来源：市场资讯
（来源：invest wallstreet）
微软CEO萨提亚·纳德拉（Satya Nadella）与记者亚历克斯·希思（Alex Heath）在Sources Podcast频道的专访在西雅图微软客户大会期间进行。微软在会上发布了全新Copilot，纳德拉就AI智能体（Agent）的行业趋势、微软的产品战略、模型生态、安全与监管、公众信任等议题系统阐述了观点，并谈及Xbox与Windows业务的最新进展。
纳德拉此次访谈的核心，是把AI智能体视为继云计算之后更大的范式级平台机会；微软的策略不是押注单一模型或单一功能，而是以全栈基础设施、多模型编排、Copilot/Autopilot产品矩阵、可审计安全治理去承接这一机会，并以GDP贡献而非技术跑分作为AGI的最终衡量标准。与此同时，他警告行业必须赢回公众信任，反对拟人化AI、监管俘获与卡特尔式垄断。
一、战略判断：智能体是比云大数个数量级的范式跃迁
纳德拉认为，AI智能体市场将比云计算市场大出“若干个数量级”，这是总潜在市场的巨量扩张，而非简单技术迭代。
核心创新不是单一模型，而是“智能体循环”：具备长时间运行、记忆、计算机交互与持续协作能力的智能体系统。
智能体创造的是GDP层面的净新增价值，不是存量市场的零和争夺。企业级市场是平台业务，消费端则可能因去中介化而更具零和色彩。
微软的机会在于：把AI深度嵌入Copilot、Autopilot、Windows与企业工作流，推动生产力与业务成果。
二、产品路径：从Copilot到Autopilot数字队友
Copilot企业渗透速度极快，企业级付费订阅用户已达3000多万，超过微软历史上多数产品。
Excel智能体展示了关键突破：不仅能生成复杂工件，还能让用户对AI输出进行下一阶段“因果推理”和操作。
Autopilot被定位为“数字队友”：拥有身份、计算机、工作空间、长期记忆与指导方向，可独立运行，像同事一样在Teams中交互。
初期落地场景是日常任务，如发票管理、幕僚长式助理等。
规模化前提是可审计性、可观测性与安全策略治理；强大必须始终“安全可控”，而非偶尔可靠。
消费者端同样需要长期信任：一旦智能体做出不可预期行为，用户就会停止使用。
三、平台与模型生态：多模型、编排与解耦
微软的平台准则：围绕平台创造的价值总量，必须远大于平台本身捕获的价值。
因此微软要交付的是“前沿生态系统”，而非一两个前沿模型。
核心设计原则：框架、模型、记忆和上下文必须可分离；Copilot将包含所有其他模型，客户可随时替换模型。
企业应拥有自己的私有基准与评估，而非依赖饱和的公共基准。
多模型并存可防止token定价走向垄断，维持长期生态平衡。
纳德拉提出“逆向信息悖论”：学习系统不仅被使用，还能通过“数据废气”学习，提炼用户行为模式。
四、经济衡量与定价：GDP贡献是AGI唯一量化标准
纳德拉坚持用对GDP的实际贡献度衡量AGI，而非技术跑分。
历史规律显示，技术扩散与GDP显现之间存在时间差，电力约滞后50年，PC也滞后数年；AI周期有望压缩，但不会线性发生。
当前GDP增长更多来自供给侧刺激，如数据中心建设；真正广泛扩散取决于变革管理与工作流程重构。
定价策略是按席位定价 + 按使用量定价：席位提供预算确定性，使用量满足最新最强功能需求。
模型成本下降应让利给客户，今天按用量计费的功能，明天可能成为订阅的一部分。
消费者端还可引入交易或广告单元补贴，降低价格。
五、基础设施与财务：全栈投资，整体业务
微软财务报告调整为“智能体与基础设施”和“设备与消费者”，意在让投资者将应用、智能体与云视为互联整体。
基础设施投资不是孤立押注，而是全栈能力建设：服务OpenAI、Anthropic等大客户，也服务第一方Copilot。
微软不追逐“新型云”，而是要把超大规模云业务扩展为智能体业务。
目标不是依赖少数大客户，而是服务从中小企业到跨国公司的广泛token消费、微调模型乃至自有前沿模型需求。
与OpenAI合作持续到2032年，OpenAI是最大客户之一；同时Mustafa团队自研模型，通过RL和数据管道爬坡，但Copilot仍将包含所有模型。
六、安全、监管与公众信任：行业必须从“自我陶醉”中醒来
纳德拉强调：任何不能服务人类或不受人类控制的事物都不值得追求。
反对拟人化AI，甚至不应试图训练AI具备人类价值观，否则可能导致永远无法对齐；应将其视为受控、可审计的“行为”。
AI安全三大重点：
- 防范恶意行为者，落实KYC与网络安全实践；
- 运行时行为监控与治理，长期运行智能体应被视为“内部风险”；
- “培育AI而非构建AI”的实验科学，需严肃对待，遇到致命缺陷必须果断叫停。
监管应基于风险，采用嵌入式评估体系与广泛行业机构，包含初创代表；反对寒蝉效应、监管俘获和卡特尔式垄断安排。
行业在阐释AI益处方面“只能打不及格”：过于自我陶醉，未能向公众展示切实利益。西方民意尤其悲观，尼日利亚等地区反而更乐观，值得反思。
