AIS26_Satya_Ch
发言人：他为微软创造了2500亿美元（Billion，十亿级）的市值。
微软董事长兼首席执行官萨提亚·纳德拉。
在你出任CEO的三年半时间里，股价大概上涨了……我想大约是120%。
萨提亚·纳德拉：我说到做到，会拿出800亿。我要投入800亿美元来扩建Azure。
这也许是工业革命以来最重大的变革。
这就是我们在前沿模型上的目标。我们的模型应该成为所有人可以作为基底使用的最佳模型。
我们创造技术，是为了让其他人能够创造更多技术。这就是我们的定位，我们是工具制造者。
发言人：让我们欢迎萨提亚·纳德拉。
好的。
嗨，伙计，很高兴见到你，感谢你能来。
萨提亚·纳德拉：早上好，各位。
发言人：最近怎么样？
萨提亚·纳德拉：挺好的。
发言人：感谢加入我们。
萨提亚·纳德拉：疯狂的一个周末，但我们还是如期而至了。
发言人：我们需要给前沿模型放慢发展步伐吗？
萨提亚·纳德拉：好的。
那么，我们先从常识层面谈起，那就是我们应该竭尽全力去打造那些……
首先为人类服务、并且处于人类控制之下的东西。
你知道，我们居然必须从这种层面的基本常识开始讲起，这多少有点不可思议，
但我认为这是一个很好的切入点。
谈到所谓的放慢步伐或控制节奏，至少我认为的第一点是，这项技术的广泛普及与扩散才是最关键的。
因为让这项技术带来的益处惠及各处，才是这一切的核心所在，对吧？
所以归根结底，如果你说要造福人类，那就让它以真正造福人类的方式触达人类。
这就意味着你必须拥有选择权。
必须有充分的竞争。
必须具备各种各样的商业模式，无论是开放权重、闭源权重，还是其他模式。
然后，我认为在谈论控制权时很少被提及的另一个方面，实际上是客户、
即企业或商业组织对这项技术所拥有的控制权。
因为有时候这太不透明了，对吧？
企业需要隐私；
需要能够将自己的专有知识嵌入到自己可控的一组权重中；
需要看到模型生成的所有思维链（COT）；
需要用它来微调自己的模型；
自己的知识产权不能泄露。
因此有整整一套极少被人讨论的诉求，那就是：“我真的想确保这项技术处于我的掌控之中。”
接下来就是我认为真正关键的安全问题。
我们应该严肃对待它，也就是说，我们应该投入一切必要的时间去进行充分测试。
事实上，我非常赞同引入第三方测试机构这一想法。
发言人：哇。
萨提亚·纳德拉：我成长于一家历来高度重视测试的公司。
所以现在大家惊呼“哇，他们居然引入了内嵌的第三方测试人员”，这挺有意思的。
为什么不呢？
这是个极好的主意。
事实上，我唯一想说的是，我们应该避免在“谁来测试什么、谁能获得访问权限”上形成闭门勾结的私下安排。
测试的参与度应该广泛开放。
发言人：不过，当《态势感知》（SA报告）出炉，并且前沿模型公司之间似乎开始抱团结阵自保时，你感到惊讶吗？
萨提亚·纳德拉：我觉得这源于……我猜想这确实发自一种真实的状态，即当你开始目睹——事实上这非常引人入胜，对吧？
当你开始看到奖励作弊（reward hacking），看到在这些由智能体集群（agent swarms）组成的环境中所发生的一切时，其中既有平淡寻常的部分。
比如某些DevOps层面的失误，有人错误配置了容器。
发言人：对，对。
或者泄露了API密钥。
萨提亚·纳德拉：或者是API密钥问题。
所以，是的，完全没错。
没有监控。
能直接访问互联网。
存在这类典型的、我称之为基础DevOps层面的问题。
但随后又出现了真正前所未有的全新事物，对吧？那就是常驻智能体（persistent agents）等所展现出来的奖励作弊行为。
在这一点上，我承认目前的科学理论体系还没有跟上。
我觉得雅各布（Jakob）写的一篇帖子非常好，他说这叫做：我们在培育智能，而不是制造智能。
因此这是一门实验科学。
一门科学越偏向实验性质，你就越需要确保在受控环境中进行这些实验。
如果说有什么期待的话，我希望即使针对Hugging Face事件以及其他类似事件，能够对“需要采取什么应对措施”保持更高的透明度。
事实上，目前最引人注目的问题之一是内部人员风险（insider risk）。
我是说，你想想看，对吧。
顺便说一句，如果你身处一家企业，这全都是测试时计算（test time compute），对吧。
