微软 CEO 最新访谈：AI 的终极问题是社会许可！揭秘智能体三大核心与量子计算最新突破

「如果 AI 消耗的能源翻倍，那么它创造的社会价值，必须远超于此。」

在 AI 算力竞赛进入白热化的今天，当所有人都在为能源、数据中心和芯片供应而焦虑时，微软董事长兼 CEO Satya Nadella 却给出了一个发人深省的答案。

他认为，AI 发展的终极约束，不是技术，不是能源，而是 「社会许可」。

在最近的 AI 创业者大会 上，Nadella 与 Y Combinator CEO Garry Tan 展开了一场深度对话。

在这场炉边谈话中，Nadella 系统性地阐述了微软在 AI 时代的完整战略思考。

他将 AI 浪潮与 PC、互联网时代进行类比，定义了下一代应用的形态，并首次对外披露了构建复杂智能体所需的 「三大核心组件」。

他还分享了微软在量子计算领域取得的、酝酿二十年之久的物理学突破，并描绘了 AI、高性能计算 (HPC) 与量子计算三者协同的未来图景。

我们对这场对话进行了全面梳理和深度解读，为你呈现其中最核心、最不容错过的洞见。

AI 之巅：第四次浪潮与系统软件的黄金时代

Nadella 开场便将本轮 AI 浪潮置于一个宏大的历史坐标系中。

「在我 35 年的职业生涯中，我经历过客户端-服务器、互联网、移动、云…… 这 (AI) 是第四次。」

他认为，理解微软战略的关键在于其三重身份：平台公司、产品公司、合作伙伴公司。而所有战略的原点，都始于对平台机遇的判断。

一个被许多人忽略的关键点是，AI 之所以能以如此惊人的速度和广度扩散，核心在于它站在了前几代平台的肩膀上。Nadella 强调了这种 「复利效应」。

「如果没有云计算，我们就无法构建出 AI 超级计算机；没有 AI 超级计算机，就不会有今天的大模型；没有大模型，就不会有这些新产品。这种复利效应是我眼中最有趣的事情。」

每一代平台变迁，都会催生出一种全新的工作负载。Nadella 回忆起他第一次看到大规模 AI 训练任务时的情景，那是一种与云计算诞生之初所服务的应用截然不同的工作负载——「数据并行同步工作负载」。

这种负载的特性，要求整个技术栈从底层开始被彻底重构。从网络（如 InfiniBand）、到计算硬件、再到上层软件，一切都需要重新设计和优化。

「这正是系统软件的黄金时代。」Nadella 感慨道。他认为，无论对于微软这样的超大规模云厂商，还是对于创业公司而言，在基础设施层都存在着巨大的创新机会。

最终，所有平台和产品的目标都指向一个终极目的：驱动经济增长和 GDP 增长。

「衡量 AI 的唯一标准是：它是否在为我们周围的世界创造盈余？一个社区、一个国家、一个行业、一家公司，逐一实现。」

这是Nadella 为 AI 设定的终极 KPI。

下一代 App：智能体「三大支柱」首次揭秘

当模型能力日新月异，一个困扰所有应用开发者的难题浮出水面：应用的未来形态是什么？模型本身会成为应用，从而吞噬掉传统的 SaaS 市场吗？

Nadella 给出了一个极其精妙且影响深远的类比：「模型就像是当年的 SQL。」

他解释道，我们不能简单地认为「一个模型 + 一些编排 + 在无限循环中调用工具」就是产品的全部。这就像说「一堆业务逻辑 + SQL 语句」就是一个完整的应用一样片面。

「我一直梦想着 AI/ML 能迎来它的 SQL 时刻。过去，由于一切都是垂直整合的，我们从未拥有一个稳定的平台层。而现在，模型层首次为我们提供了一个类似 SQL 引擎的东西，我们可以在此之上构建极其复杂的应用产品。」

在这个框架下，模型的角色是强大的「数据库引擎」，而真正的应用层依然有广阔的创新空间。开发者需要做的，是将模型抽象，专注于构建其上的业务逻辑、用户体验和数据闭环。

那么，构建一个复杂的 AI 应用，究竟需要什么？

Nadella 指出，仅仅有模型和简单的工具调用是不够的，还需要一个真正的 「应用服务器」。而这个应用服务器的核心，在于产品内部的 数据反馈路径，这些数据将被用于模型的后训练和工具的精确选择。这才是产品创造的核心价值所在。

更进一步，Nadella 首次清晰地定义了构建更复杂智能体所需的 「三大核心系统」，这可以被视为微软对下一代 AI 应用架构的顶层思考，也是之前从未对外详细披露的核心信息。