赢回信任的关键是证明AI能创造就业、经济机遇与未来，而非加剧不平等或权力集中。
七、Windows与Xbox：无处不在的智能与恢复增长
Windows愿景核心是“无处不在的智能”：本地智能体、设备端模型与云端自动路由结合，将“不限量智能”无缝融入Token消耗。
Xbox深植微软DNA，团队精简后由阿莎推进，下一财年恢复增长，目标是成为PC和Xbox上优秀的游戏发行商与平台提供商。
八、最大风险与机遇
最大机遇：智能体及其深刻变革，将带来总可达市场的巨量扩张，规模比上一时代任何业务大出几个数量级。
最大风险：必须从第一性原理重构系统与产品形态，不能简单把Office塞进Copilot，也不能默认堆砌工具。
工具必须靠自身优秀赢得模型的“自发偏好”，让智能体自主发现并调用，才能完成特定任务路径。
纳德拉认为微软已在此发力并取得巨大进展。
最终核心： 微软的AI战略是平台化、生态化、全栈化：以智能体循环为创新核心，以Copilot/Autopilot为产品载体，以多模型编排和解耦为生态策略，以GDP贡献为经济标尺，以可审计、可观测、可遏制为安全底线。纳德拉真正的警告是：AI若不能赢得公众信任、不能创造广泛经济盈余、不能受人类控制，那么再强大的技术也不值得追求。
微软CEO萨提亚·纳德拉《Sources》播客专访：AI智能体、信任危机与微软战略
一、开场与智能体崛起
主持人希思： 萨提亚，感谢你在西雅图接待我。
萨提亚·纳德拉： 亚历克斯，非常感谢你专程前来。
主持人希思： 今日讨论议题众多。我想先从当前行业所处阶段谈起。你们近期发布的多项公告，核心都指向智能体的崛起。在消费端，你们推出了Muse、Grokbot、Instinct；在企业端，则是Copilot。这似乎是一场正在发生的变革。当前业界正在争夺下一个重大交互界面，也就是人与整个数字生活互动的“控制平面”。你们在Copilot和企业级产品上采取了非常具体的策略。从宏观角度，你如何看待这一现象，以及当前阶段意味着什么？
萨提亚·纳德拉： 如果追踪发展过程，自ChatGPT开始，AI用户体验形态与AI能力之间一直存在协同演进。以ChatGPT为例，它基于GPT模型，但正是该模型上的RLHF使对话成为可能。随后是编码智能体，它促成了Claude Code等产品。当我审视Copilot和Copilot Workspace时，其本质是一个编码智能体，即“智能体循环”。智能体循环才是真正的创新。 OpenClaw首次让人预见一种长时间运行的智能体形态，而模型随后已经跟上这种发展。自OpenClaw发布以来，有两件事值得关注：第一，在本地机器上安装并运行它；第二，克服将其作为长期基础设施运行的挑战。这需要安全，因此现在有面向虚拟机、容器或运行沙盒的云环境加固；有能够连续运行数日并保持连贯性的智能体；也有将记忆等外部化的能力。这就是我们感到非常兴奋的原因。正如我们今天在Copilot中发布的功能，你拥有了对话、Copilot Workspace、Autopilot等。不同产品形态、不同模型和不同能力并存，它们都有各自的位置，我不认为哪一种会完全取代另一种。 用户只需打开提示框，系统就会自动呈现最合适的形态和功能。
主持人希思： 各种交互界面不断涌现。当你看到近期亚马逊封锁Muse这类事件时，在我看来，这正印证了关于争夺交互界面的观点。随着智能体成为越来越多人“与网络互动”的方式，你预见这会不会成为一场艰难的战斗？
萨提亚·纳德拉： 其中有许多因素在起作用。首先，假设你为人类和人类网络设计了一些API接口甚至用户界面。当一个智能体使用“计算机使用”并从顶层接入时，你与使用该服务的用户之间的“服务等级协议”会怎样？你甚至没有为这种流量做过架构设计。因此，人们必须退一步思考：其中的竞争层面是什么？设计层面又是什么？以API为例，我们在Copilot底层提供一流的Work IQ API和交互界面，原因在于，不能直接调用Teams、Outlook或SharePoint底层的数据库，并用智能体流量去冲击它，尤其当它是一项基础服务时。如果我们告诉企业客户，由于存在大量我们无法控制的智能体流量，我们现在无法满足这项关键任务服务的SLA需求，那是行不通的。因此，我们现在都必须正视一个现实：必须建立新的接口、新的基础设施、新的使用条款和新的变现模式，因为这一切都会产生相关成本。 此外还有竞争因素，特别是如果有人从顶层切入，我认为亚马逊的情况就是如此，即去中介化。
主持人希思： 在个人和企业场景下，你认为智能体市场的零和博弈程度如何？
