近日，微软CEO Satya Nadella（萨提亚·纳德拉）接受了YC总裁Garry Tan（陈嘉兴）访谈，介绍了微软的人工智能押注、超大规模扩展与量子计算突破。

访谈全程四十分钟，信息密度极大，我们给你划下重点。萨提亚认为：

1、人工智能是继客户端/服务器、网络/互联网、移动/云之后的第四次重大平台变革，其快速普及建立在此前支持人工智能超级计算机和模型的云基础设施之上。

2、我们正处于“系统软件的黄金时代”，平台本身正被人工智能工作负载“重新审视和改变”。 他将人工智能中的模型层比作 SQL 引擎，提供了构建复杂产品的稳定平台，并强调集成部分、工具调用和数据反馈循环对于应用程序的创建至关重要。

3、AI 被过度炒作的东西只有模型能力。人工智能在现实世界的影响力和传播速度，被远远低估了。比如：一位印度农民通过聊天机器人获取农业补贴，人工智能在非洲和拉丁美洲介入教育领域。

4、对于构建复杂的人工智能应用和代理，模型周围的三个基本组成部分是：记忆、工具使用和权限（访问控制/业务逻辑），它们构成了“支架层”。

5、人工智能迎来“新浏览器时刻”，即视觉和语音与 Copilot 等工具的整合，正在现有设备形态上改变计算机的使用方式，适合日常使用。长期AI代理将成为个人电脑，为用户管理任务和操作。

6、未来每个人都会参与软件的创建，软件工程师的角色将演变为软件架构师，专注于元认知、确保代码质量以及理解人工智能代理的工作内容。

7、微软在量子计算方面通过 Majorana 1 芯片实现了物理学上的突破。他将量子计算视为模拟“自然语言”（物理学），而人工智能则充当该模拟器的“仿真器”。他设想人工智能、高性能计算（HPC）和量子计算在一个循环中协同工作，加速化学、物理和材料科学等领域的进步。

以下是萨提亚·纳德拉访谈全文：

   开场与人工智能的宏观展望

陈嘉兴：我很荣幸欢迎微软董事长兼首席执行官萨蒂亚·纳德拉。

萨蒂亚：谢谢大家。谢谢你。伙计，旧金山，你们应该搬到西雅图。

陈嘉兴：我在西雅图开始了我的职业生涯。就是这样。那是一个非常棒的地方。

萨蒂亚：任何成功人士都从微软开始。

陈嘉兴：没错。

萨蒂亚：所以，萨蒂亚，你之前强调过人工智能将塑造我们所做的一切。这在实践中是什么样子？在微软，这实际上如何推动你们的战略，特别是考虑到人工智能将如何影响想法，超越我们眼前那些令人难以置信的产品、更广泛的经济？

萨蒂亚：在微软，我觉得我们是一家平台公司，一家产品公司，一家合作伙伴公司，所以我，我考虑这三个维度。在我 35 年的职业生涯中，我经历过，客户端/客户端服务器，网络互联网，移动云。这是第四个。这至少是我如何进行模式匹配的方式。所以我首先想到的是平台的机会，当我环顾在座的各位时。有趣的是所有这些平台的复合效应。所以这里有人工智能的部分。我认为扩散速度如此之快的原因是因为它建立在上一代的基础上。我在想，如果没有云计算的话，我们本来无法建造出那些人工智能超级计算机，正是它们催生了这些模型，进而催生了这些产品，所以这种复合效应对我来说非常有趣。这就是为什么你总是要以之前的平台为基础，构建下一个平台，并且你要确保做到正确，然后你必须在其上构建下一代产品。每一次平台的转变，都会带来新的工作负载。我记得最初看到大规模训练任务的时候。这种工作负载与我们构建的非常不同，比如说，云计算的工作负载，它是一种数据并行同步的工作负载，这与之前完全不同，比如说，一个 Hadoop 作业或者类似的东西。所以平台本身就会被完全重新审视你知道的，完全重新审议和改变。对我来说，我认为平台方面令人兴奋的是系统软件的黄金时代。坦白说，今天如果我要考虑谁在基础设施层进行构建，不仅是超级大规模云服务商，甚至还有初创公司，我认为这是一个巨大的机遇。显然，模型方面有巨大的机会，基于模型的产品也同样如此。所以，是的，我们会考虑这些，最终的目的是什么？这只有一个目的，只有一个目的，那就是最终推动经济增长和 GDP 增长。所以如果你问我衡量人工智能的标准是什么，它是否在我们周围的世界创造了剩余价值，一个社区、一国、一行业、一家公司，逐步实现？

