翻译整理 | 智慧君 

来源 | 相关访谈视频

摘要速览

微软CEO Satya Nadella 在最新一期 MD MEETS 访谈中，从 AI 的本质聊到全球算力博弈，提出了数个对企业极具前瞻性的判断：

在他看来，AI 时代真正的稀缺资源不是模型，也不是算力，而是组织内部的人类能力——情商、语境理解、协作智慧。企业若想在新的竞争周期中站稳脚跟，必须丢掉"过去的成功学"，以学习型心态重建更灵活、更像初创公司的工作流与组织结构。

与此同时，AI 的爆炸式增长正在把全球能源系统推向极限，科技企业要想继续扩张，必须用真实、可证明的价值来"赢得使用能源的社会许可"。至于微软与OpenAI，他将其定义为竞争与协同共存的"生态共生"关系。

Satya Nadella 的核心提醒是：AI 不会取代组织，但会重写组织的管理逻辑。真正被时代淘汰的，将是拒绝适应新语境、缺乏学习能力的企业。

（Microsoft CEO Satya Nadella:AI Boom, Energy Battle & His Complicated Alliance with Sam Altman，以下是访谈原文中译版）

主持人：Satya，我今天想跟你聊聊，还是人工智能。你会不会有点腻了？老是被问AI 这个话题。

Satya：你知道的，Matthias，这东西你其实没法腻。你只会越来越兴奋。每天我都觉得，能参与打造这些技术真是幸运。但最终真正值得被关注、被庆祝的，是这些技术被人们用出来、发挥价值的那一刻。

主持人：最近这段时间里，有哪条信息、哪段经历，是让你在AI 上最意外、最震惊的？

Satya：这个问题你问得挺有意思。因为如果回头看我自己在生成式AI 这条路上的经历，包括我们怎么和OpenAI 建立合作、为什么当初愿意押这么大一笔赌注——这些在当年其实都不是主流判断。

说到底，Matthias，就是一句话：你得有一颗"准备好的心"。

比尔其实早在1995 年就创立了 Microsoft Research。他当时的想法是：Xerox PARC 影响了微软、苹果这些公司，没有它可能就没有 PC 产业。所以他想搞一个真正做基础研究的团队。我们最早的研究组之一是语音组。你知道的，我们这些年一直对自然语言着迷。微软本身就是做生产力的公司，文本、语音、语言表达——这些都是我们的根基。所以这么多年，我们在语言技术上其实打过很多次"射门"，一直没有停过。后来 Sam（Altman）和他的团队过来说，他们打算把 Transformer 模型应用到文本上。很有意思的是，2016 年他们其实更关注强化学习——虽然后来 RL 又火回来了，但当时他们重点并不是做文本。直到 2019 年，他们决定真正去攻克 Transformer 的"规模化定律"，把它完全用在自然语言上。那一刻就是魔法开始的地方。从那之后的几年，我们也不断加入了自己的方法和技术，才有了你今天看到的这些突破。

现在回头看，其实还有很多后来逐步拼起来的新发现。但当时根本没人想到，"规模化定律"（scaling laws）竟然能直接应用到文本上。再加上后来指令跟随（instruction-following）的技术成熟，魔法真正发生在两个产品上：GitHub Copilot 和 ChatGPT。先出现的是 GitHub Copilot，使用的是类似Codex 的模型。我们第一次能看到"next、next、next"——就是你敲 Tab、Tab、Tab，它就把代码顺着你脑子里的意思补下去。我看到那一刻真的觉得："哇，这太疯狂了。"它不只是自动纠错，它是在接住你正在形成的想法，并且比你自己更快地把它写出来。那是第一次真正意义上的突破。然后是指令跟随聊天模型。我们发现，只要给模型稍微训练一下"怎么进行对话"，它居然就能和你顺畅地交流了。那就是 GPT-3.5、也是最早版 ChatGPT 的那个关键时刻。后面的发展你也看到了，一路滚雪球一样。如果要总结一个核心规律，那就是：计算力（更精确地说，是计算力的对数规模）= 智能。当然，这意味着我们还需要把效率做得更高，因为"靠 log 增长"非常费算力，这并不是最优方式。但不管怎样，规模化定律确实在发挥作用。

