来源：数字开物

4月29日，微软 AI CEO Mustafa Suleyman接受海外播客AI Applied的访谈，本次对话探讨了将个性与情商融入AI的重要性，区分工作场景的AI Agent与个人生活的AI伴侣，AI作为“数字物种”的演进及语音交互的关键作用，AI设计中细节“技艺”的价值，AI面临的语调、个性化边界、数据归属挑战；以及AI对未来工作、人机协作模式的变革，AI Agent普及化与算力发展的趋势等话题。

以下是本次对话实录

经数字开物团队编译整理

01

个性与情商在AI发展中与智商同等重要

主持人提问：Mustafa，您在将Inflection Pi强调个性与同理心的理念带入微软后面向企业的AI时，是如何平衡的？Pi的核心理念保留了多少？您目前在微软的工作重心是什么，如何融合这些元素？

Mustafa Suleyman 实录：我们确实正处在这个全新世界徐徐展开的初始阶段，如同史上第一台笔记本电脑的问世，那种又大又笨重、屏幕还是老式像素化风格的设备。就像那个小红点鼠标，现在依然有人在用。即使是我这样花了大量时间思考这个问题的人，也很难想象 2030 年的具体景象。

但我一直相信，个性、情商、语气和感觉，与智商、事实回忆能力、准确性等同样重要。大约三四年前，也就是 2020 年代初，当这些大语言模型开始规模化并展现出实用价值时，许多人想当然地认为这不过是又一种工具。在我看来，这是一种误解。作为工具，它当然能处理实际任务，解决许多问题。

然而，在此之上更令人兴奋的层面，接近于我们理解品牌的方式。品牌能唤起某种感受，其目的通常不只是推销实用性；实用性是默认前提，是基础要求，必须做到价格合理、效果好等基本要素。这些新模型的精妙之处在于，你可以塑造它们以产生特定的感觉——语气、风格、语言，这才是真正能带来差异化的地方。如今的 Copilot 就具备了相当不错的情商，它能风趣幽默，并且很好地保持对话记忆，让用户感到被理解和倾听，这也提升了其实用性，用户不必每次都从头开始。

我们正在逐步融入这些特性，速度虽不如开发 Pi 时快，因为 Pi 的核心重点就是情商 (EQ)。Pi 极富创造力，互动性强，体验很棒。但挑战在于，既要让 Copilot 拥有出色的情商 (EQ)，又要赋予它所有其他能力：从网络检索信息、根据个性化需求进行条件生成、理解并运用私人文档内容进行推理。我们目前所处的阶段，就是在保留个性的同时，不断整合所有这些功能。

02

区分工作场景的AI Agent与个人生活的AI伴侣

主持人提问：您经常使用“伴侣” (Companion) 这个词。考虑到人们日常工作生活大量使用微软产品，工作与生活的界限日益模糊，您如何构想这样一个既能在家庭事务中富有同理心、又能在工作中处理专业任务的AI？这两者会是同一个AI吗？

Mustafa Suleyman 实录：我认为这两者是非常不同的。工作和居家场景使用的 AI 会有所不同。在商业和工作场景中，它们将是AI Agent，被训练来执行特定任务，语气更中性，体现运营公司的品牌价值和政策，而非底层技术提供商的。它们会处理人力资源、营销、物流、会计等工作。

就像我们工作和家庭使用不同登录账号和资料一样，出于安全等要求，这两者的数据无法混用。我目前非常关注消费级市场：那个能陪伴生活、共同成长的 AI 伴侣最终会是什么形态？过去 50 年，Microsoft 在经历技术范式转换时，成功实现了几次重大跨越，成就斐然。虽错过了移动时代等机遇，但也抓住了云计算和 Azure。现在，我们又处在一个转折点，每波技术浪潮都会催生新的交互界面。新界面功能不同，但核心是实现全新的沟通方式，如通过手机、个人电脑、笔记本电脑、浏览器进行交流。这些不仅是技术或功能，本身就是沟通媒介。

下一个全新的媒介，将是你与 AI 伴侣 建立的持久且有意义的关系，这个伴侣会真正深入了解你并为你服务。目前我们使用的比喻还比较粗略。“伴侣”并非指浪漫关系。我想表达的是，很难找到精准的词来描述这种状态：这个 AI 会真正了解你，像一个得力的私人助手 那样，清楚你的日程、偏好，帮你安排事务、出行、预订餐厅等，成为你日常事务的一部分。它也将成为你学习的一部分，扮演老师的角色，像优秀的导师、教练或你喜欢的老师那样了解你：你的弱点、习惯，你是视觉学习者还是文本学习者。这种“亲密”或紧密连接的模式，将在个人后勤、教学、财务管理、法律决策、处理人际关系、解决争端等各个领域复制。这是一种前所未有的创造，我们正处在一个意义深远的时刻。