   模型与应用层的关系

陈嘉兴：这似乎是在应用层面，你们知道，你们已经打造了，几十年来应用层上定义性的应用。感觉我们正处在一个奇怪而不平稳的时刻，那里可能模型突然出现了，我们对发生的事情感到惊讶，但随后，计算能力和应用程序实际上需要跟上。这里的希望实际上是这个房间里的人将会是构建这些应用程序的人。

萨蒂亚：是的，这是个好问题，其中一个问题是，模型是像 SQL 一样，还是模型本身就是 SaaS 应用程序？我认为，那个地方，模型在哪里结束，产品又从哪里开始？因为如果你说模型带有一些支架和工具调用，在某种无限循环中就是产品，如果真是这样的话，我觉得这就有点让人困惑了。但这就像说一堆 SQL业务逻辑就在 SQL 里，这就是一个应用程序。所以我认为任何人仍然有可能构建一个应用层在模型之上，你必须抽象自己，然后说“是的，模型就像 SQL 一样，对我来说是这样。”所以我认为我一直梦想着人工智能/机器学习会有一个类似 SQL 的时刻，因为如果你想想，我们过去从未有过一个稳定的平台层，因为一切都是垂直构建和集成的。这是该模型层首次出现类似 SQL 引擎的东西，我们可以用它来构建相当复杂的产品。这些技术也是，仅推理时的计算加上工具调用就已经给了我们，我认为，这是一个相当强大的框架，能够构建相当复杂的产品。

陈嘉兴：是的。现在整合部分实际上也成了应用层，这真是有点疯狂。是的。模型本身非常聪明，但是，现在好像在那之间存在着一个巨大的鸿沟，对于商业用户来说，真正重要的数据是

萨蒂亚：我觉得这是一个很好的观察，因为至少我对情况的理解是模型是一个重要的部分。模型框架和所有这些工具调用，所以你确实需要一个真正的应用服务器，才能构建复杂的应用程序。但有趣的是反馈循环，产品内部用于后续训练的数据路径，为了能够使用正确的工具选择，这似乎是产品创建的关键环节，这一切都会发生。

   人工智能的能源消耗与社会许可

陈嘉兴：人工智能的Scaling Law（扩展定律）仍在持续有效。对智能的需求似乎可能是无限的。昨天埃隆提到将会有 99 个超级智能体对 1 个人类，这有点疯狂的预测，但鉴于目前情况似乎是可能的。未来人工智能真正需要全球计算基础设施在哪里？你如何预见这些需求的发展，因为模型不仅仅是变得更大，但更智能，能够进行复杂的多智能体交互？

萨蒂亚：是的，如果你真的退一步来看，首先如果你选择了计算或智能无所谓，计算的对数。然后你问这个问题，计算消耗多少能源？以美国为例，可能今天大约占 2%。最多 3%。假设它翻倍，达到 6%。这就非常巨大了，因为额外需要产生的能量，为了让人工智能使用，这个能量需求相当高。我认为这就是为什么我们都必须时刻记住如果历史教给我们一个教训，那就是如果你要使用能源，你最好获得社会的许可来使用能源。所以，这意味着你必须确保人工智能的产出对社会有用。换句话说，如果我们真的没有创造社会剩余，以国家和社区衡量的经济剩余，那么我们就不能仅仅消耗能源。对我来说，这才是更重要的事情。就像今天每个人都很焦虑一样，好吧，我该如何处理能源生产？我认为未来五年的真正问题是，我们必须生产出足够多的产品，创造巨大的价值，顺便说一句，我对此非常有信心，在医疗、教育、以及生产力方面。所以有很多很多领域。但这对我们作为科技行业来说是真正的挑战，就是要明确无误地证明我们所创造的成果在真实数据中得到了体现，这不仅仅是一个通用人工智能或人工智能的基准测试。