所以这并不是说“哦，它只会在某次模型训练运行期间才会发生”。
在企业内部，只要我给这些前沿模型分配一项非常普通的任务，这种情况就可能发生。比如我说——我之前也和大卫聊过这个——
假设我说：“嘿，去帮我优化营运资金。”
它可能会去做假账，对吧？因为它找到了某种新型捷径。
所以我认为在产品构建方面有很多工作要做，比如，去构建一个因果模型，一个真正能进行检查和验证的语义模型。
因此我认为在产品构建和提升系统鲁棒性方面，有很多属于经典工程学范畴的工作，我们应该更加透明、更深入地去探讨这些。
而不是一味地说：“哎呀，这太玄奥神秘了，我们根本搞不懂。”
发言人：你认同“这很玄奥神秘”这种说法吗？
萨提亚·纳德拉：我的意思是，我认同“我们还不理解潜在空间（latent space）”这种说法，对吧。
正如常说的那样，我们真正理解人类大脑吗？
我们并不完全理解。
我们做功能性磁共振成像（fMRI），做神经科学研究。
我们不断尝试去搞明白它，逐渐加深认知。
所以在这个意义上，我认为我们确实没有建立完全透彻的理解。
顺便说一句，这就是为什么我也不相信所谓的“神经网络私语语言”（Neuralese），对吧。
这也是为什么我认为必须确保思维链（COT）使用的是我们所有人都能理解的自然语言。
事实上，要让思维链保持透明，这样当一家企业应用所有这些模型时，只要掌握了完整的思维链，就可以……
发言人：思维链（Chain of Thought）。
萨提亚·纳德拉：思维链。
这样一来，你就可以真正去深入审查它。
事实上，你可以部署多个模型，并横向比对它们各自生成的思维链。
我认为这些机制在未来都会变得至关重要。
发言人：萨提亚，你与技术专家共事了几十年。
当你作为微软这样一家在公众沟通上极其清晰干练的企业的掌舵人，看到达里奥（Dario Amodei）和他的团队所发生的一切——团队成员公开站出来宣称“人类全灭的几率有10%”。
你认为这些技术专家的脑子里究竟在想什么？
你相信他们真的认为AI会毁灭人类吗？还是说他们陷入了某种群体精神癔症？又或者他们在研发这些前沿模型时看到了某些让他们感到极度恐惧的东西？
你不是心理学家，但你和技术人员打了大半辈子交道。
能否评估一下这些机构内部到底在上演什么，导致有些人觉得非辞职不可，甚至大喊“我们全都要完蛋了”？
萨提亚·纳德拉：是啊，你知道，我很难去评判那些地方究竟在上演什么。
但不妨谈谈我们这一代人、包括我自己当年在微软内部是如何成长起来的。
比如，作为早期的工程负责人，你学到的最核心的一课就是如何处理“致命阻断性缺陷”（showstopper bug）。
发言人：对。
萨提亚·纳德拉：对吧？
这可以说是最基础的入门课，对吧？
也就是说，当你面对一个Bug时，
你该怎么办？
你是立即停工修复，还是暂缓处理，亦或是断定“这不过是个极端的边缘特例”？
这全凭工程判断。
所以我认为，随着利害关系越来越高，处理方式就必须像事务处理（transaction processing）那样严谨。
我还记得以前做数据库系统的时候，对吧？
真是容不得半点闪失。
任何可能导致事务丢失的Bug，你都必须无比严肃地对待，对吧？
数据丢失是绝对需要停下整条流水线去排查的重大事故。
所以我感觉，在AI行业的文化中，大家或许正在重新发现这一点。因为当他们看到某些东西时，有可能他们比其他人更早看到了那些致命阻断性缺陷。
如果你看到了足以叫停全场的致命缺陷（showstopper），那就叫停全场（stop the show）。
对吧？
那就去把Bug修好。
发言人：是的。
但当你看到Hugging Face的那次运行测试时，感觉极具表演性质。
德瓦尔克什（Dwarkesh Patel）写了整篇长文。
名为《文明》（Civilizations）。
你怎么看他们进行的那个测试？对此你有什么看法？
因为他们本可以设计一个测试，让3000个智能体去防御一批网站。
相反，他们却指示智能体去攻击入侵网站，而且还包含了隐藏信息、以及对智能体的各种拟人化描述等等。
萨提亚·纳德拉：我的意思是，至少据我理解，它实际上基本上是试图为Cyber Gym做一次评估。
