摘要：3月7日，微软 CEO Satya Nadella接受South Park Commons访谈，深入谈论了微软职业生涯、对OpenAI 的投资、AI发展中被忽视的领域、AI Agent、未来工作、量子计算等方面的话题。
3月7日，微软 CEO Satya Nadella接受South Park Commons访谈，深入谈论了微软职业生涯、对OpenAI 的投资、AI发展中被忽视的领域、AI Agent、未来工作、量子计算等方面的话题。
以下是微软 CEO Satya Nadella 访谈实录
经数字开物团队编译整理
01 微软职业生涯与领导理念
主持人提问：
1. 90 年代，微软长期处于顶峰，后来又经历了一段徘徊期，这两种时期分别是什么感觉？
2.在你之前有两位伟大的 CEO，Bill Gates 和 Steve Balmer。你有什么与众不同的领导理念？
3.从 -1 到 0 阶段，1992 年在微软 面试是什么感觉？为什么选择微软而不是初创公司？
4.如何描述微软的文化？
5.当你长期处于领先地位时，感觉如何？然后你经历了一段时期，从 2000 年到 2010 年，当你在旷野中徘徊的时候，那是什么感觉？
6.做为微软的东山再起者，成为 CEO 后，做的第一件事是什么？
7.在此有两位伟大的 CEO，有什么与众不同的领导理念值得创始人借鉴？
Satya Nadella实录：
我认为成功也带来了挑战，因为你会开始忘记成功的原因。每个加入并乘风破浪的人都以为自己是成功的原因，而不是意识到，我们只是顺势而为，现在需要重新奠定基础。我认为这至少是大型成功公司的通病。
这个从 -1 到 0 的框架非常好。33 年前，很有趣。我实际上在 Sun 工作。我的第一份工作，研究生毕业后，是在 Mountain View。我参加了一个开发者大会，实际上，在 1991 年的 Mascone，当时 NT 第一次被提及。Win 32 第一次被提及。出于某种原因，我脑子里想的是，当时 X86 会赢。这是显而易见的。当这些平台转变发生的时候，有时是不可避免的。它们需要很长时间，但终将变得不可避免，这就是让我觉得，我必须加入这场变革。Sun 当时是一家非常出色的公司。其他所有后来创建了伟大公司的人，如果你想想分布式系统的核心，Sun 是一家全栈系统公司，我们制造自己的芯片，我们有自己的操作系统。我们甚至有自己的一套知识工作者工具。但我只是觉得 X86 会赢，这就是我为什么去微软的原因，我不是 Windows 用户，我也没怎么用过 DOS。但我觉得这家公司将能够利用这一点，更重要的是，真正成为那股民主化的力量，这是我们这个领域经常使用的一个词，这也是吸引我到那里的原因，也是让我在那里待了 33 年的原因。
我敢打赌这个房间里的很多人可能都在微软面试过。面试是当时典型的微软面试风格，我认为，现在的面试要好一点，至少你得做你的 LeetCode 之类的，而不是在黑板上或白板上写代码。我记得，不知何故我通过了，但是最后一个面试问题，我曾经写到过，这是最糟糕的。我们有一个叫做“最终评估人”的职位。如果你通过了前面的面试，最后会见到这个人，他的名字通常不会出现在流程表上，只是在最后你会出现在他们的办公室，这意味着你可能通过了。这个家伙给我的最后一个问题，我永远不会忘记。他说，我有一个问题要问你。你正在过马路，一个婴儿掉下来了。你会怎么做？我想，这是不是我没学过的某种算法？这就像 P=NP 问题？所以我说，我会打 911。然后他站起来，送我出门，他说，你知道当婴儿掉下来时你应该怎么做吗？你应该把他们抱起来并拥抱他们。我说，我肯定没戏了。但是，人总会从生活经历中学习。
关于文化，事实上，我们公司将在 4 月 4 日迎来 50 周年，就是今年。所以我们一直在讨论，它到底是什么？Bill 的一个比喻或者说想法是，他和 Paul 有想法是，他们正在建造一个软件工厂。这就是当时的概念，你们应该还记得在微软之前是没有软件行业的。所以他们只是想成为一家能够构建软件的公司。他们没有特定的产品类别。所以他们首先是，让我们为 Altaire 构建 BASIC 解释器。那是最好的起点。我们实际上有像 Flight Sim 这样的产品早于 Windows。它是我们最古老的产品之一。因此，他们会去任何可以使用软件工厂来创建软件的地方。所以，我有点认为，这就是为什么后来会有知识工作者工具。所以我想当时的文化是，你如何让最优秀的人才来建造最好的软件工厂，然后创造出这个世界所需要的软件产品。这就是当我回顾的时候，我认为对于你们所有创始人来说，这是一个非常强大、有用的东西，当我回顾我们的 50 年的时候，因为我认为很多公司，有时候当你爱上某一个产品、某一项技术、某一种商业模式的时候，所有的事物最终都会失去动力。