陈嘉兴：希望这能体现在你每天实际接触到的事物中。你知道的，你去申请房贷，而不是，你知道一个很好的例子。等了两三个月，你都不知道自己是否会被批准，或者你知道的。生活中有太多重要的事情，却被繁琐的文书工作或官僚主义淹没，那些事情可能因此消失。

萨蒂亚：100%。所以我认为，即使拿一些公共服务来说，如果你谈论，拿任何一个国家来说，它的 GDP 或者拿美国的医疗保健来说，那是什么？我们的成本中有 18.19%是医疗保健。很多人都在谈论神奇的药物等等，但所有的成本都在工作流程上。所以如果你真的拿像出院这样简单的事情来说，比如你拿一个电子病历系统的后端，只是一个 LLM 和一个提示，这本身就能节省大量时间、金钱和精力，几乎可以自我回本。

陈嘉兴：这很直接，你在医疗保健上花费了惊人的国内生产总值，这是理所当然的。但是，每一美元花在文书工作上，本可以用来做某种治疗。

萨蒂亚：那本可以挽救某人的生命。或者医生将时间从文书工作转移到患者身上的简单时间分配，这正是可以实现的。

   人工智能部署的挑战与未来展望

陈嘉兴：您认为目前人工智能部署面临的最大限制因素是什么？

萨蒂亚：你看，这里有个有趣的地方。而且这个观众群体非常年轻，我的任何比喻都不太适用。但无论如何，如果你是刚刚进入这里的话，在早期，你知道的，假设他们是一家跨国公司，个人电脑普及之前。我们到底是怎么做预测的？比如一个简单的销售预测，过去做销售预测的方式是你会发送传真。然后人们会拿到这些传真，发送内部备忘录。这些内部备忘录会被批注，希望能在季度结束前得出预测结果。然后突然人们说，有了电子邮件、个人电脑和 Excel，他们说，“我们来用这些，比如让我通过电子邮件发送一个 Excel 电子表格。”人们输入数字，你就有了预测。所以发生的事情是，工作、工作产物和工作流程都发生了变化。这就是人工智能需要实现的目标。当有人说，“我我，我现在要开始做我的工作，但同时，我会指挥 99 个代理代表我行动，”工作流程不会是持续不变的。你现在真的得改变了。甚至你的工作范围都会改变。所以变革管理才是真正的瓶颈。因为你现在掌握了保险公司的生产资料，金融服务公司，医疗保健公司的生产资料，在一家软件公司并且说，“我们将彻底改变，我们的工作方式。事实上，我们将改变他们的工作内容。”比如说，在 LinkedIn，我认为他们把多个这些职能，设计职能，前端工程师职能，产品职能，全部整合在一起，然后说“我们将拥有全栈开发者。”这甚至是职位范围的变化。那么，你如何用新的角色重建产品团队，新的职责范围，以及其他方面呢？对我来说，那更多是社会的速率限制因素，并不是说在这项技术的部署上没有许多其他问题，将其推向世界，电力是其中之一。还有其他问题。但我会说是变革管理。当我观察许多人工智能初创公司时，当我和他们交谈时，现在每个人都有了，你曾在 Palantir 工作，所以你知道这个。每个人都有四个部署工程师。这才是令人兴奋的地方。Palantir 模型，我认为这是一个非常棒的模型。那为什么呢？那是因为变革管理，因为我认为你真的需要帮助客户，合作伙伴，真正理解你所创造的任何产品的好处，不仅是技术本身，甚至是如何在工作流程中使用这项技术。

陈嘉兴：在 YC，我们有一句有趣的说法，经常告诉这里的很多人去做，那就是，这些人是一些最聪明的，人工智能研究人员、计算机科学家，他们刚刚开始自己的职业生涯，我们告诉他们，“去潜伏。”所以去做医疗账单员，看看有多少所谓的“知识工作”实际上是在浏览器和电子表格之间复制粘贴的工作有多少，写进一封电子邮件，然后点击发送。持续这样做一段时间后，你会意识到，其实，这些不一定是，你知道的，使用你的前额叶皮层和你最高级的思维类型的工作。比如，这些不是你知道吗，你能想象这么多人，他们的生活基本上就是，你知道的，过去，我们过去常常，知道的，接下来，在我们那个年纪，我们会称之为推纸工作，但是，他们现在不再是推纸了，但他们正在发送电子邮件。他们不再发送传真了，但他们试图通过，比如，附加文件来完成业务。这实际上看起来是一个相当大的转变。

