，如Google、IBM等。當你説你已經宣布了一個，但你説你的限制更具可擴展性。
納德拉 35:13
是的，順便説一句，我們還做了一件事，那就是我們将軟體和硬體分開。因此，我們正在構建我們的軟體堆棧。實際上，我們現在有了一些不同的方法，包括中性原子的、離子阱的，我們還與其他人合作，他們在光子學等方面也有很好的方法。這意味着會有不同類型的量子計算機。事實上，我們有20個，我想我們最後宣布的是24個邏輯量子比特。所以我們在糾錯方面也取得了一些驚人的突破，這讓我們即使在中性原子和離子阱上，也能構建這20多個量子比特。我認為這将在整個一年中持續下去。你會看到我們取得進展，證明那個标準。
但我們也説，讓我們遵循第一原理，建造我們自己的超級量子計算機，押注于拓撲量子比特。這就是這次突破的意義所在。
Dwarkesh Patel 36:21
驚人。一百萬個拓撲量子比特，成千上萬個邏輯量子比特。預計達到那個水平的時間表是什麼？這裏的"量子摩爾定律"是什麼？如果你有第一個晶體管，看起來像……？
納德拉 36:34
顯然，我們已經為此工作了30年。我很高興我們現在有了制造、物理突破和制造分解。我希望我們有一台量子計算機，因為量子計算機允許我們做的第一件事就是建造量子計算機，因為模拟量子比特一個接一個地建造這些新的量子門會容易得多。但無論如何，對我來説，下一個真正的事情是現在我們有了制造技術，讓我們去建造第一台容錯量子計算機。這将是合乎邏輯的事情。所以我想説，也許在2027年、2028年或2029年，我們将能夠真正建造這個。所以現在我們有了這個門，我可以把這個東西放進一個集成電路裏，然後把這些集成電路放進一個真正的計算機裏。我認為，這就是下一個合乎邏輯的步驟。
Dwarkesh Patel 37:31
你在2027年或2028年看到了什麼？你讓它工作了。它是不是像你通過API獲得的東西？這是你内部用于研究、材料和化學的東西嗎？
納德拉 37:43
我一直很興奮的一件事是，即使在今天的世界，因為我們有這個量子程式，我們有HR，我們可以説，嘿，這是一個……你知道，一些API。也許兩年前我們取得的突破是把HPC（高性能計算）堆棧和AI堆棧與量子結合起來。其實仔細想想，AI就像是模拟器的模拟器，量子就像是大自然的模拟器。量子要做什麼？順便説一下，量子不會取代經典，對吧？量子擅長做量子能做的事情，而經典計算也将繼續存在，因為你不能像……量子對于任何不是數據密集型的東西都将是極好的，但它在狀态空間方面有更多的探索，對吧？所以它應該是數據輕，但你想探索的指數狀态空間。模拟是一個偉大的領網域，化學、物理和生物學也是如此。所以我們已經開始做的一件事是真正使用AI作為仿真引擎，但你可以訓練它。所以我的想法是，如果你有AI加上量子，也許你會使用量子來生成合成數據，然後被AI用來訓練更好的模型，這些模型知道如何模拟化學或物理之類的東西。這兩件事情将一起使用。所以即使在今天，這也是我們HPC和AI的結合。而且我希望用量子代替一些HPC的碎片。
Dwarkesh Patel 40:26
好的，回到Satya。你能告訴我一些關于你是如何做出這些研究決策的嗎？這些決策在20年、30年後将真正產生回報，尤其是在微軟這樣規模的公司。顯然，你對這個項目的技術細節非常了解。你是否可以用微軟研究院所做的所有事情來做到這一點？你覺得目前的度量标準在20年後會有怎樣的回報？如何決定通過組織有機地出現？或者你是如何跟蹤這一切的？
納德拉 40:56
是的，我覺得很棒的是比爾在1995年創辦微軟研究院（MSR）時的理念。是的，沒錯。
納德拉 41:09
