其他
微软CEO纳德拉谈AI：从云计算到AI智能时代
主题：Satya Nadella | BG2 w/ Bill Gurley & Brad Gerstner
摘要
本次访谈中，微软CEO萨提亚·纳德拉（Satya Nadella）分享了其成为CEO的历程、推动公司转型的战略，以及对AI未来发展的洞见。他指出，公司成功的核心在于明确结构性定位、建立清晰的使命与文化，并通过培养成长型思维激发组织潜力。纳德拉回顾了微软在云计算领域的成功经验，强调其对客户需求的精准洞察和对行业长期趋势的深刻把握。
在AI领域，纳德拉详细介绍了微软与OpenAI的合作，认为OpenAI代表了新一代技术平台的变革力量。微软将持续加大投资，推动AI技术在搜索引擎、消费者应用和企业解决方案等多个领域的创新。他特别提到模型规模扩展、推理能力优化以及战略合作伙伴在创新中的关键作用。
访谈还涉及AI竞争格局、就业影响及伦理挑战。纳德拉认为AI竞争将呈现多层次、多元化特点，而非单一赢家通吃。他指出，AI对就业市场可能带来的冲击需要积极应对，同时强调AI开发与部署中的伦理和安全问题。关于开源与闭源模型的选择，他认为二者各有价值，并呼吁全球协作以确保AI技术的负责任发展。
关键词：微软，萨提亚·纳德拉，AI，OpenAI，云计算，企业转型，AI伦理，全球合作
关键数据
微软的AI业务收入已达约100亿美元。 微软的资本支出从2020年的约200亿美元增长到2025年的可能高达700亿美元。
关键要点
成长型思维与企业文化的核心作用：微软通过强调“成长型思维模式”，推动企业从“无所不知”转变为“乐于学习”。这一文化转型不仅增强了员工适应变化的能力，还确保微软在技术快速发展的环境中保持竞争力。 结构性优势与市场许可的战略定位：微软在云计算领域的成功得益于其在服务器和企业级软件领域的深厚积累，以及客户对其提供云服务的信任。这种结构性优势和市场许可为其在云计算和AI领域的扩展奠定了坚实基础。
AI技术的未来发展方向：“无限内存”和“代理能力”将成为AI应用的关键方向。未来的AI系统将能够存储大量上下文信息，并代表用户完成复杂任务，进一步提升个性化和智能化服务。 AI应用的颠覆性潜力：基于大型语言模型（LLM）的问答式AI正在彻底改变搜索和消费者体验。微软积极布局Bing、MSN和Copilot等产品，构建全新的AI应用生态系统，以满足未来的用户需求。 AI提升生产力与效率：微软正在将AI技术应用于客户服务、代码开发和办公软件等领域，类似于“精益生产”对制造业的影响。这种转型有助于提高知识工作效率并降低运营成本。 AI对行业和就业的广泛影响：AI将彻底改变搜索、消费者应用和企业解决方案的工作流和商业模式，同时提高生产力。然而，其对就业和劳动力市场的影响仍是一个需要持续关注和讨论的重要议题。
模型扩展与推理成本的优化：模型规模扩展仍是提升AI能力的核心路径，但推理成本的优化同样重要。微软支持如“思维链”（Chain of Thought）和“自动评分”（Autograding）等技术，以降低成本并提高效率。 资本支出与算力需求的平衡：AI的研发和部署需要巨大的算力支持，这推动了微软资本支出的快速增长。微软通过资源优化和软件效率提升，确保投资回报率（ROIC）维持在健康水平。
与OpenAI的合作推动AI技术突破：微软通过对OpenAI的投资和深度合作，快速提升了自身在AI领域的能力。这种合作关系使微软在与Google、Meta等竞争对手的较量中占据了领先地位，同时将OpenAI视为新一代平台型公司的典范。 合作深化与战略独立的平衡：微软将继续深化与OpenAI的合作，但同时保持独立性，根据自身需求开发定制化的AI模型和应用，以满足多样化的业务场景。 开源与闭源的平衡以及AI安全的优先性：开源和闭源各有优势，需在两者间找到平衡点。同时，AI安全和负责任的开发是技术发展的核心议题。微软呼吁政府、企业和研究机构合作，制定合理的监管框架，确保AI技术以安全、健康的方式推动社会进步。