萨蒂亚：是的，可以在上面工作。我认为，对于任何创造产品或实现根本性突破的人来说，最被低估的机会之一，即使是在模型层面，知识工作中存在的大量繁琐劳动，在软件工程领域我们已经看到了这一点。我们已经让软件工程失去了乐趣，因为你失去了专注状态。能够保持专注状态，能够完成一项任务，这本身就是我认为所有知识工作将会发生变化的一个很好的例子。你完全正确。你在带外花费的周期数量，收集信息，因为如果你考虑前额叶皮层和综合部分，你在那里花费的时间相当少。现在，比如说，让一个复杂的推理模型和你的前额叶皮层协同工作，而许多琐碎的事情则由更智能的代理或类似的东西来完成。我认为，这无疑是前沿领域。

陈嘉兴：那么，除了简单地采用人工智能工具之外，您认为目前该领域最大的变革性转变是什么？

萨蒂亚：我认为，对我来说，甚至，比如说，这个领域变化如此之快，我去年甚至都没想过，到这个时候，我们能在强化学习方面取得这么大的进展，基本上只是通过测试和计算。这看起来似乎几乎没有限制。所以我对它的看法是，预训练起了作用，所有后续的训练技术都非常出色。那么这个推理时间的计算似乎确实带来了另一个巨大的规模定律。所以现在我很想知道是否有某种新的算法突破，因为我总是说，这整个体系可能会被这里的某个人改变，他站出来说“我有一个更高效的做法，或者一种做这件事的方法。”所以，你必须保持开放的心态，因为最后一次重大的算法突破尚未出现。这就是其中之一。我一直对此很感兴趣。另一个是，下一步是什么，对，因为预训练到强化学习是什么，端到端的训练循环，那是下一步你知道的，大样本？我认为这也是我认为明年会发生的事情。所以我可以说，如果那是另一个扩展定律的突破的话因为如果你现在去任何一个实验室看看，我们所有人都会致力于研究“我们能构建出什么样的更为集成的响应推理模型？”我认为这将是一个有趣的部分。

陈嘉兴：我觉得这里有一些非常有趣的东西，如果你把一个 LLM 实例看作是一种意识，我认为有些人开始这么说，它有点像被实例化了，你用它做了一堆工作，然后它就消失了，你打开一个新的聊天窗口，它又是，我想我很好奇，比如说，你觉得这可能是需要做的一件事吗，这个，那个，那个循环需要被完成。

萨蒂亚：对，对我来说，这个人工智能不幸是我们能选的最糟糕的名字，所以我一点也不喜欢把人工智能拟人化。我更多地把它看作是一种工具，它并不是试图复制我们的思维方式。它确实显示出智能的迹象，但它并不是我拥有的智能，我认为人类的能动性仍然重要，仍将存在，我们将把这些作为工具来使用。这就是我的立场。话虽如此，我们姑且说，哦，是的，内存系统是件好事。这些东西确实需要，如果我看下一道前沿的话，我想有三件事，第一是内存。另一个是使用的工具第三点，我认为这可能是最重要的，是权限，基本上就是说，如果我要采取行动，我拥有哪些权限可以采取行动。所以这三个系统必须围绕模型作为一流系统来构建，才能让我们开发出更复杂的应用。

萨蒂亚：人们开始提出的关于软件未来的一个论点是，我们有数据库，然后你还会拥有，基本上是中间件，我认为所谓的权限，是的。这有点像访问控制列表。就是这样。比如，业务逻辑是什么？谁来做什么？然后，你基本上把代理放在上面。