1. 1. 记忆 (Memory)：智能体需要一个持久化的记忆系统，以维持上下文和状态，实现跨越单次会话的连贯交互。这解决了当前 LLM 「用完即焚」的失忆问题。
2. 2. 工具使用 (Tool Use)：智能体必须能够熟练、精确地调用外部工具和 API，以连接现实世界，执行具体任务。
3. 3. 授权 (Entitlements)：这或许是三者中最重要的一个。智能体在代表用户采取行动前，必须拥有明确的权限和访问控制。它能做什么、不能做什么，必须被严格定义和管理。

「这三个系统必须作为一级公民来构建，围绕在模型周围。然后你才能创造一个真正的智能体。这个智能体有自己的 ID，有管理和配置的控制系统。」

这个「模型 + 记忆 + 工具 + 授权」的架构，清晰地描绘了从聊天机器人到真正自主的 AI 工作助理的演进路径。

对于创业者关心的「AI 是否会让 SaaS 消亡」的问题，Nadella 也给出了乐观的回答。他认为，即时生成的软件和精心设计的封装软件将会共存。就像 VS Code 和 Excel 一样，强大的 IDE 或画布，结合强大的模型，可以创造出 1+1>2 的效果。设计的价值、用户体验的价值依然至关重要。

AI 的终极约束：不是能源，而是「社会许可」

随着 AI 规模定律持续有效，对全球计算基础设施的需求似乎是无限的。这自然引出了关于能源消耗的尖锐问题。

Nadella 引用数据称，目前计算消耗的能源约占美国的 2-3%，如果这个数字翻倍到 6%，将是一个巨大的增量，对能源生产提出严峻挑战。

然而，他话锋一转，提出了一个更深层次的观点，这也是本次对话中最具启发性的部分。

「历史告诉我们一个教训：如果你要消耗能源，你最好获得使用能源的 社会许可。这意味着你必须确保 AI 的产出是对社会有用的。」

他强调，未来五年，科技行业真正的挑战不是解决能源生产问题，而是要无可辩驳地证明，AI 正在医疗、教育、生产力等领域创造巨大的社会和经济盈余。

「如果我们不能在真实的统计数据中，而不仅仅是 AI 基准测试中，证明我们创造了价值，那么我们就不能消耗这些能源。」

这是一个极具责任感和远见的论断。它将 AI 的发展从纯粹的技术竞赛，拉回到了为人类创造福祉的根本目标上。

为了让这个理念更具体，Nadella 分享了两个让他深受触动的案例：

• • 印度的农民：2023 年初，他在印度看到一位本地开发者，将 GPT-3.5、印度的开源语音转文本技术和一个 WhatsApp 机器人结合，帮助一位当地农民通过与政府网站的自然语言交互，成功申请到了农业补贴。这项诞生于美国西海岸的技术，以前所未有的速度，解决了地球另一端一个具体而真实的问题。
• • 尼日利亚的教育：世界银行在尼日利亚的一项研究发现，为学生提供类似 Copilot 的工具，可能是对非洲或拉美教育最有力的技术干预措施。这实现了科技行业数十年来「技术改变教育」的梦想。

这些故事印证了Nadella 的核心观点：AI 最应该被关注、但目前却被「低估」的，正是这些能真正改变人们生活的应用案例。而过度被「炒作」的，则是模型能力本身。

「如果这一切最终只是关乎我们这个行业、我们公司的估值，那结局不会太好。」

Nadella 警告说。

他还谈到，AI 的一大机会在于消除知识工作中的 「苦差事」。无论是软件工程、医疗文书还是金融审批，大量时间被浪费在信息收集、复制粘贴等低价值工作中。AI 代理可以将人类从这些繁琐任务中解放出来，让我们的大脑专注于更高层次的综合、创造和决策。

微软领导力心法：从「变革管理」到 AI 部署的「最后一公里」

作为一名从工程师一路成长为科技巨头 CEO 的传奇人物，Nadella 也分享了他的个人成长感悟和识人标准。

他给年轻人的建议是：

• • 不要等待：不要为了下一次晋升才去努力。要把手头的工作当作最伟大的工作，倾尽全力。
• • 成就团队：学会融入团队，并让团队变得更伟大。要认识到，让团队协同一致，是每个成员的责任。

然而，将一项颠覆性技术真正落地到具体的行业和企业中，远非易事。Nadella 明确指出，当前 AI 部署最大的「速率限制器」，其实是社会性的——那就是 「变革管理」。一个公司引入 AI，绝不是买个软件、接个 API 那么简单，它往往意味着工作流程的重塑、员工岗位的重新定义，甚至是组织架构的调整。

在对话中，当谈及这一难题时，Garry Tan 和Nadella 不约而同地提到了一个正在被 AI 创业公司广泛采纳的 「Palantir 模式」。这个模式的核心，就是前向部署工程师 (Forward Deployed Engineer, FDE)。

