撰文：Techub News 整理
导语
2025 年 2 月，微软董事长兼 CEO 萨蒂亚·纳德拉（Satya Nadella）做客知名科技播客主持人 Dwarkesh Patel 的节目，进行了一场长达 76 分钟的深度对话。此次对话发生在微软研究院两项重大成果同日发表于《自然》杂志的背景下：一是基于马约拉纳零模（Majorana zero modes）的拓扑量子计算突破，二是名为“Muse”的、能根据游戏数据生成一致且多样化游戏世界的“人类行动模型”。
作为全球市值最高科技公司的掌舵者，纳德拉在任内成功推动了微软向云与 AI 的转型，并通过与 OpenAI 的深度合作站在了当前 AI 浪潮的最前沿。本次对话中，他罕见地系统梳理了微软对 AGI（通用人工智能）的完整思考、商业布局以及对行业未来的预判，其观点对理解全球 AI 竞争格局与未来走向具有极高参考价值。
摘要
- AGI 的真正标志是经济增长：纳德拉认为，谈论 AGI 的“里程碑”没有意义，真正的衡量标准是 AI 能否像工业革命一样，推动发达国家的经济实现通胀调整后 5%、甚至 10% 的年增长。
- AI 模型层不会“赢家通吃”：他预判，AI 模型领域不会出现单一赢家通吃的局面，开源和闭源模型将长期共存、相互制衡，企业买家需要多元供应商。
- 超大规模云服务是确定赢家：无论上层模型如何竞争，对算力基础设施的“指数级”需求是确定的，因此超大规模云提供商（如 Azure）将是 AI 浪潮的核心受益者。
- 量子计算迎来“晶体管时刻”：微软在拓扑量子计算路径上取得物理与制造突破，有望构建百万物理量子比特、上千逻辑量子比特的实用级量子计算机，目标在 2027-2029 年实现。
- AI 部署的最大瓶颈是“变革管理”：将 AI 引入知识工作的核心挑战在于工作流程和“工作制品”的改变，这需要企业进行类似“精益生产”式的系统性流程重塑。
AI 格局：没有赢家通吃，增长才是硬道理
面对主持人关于 AI 行业最终是否会走向“赢家通吃”的提问，纳德拉给出了明确的否定答案。他借鉴历史经验指出，在消费者市场可能存在网络效应导致的赢家通吃，但在企业市场，任何聪明的买家（企业、IT部门）都不会容忍单一供应商垄断，他们会要求并扶持多个供应商以保持议价能力和供应链安全。云服务市场本身就是明证：当年亚马逊 AWS 领先时，很多人认为游戏结束，但微软 Azure 依然成功崛起。
“在模型层面，我认为也会如此。”纳德拉说，“将会存在开源模型，也会存在闭源模型。开源将成为一种制衡力量，确保闭源模型的赢家通吃效应被削弱。” 他进一步指出，如果 AI 真的如人们所说的那样强大，各国政府也不会坐视私人公司完全掌控这一力量。因此，他判断模型层将是一个能容纳多个参与者的广阔市场。
那么，AI 价值的确定性流向在哪里？纳德拉指出了两个地方：首先是超大规模云服务商。他认为，如果智能是“计算的结晶”，那么能够提供海量计算的一方就是大赢家。AI 工作负载，特别是未来 AI 智能体的推理过程，将对算力产生“指数级增长”的需求，这将直接利好 Azure 等基础设施提供商。
其次是利用 AI 提升生产力的各行各业。纳德拉强调，AI 发展的终极目标不应是科技公司自身攫取巨额利润，而应是让智能成为一种充裕的“商品”，被广泛行业使用，从而提升全社会的生产率和经济增长率。“真正的赢家将是那些使用这种充裕商品的更广泛的行业。”
由此，他提出了一个衡量 AGI 是否实现的独特标准：全球经济增长率。“我们有点被 AGI 的炒作冲昏了头脑。发达国家的经济增长率（经通胀调整后）是多少？几乎是零。”纳德拉说，“当我们说这像工业革命时，让我们看到工业革命式的增长。对我来说，真正的标志是：世界经济增长率达到 10%。…… 这才是真正的基准，而不是我们自我宣称达到了某个 AGI 里程碑，那对我来说只是无意义的基准黑客行为。”
战略与挑战：平衡投资、应对杰文斯悖论与变革管理
当被问及微软高达 130 亿美元的 AI 年化收入及其快速增长前景时，纳德拉展现了其作为 CEO 的平衡思维。他承认存在大规模超前投资的可能性（正如工业革命初期的铁路建设），但也强调供给与需求必须最终匹配。