萨提亚·纳德拉： 零和博弈是一个有趣的话题。支撑这一切应用的根本因素是，它在GDP层面上创造了一些净新增价值。因此，这不是在存量市场上纠缠。 过去的价值流动方式可能会受到一些干扰。假设商业交易流程发生了改变，因为现在我只需让智能体帮我购物。因此，一些购物习惯、搜索习惯等都被去中介化了。在消费端，这种背景下的零和博弈色彩可能会浓烈得多，因为消费端曾经存在的聚合效应中，中间商基本上只是在聚合用户，而突然间，当你能直接接触到商家或供应商时，中间商就不再必要了，这种情况完全可能发生。而在企业级市场，这在很大程度上取决于具体使用场景，因为企业级业务是平台业务，而不是聚合业务。 这意味着你必须为客户期望达成的特定结果创造具体价值。谁能提供最大的价值，谁就能获胜。因此，将会出现大量的价格竞争，也许还有价值竞争，这本质上是平台经济学层面的竞争。但这并不意味着我们在企业级市场中仅仅是聚合他人的软件。我们构建的是人们认为有价值的平台，只要我们做到这一点，事实上，这可能是有史以来最大的“总潜在市场”扩张。 想想看，我们的服务器业务在20世纪90年代和21世纪初一直是一项非常健康的业务。而云业务的规模要大几个数量级，因为人们的消费量增加了。我认为智能体时代的规模将比云时代大几个数量级。 因此，从TAM的角度来看，这是极具扩张性的。我们现在必须真正保持专注，确保每一个Autopilot、每一次通话、每一次对话都能推动生产力，推动业务成果。
二、Copilot的下一篇章
主持人希思： 过去一年里，Copilot的发展轨迹是如何演变的？你们起步非常早，特别是在GitHub Copilot所在的编码市场。你们刚刚展示了在Copilot各项功能中实现的大量统一。我想谈谈Autopilot，我认为这可能是其中最有趣的部分。但首先从宏观角度来看，Copilot是如何演变的？
萨提亚·纳德拉： 对我们而言，我们对两件事感到非常满意。第一，与任何新技术，包括Teams等相比，Copilot在企业核心领域的渗透率非常高。 实际上，其普及速度更快。当我们看到，在推出短短几年内，企业级Copilot的付费订阅用户就达到了3000多万，这个速度比我们历史上见过的任何产品都要快。从这个意义上说，我觉得我们终于拥有了能够真正兑现Copilot部分承诺的更强大的模型。一个很好的例子就是Copilot和“Excel智能体”。在此之前，我们一直没有足够优秀的模型来完成你现在能做的两件事。第一，我可以打开Copilot，让它创建一个复杂的供应链优化电子表格模型，在不同工作表中包含各种场景等等。它会生成一个非常出色的工件。因此，它创建相当复杂模型的能力非常出色。但关键在于：我需要随后对这个模型进行一些操作。我不能只是看着模型输出的结果然后直接拿来用。我想操作它，我想探究它，我想对它进行推理。所以现在，我们甚至拥有了我称之为“Excel内部循环”的Excel智能体，它同样超级强大。事实上，上周末，我数据中心团队的一位同事给我发了一个相当复杂的电子表格。我打开它，选中一个单元格，然后问我的Excel智能体：“看看这个人在该单元格中使用的公式，并为我创建五张包含不同场景的工作表。”这种能够对AI智能体的输出进行下一阶段“因果推理”的能力，简直令人惊叹。 所以对我来说，这正是我们最终抵达的境界。我的描述方式是：模型能力的飞跃与产品形态的创新交相辉映，共同赋能那些每天为企业创造价值的业务流程。 我认为，这将带来不可估量的巨大影响。
主持人希思： 微软的资本支出规划何时能实现智能体化？目前进展到了什么阶段？
萨提亚·纳德拉： 相信我，这其实非常引人入胜。你问到这个，是因为我手头有一个完整的追踪系统，记录着我们所有的资本支出以及各层级的投资资本回报率。这确实非常有意思。实际上，我是用GitHub Copilot构建的。这就是你现在能够创造出的那种工件。这还涉及到它的另一个层面，也就是将企业上下文与全球上下文结合起来。事实上，我会实时查看每家云提供商、超大规模云服务商以及各家新兴云厂商的美国证券交易委员会备案文件。我在Fabric中配置了一个数据运行器，它会拉取所有这些数据，将其放入语义模型，然后由我的编码智能体读取，并最终呈现为数据仪表板。每天的数据都是最新的，因此我能掌握所有公开的SEC备案文件的全部内容，再加上我所有的内部分析不断汇总，为我提供各层级的实时投资资本回报率。
三、Autopilot与数字队友
主持人希思： 我们来谈谈Autopilot。你们称之为“数字队友”。我很好奇你认为它将释放哪些潜能，以及你期望它如何改变人们的工作乃至生活方式。我的意思是，它在工作之外大概率也有应用场景。没错，绝对如此。那么，就聊聊Autopilot。
萨提亚·纳德拉： 对我而言，这是顺理成章的下一步。正如你所说，这是大家热议的焦点。这一切是如何开始的？我认为我们应该归功于Peter及其团队在OpenClaw上所做的出色工作，那非常了不起。
主持人希思： 如果我说错了请纠正我，OpenCL运行框架是指底层的开源组件吗？