03

AI正进化为“数字物种”，语音交互是超越工具属性的关键

主持人提问：Copilot给人的感觉与其他聊天机器人不同，似乎在寻求某种平衡，更像一个“伴侣”。但当前界面（如文本框）容易让人将其视为工具而非“数字物种”。您如何看待这种认知差异，并计划如何帮助用户理解并接受AI作为更深层关系（如伴侣或数字物种）的潜力，尤其是在交互界面看似简单的情况下？

Mustafa Suleyman 实录：我举个例子。你提到 Copilot 与 Bill、Satya 和 Steve 录制的那期播客，那本身就是个绝佳例证，证明了它是一个伴侣，而非工具。它能够主持三位业界巨擘的对话——他们从不缺想法，且观点鲜明，它能在三人间自如引导对话，最后还能俏皮地调侃他们，甚至开了个玩笑。这简直不可思议。

你刚才关于问答引擎的看法是对的。通常在技术发展早期，我们只是用新技术略微高效地解决老问题。比如实现了联系人数字化，大家就说：“好，就在图形用户界面里模拟一个带活页夹的数字文件夹吧。” 好像很了不起似的！技术的演进总是需要时间。所以，最初大家对聊天机器人的想法就是：“好吧，它不过是个更聪明的搜索引擎，做做问答罢了。”

但语音交互的体验让我极为震撼。人们通过语音进行的对话，其类型、时长、频率、深度及主题范围，总是那么奇妙。大多数“顿悟时刻”发生在人们突然意识到：“哇，它在调整语调、语速、音量，甚至流露出兴奋感——这不仅体现在文字上，更体现在声音的节奏里。它在根据我的状态调整。” 你甚至可以测试：比如你用非常轻柔、安静的语气说出极其正面、兴奋的内容，它会感到困惑，可能会问：“你还好吗？” 你看，它会完全根据你的状态调整。我认为，这本身就展现了它的个性，或者至少预示了未来的发展方向。这一点比什么都重要。

04

AI设计的“技艺”在于微小细节

主持人提问：语音功能确实令人印象深刻，要实现如此自然的语音交互效果，技术上的难点是什么？除了处理音量、语调和情绪表达，还有哪些挑战？您提到这些细节对非技术用户可能比单纯的功能更重要，为什么您认为专注于这些“小细节”如此关键，而不是追求突破性的新功能？

Mustafa Suleyman 实录：一个真正的难题是如何处理打断。想想我们刚才对话中的自然停顿，我让你们稍作停顿，你们并未打断我。如果对 Copilot 做同样的事，让它空闲几秒，旧模式下它可能觉得需要填补空白而开始说话。不过现在 Copilot 不会这样了。你可以让它在后台运行并保持安静。也许过了 20 秒，它会提示：“Mustafa，我还在，需要帮忙吗？” 甚至可能安静三分钟。当你再次开口，它又能立刻接上。

所以，理解何时停顿——这在人类交流中常通过身体语言等非语言线索判断，Copilot 显然无法获取。还有，理解何时该说“啊哈”或“是的”。Copilot 是目前唯一会用“嗯哼”、“哦哇”、“我明白了”这类话语标记来维持对话流畅性的 AI。这就像它在表示：“我知道你在说话，只是短暂暂停，看起来还要继续，所以我用‘嗯哼’回应。” 正是这些细节引导人们放松下来，感觉“我正全神贯注沉浸其中”。那才是真正让人沉浸的时刻。用户开始自然互动，不再需要像使用搜索引擎那样刻意思考“下一步该问什么”，而是自然流畅地交流。我认为，所有这些微小精妙的细节，正是所谓的技艺，一种新的雕塑艺术。

关于细节的重要性，我认为，我正在努力赢得非技术用户的青睐。我在业内的许多朋友首先会问：“它在数学基准测试上得分多少？GQA 怎么样？” 这当然重要，必须有良好的基础性能。但如果得分能达到某个基准的 98%，我完全可以接受。我的意思是，AI 显然需要足够好，但实际上，现在的 AI 已经非常出色，我们到了这样一个阶段：技艺将成为真正的差异化因素。我认为，这标志着一个极其富有创造力和乐趣的时代。