我認為在這些好奇心驅動的研究組織的漫長歷史中，MSR多年來已經建立了這種機構實力。所以當我想到資本配置、預算或其他任何事情時，你會先把籌碼放進去，然後説，嘿，看，這是MSR的預算，我們必須每年都去做，知道有些……你知道，大多數這些賭注在任何有限的時間框架内都不會得到回報。這可能是微軟第六位CEO從中受益。我認為，你知道，這是一種技術，我認為，是理所當然的。我真正想的是，當像量子或新模型這樣的東西出現的時候，你有什麼，你能利用嗎？所以作為一個現任者，如果你看一下科技的歷史，沒有人會不投資。
納德拉 42:13
就像你需要有一個知道如何接受創新并擴大規模的文化。這是困難的部分，坦白地説，對于CEO和管理團隊來説，這有點令人着迷，對吧？也就是説，這同樣關乎良好的判斷力和良好的文化。你知道，有時候你做對了，有時候你做錯了，對吧？我的意思是，我可以告訴你MSR的一千個項目，你知道，我們可能應該帶頭，但我們沒有。我總是問自己為什麼，因為我們無法獲得足夠的信念或完整的想法，即如何不僅将創新轉化為有用的產品，并具有商業模式，
微軟的遊戲世界模型
Dwarkesh Patel 43:35
讓我們深入探讨你剛剛取得的另一個重大突破。令人驚訝的是，這些突破在同一天發布，包括你的遊戲世界模型。希望你能告訴我更多關于這件事的情況。
納德拉 43:43
我們将其稱為"缪斯"，因為它們将成為人類行為或世界行動的模型。這非常酷。
你看，顯然多莉（Dolly）和索拉（Sora）在生成模型方面令人難以置信。我們想要做的一件事是利用遊戲數據，看看是否能夠生成既一致又能體現該遊戲多樣性的内容，并且能夠持久地生成用户模組。所以，我們與其中一個遊戲工作室合作，這是一次自然的合作。令人興奮的是，我們很快就會有一個遊戲庫，開始使用這些模型，或者真正訓練這些模型來生成内容，然後開始玩遊戲。事實上，當菲爾·斯賓塞（Phil Spencer）第一次向我展示它時，他有一個Xbox控制器，這個模型基本上接受輸入并根據輸入生成輸出，與遊戲保持一致。對我來説，那是一個巨大的時刻，就像我們第一次看到ChatGPT生成完整句子、多莉生成繪畫或索拉一樣。這是一個非常重要的時刻。
Dwarkesh Patel 45:15
我今天早上有機會和你的首席研究員凱蒂一起看了這些模型在實時演示中的視頻。直到我和她交談，我才真正意識到這是多麼不可思議。我們過去用AI來塑造智能體，但現在我們使用同樣的技術來模拟智能體周圍的世界，并獲得一致的實時體驗。我們将在播客中疊加視頻，讓人們有機會親眼看到它。我猜它會在發布時上線，所以觀眾也可以觀看。
Dwarkesh Patel 45:43
這本身就令人難以置信。通過你的戰略投資，微軟已經在遊戲領網域投入了數百億美元，并收購了大量IP。回想起來，如果你能把所有這些數據整合成一個大模型，為用户提供同時訪問和浏覽多個遊戲世界的體驗，這似乎是遊戲發展的一個重要方向。如果這是遊戲的未來，那麼我們過去的投資似乎是非常明智的。你對此有任何預感或巧合嗎？
納德拉 46:16
不，我不會説我們投資遊戲是為了建立我們所投資的模型。坦白説，我們歷史上有一件有趣的事情：我們在開發Windows之前就開發了第一款遊戲。《Flight Simulator》早在我們構建Windows之前就已經是微軟的產品了。所以，遊戲在公司有着悠久的歷史，我們從事遊戲是為了遊戲本身。我總是反對在企業中将某種手段作為另一種目的的工具，我們必須是自己的目的。我們不是一家企業集團，我們是一家公司，必須将所有這些資產整合在一起，通過增加價值成為更好的所有者。例如，雲遊戲是我們投資的自然選擇，因為它将擴展遊戲的可及性，讓人們能夠在任何地方玩遊戲。AI和遊戲也是如此。
