摘要：那些伴随公司成长的人常常会觉得成功是自己带来的，但事实是，我们都是顺势而上。而当潮水退去，我们必须重新找回公司的根基。

“我确实认为，成功本身会带来挑战，因为你会逐渐忘记是什么让你成功的。

那些伴随公司成长的人常常会觉得成功是自己带来的，但事实是，我们都是顺势而上。而当潮水退去，我们必须重新找回公司的根基。

这种遗忘往往是大型成功企业走向衰落的原因。”

今年3月，微软CEO 萨提亚·纳德拉（Satya Nadella）在South Park Commons播客中访谈中，围绕科技行业的未来展开了一场深刻的对话。

他回顾了自己的职业生涯，探讨了微软如何在AI时代重新定义竞争力，以及他对未来计算架构、量子计算、智能体发展方向的思考。

2014年2月4日，纳德拉接掌微软。当时的微软正因为错失一系列的创新机会，在信息技术变革的浪潮中逐渐落伍，被苹果、亚马逊、谷歌、脸书等公司超越，市值跌至2000亿美元。

他重新定义了微软的使命：“予力全球每一人、每一组织，成就不凡。”将四分五裂的团队凝聚在一起，并向新的方向突破，为微软注入了新的能量和远大的愿景：人工智能、混合现实、量子计算。

如今微软市值近2.9万亿美元（截至2024年3月17日）。

在这次访谈中，纳德拉分享了他对企业如何在竞争中实现传承与进化的理解，并强调选择正确的竞争赛道，比单纯赢得竞争更重要。

他提到，在科技行业，“没有真正的护城河”，创新公司必须不断颠覆和进化，否则就会被时代抛弃。“我们必须不断‘射门’，否则连进球的机会都没有。”

纳德拉认为，未来的AI发展主要有三个关键方向，微软正围绕这些趋势进行深入布局。并特别强调，单纯的AI模型已经无法支撑长期竞争，完整的计算架构和成功的产品才是关键。

他认为，AI时代的计算架构以及如何在客户端有效利用计算资源，都是被低估的两大关键方向。

在AI领域，纳德拉认为，AI的真正价值在于改变“获取能力”的边界，让更多人获得技术赋能。而要与AI共舞，需要我们保持好奇心和批判性思维。

他发出了扣问，在AI时代我们是否需要重新思考教育的本质？并提供了一个开放性的思考，“如果未来的孩子可以用AI去构建任何他们想要的东西，那么是否应该更多地培养他们的探索精神和自信心，而不是过分强调考试和传统意义上的 “知识储备”？！”

除了AI，纳德拉还深入讨论了量子计算的未来。微软在这一领域投入超过20年，但他认为，量子计算不会取代经典计算，而是与之协同发展。

本次对话所涉及的内容，尤其是如何在AI、云计算和量子计算时代重新定义企业竞争力，非常值得科技和投资行业深思。

回顾初入微软：意识到趋势是不可逆的

主持人我们想回顾你职业生涯中的关键时刻，看看你在 “负一到零” 阶段的思考和经历。你加入微软的1992年。当时在微软面试的感觉如何？为什么你选择微软，而不是去初创公司？

纳德拉“负一到零” 的概念非常有趣。

33年前，我其实是在 Sun Microsystems 工作。我研究生毕业后的第一份工作就在山景城。1991年，我去马士孔尼会展中心参加了一场开发者大会，那时微软首次推出了 Windows NT，也首次介绍了Win32。

当时，我突然有了一个想法（当然现在回过头来看，这可能有点马后炮）：X86 架构会赢。

当平台转换发生时，往往是不可逆的，尽管需要时间，但趋势是明确的。

这让我意识到：尽管Sun Microsystems 在当时实力惊人，拥有全栈系统，自己设计芯片、开发操作系统，甚至在办公软件领域也有所布局，但我还是觉得 X86才是未来。