据我所知，面对那个评估任务，它算是摸索出了一种——不妨称之为——奖励作弊（reward hacking）的途径。
这才导致它一路摸到了Hugging Face。
事实上，我认为这揭示了一个显而易见的核心问题：如果这些智能体是长期运行的常驻智能体，它们在本质上就会演变成一种新型的内部人员风险（insider risk）。
因此，我会从最基础的层面出发去思考：好，有效的隔离约束（containment）应当是什么样的？
举个例子，我认为未来真正会成为重大问题、亟需优秀解决方案的一件事，就是针对智能体活动开展基于行为特征的真正强力监控。
发言人：证据留痕。
萨提亚·纳德拉：行为证据。
一切都必须可审计。
它访问的每一个对象，对吧？
如果它去获取了密钥凭证，哦，它接下来就会串联几个动作。
当它开始把几个漏洞串联起来发起攻击时，你应该能够洞察并看到这一过程。
所以我认为，这才是应对这些情况的真正途径，而不是一味空谈。事实上，我认为我的核心观点是：围绕这门实验科学的建设，我们必须让其工程化流程变得更加健全和鲁棒。
发言人：没错。
萨克斯。
大卫·萨克斯：我认为这个观点非常深刻。
我的意思是，我非常欣赏你在Hugging Face事件中所做的区分：一方面是他们搞砸的那些寻常平淡的技术失误，比如沙箱配置错误、Hugging Face把凭证直接明文放在公开仓库里，而且毫无监控机制；
另一方面则是那些真正前所未有的全新行为——智能体集群、奖励作弊。
这才是让所有人都吓坏了的东西。
我同意。现在我们必须想办法修复这些漏洞，或者说解决由奖励作弊（reward hacking）引发的更深层次问题。
你认为这意味着什么？而且我觉得值得肯定的是，前沿实验室现在的表态是：我们要放缓追求纯粹算力与模型原始性能（raw power）的步伐，转向可靠性、可预测性以及他们所谓的对齐（alignment），我认为这是非常健全的商业实践。
我想问，你认为这对我们在未来一两年内看到的新产品意味着什么？
这是否意味着我们只是在此前已有成果的基础上做一些改良，还是说我们会看到全新的能力？
你认为这将意味着什么？
萨提亚·纳德拉：是的，大卫，这是个极好的问题。
我确实认为目前已经存在着巨大的“模型悬垂”（model overhang），对吧？
我是指“能力悬垂”（capability overhang），即模型本身已经非常强大，但要想实现广泛的普及渗透，还需要很多前置条件，对吧？
甚至要求——本质上，如果你要压缩工作流、改变工作流的运作方式，仅仅为了将这些系统融入进来所需进行的大量变革管理（change management），正是目前耗费时间的地方。
所以在某种程度上，我想说，还有打造这些全新产品形态（form factors）的能力，对吧？
我的意思是，想想编程智能体，编程智能体之所以变得真正好用，是因为人们发现可以让智能体循环（agent loop）与文件系统交互。
正是这项突破让编程智能体真正运转了起来。
而我认为现在借助像 Kua（计算机使用智能体/CUA），对吧？
也就是结合 Astra，结合 Kua，这可能是我们实现计算机使用（computer use）、或者让长轨迹任务完全自动化的一种途径。
因此我认为，正是这种“模型 + 支撑框架（harness）”的产品创新，让我们能够实现新的突破，进而推动广泛普及，对吧？
我甚至会回想起对我而言的 ChatGPT 时刻，对吧？
那就是在最后阶段引入的基于人类反馈的强化学习（RLHF），才让对话交互成为可能。
所以我想，是的，这里面有科学层面的探索，也需要合适的产品形态，才能最终带来广泛的普及渗透。
我们现在需要去发掘更深层次的突破，让它们在真实的企业环境中去承担真正的工作。
顺便说一句，在这个背景下，另一件事就是未来必然是一个多模型的世界，对吧？
到了现阶段，仅仅出于系统韧性的考虑，对吧？
想想看，现在每家企业来找我都会说：嘿，这个模型在这类场景下会拒答；
那个模型，我希望在这里拿到权重；
那个我又不需要。
所以大家必然会需要多个模型。
因此，我们必须做好的另一件事就是建立某种互操作性（interop）标准，对吧？
比如甚至像 KV Cache（键值缓存）。
为什么我不能跨多个模型家族使用，并且实现 KV Cache 的复用呢，对吧？