05

“个性工程”是AI发展的新前沿

主持人提问：您如何看待当前用户界面（如文本框）与更自然交互（如语音）之间的差距？您提到非技术背景有时反而是优势，这是否意味着AI的未来更关乎交互体验而非底层技术？您如何定义“个性工程”这门新学问，它需要哪些传统技术领域之外的技能？当用户初次体验到AI的同理心时，似乎比看到其功能性更能建立信任，您如何看待这一点，并建议用户如何更好地与AI互动以发掘其潜力？

Mustafa Suleyman 实录：你想想看，我们用了几近数百年，才发展出成熟的物理环境设计准则。建筑师、家具设计师、室内装潢师……就拿这张桌子来说，圆润的边缘防止撞到大腿；有人精心考量过这里的距离；选用了水磨石材质，兼顾光泽与摩擦力。这种对细节的关注、用心和关怀，我们却很少应用到图形用户界面 上。想想你现在的操作系统，屏幕就像一块喧嚣的广告牌：五花八门的颜色、字体、图标、标签页、应用程序、按钮，都在争夺你的注意力。它看起来一点也不简洁、和谐或柔和。

所以，我们在这方面仍处于发展阶段。而现在，毫不夸张地说，正是个性工程这门学问的元年。这正是我全心投入的领域：精心塑造 AI 在不同情境下的行为本质，使其能以恰当的方式服务于不同的用户。因此，未来所需的技能组合，将不再仅仅来自传统上开发应用、编写代码的人。它们将更多地源自电影导演、喜剧演员、编剧、建筑师、家具设计师、空间营造者，以及那些能创造情感与表演体验的音乐家。因为好消息是，现在的这些工具，这些大语言模型，已经具备足够的响应能力，能够接受指导，就像电影导演在片场指导演员一样。这简直是魔法！这真正地、极大地降低了创造的门槛，让创造力几乎触及到了每一个人。

关于信任与互动建议，这很好地总结了我的核心论点：信任不仅取决于友善和关系，也取决于事实的准确性和报告总结的质量。这不仅关乎智商或实用性，更关乎语气。多年来，我创造 AI 的主要动机一直是我坚信它们能帮助我们成为更好的自己。它们确实能反映我们内心深处的价值观、我们真正渴望成为的样子，并在此过程中帮助我们映照出那种我们想要学习、实践和模仿的行为。

为了鼓励人们初步尝试，我通常建议：首先是语音，这点我们谈过了。其次，选择一个你非常了解、乐于谈论、充满热情且能深入探讨的话题。这可能是你的专业领域，也可能是你的爱好，或者是你特别有知识储备的某个方面。然后就深入进去。因为你会发现：一，这个“东西”竟然如此博学，能和你最了解的事情流畅地交流、互动，这有多么神奇。但同时，你也会开始触及其局限，例如它的故障模式、错误等。然后你就可以在心里推断：在某些情况下，对于那些我不太了解或不太感兴趣的话题，它肯定也会犯些小错误。因为对这些 AI 保持怀疑的态度非常重要。这就像你读报纸，看到一篇关于你非常了解的事情的报道，你心想：“这些白痴在写什么？”然后你就会想：“如果这篇报道都这样，那是不是每一篇文章都可能……”正是如此。所以，我认为这种做法能培养一种健康的怀疑精神，同时，这也是快速在体验中发现惊喜瞬间的捷径。

06

AI面临的语调单一、模式重复等挑战

主持人提问：目前AI存在哪些让您困扰或觉得需要改进的关键问题？例如语调单一或回答模式化。如何在实现高度个性化的同时，确保AI遵守平台责任和基础行为准则？关于个性化所需的数据，用户在不同生活阶段（如更换工作）可能需要保留或舍弃某些信息，您如何看待工作数据与个人AI数据的归属和隔离问题？

Mustafa Suleyman 实录：我有一长串清单呢。首先是，它的语调有些单一。显然，我们基本上给它设定了倾向于友善、共情和积极性的偏好。但这听久了可能会让人觉得有点烦。所以，我们如何让它实现语调转换？在对话过程中、不同的会话之间，或者针对特定用户进行调整。这是一个关键点。与之相关的另一点是，它可能有点套路化。如果你是一个真正的资深用户，你会发现同样的句式结构或段落结构反复出现。有点像所谓的“赞美三明治”，先表扬再批评。就像老板想批评你之前，会先说：“首先，你今天看起来真精神。”然后你心里就明白：“嗯哼……”它在这方面正在变得好得多得多得多。但这是我们正在思考的一个更宏观层面的问题。