所以我在想，我不确定，但我在想这个框架，是不是切中了你关于文化的问题。这就是当你考虑到引进的人才的时候，是试图为软件工厂增加价值。每次当你有更好的主意时，你可以重新审视，一些你想要在工厂中构建的新产品，而不是仅仅沉迷于你去年构建的产品。我想知道这是否有助于保持，我不认为文化是某种一成不变的东西。我们所有人都一直在努力，并且始终追求学习型的文化。现在我使用诸如成长型思维之类的词汇。我在想我们是否一直拥有那种成长型思维，还有学习型思维，因为公司的基本框架就是如此。
我在微软长大，我们把它称作是一家软件公司。更多的是在我们 50 周年的背景下，我有点像，毕竟，我们现在又处于另一个巨大的转变之中。在一个拥有智能的时代，成为一家软件工厂意味着什么？或者说我们这个 AI Agent 的世界。甚至说你是一家软件工厂意味着什么？我认为这是如何重新诠释这个概念。所以我想，这有点像我正在寻找的措辞，我正在尝试回顾我们的历史，让它与时俱进，因为我确实思考了很多，长寿本身并不是目标，保持相关性才是。因此，是什么让你有勇气在未来保持相关性？这就是我正在努力研究、学习、推动自己，甚至为自己阐明的东西。
关于不同时期的微软。90 年代微软和我们的竞争对手之间存在着天壤之别。当时只有微软和其他竞争者。但和现在不一样了，现在有七八家大公司，而且几乎每天都有新公司从任何地方冒出来，就像 OpenAI 甚至已经证明的那样，它可以创建一家具有划时代意义的公司。看到今天的这种活力真是令人难以置信。所以，我认为，某种程度上成功会带来成功的挑战，也就是说，你会忘记是什么让你成功的。而且，我确实认为在 2000 年代，我们并不是没有想法，也不是没有开始做事情。我总是说，你会错过一些机会，因为你过于沉迷于你现在拥有的东西或者你现在的商业模式，而不愿意去尝试一些不那么舒服的事情，或者只是没有一个完整的想法。
Steve Balmer他总是强调，你必须有一个完整的想法。即使是我自己，我们很多人，我们有一些产品的想法。创始人的伟大之处在于，他们根据定义就拥有完整的想法，否则你不可能成为一个成功的创始人。在公司里，这就是你所需要的。你需要大量的“重新创始人”，他们时不时地会有完整的想法。你不能说我爱上了这项技术，但是我没有考虑过如何进入市场，或者我已经考虑过如何进入市场，但是我不知道产品应该是什么样子。所以，对我来说，从文化上来说，需要重新学习，这是另外一件事。需要有新一代的领导者来经历这个过程，并成为“重新创始人”，这就是我的想法。所以从某种意义上说，最危险的时期是当你觉得自己非常成功的时候，因为你开始忘记是什么让你成功的，每一个加入并乘风破浪的人都认为自己是成功的原因，而不是意识到，我们只是顺势而为，我们现在需要重新奠定基础。
作为一家公司，我们确实有这种坚持到底的能力。有时候是过于固执地坚持。坦率地说，你必须这样做。特别是在科技行业，你必须不断尝试。现实情况是科技行业的网络效应是不可饶恕的。当你在受益于网络效应的时候，它们会非常棒，但是当你在网络效应的另一边时，它们会非常糟糕。因此你必须不断尝试，这可能是保持相关性的方法。
对于像这样的创始人社区来说，好消息是，像我这样的人，我不认为科技行业有什么固有的特许经营价值。在这个意义上，这绝对是一个非常可怕的行业，至少如果你以相关性来衡量的话。你可能在每股收益或者其他方面有特许经营价值，因为你总可以保持盈利。但是，如果你想要保持相关性，你确实需要构建出一些东西，这不仅仅是跟上时代的步伐，而且是关于发明创造，然后这就是我认为这个行业的基本倾向，总会有颠覆者出现。
关于东山再起者的说法。云时代的成就，主要功劳，实际上是全部功劳，不在于我，而在于 Steve。毕竟，我为他工作，坦率地说，我学到的很多关于如何成为一名高效 CEO 的经验实际上都来自于 Steve Balmer，我看着他允许我作为一名直接下属去花钱，即使是在华尔街不允许的情况下。这就是一个真正的 CEO 所做的事情，挑战传统观念，并且能够授权给公司内部的领导者和员工。Steve 很好，他不在乎这些。他在 MSFT 做得很好。这种领导的能力，是我在为 Steve 工作时学到的，然后我观察了 Bill。但对于我们来说，更根本的问题可能是，我非常清楚地认识到自己是第一个非创始人 CEO。Steve 严格意义上来说并不是创始人，但是他在公司里拥有创始人的地位。这就像是一家由 Bill 和 Steve 经营的公司，而我在其中成长起来。所以对我来说，幸运的转折点也许是，我知道我不能直接接替 Bill 和 Steve 的位置。我必须，就像我所描述的那样，作为一个“凡人”CEO， 从某种意义上说，现在我有了更好的语言，这要感谢 Reed Hoffman，这种“重新奠基”的说法，但我那时有那种重新创始人的心态。我意识到，我必须让那些创始人自带的威信，让那些创始人习以为常的事情重新变为首要任务。