这促使我加入微软，尽管当时我既不是Windows用户，也从未对DOS有过太多好感。

但我觉得微软是那个能够真正抓住这个趋势的公司，更重要的是，它能够真正成为一股推动技术普及的力量。

主持人你的面试过程激烈吗？要知道，微软的面试可不简单。

纳德拉哈哈，那时候的微软面试就是典型的老派微软风格。我觉得现在的面试方式比当时要好一些，至少你还能刷刷 LeetCode，而不是直接上黑板或者白板解题。

当年我就是这样面试的，不知道怎么的，居然通过了。

但我永远不会忘记最后一个面试问题，这也是我回答可能最糟糕的一次。

当时，微软有一个叫 “As Appropriate” 的面试环节。如果你顺利通过前面的面试，你就会被安排去见一个名字不在面试名单上的人，直接去他们的办公室。这通常意味着你基本上要被录取了。

而这个人的最后一个问题，我到现在都记得清清楚楚。他问我：“假设你正在过马路，一个婴儿摔倒了，你会怎么做？”

我当时脑子里想，这是什么算法问题？是不是我没学过的某种问题？然后我回答：“我会打911。”

结果，他站起来，把我送出了办公室，并对我说：“你知道当一个婴儿摔倒时，你应该做什么吗？你应该把他抱起来，安慰他。”

当时我心想，完了，这下肯定没戏了。

但事实证明，人生总会给你一些意想不到的学习经验。

好的组织文化是能帮助传承与进化

主持人90年代，微软几乎覆盖了所有关键技术领域，建立起了一个多元化的技术生态。尽管今天的微软文化与当时有所不同，但你会如何描述微软的文化？

纳德拉今年4月4日，微软将迎来50周年。最近我们也在讨论公司的文化到底是什么，以及它的核心理念是什么。

比尔・盖茨和保罗・艾伦当初有一个比喻，或者说是一个想法：他们想要建立一个 “软件工厂”。要知道，在微软创立之前，根本没有所谓的软件行业。所以，他们的目标就是建立一家专注于软件开发的公司，而不是某个特定类别的软件公司。

最早，他们从Altair计算机的BASIC解释器做起，这是当时最合适的起点。

事实上，微软的飞行模拟器甚至比Windows更早推出，这是我们历史最悠久的产品之一。

所以，从某种意义上来说，微软一直在寻找软件工厂的各种应用场景，这甚至引领了知识型工作的发展。

微软的文化，就是如何聚集最优秀的人才，打造最强的软件工厂，从而创造世界所需的软件产品。

回顾过去，我认为这种思维方式对所有创业者来说，都是一个很有价值的启示。

我发现许多公司都会在某个产品、某项技术或某种商业模式上深深沉迷。但问题是，任何东西都有耗尽的一天。我也在思考，这种 “软件工厂” 的理念是否对微软的文化有影响。

当你思考公司文化时，你会发现，关键在于进来的那些人才是否能够真正为这个 “工厂” 创造新的价值。

每当有更好的想法、更先进的技术，微软是否能勇敢地向前，而不是固守于去年构建的某个产品？或许正是这种文化，帮助我们保持了活力。

我并不认为文化是一种静态的东西，我们一直在努力营造一种学习文化。

如今，我喜欢用 “成长型思维” 这样的词汇。

但实际上，我在想微软是否从一开始就有这种成长型思维和学习型文化。这或许正是公司最初架构带来的影响。

主持人你是说 “软件工厂” 是微软内部的常见说法吗？

纳德拉并不是。在我成长的微软，我们更喜欢称自己为 “软件公司”。

这个 “工厂” 的比喻更多是在我们探讨50年历史时产生的。尤其是当下，我们正处于又一次技术变革的前沿。

今天，当AI和AI代理成为趋势时，我们如何重新定义 “软件工厂”？这才是我目前思考的问题。

我希望从微软的历史中寻找答案，并让这个概念在当下变得更具现实意义。

仅仅活得久并不是目标，保持传承与进化才是。因此，是什么赋予我们在未来依然具有传承与进化的勇气？这是我一直在研究、学习和思考的问题，也是我想要清晰表达的内容。

科技的本质就是不断被颠覆，我们必须不断“射门”

主持人2000年到2010年，微软似乎经历了一段 “迷失期”。在此之前，你们几乎赢得了一切，但随后，有那么一段时间，你们不再是市场上最耀眼的赢家。

你当时是什么感觉？公司的文化又是如何应对的？你个人是怎么经历这段时期的？

纳德拉在90年代，微软和竞争对手之间的差距是非常明显的。特别是在90年代后期，市场上只有微软和它的竞争者，而不像今天，全球有七八家顶尖科技公司，并且几乎每天都有新的竞争者从某个地方崛起。