我們肯定認為這可能有助于改變遊戲行業，這就像長期遊戲的CGI時刻。作為全球最大的遊戲發行商，這将非常有幫助。但同時，我們必須制作高質量的遊戲。如果沒有首先關注這一點，你就不能成為遊戲發行商。然而，這個數據資產将是有趣的，不僅在遊戲環境中，而且它将成為一個通用的動作模型和世界模型。這太棒了。
納德拉 47:40
我認為遊戲數據可能是微軟的"油管"。因此，我對此感到興奮。
Dwarkesh Patel 47:52
是的，我的意思是，你可以在許多不同類型的遊戲中擁有一個統一的體驗。這與微軟過去所做的其他事情，比如混合現實，是如何分開的？也許這能給較小的遊戲工作室一個機會，讓他們在未來5到10年内構建這些AAA級動作遊戲。
納德拉 48:13
我把這三件事看作是基石，以一種有趣的方式。甚至在5、6、7年前，我也説過，我們想下的三個大賭注是AI、量子和混合現實。我仍然相信它們，因為它們都解決了某些重大問題。混合現實的夢想是，你能像我們做這樣的播客一樣創造真正的存在感嗎？
納德拉 48:45
我認為我們仍然認為，老實説，這是那些挑戰中更難的一個。我以為它會更容易解決，但它可能更難，因為它的社交方面，比如穿戴設備等。我們對Adriel和Palmer現在将如何推進IVAS計劃感到興奮，因為這是一個很棒的用例。所以我們将繼續在這方面努力。
還有2D表面，就像團隊一樣，對吧？在疫情期間，我們已經真正具備了通過2D創造基本存在感的能力，我認為這種能力将繼續發展。這是一個世俗的部分。我們談論的量子和AI是另一個。
納德拉 49:32
所以這是我觀察和思考的三件事：你如何最終将這些事情結合在一起，不是為了技術而技術，而是解決我們作為人類在生活中想要的一些基本問題，以及我們在經濟中想要的更多問題，推動我們的生產力。如果我們能以某種方式做到這一點，那麼我認為我們真的會取得進展。
Dwarkesh Patel 49:54
如果你寫下一本書，你必須有一些解釋，為什麼這三個部分都在同一時間出現，對吧？就像沒有入口一樣。你會認為量子和AI應該在2028年和2025年等等發生。
納德拉 50:04
沒錯。但在某種程度上，我認為我擁有的簡單模型是：有系統突破嗎？對我來説，這個系統的突破是量子的東西。是否有業務邏輯突破？這對我來説有點像AI，就像，我能不能從根本上改變邏輯，而不是強制編寫代碼，你能有一個學習系統嗎？這是AI的一個方面。然後是UI的一面，即存在感。
Dwarkesh Patel 50:36
回到AI。在你2017年的書《2019》中，你很早就投資了OpenAI，甚至在2017年之前。你在書中説，有人可能會説我們正在孕育一個新物種，一個智力可能沒有上限的物種。現在，當然，在2017年談論這個問題還為時過早。到目前為止，我們一直在以一種細粒度的方式談論代理商、辦公室副駕駛和資本支出等等。但你只是放大并考慮你所做的這個陳述，把自己想象成一個超級标量的人，作為在這些模型中進行研究的人，為建立一個新物種提供培訓和研究。從大局來看，你對此有何看法？你認為我們正在走向超人的智慧嗎？
納德拉 51:22
Safa最近使用了"新物種"這個術語來描述它。我的看法是你絕對需要信任。在我們聲稱它是一個物種之前，我認為我們必須正确處理的基本問題是建立真正的信任，無論是個人層面還是社會層面的信任。這是一個難題，因為我認為這裏最大的限制因素将是基礎設施，我們的法律如何稱呼它。我們正在談論所有的計算基礎設施，法律基礎設施如何發展以應對這個問題？整個世界都是由人類擁有财產、擁有權利和承擔責任等構建的。這是一個基本的事情，首先要説，這對人類目前用作工具的任何東西意味着什麼？如果人類要将更多的權力委托給這些事情，那麼這種結構會如何演變？直到那個問題真正得到解決，我認為僅僅談論技術能力是不夠的。