萨蒂亚：是那种没错。所以，这就是为什么我会想到一个，比如说，当你想到支架层时人们会说，对，你有一个模型加上支架。现在，脚手架真正成为一流的是考虑这三件事。使用的工具是一个，内存是一个，然后是权限。把这些东西组合在一起，你就可以创建一个代理。代理有一个 ID。代理有管理和配置控制。你知道的，我认为这就是思考问题的方式。

陈嘉兴：你会担心代码生成吗，比如说，会不会，你认为用户最终会更倾向于按需制作软件，而不是使用打包软件？

萨蒂亚：这确实是，你知道的，我们已经进行了很多讨论这是个很好的问题，是的。在走廊里聊过这个，因为我们房间里很多人，YC 实际上会资助大量的 SaaS，并且会继续这样做，但是，在背后，我们开始有了这种担忧。我有一些风险投资家朋友在场，他们实际上是这样说的：“我其实不知道我是否还能继续投资 B2B、SaaS。”哼。你怎么看待这个问题？是的，这是个很好的问题。

萨蒂亚：这很有趣。同时，我看到有这么多人在分叉 VS Code，我心想，“伙计，我们肯定做对了什么。”所以，因此，打造一个出色的集成开发环境（IDE）是有其意义的。事实上，当我想到 Excel 时，我把它看作一个集成开发环境（IDE）。所以有一个很棒的画布这一点，你可以把我们称之为最优秀的分析模型带到这个 IDE 中，然后在画布和模型之间创建一个循环。所以我认为是的，你可以即时生成应用程序。你可以有一个预制的应用程序，真正帮助通过模型进行反馈循环，我认为这两者将会共存。

陈嘉兴：你认为设计在这一切中有作用吗？我的意思是设计？基本上是一个人你知道的，一个人坐在 VS Code 前面，有点像是翻译者，介于两者之间，软件以及最终用户真正想要的东西，然后我认为“软件会消失”这个想法，预设了只是你知道的，普通人走来走去会想要创建软件，我不知道那是否可行。

萨蒂亚：我认为这是一个好观点。你看，我觉得我表达的方式是，因为其中一个你问的基本问题是软件工程会发生什么变化，那就是让我们做以下这个，思维实验，如果你说有某种火星智慧来到这里，在上世纪 80 年代，看着我们大家是如何工作的，他们会说，“哇，这些人类在办公室工作，还有一个打字员团队，他们有幻灯片团队，人们还在用纸张工作。”如果他们今天再回来，他们会说，“天哪，现在全世界八十亿人都是打字员了。”他们会，有点儿，推测成这样。所以，我认为将会发生的是我们所有人都会在创造软件，但会有一个叫做软件工程师的职业。这个职业将会有所不同。但我看这件事，对，你，你，你实际上是在把一个软件工程师变成“你现在是软件架构师。”你看，那个，我，我仍然在思考你的元认知我最关心的事情之一是，伙计，现场编码非常棒，直到它做了一些我完全不知道发生了什么的事情。所以这意味着我必须拥有我的代码库的元模型以及确切发生了什么。而且我，我正在查看变更日志，所以当我查看我现在最喜欢的 GitHub 功能是能够真正查看所有在我仓库中工作的代理的完整变更日志。我认为这就是未来软件工程的主要方向。就像一个优秀的开发经理，我不知道你在微软是哪个开发经理，但是，我真的观察过，开发经理的工作就是确保构建不出错并且代码质量良好。对我来说，这仍然是件重要的事，因此会有一个抽象层次的提升，即使在一个全是 AI 代理的世界里，因为有一件事我们很少谈，那就是法律责任，顺便说一句，除非一些真正的法律发生改变，将会与人类及人类建立的机构共存。只要情况如此，我们就必须确保人类始终参与其中。从根本上讲，这意味着我们需要大量工具让人类参与其中，以便弄清楚这些东西在做什么。