精彩语录
成功的模式匹配：回顾我从1992年到现在整个微软的职业生涯，其实就是一种持续的模式匹配（Pattern Match）过程。当我们成功时，我们会分析成功的原因；当我们失败时，我们会反思失败的教训，并力求做得更好。 不要出于嫉妒做事：快速跟随（Fast Follow）别人的成功经验是可以的，并且也能取得成功，但我们不应该出于嫉妒而盲目模仿。 品牌许可和结构性定位：做任何事情都要考虑两点：一是品牌许可，即客户期望你做什么；二是结构性定位，即你在市场中的位置。
把握时代转变：作为一个大型平台公司，大部分的价值获取都是在时代转变（Phase Shift）的头三四年决定的，那时市场格局才开始形成。微软错过了搜索（Search）和移动（Mobile），但在云计算（Cloud）领域抓住了最后的机遇。 微软云的核心理论：微软云的核心理论是云基础设施（Cloud Infra），在此之上构建各种工作负载（Workload），包括Azure、Microsoft 365、Dynamics和游戏等。
押注OpenAI的原因：微软很早就关注AI，但错过了深度学习（Deep Learning）的早期发展。投资OpenAI是因为OpenAI团队在语言模型方面的雄心，以及他们对规模定律（Scaling Laws）的理解。 新一代公司：我认为这个时代的标志性公司已经诞生了，那就是OpenAI。从某种意义上说，它就像这个时代的Google、微软或Meta。 AI领域的竞争格局：AI领域竞争激烈，但不会出现赢家通吃的局面。在基础设施层、模型层和应用层都会有多个赢家。
搜索的未来：传统的搜索模式将被聊天（Chat）与答案（Answer）结合的新模式取代。当商业意图迁移到聊天模式时，传统搜索的格局将彻底改变。微软将通过Bing、MSN和Co-pilot三个产品来应对这一转变。 关于AI代理（AI Agent）：AI代理将能够在不同的应用和数据之间进行交互，这将带来新的商业模式和合作关系。在企业级应用中，AI代理可以通过连接器（Connector）访问不同的数据源。在消费级应用中，AI代理的价值交换模式尚不明确。 AI代理的权限：AI代理需要获得用户或操作系统的许可才能访问和操作应用程序和数据。在Windows操作系统上，用户将最终控制AI代理的权限。Apple和Google在其操作系统上将拥有更多的控制权。
企业级AI的应用：微软的AI业务已经达到了100亿美元的规模，并且全部来自推理（Inference），而不是训练（Training）。Co-pilot作为AI的用户界面，正在改变软件开发、办公和业务流程等领域的工作方式。
章节详细内容
识别成功的模式，并在未来采取更多成功的行动，减少失败的行动。 理解公司结构性定位和客户期望的重要性。 微软在云计算领域的成功源于客户期望微软在该领域取得成功，并认可微软在该领域的能力。 2014年成为微软CEO时写给CEO委员会的备忘录内容包括对微软未来发展的愿景：环境智能和无处不在的计算（ambient intelligence and ubiquitous Computing），这后来演变为“移动优先，云优先”战略。 微软云是一个整体，Azure、M365、Dynamics和游戏等业务都是建立在云基础设施之上的不同负载。 微软曾经的文化存在自满情绪（hubris），这归因于微软在成为市值最高的公司后产生的骄傲自满感。 为了改变这种文化，引入了“成长型思维模式”（growth mindset）的概念，鼓励员工从“无所不知”转变为“不断学习”。 使命和文化是每次公司会议的开场白。