主持人：你会不会觉得惊讶，大语言模型在情绪表达、模拟情绪、创造力，甚至幽默方面，表现得特别有说服力？还是说你早就预料到了？

Satya：不惊讶。其实在某种程度上，这本质上就是一个"模仿游戏"。所以说，现在还有一些重大科学问题需要去解答。目前我们还没有真正找到认知核心。换句话说，如果你想创造出真正的智能，你不能只是回放训练数据，而是要学会"学习的算法"。就像婴儿出生时，什么都不会，但会通过与世界的互动去学习。现在的模型有点像半成品机器，它能回放知识，但同时也具备模式识别能力。这种能力可以看作是一种"萌芽的认知核心"，和它所掌握的知识混合在一起。下一步的科学突破，就是如何把模型的知识和认知核心区分开来。顺便说一句，如果做到这一点，能耗也会大幅降低——毕竟我们人脑只需要大约 10 瓦的功率。所以，我们还需要更多科学研究，去理解"认知核心学习算法"到底意味着什么。

主持人：Satya，你在公开场合和股东信里多次提到微软的转型。本质上，这是对公司的一次重塑，同时也意味着你个人需要重新定义自己。那么，你觉得在其中最难的部分是什么？无论对微软还是对你自己。

Satya：嗯，我明白你的意思。我觉得对我们所有人来说，这确实是一件非常重要的事。我会说有两点。先说微软的起点。比尔在创办微软时，有一个原始的假设，我觉得这个假设对过去50 年的成功帮助很大。那时他认为：软件革命即将到来。但当时根本没有软件产业。1975 年，连 PC 都不存在，更不用说微型计算机革命了，也没有所谓的软件公司。所以，比尔当时的想法是：软件将是最宝贵的资源，我们要成为一个"软件工厂"。并不是先想好要做操作系统、编程语言工具或办公套件——这些都是后来才出现的。实际上，微软的发展路径非常曲折——很多人都忘了，我们最早为 Mac 做 Office，而 Windows 是后来才出来的。我们的第一个工具是 BASIC 解释器，甚至在 Windows 之前就开发了《飞行模拟器》。我们基本上就是一个软件工厂，秉持的态度是：世界需要什么，我们就去做什么。这种思路和比喻，帮我们坚持了50 年。

尽管技术变化极快——从 PC 之前到云端时代——我们的核心游戏从未改变：你是一家伟大的软件工厂。但现在情况变了，我们要帮助每家公司去建立自己的"软件/AI 工厂"。这是一场范式的转变，非常重大。而我们正处在这个过程当中。所以，你必须回到核心使命：我们代表什么？我们的品牌围绕信任和赋能，如何通过文化去强化学习新事物的能力？我一直回到这种目的感、使命感，以及文化重塑的思考，用它去适应技术和商业模式的新世界。

主持人：在这个转型过程中，你自己也需要去改变某些技能吗？有没有哪些能力是你以前没有，现在不得不去培养的？或者你会说，其实凭你原有的技能，也能驾驭这次转型？

Satya：这是个好问题。我们经常用一个比喻——来自儿童心理学和 Carol Dweck 的"成长型心态"理论：当你谈技能时，我认为最重要的长期核心能力，其实不是"知道一切"（know-it-all），而是"学到一切"（learn-it-all）。尤其是当你已经很成功时，这件事会变得更难。因为你必须去"卸载"那些让你成功的旧习惯，才能学到新的东西。举个例子，就算是我，整个周末我都在尝试去理解：新公司是如何开发产品的，这和我们过去的方式完全不同。规模是我们的巨大优势，但也带来劣势。为什么呢？在大型公司，我在产品、科研和基础设施之间需要通过三个部门负责人来沟通，而在创业公司，这三者可能就坐在一张小桌子上，随时协调。所以，要重新学习在新世界里创造产品魔力的方法，你必须拥有好奇心、愿意啃书本且不要让自我阻碍学习。而这，真的很难。

主持人：既然基本上是关于塑造整个生态系统、帮助公司成功，那么哪些公司会在AI 转型中存活或者受益？对其他公司和它们的领导者来说，需要具备什么技能？

Satya：这是个很好的问题。我很高兴你提出来，因为我觉得我们需要更多讨论的，是"在AI 世界里，公司未来会是什么样子？"回想过去的时代，你有数字系统、办公生产力系统、ERP 系统、CRM 系统，甚至新闻编辑系统，你可以自己构建或购买并部署它们。这些系统做什么呢？它们本质上是把与人、地点、物相关的工作数字化。数字化之后，你就可以理解、优化，并获得生产力提升——因为数字化的"载体"可以被自动化，可以产生新的工作流程，加快知识流转。Andy Grove 曾经有个说法：一家公司能走多远，取决于它创造新知识的能力，以及把这些知识在组织中传播开来的能力。这就是传统公司一直在做的事情，而数字技术给了它们加速。