我们以前有过文档标准。
你我都经历过那个时代，对吧？
在现实世界的其他各个领域，你都能拥有具备互操作性的东西。
所以我想，这个行业也必须清醒过来并意识到：嘿，其实如果要我说目前最重要、最紧迫的事情，那就是我们如何能建立更多的互操作性标准？
我们如何拥有一个独立于模型的外部运行框架（harness），从而使我的记忆（memory）不与某一个单一模型绑定？
我的意思是，这是有史以来第一次，你面对这样一种技术：你对它的使用以及由此产生的衍生数据（exhaust data）可能都不属于你。
这就好比我卖给你一个数据库，然后对你说：嘿，你存进数据库里的数据不是你的，而是我的。
如果我收回软件许可，这些数据就全没了。
你对此会作何感想？
因此，我认为我们必须去应对类似这样一些非常严肃的问题。
发言人：我觉得这是个很好的切入点。
抱歉，请允许我提一个问题，把当前的现状与经济激励层面的逻辑联系起来。
现在的论调是，前沿实验室正面临 Token 成本压缩：OpenAI 百万输出 Token 的价格大约是 50 美元，而有人预估 DeepSeek 最新的模型每百万输出 Token 成本可以低至 15 美分。
就算说是 60 美分，那也是 99% 的成本削减。
如果这就是前沿实验室所面临的重大经济症结所在，那么为什么大多数 Token 还要付 50 美元？
大多数企业在大多数任务上明明只需花 60 美分，为什么还要去付 50 美元？
这难道不也引出了一个问题：他们的商业模式是不是搞错了？
我想把这个问题提给你，作为微软的 CEO。
什么是正确的商业模式？
你是想去做前沿模型？
还是想去运营算力，收取算力租金？
亦或是想深耕应用层？
我知道你经常谈及这个话题，但我很想听听以我们今时今日的视角，你如何看待这一切……
萨提亚·纳德拉：我认为我们正在观察到的根本现象，就是传统而纯粹的良性竞争，对吧？
我的意思是，回顾历史，我们曾经拥有过非常出色的闭源资产。
比如 Windows。
制衡它的力量是什么？
当然有 Mac。
但更有 Linux。
我们曾有一款出色的闭源产品叫 SQL Server。
制衡它的力量是什么？
始终有 Postgres 或 MySQL 这样的替代品存在。
所以我想，现在正在发生的情况正是如此。
闭源与开源之间存在着切实的竞争，开源带来的制衡是实打实的。
坦率地说，这是件好事。
因为如果没有这种制衡，我认为我们就不可能拥有一个广泛的前沿生态系统，也不可能实现广泛的技术渗透。
否则的话，我们又会倒退回某种大型机时代的厂商锁定（lock-in）。
那根本行不通。
回到你的观点，基于此，我们现在有望在每一个层级都持续拥有丰富得多的选择，对吧？
所以对我来说，希望我们能开始构建这些 AI……
因为在今天，如果你真的想做一家产品公司，一款 AI 产品的绝大部分版税/利润全被模型层抽走是毫无道理的，对吧？
这绝不可持续。
事实上……
道理都是相通的，对吧？
就拿数据库来说。
如果没有开源对闭源的制衡，数据库的价格就不可能降到一个让大家能成功构建应用层并享有合理利润率的水平。
因此我认为，应用在经济层面将会变得更加切实可行，这对整个生态系统而言是一件大好事。
并且还会涌现出所有这些其他层级的中间件，我们可以这么称呼它，对吧？
也就是：嘿，我的记忆系统是什么？
我的运行支撑与编排层（harness and orchestration layer）是什么？
所以在那里将会出现一个非常丰富的工具生态系统。
模型公司也会活得很好。
事实上，按照帕累托法则，他们可以根据自己的模型家族来管理 Token 定价。
如果说有什么期望的话，我甚至希望他们去致力于 KV……
你懂的，建立这些标准，以便我们能跨多个模型家族进行调用。
事实上，这对他们反而更好。
实际上，我最早在微软做的工作就是 Windows 与 Unix 的互操作。
事实上，这在当时是反直觉的，对吧？
我们过去总以为：天哪，做这种互操作意味着我们的使用率会下降。
结果恰恰相反，我们被用得更多了。
事实上，我们变成了……
奇妙的是，由于当时 Unix 存在太多变种，Windows 的互操作性反倒让 Unix 变得更好，也让 Windows 变得更好。