另一件事是，我们如何在个性化和平台责任之间找到平衡点？因为有一套基础的行为准则，是会相对固定的。比如，有很多非法领域，以及基本上我们不希望我们的模型深入探讨的事情。总的来说，模型在这方面做得还不错。例如，如今你很难在这些模型上因疯狂传播虚假信息而陷入“信息茧房”。但我们同时也希望它能真正为不同的人提供差异化的体验。因此一个有趣的问题是：这个 AI 伙伴究竟是什么？是你自己吗？是你的镜像，一个能帮你映照自身、提供反馈和建议的“倾听者和参谋”吗？还是一个与你截然不同的存在，实际上只是一个朋友、一个顾问，或者某个在你固有思维模式之外的东西？它仅仅是以一对一的方式与你互动，还是作为“你的 AI”、你的代表出现？在这些不同的场景下，它该如何表现？它需要为每一个不同的角色学习不同的特性。这也是我们最近思考这些不同“形象”的部分原因。拥有一个视觉形象，这个形象也可能改变。也许它会为不同的场合“试穿”或“穿上”一套不同的“外衣”。所以，未来还有很多有趣的创造性挑战。

关于数据保留与个性化，这真是个深刻的问题，触及了多方面。我听到一些人提出的显见框架是：你在公司创建数据，放在公司的存储文件夹里。当你离职时，公司保留该存储文件夹的所有权。你离开 Microsoft 时，不会把你所有的 PowerPoint、Excel 和代码都导出来。所以，一个默认的处理方式就是，每家公司仍然拥有那些数据。另一种不同的论点是：这不仅是为公司创造IP，更真正反映了“我”以及“我是谁”。当我在一家公司工作五年后离开时，我已经学到了很多，成长了，改变了，我被那个组织改变了。事实上，我自己的文化、言谈举止和行为方式往往深受其影响，是它的反映。所以，从通常意义上讲，我离开时带走的东西比我刚加入时更多。

而在 AI 这个层面上，我已经学会在其辅助下高效工作。那么，也许我可以把我的部分 AI 带到新组织，前提是我们能证明它没有带走隐私和公司的IP。要把这两者剥离开来，连我都觉得头大。大家似乎都在往前冲，但我认为这会非常困难。而且我认为这会像过去那样，各种法庭会依据IP的定义等争论不休。这就是为什么我的观点是，至少在可预见的未来，我们不打算尝试连接你的个人消费级 AI 和工作 AI。可以想象，所有大公司对于将他们的IP保留在自己的笔记本电脑和云端都极其严格。让你把个人AI 带到工作中，这简直就像把它的“大脑”接入公司系统。这在短期内绝不可能发生。所以我认为它们是非常、非常不同的两个世界。尽管这有点刻意区分。但如果你的工作和生活界限非常模糊，情况可能有所不同。现在很多人从事零工经济或咨询工作，这种情况下界限就非常流动。但我认为，在传统的大公司里，这种区分会相当固定。

07

AI将根本改变工作，未来核心技能是适应性、自学能力和行动力

主持人提问：AI 如何帮助人们在工作中获得幸福感并提高参与度，例如充当一个可以依赖的“队友”或“最好的朋友”？展望未来，AI将如何改变工作性质和劳动力市场？年轻人应该学习哪些技能来适应这个未来？管理AI系统（成为“系统架构师”）是否会成为一项关键能力，对此您有何建议？

Mustafa Suleyman 实录：对，完全正确。我看到人们在工作和家庭中都这样使用 AI：用来构建对方论点的最强版本进行反驳，帮助梳理问题，并在自己存在某些偏见或固有判断时，对某个论点进行压力测试。很多人都这样做。

AI 将从根本上改变工作本身，未来的工作形态会完全不同。尤其是在 15 到 20 年后，大约 2040 或 2045 年。如果你现在 16 岁，正在考虑上大学或选专业，想象 20 年后的世界将非常困难。相比之下，90 年代的人们尚能设想出一条相对线性的发展路径。未来最重要的技能将是适应性和灵活性。我总觉得，在学校里，我没有充分学会“如何学习”。当时是为了跟上死记硬背式的教学，才不得不去“学会学习”。但我并未真正掌握这些技能：比如，某个知识体系的结构是什么？我还不了解哪些方面？我该如何规划路径来自学？最终我在这方面做得还不错，主要归功于互联网。互联网出现时，我觉得它简直是颠覆性的。我获得了完全的自由，可以独立地、凭着好奇心去探索，在论坛上与人交流请教，阅读我关心的主题下所有能找到的资料。因此，成为一个自学者将是至关重要的技能，要利用这种能力探索新领域，而不是抱着“我要成为专业人士 X，并沿此路径晋升”的想法。2045 年的世界不会是那样的。