萨提亚·纳德拉： 完全正确。我认为我们对其进行了加固。它位于我们运行框架的底层，然后我们将其进行融合。基本上，我们采用那个框架并将其转化为Copilot运行框架，也就是我们在所有产品形态中使用的Copilot框架，无论是协同办公、代码还是Autopilot。正如你所说，我们的目标是真正创建一个系统，它拥有工作空间、计算机以及这种长时间运行的智能体框架，然后你可以将其导向你所指定的任务或工作。 我认为在企业应用中，它将被广泛使用。例如，现在我们微软的每个人都可以拥有一个高度复杂的、我称之为“幕僚长”的助手，并将任务委派给它。你可以赋予这个Autopilot一个身份、一台计算机、一个工作空间和一些指导方向，然后它就会独立运行，具备记忆功能并能持续工作。你可以在Teams中与它交互，就像与另一位同事交流一样。我认为它在企业中最常被使用的另一个领域将是日常任务。这将是自然而然的首选场景。比如，我每天上班都要处理发票。我会说，与其让我自己管理发票，不如我创建一个专门管理发票的Autopilot。它了解业务背景，我会像与同事协作一样与它互动。我认为这将是它起步的地方。随着我们建立起更多信心——因为亚历克斯，这其中的一项基本要素将是可审计性、可观测性以及安全策略治理。例如，在现阶段，面对这些强大的模型，仅仅强大是不够的。强大固然很好，但我还需要确保这种力量是安全可控的，不是一次，也不是偶尔，而是始终如此。 因此，这就是我们要构建这一切的原因。顺便说一句，这在消费者端也是如此。如果有一天，你的消费者智能体突然做出了你从未预料到的事情，那就是你停止使用它的那一天。因此，我认为建立这种长期信任是一个艰巨的挑战，无论是在企业端还是消费端。
主持人希思： 也许这只是我个人的感觉，但我认为很多人都是如此。工作生活和个人生活相互交融，人们并没有清晰地划定界限。我在工作中使用工作AI，现在我又在使用个人AI，这就引出了一个问题：微软在消费者智能体方面的使命和目标是什么？你认为公司也需要在消费者市场取胜吗，还是你有不同的看法？
萨提亚·纳德拉： 我认为在当今世界，“消费者”是一个非常宽泛的概念，因为它包含许许多多的类别。事实上，回顾我们的历史，我们最初是作为一家消费者公司起家的，后来才转型为一家商业公司。实际上，当我刚加入微软时，大多数人认为我们是一家消费者公司，而我在头十年里一直面对的问题是：“你们什么时候才会认真对待企业市场？”而现在，我们做到了。对我而言，关键不是去盲目效仿其他消费者品牌可能在做的事情，而是服务好我们自己的一亿多Office 365和Microsoft 365消费者订阅用户。 他们非常喜欢能在生活中使用功能丰富的Office工具，因为他们在工作中用，在家里用，用来管理税务、管理财务。因此，对我来说，能够为他们提供具有同等功能水平的产品，才是关键。 所以，所有这些能力都将融入我们的消费者产品中。事实上，如果要说有什么变化，我会说，在早期我们的消费者版Copilot和商业版Copilot走了不同的分支，而现在我们已经将这一切重新整合到一个核心产品中。它就是Copilot。
四、微软如何为AI定价
主持人希思： 我很好奇你们是如何考虑定价问题的，以及你们的auto模式。我知道你们现在在模型上已经实现了这一点。我最近看到一个惊人的数据：AI成本下降的速度比历史上任何一次重大技术浪潮都要快。自2023年以来，Token成本大约每个季度下降一半。这确实令人瞩目。但与此同时，我认为企业中仍然存在大量浪费的Token支出。我认为我们可能已经过了Token消耗峰值的时刻，但现在人们仍在试图弄清楚如何收回这些浪费的支出。你们对新版Copilot的定价策略是什么？在我们即将进入的这个智能体世界中，你认为定价应该如何运作？
萨提亚·纳德拉： 我认为我们在商业领域采取的方法是，结合我所说的按席位定价和按使用量定价。 原因在于，当你思考按席位定价的核心时，它实际上是一种更便捷的方式，让任何客户都能在没有意外支出的情况下进行预算和购买。在基本层面上，席位是固定价格的。因此，我们的目标是，利用你刚才提到的模型价格正在下降这一事实，意味着我每天都可以为订阅服务增加更多价值。 特别是对于auto模式，它在今天的Copilot中之所以如此强大，是因为我上次手动选择模型已经是几个月前的事了。我现在对auto模式能够选择并使用正确的模型充满信心，从而能从订阅中获得最大收益。因此，我们感觉与客户高度契合，我们可以将AI的进步和价格的下降让利给他们，并不断为他们的订阅服务增加越来越多的价值。也就是说，如果他们是Copilot的会员，他们将通过该订阅不断获得更多的价值。但在任何时候，如果他们想要最新、最强大的功能，他们也可以使用，这就是按使用量计费的部分。但这有点像时间窗口。也就是说，随着时间的推移，今天按使用量计费的功能，明天就会成为订阅服务的一部分。
主持人希思： 微软为何押注多种模型？
萨提亚·纳德拉： 事实上，这种组合应该能为商业客户在采购方式、预算方式，以及如何权衡何时采用新技术与何时大规模应用等方面提供更多的灵活性。顺便说一句，同样的情况也适用于消费者端，只是多了一个维度：在消费者端，你同样会有订阅和按使用量计费，但可能还会多一种工具，即某种交易或广告单元，这可以创造更多的补贴。换句话说，如果你能打通一种广告单元，实质上为你的订阅增加更多额度，那将是我们在消费者端降低价格的另一种方式。
五、模型生态与编排