   人工智能的社会价值与未来机遇

陈嘉兴：在人工智能开发中，你会看到很多，你认为哪些被低估了，从你的角度来看，整个科技行业过度炒作的是什么？

萨蒂亚：炒作可不少。我就这么说吧。我们现在处于，随时随地都是人工智能的时代，所以这很好。对于我们所有在这个行业的人来说，我们生存与否，全凭我们能否为某个新事物狂热起来。什么是史蒂夫·乔布斯的说法，或者鲍勃·迪伦的说法。那就是你要么忙着生，要么忙着死亡？忙于诞生总比忙于消亡好。那很好。我认为我们最需要的是担心和大多数工作作为一个，作为一个技术社区，我会说是我们如何获得那个，社会许可？如果有一件事让我感触深刻对我来说，我看到的一个演示，真的让我大吃一惊，那应该是在 2023 年年初，当我在印度的时候，我看到一位本地开发者基本上是串联使用，当时是 GPT-3 或 3.5，配合其中一个印度堆栈的语音转文字工具，文本转语音，开源项目，然后展示了一位印度本地农民，他能够使用一个在 WhatsApp 上构建的聊天机器人，从而获得一些农业补贴，对，通过访问政府网站。对我来说，那简直难以置信。就像，我，我，我感觉，天哪，一个在美国西海岸开发的东西怎么能这么快就应用到实际案例中呢？这要归功于扩散速度，基本上是人们遍布各地。这才是需要讲述的故事，对，大规模地。我认为这是被低估的故事太棒了。因为现在被过度炒作的是模型能力。模型能力确实很棒，但伙计，如果我们能让全世界认识到这正在真正改变每个人的生活，我们状况良好。如果那没有发生，这全是关于我们的一些估值。我们的公司和我们的行业，情况一如既往。那样的话，结果不会好。

陈嘉兴：我很喜欢那个例子。我觉得微软就像是充满了各种例子，展示了那些降低门槛的做法，这样你知道的，更多人就能接触到技术。你可以说 GitHub Copilot 是最大的之一。

萨蒂亚：是的。顺便说一句，其中的一部分。既然你提到了其他的那些，世界银行做过一项研究，我记得是在尼日利亚，现在他们已经把研究推广到了秘鲁或智利，其中一个，在南美洲。你知道的，我们在微软一直在努力，教育领域能否进行干预，那一直是梦想。伙计，我们已经坚持了几十年。这确实带来了改变。但这项研究表明，获得类似副驾驶的工具可能是教育中最好的技术干预措施，在非洲或拉丁美洲。那就是，那一直是梦想，我想，我们在科技领域都有过这样的经历，它就在我们触手可及的地方。

陈嘉兴：我想，有没有什么有趣的观察？我很好奇，因为你在 Windows 中的 Copilot 是在科技领域，比如说，也许人们真的很痴迷于最新的前沿模型，但人们很容易忘记，比如说，你知道的，Windows 以及与 Windows 的整合实际上是人们与，你知道的，今天的预 AGI 类型人工智能的首次接触。有人对使用那个有什么观察吗？

萨蒂亚：不，我们对 Clippy 作为副驾驶的回归感到非常兴奋。但说真的，我是说，像是，对我来说，看看，我发现即使是在我们熟悉和喜爱的形态中，工作的形态，也就是一台带有鼠标和键盘的老式电脑。梦想一直都是，事实上，比尔在微软研究院建立的第一个研究小组就是语音组，1995 年。从那时起，我们一直在说，“天啊，语音什么时候才能成为电脑上的一等公民？”但现在有了 Copilot，有两件事让我觉得相当不可思议，这有点像是一个新的浏览器时代的时刻。这里既有视觉也有语音。我一直开着它。它能看到我所看到的，我也能和它对话。那看起来像是精准的鼠标移动，对我来说，是吧？所以我认为即使是在现有的形态上，也有办法改变，整个计算机的使用方式，然后会出现新的形态。我认为现在是一个激动人心的建设时期，既包括硬件的开发，也包括对现有硬件的改造，以适应当前的需求，我认为，在计算机使用方面是可能的。

陈嘉兴：是的，计算机使用非常吸引人，我的意思是，你拥有智能，而计算机使用实际上是一个超集，包含了所有数据，比如你的个人数据、你的工作数据，所有办公文档，所有东西都能在那里访问。电影《她》说得对吗，操作系统真的会融入你最信任的代理人吗？