AI 则给了这个过程另一层次的加速。我相信我们还会谈到主权的问题。今天真正需要关注的，不是国家或大陆层面的传统主权，而是公司在 AI 时代的主权。如果一切都围绕着某个全知模型，那么每家公司都必须回答两个问题：我有什么独特的知识？更重要的是，我该如何在这个游戏中运作？我如何确保自己不会被别人的模型迷住或产生敬畏之情？我认为，现实世界里的任何公司领导者——撇开科技行业的噱头——都必须关注：我是否拥有自己的 AI 工厂，可以构建属于自己的基础模型？关键不是去赞美别人的基础模型，而是每家公司未来都需要拥有某种独特的基础模型，代表自己的知识，并能持续优化、积累。无论你是在软件行业开发产品，还是内容行业，或者制造业，这个逻辑都一样。我们都必须建立自己的 AI 或 AI 软件工厂，以创建属于自己的、独一无二的基础模型。

主持人：Satya，你觉得有一天会出现完全由 AI 创造和运营的公司吗？或者说，也许这样的初创公司已经在起步了？你怎么看？

Satya：Matthias，我觉得这个想法对我来说有点太超前了。你知道，总有人会说："天哪，将来会有黑暗工厂（dark factories）！"我去过的数据中心——它建好、安装好、开始运行——背后其实花了很多人力。它能自主运作，但不是完全无人管理。我认为，未来五年、十年，会有惊人的自动化水平，但人仍然不可或缺。我更倾向相信一个概念，我叫它"宏观委派+ 微观引导"（macro-delegation & micro-steering）。举个例子：早上我起床，我把任务交给一群代理（agents），我只说一句"去做吧"，它们就开始工作。然后呢，它们会回来向我汇报："这件事完成了，这里遇到问题，需要你的指导，这里需要帮助……"结果是什么？我需要一个新的收件箱，不是普通的邮件收件箱，而是用来管理这些代理的微观引导任务。有人跟我说：未来的软件就是围绕新的收件箱、新的消息工具，以及空白画布上的新光标来展开。我认为，人类始终需要与AI 接口。即便自动化越来越高级，生产力越来越高层次抽象，人类的主动参与仍然不可或缺。

主持人：大家都在谈生产力、效率提升。但如果谈AI，很少有人谈质量提升或新任务创新。先说生产力和效率吧。我看到一份 Gartner 的调查，非常有意思：74% 大公司的 CFO 相信 AI 能带来显著的效率和成本优势，但只有 5% 真的看到了效果。你如何解释这种差距？是不是我们缺乏应对 AI 的能力？顺便说，这份 Gartner 调查还有更悲观的部分：到 2027 年，40% 的 AI 工具和项目可能会失败。你怎么看这种新的怀疑态度？CFO 的乐观和实际成本优势之间的差距又怎么解释？

Satya：这是个非常好的问题。实际上，我认为这可能正是导致不同公司之间差异的根本原因。就拿微软来说，我们已经看到AI 在大幅提高生产力——无论是客户服务，还是供应链运营。你提到的财务领域，尤其是预测工作，其实每天都在发生"自下而上"的革命——不是顶层决策，而是基层的流程革新。AI 去掉了重复乏味的工作，提高了结果的质量，优化了工作流程。举个例子，我们是一个资本密集型产业，正如你可能注意到的。我们建设了大量数据中心，并在全球拥有500 多个光纤运营点。AI 在这里可以大幅优化资源配置、监控和运维，从而带来实际的效率提升。光纤终究是实物资产，它会出问题，会被割断，需要有人去修。这是一种非常手动的操作，即便是光纤运营商也需要人工处理。我们内部负责管理这一切的人，就建立了一个完整的"代理系统"来处理这些问题——这是唯一能管理这种规模的方法。想想看，过去 18 个月我们新增的 Azure 数据中心容量，相当于前 15 年的总和。规模巨大，要靠这些工具才能管理得过来。说到你的 Gartner 报告，我认为公司必须学会四到五件事：

1.心态（Mindset）

不只是把AI 应用于现有业务，更重要的是以 AI 重新想象变革管理。这有点像 90 年代我们谈业务流程再造，现在要有‘业务流程再造的心态’。

2.工具（Tool set）

你需要新的工具组合，这些工具可以应用到新的流程上。我们能提供部分支持，但公司自身必须配备适合的新工具。

3.技能（Skill set）

你必须具备使用这些工具的能力。心态+ 工具 + 技能，这三者结合才行。

4.数据（Data set）

数据不能只局限在现有系统里。你必须跨系统规范化数据，才能支撑AI 应用。当你把心态、工具、技能、数据整合起来，并应用到新的评估和流程中，这就是搭建 AI 系统的方式。如果你还像处理去年的 IT 项目一样去做 AI 项目，定义上就注定会失败。所以，从宏观层面来说，这需要大量的重新学习和改造——对 IT 技能的重新布线，这是很难的。它需要开明的领导力，需要重新培训员工，还要合理规划和选择项目。

