隨著大模型技術的非線性爆發，整個科技界與商業界正經歷著一場深刻的范式轉移。

近日，在斯坦福大學CS153（前沿系統）課堂上，微軟董事長兼首席執行官薩提亞·納德拉（Satya Nadella）與課程聯合導師邁克爾·阿博特（Michael Abbott）展開了一場高維對話。納德拉深刻指出，未來企業的長期護城河絕非通用的基礎大模型，而是如何將模型融入自身特有的數據、行為軌跡與強化學習環境，構建出屬于企業自身的“爬山機器”。

華爾街見聞整理要點如下：

1. 企業壁壘的底層邏輯重構：如果一家公司僅僅是基礎大模型的消費者，其企業價值將面臨歸零風險。企業未來的核心壁壘在于將前沿模型、開源模型或授權權重模型嵌入自身特有的私有評估集和強化學習環境（RLE）中，構建屬于自己的“爬山機器（Hill-Climbing Machine）”，讓自身的隱性知識產權（IP）隨著時間產生復利。

2. 智能體（Agent）的三大演進形態：AI的落地形態已從最初的聊天助手（Chat）發展到任務指派的協同工作（Cowork），再到最新的“自動駕駛（Autopilot）”長期運行智能體。以微軟Scout和開源框架OpenClaw為代表的自航智能體在后臺全天候運行，在操作系統層面則必須通過MXC安全容器等技術進行嚴格的沙盒隔離與行為治理。

3. 端側“不計量智能（Unmetered Intelligence）”大爆發：為了克服云端高昂且不可持續的Token計費壁壘，微軟正全力釋放網絡邊緣計算的芯片算力。通過推出單機提供 1 Petaflop 本地AI算力、20核ARM CPU、128GB統一內存的臺式開發者機，以及支持Windows原生運行的GB300和DGX工作站，萬億參數模型將在本地桌面實現全天候免費運行。

4. 2030年容錯量子計算將攻克現實挑戰：量子計算是經典計算的超級算力加速器。微軟歷經20多年長征，通過拓撲量子計算路徑在Majorana 2處理器上實現了工業級高容錯突破。預計將在2030年前建成實用規模（Utility-scale）的量子計算機，徹底改寫材料科學與醫藥化學。

5. 給青年一代的心智指引：追求“認知覆蓋面”而非“焦慮驅動的生產力”：在AI工具能一鍵完成任何機械性作業的時代，學生應徹底擺脫績點焦慮，將AI智能體視為私人全知導師。人類應該保持廣泛的跨學科智力興趣，通過下達高維指令和深度復盤智能體產出來拓展自己的“認知覆蓋率（Cognitive Coverage）”。

回顧2019年向OpenAI投入10億美元的決定，薩提亞·納德拉將其歸功于微軟長期以來對自然語言處理（NLP）的執著。

在2017和2018年，主流技術路線依然認為自然語言的突破需要依靠符號邏輯與機器學習的結合，微軟在那個階段也并非深度學習 路線的最堅定信仰者。但微軟的組織基因被訓練去接納任何在自然語言領域擁有宏偉野心的切入視角，無論是通過內部自主研發還是外部投資并購。當“縮放定律（Scaling Laws）”的論文發表時，OpenAI希望通過配置更多的算力和數據來推高Transformer性能的雄心，恰好擊中了微軟這個“有準備的頭腦”。

伴隨著模型能力曲線精準地保持在縮放定律的帕累托前沿上，PC時代的“蓋茨-格魯夫模式”（英特爾與微軟聯合打造PC生態）和當年微軟SQL Server與SAP的聯合演進模式，正在AI時代被重新詮釋。納德拉指出，當時最大的核心賭注不僅是資本的投入，更是將極度稀缺的算力資源集中配置在一個特定的項目上。

然而，當行業大模型層出不窮，企業應當如何確立自己的護城河？納德拉在斯坦福課堂上給出了一個振聾發聵的論斷：如果企業僅僅是一個通用基礎大模型的消費者，那么其企業價值將面臨無法維持、甚至無法創造的窘境。