事实上，我们之所以能打入企业级市场，主要就是因为我们做了这项互操作工作。
所以至少这是我的思考方式。
发言人：萨提亚……
我们正处在一个非常微妙的时刻：一方面，有这些专家呼吁监管、呼吁审查与治理。
这通常总是会导致某种程度的自由受限。
而普罗大众则被迫处于一种不得不去评判其是对是错的境地。
但另一方面，大多数人在现实生活中的切身体验，并不是 AI 带来的这种神奇的生产力飞跃。
充其量也就是整合一下我们的 Apple Watch 数据，告诉我们为什么睡眠变少了。
对大多数人来说，这基本上就是实际达到的门槛。
或者向 ChatGPT 提问“为什么我家孩子这么混蛋”。
所以你能帮我们弥合这两者之间的鸿沟吗？
我的意思是，你看到了那么多的企业级应用。
魔力到底在哪里？
利润的增长体现在哪里？
AI 正在创造的、能让大家在某种程度上理解当前所有这些矛盾与紧张关系的巨大颠覆性突破，究竟在哪里？
萨提亚·纳德拉：是的，这个观点非常好。
我的意思是，我认为这才是真正的核心问题：我们如何才能真正在生产力统计数据中看到这一点？
我们如何才能真正看到它转化为普惠广泛的 GDP 增长？
而不仅仅局限于供应方或供给侧。
我的意思是，我非常喜欢并且经常引用的一个例子，实际上医疗保健领域就是一个极好的例证，对吧？
想想医疗行业，哪怕只是医患之间最简单的互动。
在我们微软，有一款产品叫 DAX Copilot。
这是我始终能够指出的最切实的例证：当医生能够把更多时间花在病人身上、
关心照顾病人，而不是单纯在电子病历（EMR）系统里录入数据时。
这就是实实在在的生产力提升。
如果它能为医生分诊和整理收件箱，使他们能更及时地响应，这对患者和医疗护理体系都大有裨益。
还有行政人员的录入，因为这是支付方（payer）、患者和医疗系统三者之间的协同对接。
仅此而已。
事实上，医疗领域的绝大部分成本本质上都是工作流成本。
因此，驯服这种工作流的复杂性，是一件极有助益的事。
发言人：但在微软内部，或者在你们所帮助的客户身上，你看到这些成效了吗？
萨提亚·纳德拉：是的，当然。
我们看到了。
顺便说一句，即使在简单的 Copilot 应用场景中也是如此，对吧？如果你看看受影响的工作量——大多数人想到的是工作岗位，
我认为确实会发生岗位替代。
但核心在于，能够创造出哪些新岗位将是其中最关键的维度之一。
但同时，不幸的是，许多知识性工作本身就是苦差事，对吧？
你懂的，我早上起来就会想：天哪，我所做的一切就是在那儿分拣邮件，对吧？
你想，如果能解决掉这些占用了你原本可以做更有价值事情的时间的工作流呢？
发言人：好吧，你提到了一个极好的观点。
如果我们一路追溯到世纪之交的工业革命时期，当时人们实行的是一周七天工作制，
你知道，很多人都忘了我们当初为什么要引入双休日？
当时是为了调和必须在同一家工厂共事、信仰不同的宗教群体之间的矛盾。
然后当你观察长期 GDP 增长时，除了一些外生事件外，大致就是在 200 到 400 个基点之间。
因此实际发生的情况是，随着生产力提升的到来，人类工作退居其后，最终完成的工作总量大致持平。
你认为这次也会这样吗？
是否存在这样一种风险：我们虽然实行了每周三天工作制，但经济增长率却依然停留在 2.5%？
萨提亚·纳德拉：是的，这是个极好的问题。
抑或我们会发现全新的事物？
这正是让我感到兴奋的地方，至少对我而言，去探究 AI 的真正影响究竟会是什么——而不是仅仅去想：
嗯，它帮我增强了某些工作流，或者简化了当前正在发生的某些事情；关键在于它是否在发明新事物？
它是否在加速药物研发？
它是否正在——我不知道，让我们再回到我之前举的例子：一个小微企业的营运资金管理变得极其高效，
以至于突然之间不再只是‘哦，我有一个类似 ERP 或 QuickBooks 的工具’，而是我真正能够基于对发票、
邮件等各类信息的深度洞察来做决策，并以某种方式优化我的营运资金。
那是以前根本不存在的生产力。
所以我确实希望我们能开始看到 GDP 的增长，就像我们在工业时代第一阶段所见证的那样。
发言人：对。
萨提亚·纳德拉：对吧？
所以我认为这才是所需要的，对吧？坦白讲，为了让这一切成为现实，