比如OpenAI就证明了，一个全新的公司可以迅速成长为行业的领军者。如今科技行业的活力令人难以置信。

成功带来了挑战，尤其是，当你获得成功之后，很容易忘记是什么让你成功的。

我认为在2000年代，微软并不是没有创新想法，也不是没有尝试新事物。但很多时候，我们错过了一些机会，因为我们过于沉迷于现有的成功模式，或者不愿意去探索那些不够方便、不够完整的想法。

史蒂夫・鲍尔默曾给过我一个非常有价值的建议，他总是说：“你必须有一个完整的想法。”

这句话让我受益匪浅。很多时候，我们会有一些新的产品构想，但它们往往不够成熟。而真正成功的创业者之所以能够取得成功，就是因为他们的想法是完整的。如果你的想法不够完整，作为创始人是很难成功的。

在大公司内部，你需要的是一群 “再创业者”（re-founders），他们在不同的阶段都能拥有完整的构想，并推动公司不断向前。

许多成功的大公司都会犯一个错误，就是把自己当作成功的原因，而不是承认自己只是顺应了潮流。当潮流改变时，公司需要重新塑造自己，而不是沉迷于过去的辉煌。我认为，这正是很多大型成功企业走向衰落的原因。

主持人我最深刻的印象是，微软内部真的很愿意学习，愿意尝试新事物。

纳德拉是的，微软确实一直在坚持尝试，有时候可能过于固执。但在科技行业，这种坚持是必要的。

你必须不断尝试、不断进攻。

因为科技行业的网络效应是极其残酷的，如果你能掌控它，它会给你巨大的优势；但如果你站在错误的一侧，那就会变得非常痛苦。

所以，我们必须不断地 “射门”，这可能是保持的唯一方式。

主持人这正是我们在创业初期告诉创始人的道理，但看到它在如此大规模的公司里依然适用，真的很震撼。

纳德拉没错。我觉得，对在座的创始人来说，好消息是，在科技行业，没有真正的护城河。从某种意义上说，这让科技行业变得极其可怕。

你可能在财务上保持盈利，但如果你想保持传承与进化，就必须不断地构建新的产品，不只是跟上趋势，而是要主动发明新事物。这个行业的本质就是不断被颠覆。

始终关注创造双赢的长期合作

主持人很多人都把微软称作 “逆袭之王”，特别是在你成为 CEO 之后。老实说，我曾以为微软会变成那种缓慢衰退的科技巨头，但在你上任后，一切开始发生变化。你谈到过微软文化的重塑，也强调了 “再创始” 的概念以及保持传承与进化。

让我们回到你成为CEO的 “负一阶段”—— 当时你做的第一件事是什么？是如何推动这场转变的？

纳德拉在云计算时代，真正的功劳不在我，而在史蒂夫・鲍尔默。那时候我还是他的直接下属，他才是那个做出关键决策的人。

事实上，我在如何成为一名有效的CEO这件事上，从鲍尔默身上学到了很多。

他给了我自由，让我去投资云计算，即使当时华尔街并不买账。

这正是一名真正的CEO该做的事情：挑战主流观点，并赋能团队，让公司内部的人去推动变革。

从某种意义上说，鲍尔默完全不在意这些外界的评价，他已经在微软取得了巨大的成功。但正是他的领导方式，让我学会了如何管理公司。

而比尔・盖茨的远见和战略思维，同样对我产生了深远的影响。

主持人你们在 OpenAI 上的投资，以及其他众多 AI 公司。这对今天在座的创业者们来说特别有意义。他们该如何与微软合作？如果他们想向你的基金 M12 融资，该如何推销自己？

微软的投资记录堪称传奇，而且却很少被公开谈论。

（聪投注：微软 M12是公司旗下的风险投资基金，专注于投资早期到成长阶段的科技初创公司，最初成立于2016年。M12并不是一个单纯的财务风投基金，而是微软生态系统的延伸，其投资主要服务于微软的战略目标，如推动Azure云计算、AI、SaaS、企业级软件等领域的发展。最经典的案例就是投资OpenAI。）