企業的未來在于構建屬于自己的“爬山機器（Hill-Climbing Machine）”。

微軟在Build開發者大會上推出了7款全新的大模型，這些模型最大的特點在于使用了極其干凈、不侵犯任何版權的數據脈絡進行訓練，且沒有摻雜合成數據，從而讓模型內部自然展現出極其純凈的推理和編碼能力。但這些模型真正的使命，是作為授權權重模型，進入每家公司自身的強化學習環境（RLE）中。

每家公司在長期的日常運營和人力資本交互中，都積累了大量的“隱性知識（Tacit Knowledge）”和行為軌跡（Traces）。企業應當在內部建立私有評估集和RLE訓練場，張開雙臂歡迎前沿模型和開源模型進入這個“體育館”進行閉環訓練。

以Microsoft 365為例，它承載著企業內部海量的日常業務溝通。微軟正在將這一多租戶的SaaS應用程序轉化為多租戶的“爬山服務”：系統可以根據對員工實際操作的觀察，自動為一個例如人力資源（HR）的入職流程引導啟動（Bootstrap）并生成專屬評估集。在這種模式下，數據、環境、模型、軌跡和最終結果都完全由企業所有，其知識產權不僅不會向大廠外流，反而會隨著時間產生資產級別的復利增長。

智能體形態的三重演進：Scout 自航智能體與操作系統的“安全圍置”

在產品形態上，納德拉梳理了Copilot演進的三大形式：

1. 聊天（Chat）：最初的用戶交互形態，隨著推理模型的出現，它已從簡單的搜索演變為強大的思考助手。

2. 協同工作（Cowork）：兩年前在GitHub Copilot上初見雛形，它是一個多步驟的推理、工具調用、基于智能體的閉環，允許用戶進行短期的任務指派和委派。

3. 自動駕駛（Autopilot）：以最新發布的Scout企業云智能體為代表。它是一個長期運行的智能體，擁有獨立的心跳、全天候后臺監控，并具備自我進化的能力。

Scout的核心在于數字身份與控制鏈的徹底打通。用戶可以將自身的Entra ID（原Azure AD）作為委派身份授權給Scout，使其成為在后臺全天候代表自己工作的“數字孿生”。不僅如此，企業還可以鑄造（Mint）更多擁有獨立數字身份和安全沙盒的自動駕駛智能體。

然而，這種長期運行、能夠自動生成并就地執行代碼的智能體，也帶來了前所未有的安全治理挑戰。針對開發者在配置智能體時面臨的“安全憑證不知如何妥善放置”的痛點，微軟正在與OpenClaw基金會深度合作。

在Windows操作系統底層，微軟推出了一種全新的安全容器技術——MXC容器。MXC能夠將長期運行智能體的執行環境進行深度沙盒化（Sandbox），提供進程級別、會話級別、甚至物理虛擬機（VM）級別的完全隔離邊界。通過將智能體安全圍置（Containment）在隔離環境中，企業可以自由設置安全策略。納德拉透露，他個人在后臺長期運行的智能體，均運行在完全物理隔離的云端電腦實例（Windows 365）上。未來，人類將像當年管理操作系統進程邊界一樣，系統性地去治理智能體的進程、會話和容器邊界。

云端 Token 的成本終結：端側“不計量智能”與異構數據中心主控芯片的博弈

傳統的云端AI應用面臨著高昂且不可持續的按Token量計費（Metered Intelligence）的財務壁壘。為了徹底終結這一痛點，微軟提出了顛覆性的“不計量智能（Unmetered Intelligence）”愿景，旨在全面激活并開發全球PC裝機量中極其龐大的獨立GPU（dGPU）和網絡邊緣端側芯片的算力。