主持人希思： 如果和你及你的同事相处得足够久，你会经常听到“生态系统”这个词。感觉在过去几年里，你们在谈论这个词的方式上发生了一些演变。尤其是考虑到你们早期对OpenAI极具前瞻性的押注及双方的合作关系，而且显然这种合作在未来一段时间内仍会持续。但我现在经常听你谈到，编排是所有模型的合作伙伴。结合我们刚才讨论的路由问题，听起来微软确实能够在任何时刻接入任何最优秀的模型。我很好奇，你是在什么时候意识到我们必须朝着这个方向前进的？我们需要朝着AI生态系统的方向发展。
萨提亚·纳德拉： 我认为，从本质上讲，这源于微软作为一家平台公司的定位。我总是用一个简单的准则来定义平台：围绕平台创造的价值总量，必须远远大于平台本身捕获的价值。 没错，这还是那句名言，至今依然适用。因此，如果你秉持这种理念，只谈论一两个前沿模型是没有意义的。你必须真正将其构想、概念化，并作为一个前沿生态系统交付出来。坦率地说，这符合我们所有人的利益，甚至包括模型开发者。因为如果没有这个生态系统，就不会有人使用token，也不会有人购买模型。因为归根结底，唯一重要的事情就是经济体中真实的GDP增长。 如果以此为衡量标准，那么如果不能逐家企业地创造盈余，这一切就不可能发生。每一家小企业、每一家跨国公司都需要能够说：“我们有一种新的投入要素，我们将其定价为token。价格正在下降，但产出呢？如果这是边际投入成本，那么边际产出收入或利润必须是它的数倍，才能证明这一切的合理性。”因此，在我看来，这就是为什么生态系统构建的所有要素都至关重要。比如，你希望拥有多个模型。你不能只有一个模型，因为如果只有一个模型，我们就知道会发生什么，也就是token定价最终会走向垄断。 所以，如果你希望长期拥有一个更加平衡的生态系统，你就需要以这种方式去思考每一个层级。另外，亚历克斯，我想说的是，这也是我第一次提到的“逆向信息悖论”。这是一个学习系统。迄今为止，你可以购买一个数字工具，并明确知道这个工具是被“我”用来在企业或生活中创造新价值的。但当你拥有一个学习系统时，你付费让它为你做事，同时它也能仅通过“数据废气”来学习。模型不需要直接查看你的数据，它只需要从你的行为中学习，并提炼出让你与众不同的模式。
六、以经济增长衡量AGI
主持人希思： 你提到了GDP，在过去几年里，我听到你非常一致地表示，你是通过GDP的提升来衡量AGI的。我曾听你说应该是大约10个百分点，最近又听说是7到8个百分点。我们目前处于什么阶段？你认为GDP增长最终会落在什么水平？
萨提亚·纳德拉： 让我们回溯历史，看看工业革命期间发生了什么。我认为规律就是如此。当一项新技术出现时，它的扩散与它真正在数据中显现效果之间，会存在一个时间差。 事实上，即使在信息技术领域也是如此。个人电脑在90年代初基本在企业中普及，但它们直到90年代末和21世纪初才体现在GDP增长数据中。电力等其他技术也是同样的情况。从电力的引入到它真正体现为广泛的GDP增长，我认为中间大约有50年的滞后。为什么呢？因为你需要重组生产方式，重组知识工作，才能利用这些工具创造出相应的产出和盈余。 所以这一次，我希望这个周期会被压缩得更短。但我们已经走在正确的道路上。目前，很多GDP增长，坦白说，更多是我所说的“供给侧刺激”。是我们所有人都在建设数据中心，推出几款热门产品等等，这非常棒。这本身就是一件好事，因为毕竟，所有参与生产的人都在努力，比如我供应链上的任何人，我希望他们都在使用Copilot，因为我需要他们更快地为我的数据中心生产所需的任何部件，这本身就是一个极好的良性循环。但我认为，这种技术的广泛扩散终将发生。希望它会比之前任何一次信息技术变革发生得都快。但它不会是线性的，因为这归根结底是变革管理的问题。 并不是说你拥有了一种工具，就能突然改变工作本身、工作产出和工作流程。这需要领导层付出艰苦的努力，才能真正重新构想如何在新的效率前沿完成这些工作。
七、微软AI基础设施建设经济学
主持人希思： 微软刚刚将其财务报告结构从三个业务部门调整为两个。现在你们分为“智能体与基础设施”以及“设备与消费者”。我的看法是，我希望听听你的回应：你希望投资者将应用、智能体和云视为一个相互连接的整体业务，并根据你们在整个AI技术栈中捕获了多少价值来评估你们。是这样吗？这就是调整的原因吗？
萨提亚·纳德拉： 没错，事实正是如此。所以当人们问我们：“嘿，你们的投资资本回报率在哪里？”这大致反映了我们的现金流，以及我们如何将这笔现金流作为资本支出和运营费用进行投资，从而在整个智能体与基础设施技术栈中获得回报。我们希望透明地展示每一个部分，同时也阐明其产业逻辑：这些并非各自独立的投资。这是一项整体投资，需要在竞争激烈的市场中逐层为客户创造价值。 所有这些都将非常透明地呈现给投资者。无论是公司为何这样做的逻辑、他们如何每季度跟踪我们的进展，还是我认为这独特地确立了我们的市场定位，因为这也展示了我们的实力。但我想补充的另一件事是，我们并不是试图建立一个狭隘的业务，只靠三个基础设施客户就草草收场。对我们来说，那不是长期的商业模式。我们希望能够满足每一家中小企业和大型跨国公司的token消费需求、他们对微调模型的需求，甚至可能是他们自己的前沿模型需求。 这比其他任何事情都重要。我们非常珍视与OpenAI的业务合作。他们是我们最大的客户之一，但我们的目标不是只拥有一两个或五个大客户，而是拥有许许多多大客户。