A day in the life of a Palantir engineer | Palantir Blog

FDE 并非传统的销售或顾问，他们是深入客户业务一线的技术精英。他们的任务不是简单地交付软件，而是作为「技术特种兵」被部署到客户最复杂的业务场景中，与客户并肩作战，利用公司的技术平台，现场编写代码、整合数据、重塑工作流，直到真正解决客户的痛点。

这个模式之所以在 AI 时代变得至关重要，是因为它完美地解决了 AI 部署的「最后一公里」难题。一个强大的基础模型，如何与企业混乱的内部数据、独特的业务流程和员工的旧有习惯相结合？这需要 FDE 这样的角色，深入一线去完成大量的集成、定制和培训工作。

可以说，FDE 模式的兴起，标志着企业级 AI 正在从「卖模型、卖工具」，转向「卖成果、卖解决方案」。它将Nadella 所说的抽象的「变革管理」难题，转化成了一个具体、可执行的组织能力。

而如何甄选出能领导这种变革的人才？Nadella 分享了他识人标准，这个标准源自比尔·盖茨的启发，他看重三个特质：

1. 1. 带来清晰 (Bring Clarity)：在模糊、不确定的情况下，能够理清思路，指明方向。
2. 2. 创造能量 (Create Energy)：不仅自己充满活力，更能将不同背景、不同团队的人凝聚在一起。
3. 3. 解决过度约束问题 (Solve Over-constrained Problems)：能够打破僵局，在看似无解的复杂问题中找到出路。

从算法到量子：揭秘微软两大「前沿武器」

在对话中，Nadella 也罕见地深入探讨了微软在两个最前沿领域的思考和布局：AI 的下一个算法突破，以及量子计算。

1. AI 的下一个算法突破

尽管当下的 Scaling Law 看起来势不可挡，但Nadella 始终对新的算法突破保持着开放和期待。他坦言，一年前，他完全没有预料到强化学习 (RL) 和「测试时计算」能发展到今天这个地步。

他认为，AI 的发展路径是：预训练 (Pre-training) -> 后训练 (Post-training) -> 推理时计算 (Inference-time compute)。现在，他最感兴趣的是两个方向：

• • 新的算法范式：他相信，在座的某个人可能就会提出一种更高效的方法，彻底改变现有的技术体系。
• • 端到端的训练闭环：下一步的重大突破可能在于构建一个更加整合的「响应-推理模型」 (response-reasoning model)，实现从预训练到强化学习的端到端闭环。这可能是未来一年各大实验室攻关的重点。

2. 量子计算的物理学突破

「我是微软第三位为量子计算项目写支票的 CEO 了，我们已经为此投入了二十多年。」

谈及量子计算，Nadella 的兴奋溢于言表。

微软从一开始就选择了最艰难但可能也是最根本的路径：构建一个基于 拓扑量子比特 的 容错量子计算机。这条技术路线的核心，是验证一种由意大利物理学家 Ettore Majorana 在近一个世纪前所设想的神秘粒子——马约拉纳费米子 (Majorana fermion)。

「我们终于取得了物理学上的突破，我们成功地制造出了那个粒子。这为我们制造出了现在的芯片 (Majorana 1)。」

这一突破意味着，微软在构建真正稳定、可纠错的量子比特的道路上，迈出了决定性的一步。

他进一步阐述了 AI 与量子计算的关系，这个观点同样新颖深刻：

「如果你想理解自然的语言，也就是模拟，最好的方式是通过量子计算机，因为物理和自然本质上是量子的。而 AI，我认为是那种模拟的 模拟器。」

换言之，在真正的量子计算机成熟之前，AI 可以与高性能计算 (HPC) 结合，成为加速化学、物理、材料科学发现的强大工具。未来，HPC + AI + Quantum 将形成一个强大的闭环，共同解决人类面临的最复杂的科学问题。

回归初心：重塑「生产力工具」

在对话的最后，当被问及「如果你今天 22 岁，你会做什么？」时，Nadella 的回答回归了微软的初心。

他说，他最想做的，是创造像 Excel 和 VS Code 那样的 「新一代赋能工具」。

「当你使用一个好工具时，那种赋能感、那种分析能力，是无与伦比的。」

他认为，今天 AI 所扮演的「研究员」、「分析师」、「创造者」角色，就像是新时代的 Word、Excel、PowerPoint。

创造能将强大力量交到每个人手中的工具，让他们变得更强大——这或许就是Nadella 和他所领导的微软，在汹涌的 AI 浪潮中，最坚定的航向。

参考来源：https://www.youtube.com/watch?v=AUUZuzVHKdo