Dwarkesh Patel 52:51
就像我們将無法部署這些智能，直到我們最終弄清楚如何部署它們。
納德拉 52:56
是的，今天沒有像今天這樣的方式，除非有人将其作為人類進行賠償，否則你無法部署這些智能。我認為這也是為什麼我認為即使是最強大的AI本質上也是在使用某種授權的原因之一，來自某個人類。是的，你可以談論對齊問題，但這正是為什麼我認為你必須讓這些對齊真正起作用并以某種方式可驗證。但我只是認為你不能部署已經過時的智能。例如，這個AI起飛問題可能是一個真正的問題，但在它成為真正的問題之前，真正的問題将在法庭上。因為法院不會允許某些人説："嘿，我做到了。"
Dwarkesh Patel 53:44
是的，世界上有很多社會，我想知道是否有任何一個社會可能沒有一個更容易接受的法律體系。如果在那裏你不能起飛，那麼你可能會擔心它不必在美國發生，對吧？即使你合法。
納德拉 53:57
是的，但即使在任何一件事情上，我認為我們不能認為沒有社會會關心它。可能會有流氓行為者。我不是説不會有流氓行為者。我的意思是，有網絡犯罪分子和流氓國家，他們會在那裏。但認為整個人類社會不關心它也不是真的。所以我認為我們都會關心。我們今天知道如何處理流氓行為者和流氓國家。世界不會坐以待斃。這就是為什麼我很高興我們有一個世界秩序，在這個秩序中，即使是這樣的，任何一個流氓國家的流氓行為者都有後果。
Dwarkesh Patel 54:42
如果你有這張圖，你可以有10%的經濟增長，我認為這取決于像AGI這樣的東西是否有效，對嗎？因為數萬億美元的價值聽起來更像是人類的工資是60萬億美元。經濟會得到這個。規模就像你必須以非常重要的方式自動化勞動力或補充勞動力，如果可能的話。一旦你弄清楚了它的法律後果，即使在你的任期内，我們也很有可能弄清楚它。你在想超人的部署。
确保 AGI 安全
Dwarkesh Patel 56:29
關于部署和對齊的問題，兩年前你們發布了悉尼必應。坦白説，考慮到當時的技術能力，我認為這有點像一個迷人、可愛但有趣的錯位例子。當時，一些聊天機器人可能會在30秒内給出一些有趣但不恰當的回應。但如果考慮到未來，這些代理可能會持續運行數小時、數周甚至數月，就像一群自主的AGI（人工通用智能），它們可能會以類似的方式出現錯位，搞砸事情，甚至相互協調。那麼，你們接下來的計劃是什麼？比如，當你們獲得一個強大的模型時，你們會如何處理？
納德拉 57:25
是的，你説得對。這也是為什麼我們認為，即使在分配計算資源時，我們也需要為對齊挑戰分配計算資源。更重要的是，我們需要一個能夠監控這些系統運行時環境的機制，确保它們的可觀察性。
順便説一句，就像我們在經典計算領網域處理很多問題一樣，例如網絡安全。我們不會僅僅編寫軟體然後就放手不管。我們會持續監控軟體，防範網絡攻擊，進行故障注入等。因此，我認為我們必須圍繞這些部署構建足夠的軟體工程能力。在模型本身内部，對齊是什麼？這些既是真正的科學問題，也是真正的工程問題。我們必須解決這些問題。順便説一句，這也意味着我們要承擔自己的責任。
納德拉 58:27
這也是為什麼我對部署這些東西更感興趣，因為你可以實際管理這些東西的範圍和規模。你不能在世界上釋放一些會造成傷害的東西，因為社會對此的許可是不存在的。
Dwarkesh Patel 58:45
是的，當你真正得到那些可以為你完成數周任務的代理時，該怎麼辦？你希望什麼樣的最低保障，才能讓來自我的随機财富？
納德拉 58:58
當我使用像深度研究這樣的東西時，我認為我們想要的最低保障是在我們特别擁有AI的物理化身之前。我認為這是其中一個阈值，當你跨越可能是一個地方時，另一個是，例如，運行環境的權限。你可能需要保證它是沙盒化的，它不會進出沙盒。