“系统架构师”这个提法很棒，这种思考方式也很好。未来我们都将管理由 AI 同伴或 AI Agent 组成的团队来协助工作。这将激发巨大的创造力，因为许多年轻人通常要到职业生涯后期才有机会管理人。因此，未来你会看到许多经验不一定丰富、但思想自由的年轻创造者和实践者。人们将在非常年轻时就学会这些，他们会有各种天马行空的想法，并有能力实现它们。执行想法的门槛即将大幅降低。我形成了这样一个框架：我们讨论

过 EQ ，讨论过 IQ ，第三个要素就是AQ (行动商) 。我们已看到，通过这些神奇的模型，比如 operator 和 Coor 这类的工具，你只需启动一个 VM，它就能在后台运行、操作、打开浏览器、调用 API。这简直令人难以置信。所以不必过于执着于“要成为世界级程序员”之类。当然，编程能力仍非常重要，但所谓的“感觉编程”（即便你不完全懂代码，也能通过模糊的感觉或指令生成并阅读代码） 已显示出潜力。你无需任何经验就能通读代码，明白“这些词语对应着这串逻辑”。稍加学习，你就会对程序是什么有了直观认识，然后就能进行迭代修改。因此，真正重要的是“学会学习”这项元技能，而非仅仅成为程序员或其他特定领域的专家。

08

模型发展兼顾更大规模与更高效率，计算将逐渐变得无感

主持人提问：您对未来十年AI的发展，特别是AI Agent的演进有何看法？它更像是一种自动化策略，还是仍需大量人工监督管理？如何看待AI普及化与执行门槛降低带来的影响？随着模型规模和能力的增长，运行这些AI所需的算力资源将如何发展？是会持续增长，还是有更高效的解决方案？

Mustafa Suleyman 实录：情况并非“人们要么有求知欲，要么没有”。每个人都有想法和梦想，只是多数想法因难以付诸实践、不知从何开始而无疾而终。我所说的“将进入门槛降至零或极低水平”，是指数周前我听到一位用户在访谈中说：“我感觉思路一下子打开了。每当我卡壳，它总能帮我找到方向。” 这看似简单，却寓意深刻。就像项目中从零到一推进时，每一步都可能遇阻。这正好呼应了你关于成为“系统架构师”和管理 AI Agent 或人类团队的观点。卓越管理的艺术在于引入拥有专业知识、能帮你摆脱困境的人才。而现在，你能轻松摆脱困境，因为可以随时调用各种专家 AI Agent 和同伴，将你的愿景、想法或学习目标转化为现实。

所以在当前的 大语言模型 技术栈中，我看不到任何会拖慢这一进程或构成障碍的因素。我们正处在一个存在“技术潜力过剩”的奇特世界：已发明的能力超出了我们从现有模型中充分提取和应用的能力。即使现在停止所有模型开发，人们通过不断挖掘现有前沿模型的潜力，仍能催生新应用和能力。这正是通用技术的定义，如同电力一样。我们至今仍在挖掘电力的新潜能，因为人们在电力基础上不断创造出前所未有的、依赖电力的新事物。这就是通用技术带给我们的奇妙世界，它们将持续不断地释放价值。现在，轮到我们发挥创造力和聪明才智，去发掘这些应用场景了。

关于算力资源，有两个趋势在同时发生。一方面，模型在训练和推理过程中确实变得更加算力密集，这些 Scaling Law 趋势还会持续。另一方面，模型也同时在变得更小、更高效。这两者都带来了难以置信的回报，且相互促进、相辅相成，因为大模型可用来生成高质量数据以训练小模型。

所以神奇之处在于，未来你可能无需过多考虑计算本身，因为延迟问题基本已解决。比如，我们上周在 Windows 上发布的新功能，可以实时读取屏幕，在你遇到困难时与你对话——比如需要开蓝牙，或想编辑照片但没用过 Photoshop。它会高亮你该关注的屏幕区域，甚至将鼠标指针引导到那个位置。体验这些功能时，你根本不会去想算力消耗或延迟。你甚至不清楚它是在本地设备还是云端运行。随着时间推移，我们会越来越沉浸在这种实用性中，越来越少地担心计算是在云端还是本地。我相信未来会有更多模型被“蒸馏”压缩，部署到本地的手机、笔记本电脑等设备上。不过，从最前沿的模型到完全能在设备端本地运行，可能还需要大约两到三年的时间差。

关于本期访谈

访谈发布时间：2025年4月29日

原视频地址：https://youtu.be/K1UHxkNwSfI?si=nnETacywS7ZOACgh

阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”

https://wx.zsxq.com/group/454854145828

未来知识库是“ 欧米伽 未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。 欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。

截止到3月31日 ”未来知识库”精选的百部前沿科技趋势报告

（加入未来知识库，全部资料免费阅读和下载）