纳德拉与初创公司生态的合作，无论是通过 M12，还是其他方式，对微软来说都非常重要。

但严格来说，我们并不是一个单纯的投资机构。

比如，当年我们想投资Facebook，并不是因为投资回报的考虑，而是因为我们当时希望在广告业务上建立合作关系。

OpenAI的情况略有不同。当我们最初支持他们时，他们还只是一个研究实验室。而如今，OpenAI已经发展成了一家成功的产品公司。

微软一直紧密关注着Sam和他的团队，并随着他们的愿景不断调整我们的合作方式。对我们来说，OpenAI 不仅是一个投资对象，更是一个至关重要的商业合作伙伴。

微软的基因中有两个核心要素：我们是一个平台公司，也是一个合作伙伴公司。如果没有合作伙伴，就不会有平台的稳定性。

无论是初创公司还是成熟企业，我一直在寻找那些能够与微软建立长期、稳定、互利合作关系的伙伴。

我职业生涯早期，负责微软数据库业务时，就曾与SAP合作，让SQL Server 成为SAP的底层数据库。这种合作模式对双方都极为有利。类似的例子还有 Wintel。

所以，我始终关注的是能够创造双赢的长期合作关系，这种关系不仅对微软有利，对合作伙伴本身也至关重要。

单纯模型已经不足以支撑竞争

主持人你们在OpenAI上的投入越来越大。但面对谷歌、Meta 等竞争对手，他们都有自己的基础模型，你是否会觉得微软在这方面略逊一筹？毕竟，曾经有一句话：“真正的公司都拥有自己的晶圆厂。” 如今，是不是可以说 “真正的公司都应该有自己的基础模型”？

纳德拉我的看法是，微软是一家全栈系统公司，我们希望拥有完整的系统能力，而基础模型确实是其中一个重要组成部分。

当初我们与 OpenAI 合作，是基于一个非常明确的技术判断，即规模定律（Scaling Laws）。

当时，Sam、Ilya、Greg 等人深信大规模训练模型可以带来突破性的成果。事实上，我最早接触到这个概念，是Dario（Amodei）发表的一篇关于规模定律的论文，它让我意识到这将是AI领域的核心变革方向。

当时我做出的那个赌注就是：（核心变革）重点在自然语言领域。如果不是自然语言的突破，我们可能都不会去做这件事。

现在我对强化学习有了更深入的理解，但如果当初OpenAI的方向不是自然语言，我们可能不会走到今天。

毕竟，作为一家以知识工作者为核心的公司，微软一直痴迷于自然语言处理，这也是比尔・盖茨多年来最关注的领域之一。

长期以来，我们的思维模式是用结构化的方式去理解世界，即定义人、地点、事物，构建最完善的本体和模式，然后通过这种方式让智能系统成长。

我们在这条路上走了很多弯路。

最终我开始意识到，这种方法可能并不适用于现实世界，因为世界本质上太混乱了，SQL这类结构化方式根本无法完全适应它。

我一直在想，总会有人找到另一种方式来构建语义理解，而这次的赌注就是押在了 OpenAI身上。

我最初并不确定它是否会奏效，但随着时间推移，我们看到了它开始起作用。

现在回顾这一切，我觉得微软与OpenAI的合作是一个完美的商业合作关系。我们不仅共同打造了底层系统，还开发了围绕它的工具和产品。

从长期来看，我们与OpenAI之间有一个稳定的合作框架，我们也拥有相关的知识产权。因此，我们有能力去构建自己的产品，比如 Mustafa Suleyman 和他的团队在 Pi（Inflection AI）上做的事情，我们在微软内部也能做到。

在这个阶段，我的观点是：模型本身正在变成云计算中的一种 “商品”。

事实上，OpenAI已经不仅仅是一家模型公司，而是一家产品公司，它恰好拥有世界上最好的模型之一。

对他们来说，这很棒；对我们来说，作为他们的合作伙伴，这同样是一个极大的优势。

现在我更关注的是行业正在形成的新结构：单纯的模型已经不足以支撑竞争，完整的系统架构和成功的产品才是关键。

未来AI发展有三个明确的方向

主持人过去两年半里，ChatGPT 真正进入了公众视野，我们见证了一场技术海啸，从芯片、数据中心，到基础模型、垂直 AI 公司，再到消费级硬件、企业级软件，整个行业发生了巨大的变化。