主持人：很有意思。不过即便我们把前面提到的四个支柱落实了，目前似乎对AI 是否能成为那种不可阻挡的增长推动力，依然存在一些未来上的怀疑。越来越多的人在问，这会不会是一种泡沫，或者至少会不会有一个阶段性的泡沫破裂？有人把这种情绪变化归因于你最近与 Sam Altman 的一次访谈。在访谈中，Sam 被问到一个问题：一个公司如果营收 130 亿美元，但同时承诺投入 1.4 万亿美元，这合理吗？最近几周我们已经看到很多大额交易，有点让人担心。你怎么看？这种发展会是几乎线性、单向的指数增长吗？还是会出现某种调整，像健康的洗牌，淘汰失败的想法，把过度兴奋拉回现实？你如何看待这种情绪变化和 AI 泡沫可能破裂的担忧？

Satya：Matthias，我的思路很简单：最终检验标准只有一个。AI 必须对整个经济产生广泛影响，推动生产力曲线提升，并带来普遍的 GDP 增长。因为归根结底，没有什么能跑赢经济增长。任何供给端的创新，最终都必须对接需求端。如果这些创新不起作用——你说的泡沫就会形成。但是我们有信心，并不是因为想象的未来，而是因为在科技领域，这个规律一直成立：未来已经到来，只是分布不均。这就是非对称性。举个例子，如果我没有在 2019 或 2020 年看到 GitHub Copilot 的效果，即使现在回头看，我也不会做出那些投资。Copilot 的推理能力提升速度非常快，就连上周末我都体验到了它的惊人表现。比如，它不仅仅是按下按钮生成一个英文回复，它真的在推理问题，像一个思考伙伴一样，帮我精准地问出发邮件人的关键问题。这种体验简直像魔法，它能让工作效率大幅提升。所以我们之所以有信心，是因为这些工具真的在产生影响，这项技术真的在改变现实。顺便说一下，我们的营收就能说明问题——看我们上一季度的财报，Azure 增长了 40%，这是实实在在的大数字，而且是在一个很大的基数上实现的。如果没有这些业绩，我们也不会有信心去做大规模投入。你说得对，最终 AI 必须带来广泛的经济效益。技能分布必须更普遍，不能只有少数公司、少数行业受益。否则，这就可能是一条"通往死胡同的路"。我对未来路径还是比较有信心，但它不会是线性的——没有什么事情是线性的。所以我们必须非常有纪律性。举例来说，我们正在用资本建立一个全球可流动的数据中心网络，在满足主权要求的前提下，可以用来训练模型、做推理，甚至处理各种中间任务，而且能跨多代技术应用。投资必须非常有纪律性，持续推进，并且最重要的是，确保这些能力能够真正扩散到全球、扩散到每家公司。

主持人：Satya，我们刚刚聊了你和 Sam，我想听听你的看法。微软和 OpenAI 的关系究竟怎么样？过去几年发生了什么，现在的状态如何？

Satya：首先，我想说，从我们开始的时候，到现在，这段经历非常棒。我们最初是以一个非营利研究实验室的形式开始的，我们赞助了他们的工作，同时也帮助他们扩大规模。显然，这对我们自己也有好处。所以总体来说，我们非常满意。当然，在边缘领域可能会有一些竞争的张力，但核心上，他们已经是一家非常成功的公司，而我们是重要的投资者。我们拥有知识产权，可以在此基础上进行创新，这也是我们正在做的事情。我们也有自己的雄心，想在这个基础上建立自己的模型，这是完全可行的。同时，我也很高兴，我们一起创立了世界上最大的非营利组织之一。现在，OpenAI 基金会和盖茨基金会一样，都是与微软相关的非营利组织。说起来，有没有传闻说，当你准备第一次投资 10 亿美元时，比尔·盖茨曾劝你不要投 OpenAI？他后来有道歉吗？没有，但说实话，比尔和我们所有人一样，这本身就是一个疯狂的赌注。老实说，当时要投资 10 亿美元，这听起来好像每个大科技公司 CEO 都应该去做，但实际上并不容易。这是完全未知的领域，他像其他人一样，对把"规模化定律"直接应用到文本上能否成功表示怀疑。说实话，即便在最初一些实例开始成功时，他也持怀疑态度，直到GPT-4 出现。我们在他家做过一次 GPT-4 的著名演示，他亲自测试了各种题目，包括 MCAT 医学测试，看到效果后，他才改变了看法。比尔的核心思维一直更偏向符号逻辑，他并不是神经网络派，他不相信神经网络可以自己学习。他更希望用符号逻辑去学习人、地点和事物之间的关系。这次是我第一次看到他"跨过那条界线"。顺便说，如果你和他谈，他仍会强调："很好，但它需要一个认知核心"，也就是某种符号逻辑的认知内核。我觉得他说得很对——你不能只是说，"有台机器能做一些事情，让我们很兴奋"，但它不可预测，智慧呈参差不齐。如果在关键任务系统中部署AI，一旦出错，你无法预测何时会出错，那就是大问题。