因此，使命是隐形的，文化也是隐形的。这在某种程度上，类似于追随创始人的愿景。这其中蕴含着丰富的内涵。对我而言，让公司重新回归其根本使命至关重要。回溯到 Aditya 提出的关于当年微软软件工厂是什么样子的问题，我可以这样回答：在我加入公司时，我们曾谈及的使命是在每个家庭和每张办公桌上都配备一台个人电脑（PC）。坦率地说，到 20 世纪 90 年代末，至少在发达国家，我们已经实现了这一目标。在那之后，我们一度陷入迷茫，我们的使命究竟是什么？我们是否应该就此止步，将资金返还给股东，还是另谋发展？因此，我们回溯并反思，当初 Altair 上的 BASIC 解释器背后的核心理念是什么？是让更多人掌握软件工具，从而创造出更多的软件。我认为，如果这一理念在 1975 年具有现实意义，那么在 2014 年，当我成为 CEO 时，它将更具现实意义。因此，我回归到这一根本理念，并提出我们的使命是赋能于每个人和每个组织。因此，我认为微软另外做对的一件事是，专注于支持人们希望建立的各种机构。这是另一个非常独特的地方，即组织也是人们希望创建和发展的实体。
而且在许多情况下，这些组织的生命周期需要超越其创建者。因此，我们也致力于为这些组织打造软件。那么，无论是个人还是组织，或者有人会问我，微软是一家面向消费者的公司吗？还是一家面向企业用户的公司？我们的回答是：我们是一家软件公司，致力于服务于个人和组织，并为其赋能。总而言之，对你问题的详尽回答是：重新聚焦于使命，通过“成长型思维”理念，构建一种围绕我们企业文化的共同语言，这要归功于 Carol Dweck 的研究。这对我而言极具价值，因为它并没有被视为来自新任 CEO 的新教条，而是一项在儿童心理学领域的研究成果，能够引发广泛共鸣。这两件事，我认为，对我产生了重要的积极影响，激发了我们执行一系列高度一致的战略的能量。如果你回顾过去，会发现这并不是说我在成为 CEO 之前管理着公司最大的部门之一。在战略层面，我之前就撰写过相同的内容，也阐述过同样的观点，只是当时并未引起足够的重视。而在成为 CEO 之后，事情的进展速度显著加快。
有什么领导理念值得创始人借鉴，有一种与众不同的领导理念，许多领导者都具备。那就是：“过去的一切都一团糟，因此，是我力挽狂澜，拯救了公司。” 我对此深表怀疑。任何走马上任并声称“过去一团糟，是我扭转了局面”的人，也许只是为了自我感觉良好。因此，我的看法是：如果你离开后，整个公司分崩离析，那么你实际上什么也没有建立起来。所以，反过来说，即使作为 CEO，我也是这样看待这个问题的：无论是微软的第四任还是第五任 CEO，他们的成功，才能真正反映出我是否尽到了自己的职责。
02 投资合作与基础模型
主持人提问：
1.初创企业应该如何看待与微软的合作？如何向 M12 基金推介？
2.你对加大在 OpenAI 的投资很自信，但 Google、Meta 等都有自己的基础模型，你是否担忧被边缘化？
3.你不希望拥有自己的基础模型吗？
你们拥有非常出色的投资记录。
首先，我认为与初创企业生态系统的合作，以及我们通过 M12 所做的尝试，这些对我们来说都至关重要。但我们并非单纯的财务投资者。在 Facebook 的案例中，我们希望进行投资，虽然最终未能实现，但我们的出发点是认为这可能会发展成为围绕广告业务的商业合作关系。你们非常明智，没有选择与我们合作，而是建立了自己的广告业务，接下来的发展大家都有目共睹。但这就是我们当时的战略意图。我们的目的并非单纯追求投资回报，而是希望成为 Facebook 当时的赞助商，从而在我们感兴趣的领域取得一些商业进展。
OpenAI 的情况略有不同。在我们最初开始支持 OpenAI 时，他们还是一个研究实验室。随后，随着 OpenAI 的不断发展，他们已经转型为一家成功的产品公司。我们基本上与 Sam、他的团队以及他的领导团队的雄心壮志保持同步，因为我们希望确保能够为我们的合作伙伴提供支持，我们是他们的投资者，但更重要的是，我们是他们的商业伙伴。OpenAI 已经从我们最初合作时的状态发展壮大，但我的核心观点是，微软有两个显著特点：它既是一家平台公司，也是一家合作伙伴公司。没有合作伙伴，平台就无法保持稳定；而如果没有合作伙伴，你也不可能成为一个真正的平台。
因此，当我在考虑初创企业，甚至是其他成功的公司时，我总是在寻找——我早年在微软工作时，甚至在我们数据库业务上与像 SAP 这样的伙伴进行过合作。因此，我们能够在 SAP 的 R/3 系统基础上构建我们的关系型数据库 SQL Server。这种类型的合作伙伴关系是非常有价值的。OpenAI 或 Intel 也是类似的例子。对我而言，我总是倾向于寻求平台公司与另一个合作伙伴之间长期稳定的、双赢的合作模式，而这些合作伙伴本身也可以构建他们自己的平台。
我们是一家全栈系统公司，我们致力于拥有全栈系统能力，而基础模型无疑是其中的重要组成部分。但是，当我们最初开始与 OpenAI 合作时，这是对一种信念的押注，即当时 Sam、Ilya以及其他人都对扩展定律深信不疑。