Dwarkesh Patel 59:32
我是説，我們已經有了網絡搜索，你知道，我們現在已經有了沙盒，對吧？
納德拉 59:37
但即使是網絡，它對網絡搜索的作用以及它所寫的内容。所以，例如，就像你的觀點一樣，如果它只是要編寫代碼啓動以進行一些計算，那麼該代碼部署在哪裏，并且該代碼是短暫的，僅用于創建該輸出，而不是僅僅将該代碼彈出到世界中。這些都是你在行動空間中實際可以做的事情。
Dwarkesh Patel 1:00:05
除了安全問題，當你考慮你自己的產品套件時，你會想，如果你在某個時候确實有如此強大的AI，這不僅僅是像你提到的關于你如何為這個播客做準備的例子中的副駕駛。那麼，更類似于你實際委派工作或任務給同事的方式，考慮到你當前的套件，添加它會是什麼樣子？我的意思是，你知道，有一個問題是LLM（大型語言模型）是否會成為其他事物的共性。我想知道這些是否像數據庫或畫布或Excel工作表或其他什麼，如果LLM是訪問所有這些東西的主要入口點，LLM是否可以修改Office？
納德拉 1:00:46
這是一個有趣的問題。我認為我對第一階段的看法是，LLM能否幫助我更有效地使用所有這些工具或畫布來完成我的知識工作？我見過的最好的演示之一是醫生為腫瘤委員會工作流程做準備。她使用副駕駛的第一件事之一是為會議創建議程，因為LLM幫助推理某些Sharepoint網站上的所有病例，并説："嘿，這些病例顯然……你知道，腫瘤委員會會議是一個高風險的會議，你想關注病例的差異，以便你可以分配正确的類型。"因此，即使是創建一個議程的推理任務，甚至知道如何拆分超級類型，我都使用LLM來做到這一點。
納德拉 1:01:47
然後我進入會議。我和所有同事都在團隊通話中。你猜怎麼着？我專注于實際案例而不是做筆記。因為你現在有這個AI副駕駛在做所有這些的完整轉錄，基本上一個智能不僅僅是一個轉錄，而是一個把它看作是會議中我可以回憶起的所有類型的數據庫條目。
納德拉 1:02:11
然後她從會議中出來，讨論了一下這個案子，沒有被筆記分心。她是一名教學醫生，她想去為課程做準備。于是，她開始了副駕駛，説："嘿，參加我的腫瘤委員會會議，然後用它制作一個PowerPoint幻燈片，這樣我就可以和我的學生談論它。"所以我的UI和腳手架現在被LLMs填充。工作流程本身正在被重塑，知識工作正在完成。
納德拉 1:02:50
這是一件有趣的事情。如果有人在80年代末來找我，説："你的桌子上會有一百萬份檔案。"我們會説："這到底是什麼？"我的意思是，我真的有點想，哦，我的桌子上會有一百萬份實物副本。除了我們确實有一百萬個電子表格和一百萬份檔案，我知道你有，它們都在那裏。所以我認為即使是代理也會發生這樣的事情。所以會有一個UI層。
納德拉 1:03:21
對我來説，Office不僅僅是今天的Office。這是知識工作的UI層。它會随着工作流程的發展而發展。這就是我們想要建造的。我确實認為今天存在的這些SaaS應用程式——這些粗糙的應用程式将從根本上改變，因為業務邏輯将更多地進入這個代理層。事實上，在我的副駕駛體驗中，今天另一件很酷的事情是，當我説："嘿，我正在準備與客户會面時，給我所有我應該知道的筆記。"它從我的CRM數據庫中提取，它從我的微軟圖形中提取，創建了一個復合的，本質上是工件。這意味着，然後它甚至應用了邏輯。對我來説，這将在很大程度上改變我們今天所知道的SaaS應用程式。
Dwarkesh Patel 1:04:10
所以SaaS作為一個行業，每年可能價值數千億到數萬億美元，這取決于你如何計算。如果這真的會被AI颠覆，那麼這将是微軟下一個十年的重要一步，微軟的市值可能會再次上升。因為，你知道，如果你真的在談論數萬億美元……