我们确实需要看到至少 7% 到 8% 真实的、广泛的 GDP 增长。
发言人：那么微软在 AI 领域到底是在做什么业务？
显然，Azure 的表现一直极其亮眼。
你们甚至在拒接客户，并且正在进行 1750 亿美元的资本支出建设。
但你们的资本支出远低于 Meta，也远低于谷歌。
他们在进行二次融资并发行债券，规模达 3500 亿美元。
前沿实验室正在投入 5000 亿美元。
你们凭借对 OpenAI 富有先见之明的投资，很早就入局了这场盛宴。
但后来我觉得 Copilot 并没有真正打响。
它的反响并不好。
你们并没有自己的前沿模型。
这里的商业模式到底是什么？
请正面回答这个问题。
不，但这里的商业本质到底是什么？
究竟——你们需要拥有前沿模型吗？
我们之前有告诉过你嘉宾席里有一位记者吗？
不，不，不。
我是认真的，因为我确实很好奇。
你是一位伟大的战略家。
我们都知道你这一点。
微软错过了移动革命。
如果你们没有前沿模型，微软会错过 AI 革命吗？
因为我一直对你们没有前沿模型感到困惑不解。
说实在的，你们在那里的战略究竟是什么？
你认为开源会赢吗？
你们应该采取那种打法吗？
萨提亚·纳德拉：好的。
那么让我逐一向你们梳理一下我们的现状以及我们在这些方面的具体布局。
顺便说一句，在资本支出和基础设施建设方面，我们起步很早。
所以如果从累计角度来看，这是个不错的——我并不是说——眼下大谈巨额资本支出并不是什么优势（feature），
而是一个缺陷（bug）。
但如果你真的去把账算清楚，考虑到我们的起步时间，因为我们在大家意识到甚至需要建设之前的很多年就已经开始了。
所以这是其中的一个方面。
另一个方面是，我们校准资本支出的方式是，我们不想只为一两个客户去建设，对吧？
我们希望为长尾客户建设，对吧？
因为我认为那才是最重要的。
也就是说——如果你是一家超大规模云厂商，你不可能只做两家模型公司的供应商。
那根本算不上是一门生意。
你基本上必须构建一个系统，既非常适合大量的第三方，也适合我们自己的一方业务（1P）。
在这种背景下，如果你看看我们公布的订阅用户数据，我们对 Copilot 所取得的进展感到相当振奋——这实际上又回到了查马斯（Chamath）的根本观点，那就是这些都是真实的企业在将其用于真实的工作流。
事实上，在 4 亿多总用户中，我们现在已经拥有了 3000 多万——记住，整个知识工作者群体的基数，对吧？
大多数人谈论的是互联网上的 30 亿人、40 亿人。
而在知识工作领域，Office 365 或 Microsoft 365 算是一个基准。
共有 4.5 亿用户。
这还包括了全世界所有的学生。
发言人：哦，哇。
萨提亚·纳德拉：对吧？
所以当我们谈论——所谓‘被定义的市场’，真正的企业用户大概也就是 3 亿，甚至 2.5 亿。
而在这当中，我们的渗透量已经接近 3000 万，而且还在持续增长等等。
在模型方面的考量是，我们显然对投资 OpenAI 以及长期拥有其知识产权（IP）的使用权感到非常高兴。
我们会充分利用这一点。
但我们在构建自己的 MAI 模型方面也进展顺利，对吧？
如果你看一下，我们有一个 Flash Cyber 模型，你知道，通过我们的调度框架（harness）编排其他模型，它在 CyberGym 上的表现甚至超越了 Mythos。
在代码编写方面我们也看到了同样的情况。
在知识工作方面我们也看到了同样的情况，对吧？
所以我们的目标基本上是从底层向上攀登（hill climb），顺便说一句，不蒸馏任何东西。
就是从最底层开始，利用我们的 RLE、我们的数据，并且在企业端建立起差异化的优势，回到满足他们的一些需求上，比如他们会问：‘嘿，我能拿到模型权重吗？
我能拿到权重，然后把它们融入到我自己的知识体系中吗？’
这些都是我们将通过我们的基础底座来做的事情。
发言人：我想你给企业的最好建议是：AI 主权非常重要。
把你的数据输入到前沿模型中，可能并不是个好主意。
而你们将成为他们的那个调度框架（harness），帮助他们实现这一点。
萨提亚·纳德拉：我的建议更倾向于：博采众长，但不依附于任何单一模型。
例如，我的试金石（acid test）是，你应该始终针对那些对你至关重要的评估指标（evals）做到极致，对吧？