首先，这很有趣，我认为我读到的第一篇相关论文是 Dario 发表的，关于Scaling Law的论文。这就是我所押注的，这个概念，特别是当它与自然语言相结合时，非常有前景。如果不是因为自然语言，我们可能不会采取当时的行动，尽管现在我对强化学习（RL）有了更深入的理解。作为一家知识型公司，我们一直痴迷于自然语言。这是 Bill 多年来的执着追求，所以当有人提出，“我将投入大量算力来研究自然语言，也许我们可以利用一些Scaling Law”，这仅仅是因为我们长期以来一直致力于将世界进行模式化，也就是人、地点、事物，去构建最宏大的本体和模式，并认为这就是智能的起源。我们在这条道路上走了许多弯路。
然后，我意识到，我总觉得这不太可能实现，因为现实世界过于复杂，SQL 数据库无法有效处理。因此，我说，“一定有人会找到一种方法，以不同的方式实现某种语义层面的理解”，这就是我的赌注。我当时并不确定它是否会成功，但它最终取得了成功。
关于基础模型，我们建立了非常棒的商业伙伴关系，我们拥有我们想要和需要的一切，以及相应的能力。我们在 OpenAI 的技术基础上构建了一个系统，我们围绕它构建了各种工具，我们正在开发基于它的产品。我与 OpenAI 建立了长期稳定的合作关系，我们拥有相关的知识产权。我们当然希望进行相关的模型构建，就像我们构建了 Phi 模型一样，Mustafa 和他的团队所拥有的能力，我们在微软内部也具备。在目前这个阶段，如果你仅仅为了证明拥有自己的大模型而去做，这是没有意义的。我坚信，模型在云计算领域正在变得商品化。事实上，OpenAI 并非一家模型公司，而是一家产品公司，目前恰好拥有卓越的模型，这对他们和我们作为他们的合作伙伴而言，都是一件好事。
所以，我想谈谈我认为正在形成的行业格局，模型本身并不足以构成竞争优势，但是拥有完整的系统堆栈和成功的、卓越的产品，才是两个关键的竞争领域。
03 AI发展中被忽视的领域
主持人提问：展望未来，有哪些被忽视的、值得探索的有趣 AI 领域？
我认为有三个明确的领域，在座的各位以及我们所有人都在涉足，并且这些领域正在并行发展，看到这一点令人振奋。不仅仅是知识工作者或语言模型本身的发展，还有现实世界中的行动模型，以及那些用于科学研究的模型，无论是化学还是生物学领域。这三个领域，它们之间存在一定的知识和技术迁移，但它们也具有各自的独立性。我认为这是一个非常值得深入探索的领域。
我现在回过头来思考，甚至从一个超大规模云计算服务提供商的角度来看，真正能够支撑这种全新 AI 范式的底层系统架构是什么？如果我回顾过去，Paul Maritz 是曾经在微软工作过的人之一。作为在系统领域成长起来的人，对我而言，关键始终在于：你是否能够预测未来的工作负载，然后据此重新设计底层的系统？我认为我们还没有进行过一次基于第一性原理的系统重构。我们过于关注 AI 加速器，我们把它们大量部署到现有的数据中心，然后说，“去创造价值吧”，我们已经做了很多类似的工作。但我认为，现在是时候重新思考，下一代超融合基础设施究竟应该是什么样子？我应该如何看待计算、存储和 AI 加速器之间的关系？对于那些采用通过强化学习进行自动分级的分布式同步训练任务，你应该如何构建底层系统？我认为这是即使在数据中心领域也被忽视的一个方面。
当人们谈论“数据中心即计算机”时，它的 2.0 版本是否已经到来？这是其中一个被忽视的领域。
另一个是客户端。人们谈论混合 AI，但我们还没有真正解决模型架构本身的问题。我们之前稍微谈到过这一点。令我惊讶的是，竟然没有一个用于分布式训练的、在运行时生效的分布式模型架构。在运行时，为什么我不能在我的设备上，比如，在我的 Copilot PC 上运行的 45 TOPS 的 NPU 和云端之间进行模型分割呢？因为你可以运行一系列辅助函数等等。但是，是否存在一种方法，甚至可以从根本上进行考虑？我推测一定存在某种模型架构或数学上的突破，才能实现这一点。所以，这些是我感到惊讶的地方。因为开源社区已经取得了长足的进步，DeepSeek 所做的工作非常出色。
总的来说，开源社区正在进行的在现有基础设施上提升效率的工作非常棒，但我认为还没有人解决这个问题（分布式模型架构）。现有的基础设施包含了边缘设备上的大量算力。所以，这是另一个被忽视的领域。
04 AI Agent、未来工作与用户界面
主持人提问:
1.如果要你定义真正的 AI Agent，超越 Copilot 的范畴，那会是什么样子？
2.它将如何影响你的日常生活？
3.未来的交互界面会是什么样的？
Satya Nadella实录:
我一直在深入思考这个问题。可以这么说，如果有人在个人电脑时代之前告诉我，我在微软的 33 年职业生涯中主要从事的工作会是打字，我一定会感到诧异。这怎么可能呢？毕竟，计算机注定会改变我的生活，带来不可思议的变化。然而现实却是，我每天早晨起来就开始打字，直到晚上入睡前才能停下。所以，我不禁思考，未来我是否会主要忙于处理我的AI Agent收件箱。即使在一个充满智能体的世界里，这也是为什么我如此专注于将 Copilot 作为 AI 的用户界面（UI）。