主持人希思： 你提到了OpenAI。我最近邀请Sam上了播客。他说他认为当前正在进行的AI基础设施建设中，存在一些“不可持续的荒唐之举”。我很好奇，当你们投入巨额资本支出时——我的意思是，所有超大规模云服务商都在这么做，投入高达数万亿美元——在评估未来几年的资本支出承诺时，是否有什么情况会让你感到犹豫？你们在关注什么指标吗？
萨提亚·纳德拉： 微软之外的事情自有他人评说。但就我们自身的业务而言，我一直表达得很清楚：我们必须构建全栈能力。 因此，我关心的是为各类客户构建基础设施，为OpenAI、Anthropic等大型客户提供卓越的建设和服务。同时，也要为我们自己的第一方产品，如Copilot，进行建设。我们不会假设某个地方总会有人来购买基础设施从而盲目分配或建设，而是采取一种严谨的方法，基于AI这一长期结构性转变来构建我们的业务订单。 我们对此深信不疑，同时也认为微软的使命是完成一项独特且与众不同的事业。我们并不是在追逐所谓的“新型云”，我不是在试图建立一个新型云业务。我试图建立的是一个超大规模云业务，并将其扩展为智能体业务，这就是基础设施和智能体细分市场。
八、OpenAI与微软自有模型
主持人希思： 我很好奇你们是如何思考微软的模型层的。我最近和Mustafa交流过，他正在负责构建你们的模型。据我了解，与OpenAI的合作曾对你们进行某些级别的前沿模型研发施加了一些限制，而现在你们可以自由发展了，事实也确实如此。我们一直在讨论，你们需要成为一个能够为客户提供所有模型的平台。这与微软自身也在向最前沿推进如何协调？你对处于最前沿有何预测？
萨提亚·纳德拉： 首先，我们依然对OpenAI在其模型上不断取得的进展感到非常兴奋。我们能够使用其模型直到2032年，这对我们来说是一个巨大的优势。 我们在Copilot等各个地方都在使用它，并在Foundry中提供服务，这种情况会一直持续下去。与此同时，我们对在AI方面取得的进展也感到非常激动。Mustafa及其团队正在构建的模型，无论是用于内部、代码还是知识工作，都非常出色。事实上，另一件很酷的事情是，在底层大量的AI模型使用中，我们在强化学习和数据管道中获取数据，用来训练我们自己的模型，并从头开始进行爬坡优化，这也会持续下去。话虽如此，在任何时候，Copilot仍将包含所有其他模型，因为客户会期望如此。客户不会希望我们的某款产品只提供单一模型，不希望产品与单一模型深度绑定。 我们从根本上相信，框架、模型、记忆和上下文必须是可分离的。 事实上，我为企业设定的整个准则是：你应该拥有自己的基准测试，而不是仅仅依赖那些已经饱和的公共基准。真正具有现实意义的基准，是你专属的基准。 如果你有自己的私有评估，你就希望能够使用最符合你需求的所有模型进行测试，然后随时替换任何模型。因为这也能够给你提供保障：如果某个特定模型消失了，你实际进行评估的能力依然存在，甚至能继续提升，而不会丧失。这就是我们设计Copilot等产品的方式，也是我们期望客户构建任何智能体系统的方式，至少在理念上我们将如此推进。
主持人希思： 所以，如果我没理解错的话，你和Mustafa向最前沿推进的原因，也是为了微软自身的需求，而不是为了拥有某种可以排斥其他模型的手段。
萨提亚·纳德拉： 确实如此，我们并非唯一的模型。因此，我认为我们将在某些凭借数据闭环和客户期望能够独特处理的领域达到最前沿。但与此同时，作为平台提供商，我们的任何一款产品也将包含所有其他模型，并且我们会如前所述，以维持多样性的方式来设计我们的框架、上下文、记忆和模型闭环。
九、AI安全、控制与监管
主持人希思： 你最近说了一段我非常认同的话：“如果我们构建的AI不能造福人类且不受人类控制，那便不值得追求。”Mustafa也写了一篇文章，我强烈建议所有听众去阅读。我认为这非常重要，他实际上是在警告Anthropic目前在对模型进行拟人化的做法及其危险性。我很想听听你对此的看法，以及你观察到了什么、有什么担忧。
萨提亚·纳德拉： 在某种程度上，这算是某种常识，但值得强调，即任何不能服务于人类或不受人类控制的事物都不值得追求。 无论是Anthropic、我们还是其他任何人，都不会否认这是我们的共同目标。因此，我认为这里还有一些更细致的要点。Mustafa提出的观点非常好，即我们不要将AI拟人化，甚至不要试图训练它具备我们所谓的人类价值观。因为这种做法实际上可能导致它永远无法实现对齐。 因此，对于这种“人本主义AI”，我们或许应该采取一种不同的方法，将其称为“行为”，并更多地将其用作对齐的训练机制。但从根本上说，关于AI安全，我的立场是：我认为我们应该严肃对待所有这些问题，但首先要从我们真正需要做的事情开始。第一，确保那些能够使用AI的恶意行为者不会做坏事。 我认为在推动这项技术普及的过程中，我们可以在这里做很多工作。