萨蒂亚：是的，我认为这一直是梦想，那就是，这些智能体能否成为你的电脑？然后它们为你完成电脑的使用。我认为这绝对是发展的方向。我想你提到了最关键的事情。那就是信任。也就是说，我能信任它来执行我想要的吗？这意味着它关乎精准，也关乎某种程度上的...隐私。这涉及许多方面的考虑，我认为这些都会随着时间发展，必须解决。

陈嘉兴：在这方面，当你看，你们公司和苹果都可以说是，他们必须站在保护全球所有计算机用户隐私的前线。

萨蒂亚：是的，对我们来说，你知道的，有很多，甚至不能说是那种，有隐私，有安全，还有主权。这三点是非常非常重要的考虑，隐私，每个用户都关心。安全，是每个租户或每个客户都会关心的，且在隐私之上。然后，每个国家都会关心主权。安全和隐私。所以，这就是思考的方式。因此，你确实需要构建任何产品或任何系统。你需要能够回答人们的问题以及组织和国家的问题，如何跨越这三道界限。

   给下一代建设者的建议

陈嘉兴：萨蒂亚，你在微软经历了一段非凡的旅程。从工程师起步，一直到成为首席执行官。你会为下一代的建设者分享哪些经验教训？

萨蒂亚：这并不是说，你开始任何旅程，你不会带着一个具体的目标去决定最终要到达哪里，但你确实是从这个，开始的，目标是夺得第一名，并对自己想要完成的事情抱有最高的雄心。我总是说，这并不是说，我一直在等着成为 CEO 才去做我最好的工作。我做的第一份工作，我觉得是我能拥有的最棒的工作。当我在 92 年加入这家公司时，我觉得，哇，如果我能在这份工作上退休的话，那将是极好的。当我回顾时，那是一个很好的思维模型。没错，我并不是在等待下一次晋升才去做某事。但我利用所获得的机会，尽我所能去做一切。我认为这正是，今天刚起步的人、创始人、研究人员或学生所拥有的。所以，我想说的是，要保持这种活力。不要等待下一个大事件。你要把你拥有的东西当作最大的事情，然后让它变得更广阔。然后我还想说的是，伟大的成就，是靠身边的团队一起完成的。学会团队合作，让团队变得出色。我在微软学到的一件事是，参与一个项目意味着什么，意味着工作的真正含义。事实上，这也是学校和工作的一个重大区别，原因在于，对，你加入一个团队，你得弄清楚怎么让团队成功。激励其实相当明确，除了，我认为最少被考虑的是，如何真正确保你能作为团队进行协作，以及你在其中的角色是什么？我们每个人都会看着别人，觉得协调团队是别人的工作。你的工作是让团队保持一致。所以，我想说如果你能做到这两点，对自己影响力的高度抱负，如何在团队中工作并使团队高效，那真是神奇。

陈嘉兴：这里有个有趣的故事。我其实确实学会了，作为 Windows Mobile 的产品经理，负责产品管理和项目管理。当时我是 Palantir 的第 10 号员工。我教他们如何真正地管理一个项目。零缺陷界限。而且，所有那种，我在微软的产品经理培训变成了创造这一切的东西，甚至连 Palantir，今天是如何运行他们的产品工作的，这真的相当疯狂。所以，感谢微软。我很好奇，你在，你那种人和团队中寻找哪些品质？只是因为人工智能正变得非常关键，成为一块重要的拼图，创造性工作和工程工作，这甚至改变了你可能面试某人和评估他们技术或更广泛技能的方式。

萨蒂亚：是的，我总是在寻找三种品质。其中之一是，事实上，你知道的，比尔向我介绍了这个，他曾经描述过谁是好建筑师，谁是坏建筑师，他有一种，很好的方式来总结这个，好建筑师，带来清晰，而糟糕的建筑师则带来混乱，对吧，即使他们同样聪明。所以，我总是倾向于那些天生能够适应模糊环境的人，不确定的情况并带来清晰。这是一种低调的品质，你想想你一天中进行的对话次数。关于一些艰难的情况，艰难的背景，以及能够明确指出该做什么的人，下一步该做什么，下一步行动是什么。这是非常宝贵的。所以，我总是在寻找那些能在不确定时期带来清晰的人。我寻找的第二类人是那些能激发能量的人。换句话说，这不仅仅是他们带来了能量，而且他们还能真正带来多种成分。任何来到微软找我谈领导力的人，如果说“我的团队很棒，其他人都很差，”这其实没什么用。我需要能够把公司各部门的人团结起来的人。在公司外部，自然而然地创造能量。最后一点是，擅长解决过度约束问题的人。这就是为什么我认为我最喜欢的面试问题永远是，问某人描述一个他们参与的项目，那个项目实际上毫无进展，但他们找到了出路，以及他们是如何处理的，解决问题，因为本质上，成功的人都做了什么？他们将一个过度受限的问题，想办法解除限制。还有那种神奇的三件事，对，就是带来清晰度，激发能量，通过解决过度受限的问题推动成功，我认为这就是领导力的意义。但领导力不是你晚年才做的事情。你在每一步都在展现领导力。