納德拉 1:04:30
我認為這也會創造很多價值。在SaaS領網域肯定如此。你記得其中一個大問題是，世界上有多少積壓，對吧？因此，其中一種方法是這些代碼生成的東西，再加上我可以使用代理詢問我所有的SaaS應用程式并獲得更多的效用，這将是應用程式最大的爆炸。他們将被稱為代理人。這樣你就可以，在每個行業或每個類别的每個垂直領網域，我們突然有能力得到服務。所以會有很多價值。我認為你不能一動不動，就像，你不能説老話："哦，我從流程中勾勒出一些狹窄的業務，我在浏覽器中有一個UI，這是我的事情。"那不會是這種情況。
納德拉 1:05:25
你必須向上堆疊并説："我必須參與的任務是什麼？"因此，你将能夠使用你的SaaS應用程式并使其成為參與多代理世界的出色代理。只要你能做到這一點，我認為你甚至可以增加價值。
Dwarkesh Patel 01:05:43
我可以問你一些關于你在微軟的時間的問題嗎？做公司人被低估了嗎？你的大部分職業生涯都在微軟度過。可以説，這可能是你能夠增加如此多價值的原因之一，因為你看到了公司的文化、歷史和技術，并通過晉升獲得了所有這些背景。更多的公司應該由具備這種背景的人來經營嗎？
納德拉 01:06:04
好問題。我沒有從那個角度想過，但确實，我在微軟已經工作了34年，基本上每年我對在微軟的工作都更加興奮，而不是想着"我是公司的人"。這并不是説，我加入微軟是為了把它當作實現經濟回報的平台，而是有一種使命感和目标感，通過微軟這個平台去實現。這就是一種契約。我認為公司必須創造一種文化，讓人們像我這樣的"公司人"能夠融入其中。微軟在這方面做得很好，至少在我的案例中是這樣，我希望這種情況能繼續保持。
Dwarkesh Patel 01:07:06
你覺得你正在談論的第六位CEO會如何利用你現在開始的研究？你在做什麼來為未來的繼任者保留空間，以便他們能夠成為未來的一部分？
納德拉 01:07:16
是的，今年是微軟成立50周年，這讓我思考了很多。我認為長壽本身并不是目标，關鍵在于相關性。所以，我和我們所有20萬員工每天要做的事情是，我們是否在做對我們看到的世界發展有用和相關的事情，不僅僅是今天，而是明天。我們必須意識到，我們生活在一個沒有特許經營價值的行業。所以，我們必須帶着這樣的态度去做事：我們正在做我們認為相關的事情。這也是為什麼我們必須關注未來，同時也要有很高的失敗容忍度。
Dwarkesh Patel 01:08:36
你剛剛提到，距離微軟成立50周年還有兩個月。如果你按市值或前五名來看前十家公司，基本上除了微軟之外的其他公司都比微軟年輕。這是一個非常有趣的觀察，關于為什麼最成功的公司通常都很年輕。你知道，财富500強公司的平均壽命為10到15年。微軟做了什麼來保持這麼多年的相關性？你如何繼續"退款"？
納德拉 01:09:09
我喜歡"退款"這個詞。我認為這就是心态。人們談論創始人模式，但對我來説，更像是"退款模式"。能夠以新的方式再次看待事物，這是我的關鍵。所以，對于你的問題，我們能否在文化上創造一個"退款"成為習慣的環境？每天我們進來説，是的，我們覺得我們在這個地方有利益，能夠改變我們所做的核心假設，以及我們如何與周圍的世界聯系，以及我們提供什麼價值。很多時候，公司會感到受到商業模式或其他因素的過度限制，你只需要放松自己。
Dwarkesh Patel 01:10:08
如果你離開微軟，你會創辦哪家公司？
納德拉 01:10:12
如果我離開微軟，我會創辦一家專注于服務不足領網域的公司。我從不離開微軟，但如果你讓我思考一下，我會選擇一個領網域，比如醫療保健、教育或公共服務。這些領網域是社會中服務不足的地方，如果所有這些技術能夠轉化為更好的醫療保健、更好的教育和更好的公共服務，我會過得更好。這将是一個值得投入的領網域。