你站在行业的核心位置，能够看到这些变化的全貌。如果让你对在座的创业者提个建议，你觉得当下被低估的两个机会领域是什么？哪些方向值得创业者在未来五年里下注？

纳德拉我认为有三个明确的方向，这些方向目前都在并行发展，这也让整个行业变得异常激动人心。

现在，我们的关注点已经不只是知识工作者或语言模型本身，而是更广阔的场景：

一是真实世界的AI应用：不仅仅是数字世界，AI如何真正影响现实世界的物理操作和交互？这涉及机器人、自动化生产、供应链优化等领域。

二是科学领域的AI模型：无论是化学、生物学，还是其他基础科学领域，AI模型正在成为科学研究的新基石。这些模型虽然与语言模型有一定的技术交叉，但它们的发展也有其独立性。

三是系统架构的创新：AI系统的底层架构需要怎样的演进，才能支撑未来的计算需求？

现在，我越来越关注的一个问题是，什么样的系统架构能真正支撑未来的AI？

微软的一位传奇工程师保罗・马瑞茨（Paul Maritz），他教给我一件非常重要的事情：你需要预测未来的计算工作负载，然后设计出合适的底层系统来支持它。

如果我们仔细观察当前的发展趋势，会发现AI时代的计算架构正处于一个关键的变革节点。

下一代的计算架构不仅要适应现有的AI应用，还要考虑AI如何进一步渗透到现实世界和科学研究领域。这些变化正在重新定义整个科技行业的格局。

我认为，我们并没有从第一性原理的角度真正对系统架构进行重新设计。我们沉迷于AI加速器，把大量计算资源堆进现有数据中心，然后希望它们 “自求多福”。

虽然这已经取得了一定成果，但现在是时候思考：下一代超融合基础设施（Hyper-Converged Infrastructure）应该是什么样的？

我们应该如何重新定义计算、存储和AI加速器的协同？在分布式同步训练任务中，引入强化学习和自动评分机制后，系统应该如何运作？

甚至在数据中心领域，人们常说 “数据中心就是一台计算机”，但我们是否已经到了需要构建它的2.0版本的阶段？

这是我认为被忽略的一个方向。

另一个被忽略的方向是客户端。

如今，大家都在谈论混合AI（Hybrid AI），但我们还没有真正破解模型架构的问题。为什么我们没有一个分布式推理模型架构？我说的不是分布式训练，而是在运行时进行分布式计算。

为什么我不能让我的Copilot PC上运行的 45 TOPS NPU（神经处理单元）与云端协同运算？

目前，我们能运行一些辅助函数，但是否可以从根本上重新思考模型架构？或许这需要一个数学上的突破才能实现。

开源社区在提高现有基础设施的计算效率上做得很好，比如DeepSeek的工作非常出色。

但为什么没有人真正破解如何在边缘侧利用现有的大量计算资源？这是一个被忽略的重要机会。

主持人这很有趣，回到你之前的观点，似乎很少有人真正形成完整的思考框架。大家都在构建某些小组件，但还没有形成一个整体架构。

纳德拉你的总结很精准。

另一个例子就是AI系统本身，即使是在Copilot的架构下，不论是 GitHub Copilot，还是面向知识工作者的Copilot，它们目前还不是一个完整的计算系统。

如果我们说 AI 是新的计算机，那么它还没有迎来自己的 “存储-程序架构时刻（Store-Program Moment）”。

今天的AI系统缺乏以下几个核心要素：

1、 没有一个真正强健的存储系统，尤其是支持多模态存储的架构；

2、 工具链仍然过于 “手工艺化”，开发者体验仍然有待改进；

3、 缺乏系统级的整合，目前AI产品更像是零散的组件，而不是一个自洽的系统。

当然，在这些方向上已经有很多优秀的研究正在进行，这也是为什么我觉得我们还处于AI系统建设的早期阶段。

令人欣慰的是，我们不仅看到越来越多的基础模型，还看到了越来越多专注于AI系统架构的创业公司。

真正的智能体应该是一个能够执行复杂任务的协作伙伴

主持人当我们思考完整的系统时，我喜欢设想未来五年后我们希望身处的世界。你如何定义 “真正的智能体行为”？不仅仅是 Copilot，而是更广义的智能体概念？

纳德拉这个问题我最近思考了很多。

如果在PC时代之前，有人告诉我，我未来在微软的 33 年时间里，大部分时间都会是一个打字员，我肯定会觉得不可思议。

我当时会想：“电脑会彻底改变我的生活，它们会让我做出前所未有的事情。”