主持人：从你的角度看，我有点觉得像是你同时在养两匹马，一边是老一辈的团队，一边是Mustafa Suleyman 的团队，中间还有这种细节：一匹马得帮另一匹马。我有点难理解，这种长期下来到底能不能顺利运作。

Satya：也许用另一个比喻会更合适：把它想成我们各自有一套产品，他们也有一套产品，这就是竞争所在。但更重要的是，我们共享一些"核心引擎"。就像两家汽车厂商共享底盘设计，因为底盘设计带来了规模经济。我们甚至在系统层面上合作很多，比如AI 工厂的整体规划。换句话说，我们有两个品牌、两套产品。在我们的产品里，我们会同时使用 Mustafa 的模型和 OpenAI 的模型。我们有非常棒的团队，并且会持续扩充。甚至可能会使用其他前沿模型，因为我们并不被绑定在某一家，我们非常重视 OpenAI，而且拥有免版权费使用权。我们的目标是最大化利用这些技术，在它的基础上继续创新。最终，我们也会共享很多‘核心引擎部件’和供应链资源，从而让整个生态更高效。

主持人：你有时会同时和他们一起吃饭吗？还是说那样不太合适？

Satya：会的，其实我们会的。有趣的是，公司和我个人在这个过程中都成长了。无论是和SAP 的合作，我从 Haase 时代就参与其中，后来 Bill 和 Haase 决定把 SAP 建立在 SQL Server 之上，这样一来，SAP 做出了非常成功的业务，我们也建立了非常成功的业务。再比如英特尔和微软的关系。我一直是"正和合作"（positive sum partnerships）的学习者和推动者。所以说，关于 OpenAI，虽然我们之间有一些交集和问题，但你可以这样想：OpenAI 今天在和每家公司竞争，对吧？它要和谷歌竞争，要和 Meta、Sora 竞争，他们还会推出设备，所以也会和苹果竞争。在某种程度上，我很高兴 OpenAI 作为一个投资对象，有着雄心勃勃的目标，也在取得进展。但归根结底，微软依然能够按照我们自己的方式去推进我们需要做的事情。

主持人：那在AI 经济中，合作关系真的会发生根本性的变化吗？几乎每家公司都在互相合作，这是不是意味着竞争有了全新的定义？ 

Satya：我认为，更重要的可能是我之前提到的观点：当我们选择合作时，最终你希望弄清楚一个问题——为什么人们会合作？人们合作是为了获得杠杆效应，对吧？在某种意义上，这总是与垂直整合的问题有关。每个人一开始都可以说，"我自己生产电力，自己消耗"，对吧？但归根结底，专业化是有作用的。你可以这样理解：只要我能把合作伙伴关系和专业化结合起来，从而做出独特的事情并获得杠杆效应，这就是核心论点，而且这是一个"正和"的结果。所以我觉得，这是我们需要找到的方向。有时候，我觉得无论是在科技行业，关于合作的文章写得很多，但从根本上说，科技行业知道如何在合作中实现差异化。我最担心的，其实是下一家制药公司、下一家媒体公司、下一家汽车公司——他们如何与科技公司进行聪明的合作，同时保持自身能力的主权？我对不属于科技行业的公司最大的担忧是：科技行业已经有了合作、专业化、差异化的 DNA，而其他行业可能没有。我担心的不只是数据隐私问题，而是能否真正协调多个合作伙伴，最终构建你自己的 AI 能力，你自己的 AI 工厂——我认为这将是关键。就像我们没有"电力行业"，但每个人都使用电力一样，AI 也会成为每个人用来创造增值产出的工具。