“你可以完全脱离轨道，当你用供给侧的故事来炒作自己，而不是真正理解如何将其转化为对客户的真实价值时。”他表示，这就是他如此关注“推理收入”的原因——它作为一个“调节器”，证明了公司有能力将昨天的资本投入转化为今天的市场需求，从而为下一轮甚至是指数级的投资提供依据。
关于 AI 成本下降的影响，纳德拉借用了“杰文斯悖论”来解释。他认为，智能的“效用”和“价格”需要同时进步。每当像 DeepSeek 这样的模型在效率边界上取得突破，性能与成本曲线发生弯曲，就会带来新的需求。他以云计算为例：当计算变得更便宜、更弹性、按需付费后，总消费量反而大幅增加，在印度这样的市场，云计算的规模远超过去的服务器时代。
“如果你想想，如果能在全球南方、发展中国家，获得真正廉价的、可用于医疗保健的智能‘代币’，那将是前所未有的最大变革。”纳德拉说。
谈及 AI 能力部署的现实瓶颈，纳德拉指出，最大的挑战在于“变革管理”或“流程变革”。AI 引入知识工作，意味着工作制品和工作流发生了根本变化。他以自己使用 Copilot 准备此次播客为例，展示了新的工作模式。他认为，这就像制造业引入“精益生产”方法论，需要对端到端的流程进行持续改进以减少浪费、增加价值。
“这就像是知识工作的‘精益生产’。这将是管理团队和知识工作者面临的艰苦工作，需要时间。”他预测，从销售、财务到供应链，每个领域都需要探索和适应与 AI 协作的新模式。
量子突破：三十年磨一剑的“晶体管时刻”
对话中，纳德拉手持一枚芯片，兴奋地介绍了微软在量子计算领域的重大突破。这项历时约 30 年的研究，旨在解决构建实用级量子计算机的根本物理难题。
微软选择了一条与众不同的路径：押注拓扑量子比特，具体是基于理论预测于 1930 年代的“马约拉纳零模”。纳德拉解释，这种物理特性天生更可靠、噪声更低。此次《自然》论文发表的突破在于，研究团队首次在实验上实现了这种新物相（拓扑相）中的马约拉纳零模，并掌握了其制造技术。
“我们喜欢将这个时刻类比为量子计算的‘晶体管时刻’。”纳德拉说，“现在我们有了它，我们觉得随着这个核心制造技术的突破，我们可以开始建造马约拉纳芯片。” 他透露，这款名为“Majorana One”的芯片，目标是实现百万个物理量子比特，并在此基础上构建数千个纠错后的逻辑量子比特。他认为，只有达到这个规模，才能真正开启实用级量子计算的时代。
对于时间表，纳德拉表示，在取得物理和制造突破后，下一步是构建第一台容错量子计算机。“也许在 2027、2028、2029 年，我们能够真正建造出来。” 他展望，量子计算机将与 AI 协同工作，例如用量子模拟生成合成数据，用于训练更好的 AI 模型来理解化学或物理过程。
未来展望：智能体、信任与人类认知的进化
展望更远的未来，纳德拉描绘了 AI 智能体（Agent）普及后的工作图景。他预测，未来每个人都会拥有一个“智能体管理器”，而不仅仅是聊天界面，用于管理成千上万个为自己工作的智能体。Copilot 这类产品将成为“AI 的 UI”，是人与智能体世界交互的脚手架。
当被问及是否担心超级智能的出现时，纳德拉将话题引向了“信任”和“法律基础设施”。他认为，在谈论“新物种”之前，必须首先解决个人和社会层面的信任问题。当前的社会和法律体系建立在人类拥有财产、权利和责任的基础上，当人类将更多权力委托给 AI 工具时，这套体系必须随之演进。
“在法庭上的问题成为真正的问题之前，真正的（AI）失控问题就可能已经出现。没有哪个社会会允许一个人说‘是 AI 干的’。” 他强调，任何强大 AI 的部署，都必须确保其在与人类委托的权限范围内运行，并且是可验证、可监控的。
最后，对于 AI 是否会取代所有人类认知劳动的担忧，纳德拉持乐观态度。他认为，认知劳动本身是动态的。“今天的认知劳动可能会被自动化。但新创造的认知劳动呢？” 他比喻道，就像汽车没有让马匹完全消失，但马匹的用途和数量发生了根本变化。人类与强大的认知机器可以共存，AI 可以成为克服人类“有限理性”的认知放大器，帮助我们专注于更高层次的任务。
“为什么我们不能存在于一个拥有强大认知机器的世界里，同时知道我们自身的认知能动性并未被剥夺？”纳德拉的反问，或许为这场关于技术、商业与人类未来的深刻对话，留下了一个开放而积极的注脚。