那么你想要的结果是什么？
你应该用所有的模型去跑一遍那个结果。
然后我会做这样一个测试：
我会撤掉某一个模型，看看是否还能保持同样的评估效果。
如果做不到，那就意味着你确实依赖了某样可能属于你、也可能不属于你的东西。
发言人：对。
萨提亚·纳德拉：所以我的基础企业架构主张是：你应该拥有一个模型系统，从根本上允许你在属于你自己的评估基准上持续自我提升（hill climb），同时使用所有模型，无论是闭源的还是开源的。
如果你愿意，你甚至可以微调其中的任何模型，甚至可以替换模型。
发言人：萨提亚，接续贾森的问题，你曾经有过这样一个令人难以置信的时刻——我想我们当时引用了——你说，你知道，我们兜里有 800 亿美元。
但进一步展开这个问题，实际上已经出现了一种所谓的‘AI 银行’。
并且存在这样一种融资机制，它对整个生态系统、乃至现在对整个宏观经济都至关重要。
但你们一直非常有纪律性。
你们拥有庞大的资产负债表。
你们也是投资级的发债主体。
所以你们本可以像黄仁勋那样做，但你们采取了一种截然不同的资本配置方式——下注更大，高度集中，并且基本上坚守在自己的生态系统内。
请给我们讲讲你作为微软资本配置者的思维方式，以及对资产负债表的考量。
萨提亚·纳德拉：好的。
我看待我们业务组合的方式——无论是超大规模云、我们的模型，还是我们的应用层——会看需求的形态，以及针对这种需求进行建设的方式。
如果你思考这些资产，对吧，它们分为两类：
一类是长周期、长寿命的资产，比如土地、电力、未装修机房（cold shell），我们可以这么称呼它。
然后是设备套件（kit）。
套件属于短期资产，换句话说，你更能以需求为驱动，对吧？
比如我必须预测未来两三年后的需求。
发言人：套件是指机架、芯片。
萨提亚·纳德拉：机架、芯片等等。
而这占到了成本的大概 60%，对吧？
因此，我们的做法是尽全力去自建。
我们租赁。
我们甚至租借。
眼下我们甚至租借了相当多的算力，因为我们之前的供应有些短缺。
但总体目标是多自建，租赁一部分，如果确实需要应急扩容，我们甚至会租借。
资产方面大致就是这样。
至于芯片本身，首先，我们会尽力确保与需求相匹配。
而且正如我所说，我的目标不是只有两家、三家客户。
OpenAI 作为我们最大的客户之一固然很好。
他们在增长也很好。
但我们需要更多客户。
发言人：目前硬件设备（套件）是否存在超额盈利？
行业是否在推动多元化——更多的算力芯片、更多的内存、更多的供应商？
萨提亚·纳德拉：是的，现在的情况是，达到规模化的工作负载显然是从现有的 GPU 体系中成长起来的。
但现在，其形态已经被充分理解，以至于你能够针对一个完全不同的世界进行优化，对吧？
所以你可以开始构建。
并且意识到，在推理阶段或训练阶段存在多个不同的阶段。
那么为什么不构建针对这些阶段进行优化的芯片呢？
这必然会带来一种系统架构，我认为从定义上讲，它将具有更多的多样性。
我的意思是，我知道你们邀请了黄仁勋来。
他自己，如果你看看他自己的架构，也在发生极其剧烈的变化。
发言人：确实极其剧烈，是的。
萨提亚·纳德拉：所以我认为即使在那一层也会有更多的选择。
就我们而言，我们有黄仁勋的产品，我认为那是我们的核心支柱。
我们有我们自研的。
OpenAI 正在自研芯片。
所以那也会有一席之地。
AMD 也在其中。
所以我的策略是，无论是 OpenAI 的模型、Anthropic 的模型还是我们自己的模型，都运行在异构的硬件套件之上。
发言人：萨克斯，我想在时间用完之前让你插进来提个问。
大卫·萨克斯：好的。
好的。
所以，你看，我们现在从各个前沿实验室的掌门人那里听到——山姆、达里奥、埃隆、德米斯——我们必须优先考虑对齐（alignment），比如我们谈论的可预测性、可靠性、鲁棒性，而不是单纯追求原始算力或模型能力。
你认为中国的实验室会跟进吗？
萨提亚·纳德拉：我认为这正是应当优先展开的对话，对吧？
因为在某种程度上，我自己的设想是，如果美国关心这些安全问题，中国也应该同样深刻关切这些问题，对吧？
为什么对他们来说会有所不同呢？
毕竟他们不可能不会面临同样的黑客攻击问题。