因为即使我将越来越多的任务委派出去，如果不出现 AI 发展失控的问题，那么这些智能体终究是和我保持一致、受我控制的。它们会向我反馈信息，发出通知（希望这些通知的质量会比我们现在收到的更高），获取我的许可和指令，并协助我完成工作。
因此，在某种程度上，将会有一个 UI 层，使我能够拥有巨大的、巨大的杠杆效应。我喜欢用两个比喻来形容这种情形：在个人生活中，我希望 AI 扮演朋友、教练和顾问的角色；而在工作中，我希望 AI 成为我的参谋长、研究员和顾问，协助我处理所有事务。我认为这就是我与 AI 之间的关系，希望它能减轻知识工作的繁琐。
实际上，我经常回想起我们常常混淆了知识工作和知识工作者这两个概念。我认为，未来仍然会有知识工作者，只是他们所从事的知识工作将在一个不同的抽象层次上。这正是我们努力构建的未来。正如 Word、Excel 和 PowerPoint 是 20 世纪 90 年代知识工作者的主要工具一样，我们需要思考未来的工具会是什么。Copilot 可以看作是第一代工具，而第二代工具将是 Copilot 与智能体的结合。
那么，第三代工具又会是什么样呢？这正是我们正在思考的问题。
这也是为什么我非常喜欢使用 Copilot 的语音交互界面。我甚至将其设置为了 iPhone 上与 CarPlay 连接的操作按钮。以播客为例，对我而言，最好的收听方式不是直接播放音频，而是在通勤途中使用 Copilot 与播客的文本转录进行对话。但这确实更加方便，这得益于语音交互的模式，我可以随时与它对话，甚至打断它。想想看，这种全双工对话模式是以往无法实现的。这是一种全新的、令人惊叹的交互模式，我认为一旦拥有，就无法再回到过去了。这有点像自动建议功能，一旦习惯了，就无法再放弃了。
05 量子计算、多元宇宙
主持人提问:
1.比尔盖茨说过：“人们总是高估一年内的进步，而低估十年内的进步。”关于量子计算的公告，是否意味着创业生态系统可以考虑利用这项技术了？
2.您相信多元宇宙理论吗？
关于量子计算，有几点需要说明。对我们而言，这涉及到我们长期坚持的能力。在过去的 50 年里，我是第三位持续资助量子计算的CEO。
至少我们已经坚持20多年，这是一段引人入胜的旅程。因为我们当初的选择，回溯起来，与我们设定的目标有关：我们究竟想要实现什么？从一开始，我们就下定决心（我认为这是比尔和当时的克雷格·蒙迪（Craig Mundy）以及团队的共同决定），我们要建造一台真正具有实用规模的量子计算机。而要构建实用规模的量子计算机，就需要稳定的量子比特（qubits）。为了获得稳定的量子比特，我们需要实现物理学上的突破。因此，我们选择了寻找马约拉纳粒子（Majorana particles）这条道路，希望找到它们存在的证据。
早在 20 世纪 30 年代，就有人从理论上推测存在这种量子现象，但一直未能得到证实。经过 20 多年的努力，我们现在不仅证明了它们的存在，还能够逐个原子地制造它们，从而证明马约拉纳零模（Majorana zero states）确实可以以一种鲁棒的方式隐藏量子信息。这意味着纠错需求更少，因此可以将量子计算机扩展成真正的芯片等等。
看到我们所取得的进展，真是令人难以置信。因此，对我来说，现在资助量子计算比 2014 年时要容易得多。因为我们取得了这一突破，尽管期间也经历过几次失败的尝试，但团队能够坚持下来，一路走来，实在令人钦佩。不过，我也逐渐意识到，我们确实需要量子计算，但它并不像人们有时认为的那样，会完全取代经典计算。
事实上，我认为经典计算与量子计算的结合将非常强大。以逐个原子构建为例，如果我们拥有一台量子计算机，这个过程将会快得多。因为一旦拥有量子计算机，我们模拟自然的能力将提升到一个全新的水平。然而，量子计算机也有其局限性，它们擅长探索数据空间，但不适合处理数据密集型的工作负载。因此，我认为这两种计算方式都有其用武之地，这是第一点。即使对于科学模型，例如，你可以使用量子计算生成标记数据来训练模型，然后将这些模型作为常规的 AI 模型在高性能计算集群上运行。
所以，我认为这两种计算方式将会有很多共存之处。正如你所说，对于那些从事科学、化学、生物学领域（也就是我们刚才提到的第三类领域）的人来说，关注量子计算领域的发展是非常有必要的。因为即使只有 10 个或 100 个逻辑量子比特，你也可以利用它们来构建更好的化学模型和生物学模型，这也是我们目前在 Azure Quantum 上所做的。因此，我认为市场已经对此做出了一些有趣的反应，例如在生物制药领域，甚至有一些公司已经上市。我很高兴看到人们愿意投资量子计算。这更像是一个循序渐进的阶段，对于前沿的深度科学来说，这是件好事。
相比多元宇宙理论，我更倾向于哥本哈根诠释。但这个问题，还是留给物理学家们去争论吧。我还是置身事外比较好。
06 下一代建议与竞争精神
主持人提问：
1.您会给什么样的建议，来帮助我们的孩子为未来做好准备？
2.您如何在工作之外，比如在您的板球队中，展现竞争精神？