主持人：你今天几次提到能源，电力是关键因素，似乎将会成为稀缺资源。在弗吉尼亚，有一个数据中心计划，容量达到47 吉瓦，相当于 47 座核电站。你怎么看这个问题？解决得有多快、多 convincingly？会依靠现有能源技术，还是需要像核聚变这样的新创新尽快出现？

Satya：对，我觉得这个问题很关键。其实解决方案是全方位的。首先，必须做一些基础但必要的事情：如何加快许可审批、如何快速建设，不仅是现代化电网，还要考虑能否在用户侧（behind the meter）部署解决方案，让电网逐步现代化。

同时，我们还要确保所有操作都符合各类监管，包括环保规定。说白了，这个行业需要赢得社会的"能源使用许可"——也就是说，社会认可我们消耗能源是为了创造价值。好消息是，目前我们的能源消耗基数很低——大约 3%—5%，到十年末可能也才10%。大部分增长都在这一块，所以压力很大，但总体必须带来广泛的经济增长，才能获得社会认可。此外，还需要能源来源的创新，以及能源使用效率的提升，这方面工作正在进行。

主持人：那AI 公司是不是也得在某种程度上变成能源公司，才能解决这个问题？

Satya：我不这么认为。我觉得这里会出现新的价值链，创新和专业化会叠加起来。可能在少数地方，我们会做一些类似"用户侧的能源管理"的事情，让人觉得好像在做能源业务，但你不能把每个你不熟悉的领域都垂直整合进去。但从另一方面看，我们这些超大规模公司对能源的需求，可能会成为推动下一代能源创业者或能源公司的巨大刺激。

主持人：那你最看好哪种未来能源技术的发展？

Satya：说实话，目前我们有一些核能采购协议在进行，也在观察进展。当然，我们同时在使用各种可再生能源。实际上，我们可能是全球最大的可再生能源采购方之一，包括PPE（Power Purchase Agreements，可再生能源购电协议）。所以我们不会偏执地只依赖某一种技术，而是全盘考虑。另外，我看数据中心账单时发现，即使是在电网现代化上的花费也很可观，因为稳定的基础电力才是最重要的。所以无论从供应端还是管理端，我们都需要全方位布局。比如谈到欧洲，尤其是德国，就有问题——他们已经放弃核能。

主持人：我觉得这对你们在欧洲，特别是在德国的扩张计划会有一定限制，对吗？

Satya：对，这个问题问得很好。说实话，我不太清楚我们在华盛顿特区具体遇到的所有问题。我们确实正在德国建设设施，我们需要德国的能源。这方面，我们显然要依赖德国的政策和德国提供能源的能力。归根结底，我认为任何国家都必须衡量自己：如何才能成为"每瓦每美元产出最高"的优秀能源生产者。好消息是，我们愿意投入资金。换句话说，我们和其他公司会来建设数据中心，让德国经济从中受益。但问题是，能源的成本效益必须具有竞争力，因为价格最终是本地化的。即便是德国公司，如果拿不到最优价格，他们也会选择去荷兰或其他价格更合理的地方。

主持人：德国应该重新启用核能吗？

Satya：你看，这个问题，我觉得既是政治问题，也是技术问题。所以我会让德国人民自己决定，而不是我来做主。但我想说的是，拥有能源能力非常重要。就像我看美国一样……

主持人：现在的政府情况如何？

Satya：我觉得他们做得很对。他们重点关注确保真正的能源上线，以保证两件事：一是不想提高美国民众的能源价格，同时又需要为AI 新建设施提供电力；二是如何建设更多能源，使美国在 AI 时代保持领先。我认为每个国家都需要做这样的工作。

主持人：未来几年将是关键时期。所以如果德国不重启核能，而新技术又未能及时到位，那么他们就无法立即解决能源问题。在这种情况下，我们很可能会错失AI 机会和由此带来的价值创造，对吗？

Satya：是的，我的确有几点想法。你看，特别是德国，这是一个独特的情况。德国的竞争力不仅来自德国国内市场的表现，更关键的是德国的知识产权遍布全球。我一直觉得德国很成功。德国是一个大市场，也有国内需求。我认为它应该是AI 工厂和能源的优秀生产者。但每次我去珠宝店或牙医诊所时，我周围总是充满了德国中型企业（Mittelstand）。这让我意识到，德国的卓越之处正是通过这些中型企业体现出来的。因此，德国其实是一个以出口为导向的经济体，这一点比通常讨论的要更重要。