在Build大會上，微軟與英偉達（NVIDIA）展開了深度耦合的硬件重構：

• 全新SoC與端側設備：英偉達推出了全新的RTX ARM芯片，微軟將于秋季推出基于該芯片的全新Surface筆記本電腦，各大OEM廠商也將跟進產品設計。

• 桌面臺式開發者機（Dev Box）：該設備可提供高達 1 Petaflop 的本地AI算力，配備20個ARM CPU核心以及高達128GB的CPU與AI加速統一內存，允許開發者在桌面上完全本地化、零成本地流暢運行接近萬億參數規模的超大模型。

• 數據中心桌面機：通過與黃仁勛緊密合作，Windows已實現對英偉達最新GB300芯片的原生支持，推出了堪稱“數據中心桌面怪獸”的DGX工作站。當企業部署Scout或Claw等智能體需要24小時不間斷運行時，本地端側算力將徹底終結高昂的云端賬單。

除了對傳統PC形態的重構，微軟還推出了面向智能體時代的全新環境計算（Ambient Computing）硬件平臺——“索拉拉項目（Project Solara）”。微軟展示了兩個參考設計：桌面伴侶（Desk Companion）與智能工牌（Badge）。其中，智能工牌內置聯發科處理器、指紋識別器與攝像頭，具備足夠的板載計算能力隨時本地喚醒Copilot。員工（例如在醫院各工作站之間頻繁移動的護士）只需通過工牌口述任務或刷卡，即可在后臺云端調度執行并隨時接收通知。納德拉強調，Windows作為市場上唯一的開放平臺，這一不向開發者抽成、不設封閉壁壘的“開放風骨（Ethos）”將完全繼承到全新的智能體硬件平臺規則中。

而在云端基礎設施側，針對谷歌（TPU）和亞馬遜（Trainium/Inferentia）二分化的訓練/推理芯片策略，微軟選擇擁抱基于開源Triton構建的異構工具鏈。微軟推出了與自身大模型及OpenAI模型軟硬件聯合深度設計的Maia 200芯片。目前，Maia 200已在微軟多個數據中心里大規模跑起GPT 5.5，全面驅動Copilot并帶來顯著的TCO（總擁有成本）優勢。

同時，微軟推出了用于通用計算的自研ARM架構處理器Cobalt。該芯片通過GitHub Copilot留下的海量真實代碼行為軌跡進行了極限優化，專門用于提升智能體多步推理和高頻工具調用閉環中的單核/多核延遲性能。微軟將整個云端機群視為一個復雜的異構機群（Heterogeneous fleet），通過敏捷軟件實現智能的工作負載放置（例如利用舊GPU讓數據倉庫Fabric服務獲得7倍以上的性能提升）。計算機架構正迎來精簡指令集（RISC）與復雜指令集（CISC）大論戰以來的又一個黃金時代，其系統設計已精細到如何將電力電子無損地直接帶到CPU核心旁邊，從而在物理層降低代幣的生成成本。

拓撲量子的漫長征途：Majorana 芯片的工業化與 2030 實用化視界

在計算前沿的另一端，微軟展示了其堅守了20多年的量子計算（Quantum Computing）長征的階梯式突圍。

不同于IBM、谷歌等行業同行選擇的極易受到環境干擾的超導量子路徑，微軟將科學賭注完全押在了凝聚態物理學中最艱難的路徑——拓撲量子計算上。通過納米材料工程，微軟試圖在芯片上人工制造（Fabricated）出20世紀30年代理論物理學家埃托雷·馬約拉納預測的拓撲物質狀態，從而實現物理層面的天然容錯（Fault tolerance）。

微軟的量子路線圖展現出清晰的遞進邏輯：

1. 物理破局：一年前推出的第一款拓撲量子處理器QPUMajorana 1，在實驗上徹底證實了拓撲量子的基礎物理突破。

2. 工業規模化：最新研制了Majorana 2處理器，成功解決了拓撲量子比特穩定維持不退相干的難題，并完美實現了微波數字控制，使拓撲量子計算機正式具備了工業級可制造性。