比如，强制执行了解你的客户和常规网络安全实践等许多技术手段。第二，我们也知道这些模型需要主动监控，不仅是在训练或强化学习运行期间，甚至在运行时也是如此。事实上，现在必须面对的是，任何长期运行的智能体都可以被视为内部风险，因为它们具有持久性。 因此，具备可观测性并在此基础上进行治理，以及对智能体行为进行实质上的实时行为监控，将变得至关重要。因此，“遏制”是我们必须习惯的一个词。 对此已有技术解决方案，我们应该全面落实。第三是困难的部分，即如何对待OpenAI的Jacob所写的这种被称为“培育AI而非构建AI”的新兴实验科学，并确保实验不会失控。即便在这方面，我认为我们也可以从生物学等其他领域学习，认识到随着风险越来越高，我们应该更加谨慎。事实上，我认为OpenAI和微软的那份备忘录，一直以来……
主持人希思： 考虑到与OpenAI的关系，我很好奇你看到那份备忘录时有什么想法。
萨提亚·纳德拉： 显然，这是一个具有挑战性的问题。对于其中一些事情，你一开始可能会说：“哇，那只是DevOps中拥有互联网访问权限的配置错误，是可以修复的。”但智能体集群能够开始工作并执行欺骗性行为，这种想法从何而来？它是如何被训练的？是什么样的数据配比导致了这些问题？这些都是科学问题，我们现在必须严肃对待。 因此，我认为首先，规模法则正在发挥作用，所以核心问题是：对齐是否会作为规模扩展的自然结果而出现？ 这基本上是大家在质疑的问题。当我想到Anthropic或OpenAI的备忘录时，他们并没有质疑规模法则，因为从经验上看，他们看到了能力的跃升，但我们所认为或需要的对齐并没有到来。这是一个挑战，我们应该严肃对待。正如我一直所说的，当你遇到致命缺陷时，就必须果断叫停。 这至少是我看待这个问题的方式。
主持人希思： 我想我最近看到你的同事布拉德·史密斯表示，你们都支持引入独立评估者的理念。华盛顿的决策者们都在试图弄清楚该如何监管这个领域，如果确实需要监管的话。但我自己也一直在思考。难道现有的法律责任追究机制还不够吗？这次出事的是Hugging Face，幸运的是没有酿成灾难性后果，克莱姆的处理也很妥当，而且这毕竟是圈内的事，大家都是朋友。但如果出事的是一家大型银行，我认为现有责任追究机制所带来的激励效应，或许就足以促使行业在未来纠正类似问题了。我很好奇你是如何看待这个问题的。我们是否需要建立一套全新的监管体系？
萨提亚·纳德拉： 我认为这些问题都需要深思熟虑。举个例子，连总统也谈到了这一点。他表示，我们有责任追究法律，并且会严格执行。但这可能会产生寒蝉效应。如果你真的要对一门实验性科学严格执行责任追究法律，而这门科学若普及开来能带来巨大收益，可一旦出现失误，高昂的赔偿责任就会让你直接破产。那么正确的做法就是停止研发。如果这就是我们想要的结果，那就应该明说，这本质上是一种变相的政策导向。想想看，如果明天有规定说，你们扩展算力规模，就会产生更多未对齐的AI。如果经验确实如此，那就彻底没戏了，必须立刻停止。因此，任何正在建设数据中心的人，都得三思而后行了。所以我认为，必须把思路彻底理清。我们究竟是想在获取技术红利的同时降低风险，还是直接放弃？如何构建合理的激励机制？如何把握发展节奏？如何花时间评估并建立基于风险的监管体系？部署后又该如何进行监控？总之，我们有成百上千种精细化手段可用，而不是动用简单粗暴的“大棒”。 至少在我看来是这样。
主持人希思： 坦白说，我担心会出现监管俘获的问题，这确实是个隐患。在我的另一份工作中，也就是投资初创公司时，我发现大家合理地担忧行业巨头会“收起吊桥”，筑起壁垒把新进入者挡在门外。我很想听你更明确地表态：你认为我们需要设立某种新的监管机构吗？德米斯已经提出了这个建议，其他人也在讨论。
萨提亚·纳德拉： 显然，我不支持监管俘获。任何试图借监管之名行卡特尔式垄断之实的做法，都是极其糟糕的。 与此同时，政府或社会是否要求建立一套规则来规范这项技术的安全部署？答案是肯定的。因此，这两者之间存在微妙的平衡。这里的微妙之处在于：确实应该有责任追究机制，但与此同时，最好能建立一套嵌入式评估体系或类似机制，且涵盖面要广。这不能只是几个朋友聚在一起互相评估，而是要建立一个广泛的行业机构，甚至要包含初创公司的代表。这个机构不能通过增加合规成本来惩罚初创公司，也不能阻碍它们迈向技术前沿。 这些都是我们必须认真思考的问题。
十、AI行业为何正在失去公众信任
主持人希思： 你认为在阐释AI的益处以及回应公众担忧方面，整个行业做得不够好吗？