納德拉相信AGI嗎？
Dwarkesh Patel 01:11:31
我不确定聽到你對不同問題的回答後，你是否認為AGI（人工通用智能）是一種意義上的東西，是否會有一種東西可以自動化所有的認知勞動，至少從所有人類可以在電腦上做的任何事情開始？
納德拉 01:11:46
我認為人們談論認知勞動的定義存在問題，因為認知勞動不是靜态的。今天的認知勞動可能是自動化的，但新的認知勞動是什麼？這兩件事都必須考慮。這就是為什麼我認為不要把知識工作者和知識工作混為一談。今天的知識工作可能可以自動化，但新的認知勞動會是什麼？
Dwarkesh Patel 01:12:50
但AI會得到什麼？
納德拉 01:12:52
一旦到了第二件事，就會有第三件事。這就是為什麼我認為我們已經處理了改變了歷史上認知勞動的工具。為什麼我們擔心所有的認知勞動都會消失？我的意思是，人類只有200年的歷史，我們重視一些狹隘的東西，叫做認知勞動。但如果像量子加AI這樣的東西真的幫助我們做了很多新的材料科學，這真的會削弱人類可以做的其他事情嗎？為什麼我們不能生活在一個有強大認知機器的世界裏，同時知道我們的認知能力沒有被剝奪？
Dwarkesh Patel 01:13:13
我相信你以前聽過這些例子，但就像馬一樣，對某些事情仍然有好處的想法。有些地形你不能開車，但像馬一樣，你會在街上看到馬，它們會雇傭數百萬匹馬，這就像沒有發生一樣。那麼，類似的事情會發生在人類身上嗎？
納德拉 01:13:28
在一個非常狹窄的維度中，人類只有200年的歷史，我們重視一些狹隘的東西，叫做認知勞動。但如果像量子加AI這樣的東西真的幫助我們做了很多新的材料科學，這真的會削弱人類可以做的其他事情嗎？為什麼我們不能生活在一個有強大認知機器的世界裏，同時知道我們的認知能力沒有被剝奪？
Dwarkesh Patel 01:14:14
我不會問你這個問題，而是在不同的情況下，所以也許你可以毫無尴尬地回答這個問題。假設在微軟董事會上，你能看到在董事會上添加一個AI嗎？它是否有類似的判斷、背景和整體理解來成為一個有用的建議者？
納德拉 01:14:32
這其實是一個很好的例子。我們添加的其中一個東西是團隊中的促進代理。那裏的目标，還處于早期階段，是它能夠促進一個具有長期記憶的代理人，不僅僅是在會議的背景下，而是在我正在工作的項目和團隊的背景下，成為一個偉大的促進者。我甚至希望在董事會會議上，很容易分心。畢竟，董事會成員每季度來一次，他們試圖消化像微軟這樣復雜公司正在發生的事情。我認為一個真正幫助人類保持話題，專注于重要問題的促進代理會很棒。這有點像字面意義上的擁有一個具有無限記憶的東西，甚至可以幫助我們應對人類的有限理性。
Dwarkesh Patel 01:15:46
談到材料和化學方面，我記得你最近説過，你希望在未來25年内，這些領網域的進步在未來250年内發生。現在當我想到未來250年可能發生的事情時，我在想太空旅行、太空電梯、永生和治愈所有疾病。你覺得呢？
納德拉 01:16:08
我希望我提出這個問題的原因之一是我喜歡工業革命。如果你把整個改變從基于碳的系統變成了不同的系統，那麼這意味着你必須從根本上重新發明化學或50年來發生的所有事情。這就是我希望我們擁有量子計算機的地方。這台量子計算機幫助我們獲得新材料，然後我們可以制造這些新材料，幫助我們應對地球上的所有挑戰。然後我完全支持星際旅行。
Dwarkesh Patel 01:16:44
太驚人了。薩提亞，非常感謝你的時間。
納德拉 01:16:50
謝謝，太棒了。