但现实情况是，PC的核心应用之一确实是打字。这让我意识到，我们今天对于AI智能体的期待，可能也会出现类似的误判。

所以，当我们谈论 “真正的智能体” 时，我想要的是一个能够主动推理、适应不同环境，并且可以与现实世界进行深度交互的AI。

它不仅仅是一个工具，而是一个能够执行复杂任务的协作伙伴。

这个愿景会如何影响我的日常生活？它需要具备以下特性：

1、自主规划与执行。智能体可以自己制定计划，而不是仅仅等待人类的输入；

2、跨模态能力。它需要整合视觉、文本、语音、代码等多种模态，而不仅仅是基于自然语言；3、个性化适应。它可以根据用户的习惯和偏好不断优化自身行为，而不是一个固定的 “助手” 角色。

真正的AI智能体，应该是能够帮助我们创造、执行和优化任务的合作伙伴，而不仅仅是一个增强版的搜索引擎或聊天机器人。

如果能实现这一点，那将是计算机行业继 PC、互联网和移动计算之后的第四次革命。

我每天早上醒来就是打开电脑打字，到了晚上再关机睡觉。所以我在想，未来我的工作会不会变成管理我的智能体收件箱？

即使在一个由智能体主导的世界里，我仍然需要某种程度的控制权。这也是为什么我如此关注Copilot作为AI的用户界面。

因为无论我如何委托任务，最终AI都会回到我这里，通知我、征求权限、获取指令，并帮助我完成任务。希望这些通知的质量比今天的邮件或消息推送更高效。

从某种意义上来说，我们需要一个新的UI层，让AI真正成为我们的杠杆。

我设想了两个比喻：

个人生活：我希望 AI 是我的朋友、教练、顾问。

工作场景：我希望 AI 是我的幕僚长、研究员、咨询师，帮助我完成所有的工作任务。

我认为，这将是我与 AI 的未来关系，并且希望它能够彻底改变知识工作的枯燥部分。

另一个值得思考的问题是，我们往往混淆了 “知识工作” 和 “知识工作者” 的概念。未来依然会有知识工作者，但他们从事的工作层级会不同。

在90年代，Word、Excel 和 PowerPoint 是知识工作者的核心工具；Copilot是它们的1.0版本，而下一代AI工具将会是2.0版本。

那么，3.0 版本是什么？这正是我们正在努力构想的方向。

主持人如果你设想未来的 AI 用户界面，你觉得它应该是什么样子？今天的聊天机器人或者 Copilot 都还不够直观，它们缺乏真正的整合能力。

纳德拉完全同意。所以我非常看重多模态界面。

我最喜欢的一种交互方式是Copilot的语音接口。比如，我在iPhone的CarPlay上设置了快捷键，让AI与我进行语音交互。

以前，我听播客的方式是直接播放，但现在，我更喜欢在通勤时与播客的文字记录进行对话。AI可以朗读内容，我可以随时打断、提问，让它总结或解释关键内容。

这种对话能力是前所未有的体验，完全改变了信息消费方式。

这就像自动补全一样，一旦你用上了，就再也回不去了。

未来的计算架构将是 “经典计算+量子计算”

主持人比尔・盖茨曾说：“人们往往高估一年的技术进步，但低估十年的变革。”