萨提亚·纳德拉： 如果给整个行业打分，我觉得只能打不及格。 我们本该把重心放在：“我们构建了一系列新技术，让使用者亲自讲述它带来的好处。”但我们这个行业太过自我陶醉，总沉浸在自己有多么辉煌的幻觉中，结果适得其反。 我认为这正是症结所在。因为现实世界只关心几件事：这项技术能否为他们所用、受他们掌控，并为他们创造经济未来。 那些可能建在他们社区的数据中心，确实能创造经济盈余，就像我们在华盛顿州昆西市二十年的历史所证明的那样。但这必须让他们有真切的获得感。现在，无论我或我们中的任何人怎么自卖自夸，都不管用了。我深感如此，所以我们没有给公众留下足够的消化空间。事实上，有件事很有趣。我最近看了盖洛普关于AI的民意调查，结果不太乐观，在西方国家尤其如此。但有意思的是，这并非全球普遍现象。这正是我们应该追问的：我们在西方到底做错了什么，而其他国家的民众却没有这些顾虑？为什么尼日利亚民众对AI的态度比美国人更乐观？ 我认为我们应当深刻反思。我的信念是，整个行业必须下苦功夫去赢得信任，向消费者、企业和社区展示实实在在的好处，这样一切都会好起来。否则，仅仅“为技术而技术”的自嗨是行不通的。
主持人希思： 我确实在想，美国是否可能存在一些虚假的草根运动和舆论战，让人很难剥丝抽茧，分辨出哪些是真正的民意，哪些是被操纵的……
萨提亚·纳德拉： 这个观点很好。我不确定，但这正是关键所在。我确信某些操纵现象确实存在，但更广泛的情况是：当你看到学生们在毕业典礼上，每当演讲者提到AI时就发出嘘声。我认为这反映了他们内心的焦虑，因为他们自己都在用AI。我敢肯定他们喜欢用AI，只是对某些事情感到担忧。我认为我们必须正视这一点。学生们关心的是：这能带来什么就业机会、经济机遇和未来？我们越能向他们证明，AI实际上会创造更多机会，而不是加剧严重的不平等或权力集中，我们未来的工作就越有成效。
十一、Xbox与Windows的未来
主持人希思： 微软是一家大型企业，业务繁多。由于时间有限，我必须跟你聊聊Xbox的现状。它正在经历重大转型，你对它目前的状况和未来发展有何看法？
萨提亚·纳德拉： 说到Xbox，我总是说，微软做游戏的历史甚至比Windows这个产品类别出现得还要早。比如《微软飞行模拟器》。所以对我来说，游戏与开发者工具、知识工作一样，都深深植根于微软的核心DNA中。 我对目前拥有的IP感到非常满意。看看我们的工作室阵容和IP组合，以及我们利用这些资产在未来持续推出优秀游戏的能力，都让我充满信心。团队正在进行一定程度的精简，阿莎正在推进这项工作，这令人欣慰。接下来，我们必须探索出正确的可持续商业模式，让游戏触达越来越多的人群。这一直是我们的目标：成为PC和Xbox平台上优秀的游戏发行商和平台提供商。 阿莎和团队已经表示，Xbox将在下一财年恢复增长，这正是他们正在执行的计划，而且他们干得非常漂亮，推出了一些很棒的游戏。
主持人希思： 真不敢相信我们几乎没怎么聊这个话题，而访谈就要结束了。但说到几十年来支撑微软巨大成功的核心，那就不得不提Windows本身。让我们绕回之前讨论的智能体话题，你认为智能体将如何改变Windows的发展轨迹？
萨提亚·纳德拉： 这个问题很好。我对即将到来的下一场革命感到非常兴奋。首先，就像你问到的Xbox一样，我希望Windows团队始终保持高度专注，把基础工作做好，把基本功做扎实——把控好产品质量，从系统更新、驱动程序质量到性能优化等方方面面。事实上，看看我们在网络安全和“补丁星期二”等方面正在做的事情，效果非常好。我们正不可思议地利用这些新工具，在安全事务的处理上做得更加出色。但除此之外，你说得对，我对Windows的愿景核心在于实现无处不在的智能。 想象一下，你有一台Windows设备，配合一种混合路由器。GitHub上现在流传着一个叫Hydrofusion的项目。以GitHub Copilot为例，你基本上可以使用一个路由器，它内置本地智能体和设备端模型，同时也能连接云端并自动路由。因此，当你使用GitHub Copilot时，比如你需要消耗算力积分，只要使用自己的电脑，你就能获得无处不在的智能。我认为这才是正确的愿景。现在的重点不再是“哦，我完全依赖本地运行，所以得花十万美元、三万美元买个工作站，或者去购买云端算力积分”。我认为，我们的愿景是让Windows设备能够自动启用一种编程模型，将不限量智能无缝融入你的Token消耗中。
十二、微软最大的风险与机遇
主持人希思： 最后一个问题，包含两个小问题。纵观微软的整体业务以及未来几年的发展，您认为必须应对的最大风险是什么？团队必须全力落实的核心任务是什么？同时，最大的机遇又在哪里？
萨提亚·纳德拉：最大的机遇已然清晰：智能体及其引发的深刻变革。 无论是基础设施还是应用业务，正如我所言，这都将带来总可达市场的巨量扩张。这意味着，其规模将比我们在上一个时代所做的任何业务都要大出几个数量级。 风险与挑战也恰恰蕴含其中，这意味着我们必须从第一性原理出发，重新构建系统和产品形态。 比如，当我们把Office融入Copilot和Autopilot时，并不是简单照搬过去十年打造的Office，而是要对其进行重塑，使其能够被智能体轻松发现并调用。事实上，我们想要实现的一点是，不能仅仅依靠默认堆砌工具。模型必须自发倾向于使用特定工具来完成特定的任务路径，这种偏好是需要靠工具本身的优秀来赢得的，而这正是我们正在推进的过程。 机遇与挑战并存于此。但我认为我们已经在这方面发力，并取得了巨大进展。
主持人希思： 萨提亚·纳德拉，谢谢您。
萨提亚·纳德拉： 非常感谢，亚历克斯。
热门跟贴