这并不是说他们不希望确保自己的公民能从人工智能中获益，就像我们希望我们的公民从人工智能中获益一样。
所以我认为，如果我们切实弄清楚风险究竟是什么，围绕它建立国际规范是完全有可能的。
为什么这种风险会如此具有特异性，以至于唯一为此感到担忧的只有美国人？
这根本说不通，对吧？
这根本不像那种会说“哦，我只会出现在美国”的事情。
变成某种只属于哪里的东西。
如果真要出问题，它会在所有地方同时出问题。
所以我认为中国应该会在乎。
我是说，他们可是一个超级大国。
发言人：嗯，你用了“特异性”这个词，我认为这个词用得很贴切。
我觉得我们目前还不得而知。
过去一周我们在美国进行的这场讨论，究竟是对我们而言特有的——因为我想你可以说我们这里有强烈的末日论（doomer）思想流派？
还是世界其他地方基本上也会感同身受的事情？
这是一个极好的问题。
如果他们也这么觉得，那么想必他们也会想要据此采取行动。
萨提亚·纳德拉：是的，我只是觉得我的看法是，我们处于领先地位，而且我们秉持着自身的特质——我们会争论，会某种程度上竞争，我们更加透明，顺便说一句，在我看来这些全都是美德。
因此，这场辩论在这里发生，世界也会因此变得更好，对吧？
所以在某种程度上，由我们来树立标准……
如果说有什么期望的话，我希望美国能在这些规范上发挥引领作用，使我们能够广泛普及这项技术，并制定出适用于全世界（包括中国在内）的安全标准。
发言人：但你认为有哪些事情是我们应该做而目前没有做的？
而你在微软正在做些什么来改变这种叙事，改变那种认为我们必须关停超级智能、停止建设数据中心等等的民粹主义情绪？
萨提亚·纳德拉：对我而言，我完全聚焦于回答查马斯早些时候提出的问题，那就是：这正在让谁受益？
给我具体的案例，对吧？
我们稍微谈过生产力方面的收益，无论是在医疗领域，还是在一般的知识工作、编写代码方面。
但我可以再给你举个例子，对吧？
我当时在关注数据中心的情况，因为毕竟我们今天在这方面谈得不多。
但如何在某个地区获得建设开设数据中心的许可，是一个真正的挑战。
事实上，我们在华盛顿州昆西建设了一个数据中心，现在正好掌握了近 20 年的一些最好的纵向追踪数据，你知道，我们是在 2008 年左右开始启动的。
当我审视那些数据以及它对那个社区的意义时，那里的税收增长了 12 倍，实缴税额下降了三分之一，昆西的增长率比西雅图还要高。
这是一个乡村小镇。
他们建了一所新学校、一家新医院、一个新城镇中心、一个新水上运动中心。
发言人：哇。
萨提亚·纳德拉：大多数人会说：哦，那里并没有创造那么多就业岗位。
事实上，在过去的整个 20 年间，该地区一直维持着 1,200 个建筑类就业岗位，对吧？
因为这根本不是那种建完就走的事情。
你在持续不断地翻新、建设、扩建。
发言人：那个数据中心有多大规模？
萨提亚·纳德拉：我想它现在至少要有 400 到 500 兆瓦，而且它还会继续扩建。
发言人：好的。
萨提亚·纳德拉：所以这些都是——这就是真正切实的——比如那个社区，赢得当地的认可，不能仅仅口头上说“嘿，这些都是好处”，而是让他们亲眼看到。
发言人：但你如何让人们去讲述那个故事呢？
因为今天缺失的正是这一点，那些故事并没有被自发、真实地讲述出来。
如果一个微软的高管走上台说：别担心，这对社区有好处。
萨提亚·纳德拉：是的。
不，我不觉得——是的。
所以我觉得讲故事是一方面。
另一方面是，我认为我们只需要更多科技行业之外的人出来表示认同。
因为如果你去华盛顿州昆西，他们会告诉你：谢天谢地有了这个数据中心。
这是属于——比如，你知道，所以对我来说，那就是——当它如此切实可感的时候。
因为那是赢得许可的唯一途径。
因为在某种程度上，人们对我们科技行业任何人空口说白话的怀疑是如此之深，以至于我认为我们现在必须脚踏实地做艰苦扎实的工作，在现实世界中切实做出成果，
才能让人们说：好吧，我现在相信你了。
发言人：这是一项需要锻炼的新能力。
这是一项新能力。
这是一项新能力。
萨提亚，我认为你是展现这项能力的绝佳发言人。
希望你以后能多展现一些。
感谢你能来参加我们的节目。
萨提亚·纳德拉：非常感谢。
发言人：非常感谢你。
萨提亚·纳德拉：谢谢各位。
发言人：感谢你抽出宝贵时间。