上周你们刚发布了一些量子计算的公告。这项技术对创业公司来说现在是否已经具备落地的条件？还是说它仍然处于 “1年期” 阶段，离大规模应用还有很远的距离？

纳德拉关于量子计算，有几个层面值得讨论。

首先，微软已经在这个领域坚持了超过 20 年，我可能是第三任资助量子计算研究的 CEO。

回顾历史，我们的思路一直非常清晰，比尔·盖茨和克雷格·蒙迪（Craig Mundy）很早就决定：我们要打造真正的 “实用级量子计算机”。

但要做到这一点，我们首先需要解决量子比特的稳定性问题。这是整个行业的关键挑战之一。

目前来看，量子计算仍然处于研究阶段，但已经开始出现一些早期应用案例：在材料科学、药物研发等领域，量子计算已经展现了潜力；金融行业正在探索如何利用量子计算进行更复杂的风险分析；未来，AI 与量子计算结合可能会带来更强的计算能力。

对于大多数创业公司来说，现在可能仍然太早。除非你的业务直接涉及量子算法、量子模拟或材料计算，否则目前还不太可能建立一个完全依赖量子计算的商业模式。

但如果你提前布局，在量子计算真正成熟的那一天，你将具备先发优势。

要构建稳定的量子比特，我们需要在物理学上取得突破。

微软在这方面的研究走了一条独特的道路，我们探索了一种叫做马约拉纳粒子（Majorana Particles）的现象。这种粒子是由一位1930年代的科学家理论预测的，但几十年来一直没有实验证据。

经过20年的研究，我们终于证明了马约拉纳零能态（Majorana Zero Modes）的存在。不仅如此，我们还能够逐个原子地制造这些粒子，并展示它们能够以稳定的方式隐藏量子信息，从而减少误差校正的需求。

这意味着，我们可以真正将其扩展成可实际运行的量子芯片。

这确实是一个令人难以置信的突破。

现在，量子计算的发展变得比2014年时更容易推进，因为我们已经解决了最核心的物理学挑战。

尽管在这个过程中，我们也经历了一些挫折，但看到团队能够坚持下去、最终取得突破，真的非常鼓舞人心。

我越来越清楚的一点是，量子计算不会取代经典计算，而是二者结合才能发挥最大的作用。

很多人误解了量子计算，以为它最终会全面取代经典计算，但事实并非如此。

举个例子：我们在研究马约拉纳粒子时，采用的是逐个原子构建的方式。如果我们当时拥有一台量子计算机，整个研究过程会快得多。

因为量子计算机的核心优势是模拟自然界的复杂现象，它可以帮助我们探索数据空间，但它并不适用于数据密集型的计算任务。

这意味着，未来的计算架构将是 “经典计算+量子计算” 的组合：

量子计算：擅长探索大规模数据空间，模拟物理、化学、生物过程；经典计算：擅长处理海量数据，进行 AI 推理、存储与操作。

比如，在科学建模方面，我们可以使用量子计算来生成训练数据，然后用传统的 AI 模型进行推理。这正是Azure Quantum目前正在做的事情。

现在，即便只有10个或100个逻辑量子比特，它们在化学和生物学领域已经能发挥作用。

正因如此，我们看到越来越多的生物制药公司开始关注量子计算，并愿意投资这个领域。

主持人我们必须谈谈多重宇宙理论。这基本上意味着，量子事件可能指向许多平行宇宙的存在。你相信多重宇宙理论吗？

纳德拉哈哈，我的观点更接近哥本哈根诠释，而不是多重宇宙理论。

但说实话，让物理学家们去争论这些问题吧，我还是专注于构建软件工厂好了（笑）。

主持人但你作为一个哲学思考者，你怎么看？

纳德拉我的立场是，我存在，就一定有我能感知到的东西，这些是可以被测量的。我觉得这个结论足够合理。

保持好奇心和批判性思维，与AI共舞

主持人你会给我们这些父母什么建议，让我们能为孩子们的未来做好准备？

纳德拉这是个很棒的问题。

我们当前正在思考的核心问题是——AI是否会增强人类的自主性，还是会削弱它？

有两种可能的方向：

AI增强人类能力，让人类变得更加自主，能够专注于创造性和战略性任务；

AI削弱人类自主性，让我们变成被动的执行者，受制于算法和自动化系统的决定。

我倾向于相信，AI会增强我们的能力，但前提是我们要正确引导它。

我曾经历过两个最具冲击力的AI时刻，让我深刻理解AI如何改变人类的工作方式：

第一次是看到 GitHub Copilot 的早期版本。当我第一次用它编程时，我心想：“天啊，这玩意儿真的能写代码！”