我最近听到一种说法，是关于未来的 Agent 会是什么样子。我认为这才是真正的问题所在。我想我们都在思考，AI 到底是会增强人类的自主性，还是会因为我们受制于他人的决定而削弱这种自主性？这是一个值得深思的问题。我会从两个方面来回答。
我曾经经历过一个关于 AI 演示的最深刻的时刻，其中一个是我第一次看到 GitHub Copilot 的早期版本，当时我就意识到，这个东西真的有用。要说服软件开发人员相信 AI 工具的实用性，这可是最难的事情。不过，对我影响最大的一个演示是在 2022 年初，我在印度的时候。我看到有人展示了一个他们组合起来的演示，他们基本上是将 GPT-3.5（当时可能是这个版本）与印度的数字公共基础设施堆栈结合起来。印度拥有非常完善的数字公共基础设施，包括文本转语音、语音转文本等功能，都可以作为公共服务使用。有人利用这些服务构建了一个 WhatsApp 机器人。一位印度农村的农民可以直接向机器人询问他在电视上听到的某个补贴项目的信息。机器人会回复他，告诉他去哪个网站、填写哪些表格。然后，这位农民说他不知道什么是表格，也不知道什么是网站，让机器人帮他完成。机器人开始操作，这就是 GPT-3.5 的强大之处。让我印象深刻的是，这位农民所获得的自主性。
几个月前，在美国西海岸开发的技术，通过印度程序员的巧妙组合，被交到了这位农民手中，突然间，他获得了前所未有的能力。他原本拥有自主性，但缺乏获取信息的渠道，而现在，这种渠道被打开了。这为我们提供了一种思考如何培养孩子的全新视角。如果孩子们拥有了随时编写代码、研究任何事物、构建任何东西的能力，他们会做些什么？我们是否会更加重视好奇心，而不是专业知识？这或许是一个非常有趣的问题。我们会如何培养孩子？想想自信心的重要性。你们都成功考入了印度理工学院（IIT），而我当年没有考上。所以，一次考试的成败并不重要。重要的是，如何让每个孩子都充满信心，去探索任何事物。至少，这是我乐观的想法。当然，还存在许多其他可能性，但我认为，好奇心和批判性思维仍然至关重要，而自信心则与它们紧密相连。
关于竞争，我很高兴看到今天早上的比赛，但我对板球非常着迷，我想其他南亚人也是如此。我一直在思考关于竞争的问题，至少在我人生的这个阶段。我想确保我思考的是“正在进行的游戏”，而不是“玩游戏”。我会更加深思熟虑。我觉得，从某种意义上说，创始人已经在这样做了，因为这就是你定义一家公司的方式，你会思考你想玩什么游戏。但是，竞争的本质在于，首先要挑战自己，让自己处于正确的竞争环境中。这是科技行业中另一件令人难以置信的事情。回首过去，我们非常幸运。
我的经历是这样的：1988 年，我来到美国；1989 年，柏林墙倒塌；1990 年，我进入科技行业。这真是一段非凡的旅程，一个令人难以置信的时代。这其中有运气的成分。所以，关键在于，什么是正确的“设置”和“竞争环境”。这是我逐渐意识到的最重要的事情。也就是说，你应该选择进入一个拥有优秀竞争对手的行业和领域。这比进入一个你可能获胜但实际上并非如此的领域要好得多。因此，我现在的关注点更多地放在了“游戏本身”，即你想要玩的游戏，而不是“玩游戏”上。
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”
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进入。
截止到2月28日 ”未来知识库”精选的100部前沿科技趋势报告
《核聚变，确保 21 世纪美国的主导地位的关键技术》
《世界知识产权组织：2025WIPO 技术趋势报告：交通运输的未来（145 页）》
《世界知识产权组织（WIPO）：2024 年世界知识产权指标报告（194 页）》
《联合国环境规划署：2024 年保护地球报告（81 页）》
《联合国工发组织：2024 清洁技术创新能力建设框架研究报告（51 页）》
《凯捷：Applying TechnoVision 2025：未来科技趋势及应用愿景（17 页）》
《谷歌：2025 年 AI Agent 白皮书：AI 智能体时代来临（42 页）》
《富而德律师事务所：2024 年国际仲裁趋势年度回顾报告（41 页）》
《邓白氏：2024 年全球企业破产报告（27 页）》
《LLM 时代小模型的应用潜力与挑战 》（50 页）
《斯坦福 2025 斯坦福新兴技术评论十项关键技术及其政策影响分析报告》（英文版 191 页）
《英伟达：2025NVIDIA 自动驾驶安全报告（26 页）》
《微软 MICROSOFT (MSFT) 2024 年影响力摘要报告（23 页）》
《高德地图：2024 年中国主要城市交通分析报告（29 页）》
《德勤 & CAS：2025 锂离子电池回收行业报告 - 面向绿色未来的市场及创新趋势（36 页）》
《ABI Research：2025 生成式人工智能在语义和实时通信中的应用研究报告（20 页）》
《2025 年 3D 打印技术发展趋势、产业链及相关标的分析报告（45 页）》
《生成式基础模型的可信度 —— 指南、评估与展望》（231 页）