陈嘉兴：我想简要谈一下量子。我是说，你们刚刚在二月份发布了你们的Majorana 1。这和人工智能的未来有没有什么关联？我想这里可能有一些量子研究人员，很好奇未来会怎样。

萨蒂亚：是的。对我来说，看到正在发生的事情非常令人兴奋。我是说，我们一直在努力，伙计，就像，我是微软第三位在量子领域签支票的 CEO。我们已经坚持了 20 多年，而梦想，至少是，或者说，我们一直关注的是，如果我们真的想建造一台量子量子计算机，它是一台通用计算机，你必须解决，非常稳定的量子比特问题，还有，纠错量子比特。所以一个容错量子计算机，我们基本上是基于这个物理特性下注的这个特性是由这位意大利物理学家马约拉纳设想的，这就是我们进行了追踪。最后，我们在物理学上取得了突破，实际上能够制造出那个粒子。因此，这就是促成这款芯片的原因。所以我们觉得我们需要实现的一件大事，已经实现了。我对这件事的看法是，如果你说，花费，如果你想理解自然的语言，也就是模拟，我认为最好的方式是通过量子计算机，因为毕竟，物理和自然是量子的。所以，因此，人工智能是，我把它看作是那个模拟器的仿真器。所以这也是另一种方式，也许是今天用高性能计算（HPC）结合人工智能的方法。事实上，我们看到的很多进展都相当不错，基本上是利用高性能计算加人工智能来加速化学领域的进步。在物理学和材料科学中。因此，量子将是下一步。但我们对人工智能加量子计算和高性能计算的结合感到非常兴奋。在循环中可以完成。非常酷。

陈嘉兴：我们快没时间了。我觉得如果我们有时间的话，可以再聊一个小时。如果我们有时间的话。最后我想听听你的看法。我们来做一个模拟，你知道吗？你，22 岁，在微软是 59 级，你刚开始你的职业生涯，你刚毕业，你正在做什么工作，考虑到，你知道的，在 2025 年，你知道吗？如果让你重新开始，带着你现在的知识，你会专注于什么项目？你会如何去做？你会对什么感到兴奋？

陈嘉兴：如果你回顾微软的历史，Office 是如何开发出来的，你知道的，这真是一个难以置信的故事，尤其是想到这些工具的时候。文字处理器、电子表格、幻灯片制作工具，那些工具对我们所有人意味着什么。我总是这么说的原因就是这个，“你的”如果有人问我最喜欢的产品是什么，总是，VS Code 是一个，另一个是 Excel。就是当你使用这个工具时，你会感觉非常好。这完全是关于你所拥有的赋能感。你拥有的数字感，以及用像电子表格这样简单工具进行分析的能力。这真是一个难以置信的支架。列和行，中间有某种调节装置。这就是突破。所以我想要研究，下一批工具是什么？比如说，今天我看到 Copilot，就有这种感觉。比如，研究员、分析师、创作者。这些就像是 Word、Excel、PowerPoint，我每天都会用它们。对我来说，这正是我所渴望的。我们能提供给人们哪些工具，能够让他们感受到那种被赋能的感觉？这正是我想要致力于的工作。

陈嘉兴：我感觉那些制作这些工具的人现在就坐在这个观众席中。请为萨蒂亚·纳德拉鼓掌。非常感谢。

萨蒂亚：谢谢。（转载自划重点KeyPoints）