你要知道，让一位软件工程师相信AI代码生成是有价值的，简直是世界上最难的事之一（笑）。

第二次是观察知识工作者如何使用Copilot。这让我意识到，未来的知识工作者仍然存在，但他们的工作方式将发生巨大的变化。

我们需要理解的是，未来仍然会有知识工作者，但他们所从事的知识工作将处于不同的抽象层级。

我相信，未来的AI会成为个人生活中的朋友、教练、顾问，职场中的幕僚长、研究员、咨询师。这就是我希望看到的AI未来。

我们必须教会孩子们如何与AI协作，让AI增强他们的创造力、批判性思维和独立决策能力，而不是让他们被AI替代。

这是我们对下一代最重要的责任。

2022年1月，我在印度看到一个应用案例，是对我影响最大的AI演示之一。

印度拥有一整套开放的数字公共基础设施，其中包括文本转语音、语音转文本）等功能，这些都可以作为公共资源使用。

当时，有开发者利用这些工具，搭建了一个基于WhatsApp的AI助手，并且通过串联 GPT-3.5来增强对话能力。

一个印度农村的农民通过WhatsApp向这个 AI 助手提问：“我在电视上听说了一个补贴计划，能帮我查一下吗？”

AI助手回复：“你可以访问这个网站，填写相关表格进行申请。”

农民继续说：“我不知道什么是表格，也不知道怎么访问网站。你能帮我申请吗？”

AI助手直接帮他完成了申请流程。

这还是 GPT-3.5 的版本，但它已经能够大幅度降低技术门槛，让这个农民能够获得本来无从触及的服务。

这一刻让我深受震撼！

我意识到，这位印度农村的农民，通过几个月前刚刚在美国西海岸开发出来的技术，现在可以直接改变自己的生活。

过去，他并不是没有能力，而是缺乏获取信息和服务的途径。而现在，AI让他拥有了这种能力，打破了原本的限制。

这种改变也让我重新思考，我们的孩子未来会是什么样的？

如果我们的孩子能够随时编写代码、随时进行研究、随时构建他们想要的东西，那么未来社会最重要的能力，可能已经不是掌握某种专业技能，而是保持好奇心和批判性思维。

我们是否需要重新思考教育的本质？

如果未来的孩子可以用AI去构建任何他们想要的东西，那么是否应该更多地培养他们的探索精神和自信心，而不是过分强调考试和传统意义上的 “知识储备”？！

主持人萨提亚，你显然是个竞争意识很强的人，工作之外，你如何释放你的竞争精神？比如，你会在板球比赛里投入这种激情吗？

纳德拉哈哈，今天早上的比赛我确实很开心！我和几乎所有南亚人一样，都痴迷板球。

但最近，我在思考竞争的真正意义。

尤其是到了我现在的人生阶段，我越来越意识到：“我要专注于正确的竞争游戏，而不仅仅是沉浸在竞争本身。”

我发现，创业者天生就具备这种能力，他们需要定义自己的公司，决定自己要进入的竞争赛道。

因此，他们总是在思考：我到底想要玩哪种游戏？

竞争的真正挑战是确保自己在 “正确的竞争格局” 里。而科技行业的一个独特之处是，竞争边界总是在变化。

回顾我的经历，1988年来到美国，1989年柏林墙倒塌，1990年进入科技行业。从那时起，我经历了一段不可思议的变革时期。

这段经历让我意识到，很多事情的发生，其实只是运气。

关键的问题是：如何在正确的竞争格局里，抓住正确的机会？这才是决定成败的关键。

竞争的格局是最重要的，这一点我越来越清楚。

你想要进入的是一个拥有优秀竞争对手的行业，而不是一个你可能是赢家，但并不真正伟大的行业。

因此，我的思维方式已经从 “玩游戏” 转变为 “选择正确的游戏”。这让我更加关注：我们到底在玩哪种游戏？这是否是我们真正想要参与的竞争？

在 “最伟大的游戏” 中竞争，是一种礼物。

身处计算机时代，能够投身于我们这一代最伟大的科技竞赛 ，这本身就是一种幸运。

我们正处于一个前所未有的创新时代，能够成为其中的一部分，真的是一份珍贵的礼物。

来源：新浪财经