《量子信息科学与技术对国家安全的影响》（118 页）
《中国科学技术信息研究所：2024 科技期刊世界影响力指数（WJCI）报告（68 页）》
《思略特（Strategy&）：2025 汽车行业的人工智能（AI）机遇研究报告（12 页）》
《赛默飞：2024 年中国生物科技行业调研报告：资本寒冬中生物科技企业的生产之道（18 页）》
《清华大学：2025 年 DeepSeek 与 AI 幻觉报告（38 页）》
《美国企业研究所（AEI）：2025 创新未来电力系统研究报告：从愿景迈向行动（71 页）》
《超材料的智能设计研究进展》
《Ember：2030 年全球可再生能源装机容量目标研究报告（29 页）》
《量子信息科学与技术对国家安全的影响》
《英国人工智能安全研究所：2025 年国际人工智能安全报告 - 执行摘要（22 页）》
《世界海事大学：2024 海事数字化与脱碳研究报告：可持续未来（250 页）》
《艾睿铂（AlixPartners）：2024 回溯过往锚定未来：大型科技公司如何推进人工智能愿景研究报告（18 页）》
《Wavestone ：2025 数据与 AI 雷达：掌握数据与人工智能转型的 10 大挑战研究报告（30 页）》
《CSIS：2024 中美学术的再联结研究报告：在激烈竞争的时代增进相互理解（120 页）》
《MSC：2025 全球国防创新就绪度差距系列报告：突破制约国防创新的六大隐性障碍（第四版）（32 页）》
《2025 年 AI 编程发展前景及国内外 AI 编程应用发展现状分析报告（22 页）》
《中国核电 - 公司深度报告：世界核电看中国 - 250218（22 页）》
《医药生物行业：医疗器械行业全景图发展趋势及投资机会展望 - 250216（28 页）》
《皮尤研究中心：2024 美国社交媒体使用情况研究报告（英文版）（30 页）》
《科睿唯安：2025 基因编辑领域的领先创新者洞察报告 - 改变药物发现和开发范式的八大创新者（47 页）》
《经合组织（OECD）：2025 年全球脆弱性报告（218 页）》
《计算机行业年度策略：AI 应用元年看好 Agent、豆包链及推理算力三大主线 - 250218（38 页）》
《国金证券研究所：从理想走向现实，全球人型机器人研究报告》
《深度解读 DeepSeek 原理与效应（附 PPT 下载）》
《兰德公司（RAND）：2025 借鉴危机经验构建城市水安全韧性研究报告：五城案例分析（62 页）》
《凯捷（Capgemini）：2025 行业创新洞察：电气化飞机推进系统研究报告（27 页）》
《国际能源署（IEA）：2025 全球电力市场报告：至 2027 年的分析与预测（200 页）》
《Zenith：2025 年国际消费电子展（CES）趋势报告：AI 对消费科技、消费行为及传媒营销的变革性影响（17 页）》
《RBC 财富管理：全球透视 2025 年展望报告（33 页）》
《美国国防部和国家安全领域的十大新兴技术》（96 页）
《代理型人工智能全面指南》（45 页 ppt）
《麦肯锡 2025 人类工作中的超级代理。赋能人类解锁 AI 的全部潜力》（英文版 47 页）
《仲量联行（JLL）：2025 美国制造业的复兴全面分析报告：未来制造业增长及工业需求前瞻（26 页）》
《未来的太空领域：影响美国战略优势的领域》
《Luminate：2024 年年终美国影视行业报告：数据及趋势洞察（40 页）》
《Anthropic：2025 年 AI 经济影响报告：AI 如何融入现代经济的各类实际任务（38 页）》
【ICLR2025】《LLMS 能否识别您的偏好？评估 LLMS 中的个性化偏好遵循能力》
《改进单智能体和多智能体深度强化学习方法》（219 页）
《美国安全与新兴技术中心：2025 中国学界对大语言模型的批判性思考通用人工智能 AGI 的多元路径探索研究报告》（英文版 29 页）
《世界经济论坛 & 麦肯锡：2025 以人才为核心：制造业持续变革的当务之急研究报告（40 页）》
《超越 ChatGPT 的 AI 智能体》（82 页 ppt）
《Harris Poll：2024 年汽车技术预测报告：消费者对先进汽车技术与功能的洞察（14 页）》
【新书】《人工智能智能体的应用》（527 页）
《哥伦比亚大学：超越 Chatgpt 的 AI agent 综述》
《欧盟标准组织 - 体验式网络智能（ENI）- 基于人工智能代理的下一代网络切片研究》
《中国科学院：2024 开放地球引擎（OGE）研究进展与应用报告（55 页）》
《中国工程院：2024 农业机器人现状与展望报告（70 页）》
《美国安全与新兴技术中心：2025 中国学界对大语言模型的批判性思考：通用人工智能 (AGI) 的多元路径探索研究报告（29 页）》
《罗兰贝格：2050 年全球趋势纲要报告之趋势五：技术与创新（2025 年版）（72 页）》