微软在AI领域的早期努力，包括在语音识别、自然语言处理和深度神经网络（DNN）方面的研究。 微软错过了在2010年代早期加大AI投入的机会，而Google在这段时间收购了DeepMind。 投资OpenAI的原因： OpenAI在自然语言处理方面的雄心。 Transformer模型架构的突破性进展，为微软提供了一个在信息管理领域实现非线性突破的机会。 OpenAI关于“规模法则”（Scaling Laws）的早期研究，这让他相信加大对AI的投入是值得的。 OpenAI在GitHub Copilot上的成功，进一步坚定了微软对OpenAI的投资。
当前所有主要科技公司都意识到了AI的重要性，并拥有雄厚的资金储备参与竞争，这与过去不同。 OpenAI已成为AI领域的领导者，如同这个时代的Google或微软。 AI领域的竞争不会是赢家通吃的局面。 基础设施层：全球对前沿模型的需求将催生多个赢家。 模型层：每个超大规模云服务提供商都将拥有多个模型和相应的应用程序服务器。 应用层：不同的网络效应将在消费者和企业领域发挥作用，从而催生出多个赢家。
ChatGPT对传统搜索业务模式具有颠覆性影响。 消费者对直接获取答案的需求正在改变搜索行为，而ChatGPT满足了这种需求。 ChatGPT的状态化特性，即能够记住之前的对话内容，将进一步增强其相对于传统搜索引擎的优势。 微软将通过Bing、MSN和Copilot三大产品线应对ChatGPT的挑战。 微软在Windows操作系统上的分发优势将有助于其在AI领域与Google竞争。
AI代理需要访问和操作其他应用程序和数据，这将引发关于服务条款和合作关系的复杂问题。 企业级应用中，可能会出现类似于传统企业应用集成（EAI）的模式，即通过连接器（Connectors）和许可证授权AI代理访问数据和执行操作。 消费者领域，AI代理的商业模式尚不明确，因为传统的广告和流量模式可能不再适用。 安全性是AI代理发展过程中需要重点关注的问题。 恶意软件可能会利用AI代理执行恶意操作，因此需要在操作系统层面建立安全防护机制。 用户应该对AI代理的行为拥有最终控制权。
“近乎无限的内存”的关键在于建立一种“类型系统”来组织和管理AI代理的记忆，使其能够根据之前学到的内容进行推理和行动。 微软正在开发一个开源项目，旨在实现内存的结构化和类型匹配，以便AI代理能够更有效地利用其记忆。 微软将Copilot作为AI交互界面的战略。即使在未来AI能够完全自主工作的情况下，用户仍然需要一种方式来与AI进行交互，例如发出指令、授权或寻求帮助。 Copilot将作为AI工作流程的组织层，为用户提供一个统一的界面来管理AI代理和工作内容。
将AI比作“知识工作的精益生产”，认为AI可以帮助企业精简流程、减少浪费并提高效率。 微软利用AI实现效率提升和成本降低的领域： 客户服务：通过使用AI提高客户服务效率，降低成本。 GitHub Copilot：利用AI改变开发人员的工作流程，提高开发效率。 M365：将AI整合到M365产品中，提高办公效率。 AI将改变企业的人力资源结构，微软的总人力成本将会下降，但人均成本将会上升，同时每个研究人员可支配的GPU资源也会增加。
作为一家超大规模云服务提供商，微软在建设和运营数据中心方面拥有丰富的经验，并且能够有效地管理资本支出和投资回报率（ROIC）。 微软在AI芯片方面的投入是一种“追赶”，旨在满足AI应用对计算资源日益增长的需求。 Nadella仍然相信“规模法则”，但也承认随着模型规模的扩大，分布式计算的复杂性将会增加，导致训练成本上升。 OpenAI在“思维链”和“自动评分”方面的创新，为模型训练提供了一种新的思路，即利用推理时间计算来提高模型能力。 经济因素将最终决定模型规模的增长速度。 如果模型规模的增长速度超过市场需求的增长速度，将会导致资源浪费和“赢家诅咒”。 网络效应最终将体现在应用层，因此企业应该将资源集中在开发具有网络效应的AI应用上，而不是盲目追求模型规模的扩大。
---【本文完】---
近期受欢迎的文章：
更多交流，可加本人微信
（请附中文姓名/公司/关注领域）