所以，坦白说，在AI 时代，保障德国竞争力最重要的事情是：他们能否将自身世界级的专业知识与 AI 相结合，创造出更多世界级的知识、突破和创新，然后向全球输出？举个例子，我看我们数据中心的账单，Matthias，我指的就是西门子在做的事情，以及他们在其中扮演的关键角色。他们和我们一起打造了数字孪生（digital twin），看到他们给市场带来的创新非常令人振奋——比如提供制冷方案，加速一切流程。所有这些，我认为都非常有助于德国的经济增长。

主持人：如果谈到欧洲，你认为欧洲应该追求AI 主权吗？还是这是一个虚假的目标？

Satya：我认为，每个国家，无论是在欧盟层面，还是在德国这样的单个国家层面，我都觉得主权（sovereignty）是一个重要考虑，就像美国一样。每个国家都希望确保自己的供应连续性、供应韧性，以及在运作上的自主性。这也是我们做出这些承诺的原因之一。首先，我们正在德国、在欧盟投资我们的资本，承担风险。这些 AI 工厂或云工厂，并不是设在美国的，而是设在欧洲大陆和德国本地。其次，我们现在提供主权服务（sovereign services），无论是公有云还是私有云，都确保数据受保护、加密，并且数据平面（data plane）和控制平面（control plane）都是主权可控的。甚至在德国，我们有主权云（sovereign cloud）和私有云选项。总的来说，无论是技术层面、治理层面，还是法律层面，我们都建立了一个完整框架，落实我们对主权的承诺。但我觉得，大家都在谈论这一点，这当然很重要，但我认为主权的新篇章是我之前提到的那个层面。它和这些东西无关，而是关于：一个德国汽车制造商，或者一个德国工业公司，如何拥有自己的 AI 工厂和独特的基础模型？对我来说，这才是真正的主权定义。不是说"我有一个控制平面和数据平面，可以推 VM"，也不是"我加密了数据"。这些当然都很重要，但如果你做了这些，却没有在企业层面拥有自己的模型，那么甚至不能算是国家层面的主权能力。在 AI 世界里，这才是我认为的主权新前沿。

主持人：但现实一点看，在AI 军备竞赛中，欧洲其实并没有发挥作用。这主要发生在美国和中国之间，你可以争论谁会赢。但无论如何，欧洲不在这个竞争中。如果是这样，欧洲是不是应该很明确地选一个盟友，比如说，"好，我们加入美国阵营"，而不是模棱两可地应付？

Satya：我认为，这当然是一个地缘政治层面的决策，我觉得有道理。我也认为，从某种意义上说，德国与美国之间的跨大西洋自然关系，本身就很有逻辑性。但抛开这一点，我对你说的"欧洲只需要选边站队"的观点有一点不同意。我是 Jeffrey Ding 学派的坚定支持者，他的核心思想是关于技术扩散（diffusion of technology）。今天大家更多关注的是某一项 AI 技术的炒作。坦率地说，真正会赢的国家，不只是生产 AI，而是能够在整个经济中广泛使用 AI——在医疗、制造、教育等各个行业都能广泛应用 AI，从而推动经济增长。实际上，讽刺的是，决定胜负的可能不是生产端，而是使用端和扩散端。Jeffrey 的书，我忘了书名了，但值得一读，他的观点是：历史证明，通用技术（general purpose technologies）的成功，不在于哪一个行业领先，也不在于谁拥有领先行业，而在于技术的扩散。所以，如果你认同这个观点，我会说，只要德国或欧洲真正努力把技术引入本地，进行再技能培训（re-skilling），并实际使用这些技术，他们就可能成为大赢家。事实上，下次 Gartner 报告如果显示，最成功使用 AI 的公司是德国公司，那一天，你就可以看到德国企业了。

主持人：如果要打赌，谁会率先开发出人工超智能——中国还是美国？而如果美国想赢，这个机会会因为欧洲的参与而更高，还是无所谓？

Satya：我确实认为，美国之所以一直非常成功，很大程度上是因为它的盟友以及全球范围内的关系网。更重要的是，全球对美国技术和美国制度的信任。因此，美国虽然只占全球人口的约4%，但拥有全球约25%的 GDP 和 50% 的市场份额。这并不是因为美国自身市场够大，而是因为美国公司和美国创新触及了世界各地，并且获得了真实的信任。所以，对我来说，我确实认为，美国与欧盟之间的关系、市场准入和信任是非常重要的因素。

主持人：但是仅仅靠信任是不够的。而且中国有14亿人口，他们几乎可以访问到整个国家人口的所有数据和行为数据。对他们来说，唯一的限制基本上就是他们对自己人口控制力的稀释程度。其他一切都可以做到。因此，很容易有人认为，中国更有可能率先开发出人工超智能，并借此获得主导地位。