《理特咨询（ADL）：2025 解锁聚变能源：驾驭聚变能商业化的机遇与挑战研究报告（20 页）》
《埃森哲：技术展望 2025—AI 自主宣言：可能无限信任惟先 - 摘要（12 页）》
《怡安（AON）：2025 年气候和自然灾难洞察报告（109 页）》
《美国安全与新兴技术中心：2025 AI 翻车事故（AI incident）：强制性报告制度的关键要素研究报告（32 页）》
《牛津经济研究院 2025 确保英国充分释放量子计算的经济潜力研究报告 》（英文版 64 页）
《欧洲创新委员会（EIC）：2024 年科技报告（65 页）》
《大模型基础 完整版》
《国际人工智能安全报告》（300 页）
《怡安（AON）：2025 年全球医疗趋势报告（19 页）》
《前瞻：2025 年脑机接口产业蓝皮书 —— 未来将至打造人机交互新范式（57 页）》
《联合国（United Nations）：2024 技术与统计报告：从业者投资法指南（67 页）》
《经济学人智库（EIU）：2025 全球展望报告：特朗普再次当选美国总统的全球影响（16 页）》
《大规模视觉 - 语言模型的基准、评估、应用与挑战》
《大规模安全：大模型安全的全面综述》
《Emplifi：2024 年 Q4 全球电商行业基准报告 - 社交媒体趋势洞察（37 页）》
《DeepMind：2025 生成式魂灵：预测人工智能来世的益处和风险研究报告（23 页）》
【AI4Science】《利用大型语言模型变革科学：关于人工智能辅助科学发现、实验、内容生成与评估的调研》
《世界银行：2025 极端天气高昂代价：气候变化背景下的马拉维金融韧性构建研究报告（76 页）》
《北京理工大学：2025 年中国能源经济指数研究及展望报告》
《Space Capital：2024 年第四季度太空投资报告（22 页）》
《NetDocuments：2025 年法律科技趋势报告（32 页）》
《CB Insights：2024 年度全球企业风险投资（CVC）状况报告：私募市场交易、投融资数据及分析（130 页）》
《Artlist：2025 年全球内容与创意趋势报告（59 页）》
《IBM 商业价值研究院：2024 投资人工智能伦理和治理必要性研究报告：AI 伦理前线五位高管的真实故事（24 页）》
《世界基准联盟（WBA）：2025 塑造未来：对可持续发展目标（SDGs）影响最大的 2000 家公司研究报告（46 页）》
《清华大学：2025 年 DeepSeek 从入门到精通（104 页）》
《麦肯锡：2025 工作场所中的超级代理 (Superagency)：赋能人类解锁人工智能的全部潜力（47 页）》
《凯捷（Capgemini）：科技愿景 2025：关键新兴科技趋势探索（54 页）》
《硅谷银行（SVB）：2025 年上半年全球创新经济展望报告（39 页）》
《BCG：2025 工业运营前沿技术：AI 智能体 (AI Agents) 的崛起白皮书（26 页）》
《DrakeStar：2024 年全球游戏与电竞行业报告（26 页）》
《理特咨询（ADL）：2025 人工智能驱动的研究、开发与创新突破的新时代研究报告（80 页）》
《互联网安全中心（CIS）：2024 年网络安全冬季报告：回顾与展望（30 页）》
《方舟投资（ARK Invest）：Big Ideas 2025 - 年度投研报告（148 页）》
《DeepSeek：2024 年 DeepSeek-V2 模型技术报告：经济、高效的混合专家语言模型（52 页）》
《CB Insights：2024 年度全球风险投资状况回顾报告：私募市场交易、投融资和退出数据及分析（273 页）》
《全国智标委：2025 城市生命线数字化标准体系研究报告（105 页）》
《经合组织（OECD）：2024 年全球政府创新趋势报告：促进以人为本的公共服务（46 页）》
《DeepSeek_R1 技术报告》
《摩根斯坦利报告 —DeepSeek 对于科技和更广义经济的含义是什么？》
《李飞飞最新 S1 模型的论文：s1 Simple test-time scaling》
《世界经济论坛 -《全球经济未来：2030 年的生产力》报告》
《2035 年技术融合估计：量子互联网、人机接口、机器学习系统、隐形机器人、增材制造》
《百页大语言模型新书》（209 页 pdf）
《量子技术和网络安全：技术、治理和政策挑战》（107 页）
《大语言模型中的对齐伪造》（137 页）
《2035 年技术融合估计：量子互联网、人机接口、机器学习系统、隐形机器人、增材制造》（美陆军 232 页）
《美国防部 CDAO：人工智能模型的测试与评估》（66 页 slides）
《自动驾驶的世界模型综述》
《Questel2024 深度学习领域专利全景报告》（英文版 34 页）
《深度解析 Palantir》（20250122_204934.pdf）
上下滑动查看更多
来源：人工智能学家