Satya：我看这个问题的时候，会说，到头来，现在是2025年，各种基准都摆在那儿。首先，我们得承认中国在开源领域所做的所有事情。我们也应该继续假设，中国的人力资本非常庞大，他们会持续创新。但即便如此，美国仍然在领导——无论是 AI 系统、前沿模型，还是全球的 AI 产品。因此，在某种程度上，时间会给出答案。

我依然会押注于美国科技行业的创造力。但我还想补充一点，不仅是美国科技行业的创造力，还必须包括美国的技术栈是全球最值得信赖的技术栈。因为回到我最根本的观点——到头来，这甚至不仅仅是能力问题，而是最终我要信任谁来帮助我实现主权？就是这个问题。我觉得每一个 CEO 和国家领导者都必须问自己一个问题，并明确回答：我信任谁作为伙伴？谁能在长期内让我成功？当我想到微软，这就是一个对照。我认为，当我想到美国，这应该也是一个对照标准。

主持人：Satya，你说过，随着技术变得越来越重要，基本上我们越来越多地将任务交给机器人和机器处理，同理心就变得更加重要。这是不是你现在把微软员工基本带回办公室的原因之一，或者说是主要原因？

Satya：不，首先，你要知道，在这个AI、自动化和自主代理的时代，更重要的是认识到人类如何协作。实际上，没有任何东西可以替代工作场所作为最好的协作工具，这非常有趣。所以，我认为归根结底，我们确实从远程和异地协作中学到了很多。但当你不把人们聚集在一起时，确实会失去一些东西。当我思考所谓"新的生产函数"时，就是要思考如何让产品人员、科学人员和基础设施人员以全新的方式协作去创造成果。这是非常迷人的一个方面。AI 还没有学会人类所需的上下文工程。但人类可以做到，我能捕捉社交线索、情绪信号，并将这些信息整合在知识积累、协作和创新的过程中。所以，我认为物理空间很重要，但我也不是教条派——我们曾经全部远程工作吗？从未如此。我们也不会全程亲临办公室。我们总是保持更多灵活性。至于你提到的同理心，它确实要求我们更好地理解上下文，但同时也不能在两端过于死板。

主持人：但看起来，人们比以往任何时候都更希望面对面互动。会议热度高涨，社交活动热度高涨，生活事件也热闹非凡，因为人们渴望互动。你是否认为这是一种文明发展的普遍趋势——情商（EQ）越来越重要，因为智商（IQ）越来越像是机器的事？

Satya：我一直觉得，嗯，我认为IQ、EQ，我觉得 Mustafa 甚至喜欢谈社交智力（SQ）。我认为这些在社会中都很重要。事实上，如果我们要有能够与人互动的 AI，它们也需要发展出更好地理解和应对我们需求的能力，涵盖这三者。所以，是的，我认同这个观点。IQ 有它的价值，但它不是世界上唯一需要的东西。我一直觉得，至少作为领导者，如果你只有 IQ 而没有 EQ，那只是浪费 IQ。

主持人：我们也差不多要结束了，但还有一个问题。有没有什么事情是没人知道的，你现在可以跟我们分享的？

Satya：没人知道的事啊……天哪，这个问题好难。那会是什么呢？

主持人：可以是优点，也可以是缺点，或者只是一个有趣的事实。

Satya：我有一个弱点，就是对印度甜点完全没有抵抗力。天哪，如果有人给我买了什么留在桌上，不出几分钟就没了。

主持人：如果你要采访你自己，你会问自己一个什么问题，是到目前为止没人问过的？

Satya：为什么我总是开始很多书，却从来没能读完？

主持人：下次我们再聊这些未读完的书吧，Satya，非常感谢你抽时间接受采访。太棒了。

Satya：非常感谢，真的很开心。干杯！

 —— · END · —— 

为您推荐：

华夏基石最新推出2025企业内训大课：新用户思维：从销售商品到经营顾客｜企业内训重磅大课

这套实操方法论，目前已为一线城市的企业内训超300场，超60000名企业家和管理精英参与学习，2天学会打造线上线下一体化的顾客经营体系，助力企业实现市场突破和组织变革。

【点击链接了解详情】

华夏基石管理咨询集团

中国管理咨询的开拓者和领先者

彭剑锋、黄卫伟、包政、吴春波、杨杜、孙健敏领衔

战略丨营销丨研发丨生产丨运营丨品牌

企业文化丨组织人力丨AI应用

咨询合作扫码

感谢阅读和订阅《管理智慧》，为了便于您及时收到最新推送，敬请星标本公众号。