3. 軟硬協同生態：在軟件側，微軟控制技術棧已全面掛載到離子阱、光子學機器以及天然原子機器上。在丹麥，微軟與QuNorth達成核心合作，將在一年內推出由Atom Computing提供動力、完全搭載微軟技術棧的實用原子量子計算機。

納德拉指出，量子計算絕不是經典計算的替代品，它無法取代經典計算機在存儲、內存管理和I/O上的優勢。量子計算的本質是經典數據中心里面掛載的全新“超強算力加速器”，兩者的深度嫁接才是未來的解法。

由于大自然在微觀上是量子的，量子計算機最完美的作用就是替代傳統的超級計算機，直接在微觀上100%寫實地模擬量子化學與分子動力學。通過量子處理器生成的超高保真度微觀運行軌跡，可以作為最干凈、最純凈的黃金數據，反哺并訓練經典的材料科學和醫藥化學大模型。納德拉明確給出了微軟的時間線預測：到這個十年結束時（2030年前），微軟完全相信將能夠建造出一臺擁有100個以上高糾錯邏輯量子比特、能夠真正開始解決人類現實重大生存挑戰的實用規模（Utility-scale）容錯量子計算機。

組織基因的50年重塑：從打敗 Novell 到直面基礎模型實驗室的文化修煉

作為一家成立了50年的科技長壽公司，微軟之所以能夠始終保持在技術前沿，其核心在于能夠在每一次技術范式轉移中，用全新的技術棧去重新詮釋（Reinterpret）自身的底層組織基因。

納德拉感慨道：“我在上世紀90年代加入微軟時，我們面臨的生死存亡級別的競爭對手是一家叫 Novell 的網絡軟件公司；而到了今天，和我們同臺競技搏殺的，是一家我五年前甚至在名字上都沒聽說過的新銳基礎大模型實驗室。”

微軟的核心DNA從未改變——它始終是一家提供開發者工具平臺和全天下知識工作者生產力工具的公司。這種敏捷性的保持，在于公司需要不斷吸引那些帶著破壞性活力的年輕血液。通過微軟的輪崗培養計劃（MAC項目），新員工在技術與業務職能之間進行輪崗。納德拉對新員工的要求是：“不要只想著進來學習微軟是如何龐大運作的，我們更希望微軟能從你們身上學到新東西，你們擁有去勇敢重塑微軟內部文化的能動性（Agency）。”

這種組織活力的維系，其底層依托的是納德拉大力推行的“成長型思維（Growth Mindset）”文化。納德拉強調，成長型思維絕對不是CEO居高臨下強制推行的全員HR命令，否則它很快就會淪為讓人作嘔的空洞企業口號和教條。成長型思維的本質，在于管理者是否擁有在具體的會議和利益沖突中，當眾去狠狠直面并承認自己正陷入“固定型思維”的勇氣。

“在這個世界上，其實每個人嘴上都極度喜歡‘改變’，除了他們內心深處只希望對方去改變，而絕對不想改變他們自己。”納德拉指出，踐行成長型思維不是為了微軟的KPI，而是為了員工自身關系的改善。

他分享了對自己管理生涯啟發最大的兩套心智工具：一個是馬歇爾·盧森堡的《非暴力溝通（Nonviolent Communications）》，它教會管理者如何培養同理心、克制原始杏仁核的激惹對抗；另一個便是卡羅爾·德韋克的成長型思維。結合赫伯特·西蒙的“有限理性（Bounded Rationality）”理論，人類往往在面臨技術顛覆時被短期的恐懼和情緒所綁架。成長型思維和非暴力溝通，正是管理層在技術浪潮中生存所需要的心智長跑訓練。

給AI世代年輕人的心智指引：追求“認知覆蓋面”，告別焦慮驅動的生產力

面對臺下身處硅谷核心、正在經歷期末考試周的斯坦福學子，納德拉針對現代高等教育和個人職業選擇給出了極為深刻的心智指引。

納德拉注意到，斯坦福計算機課程的官網上最近掛出了指導本校學生如何正確使用AI編碼智能體（Coding agents）的指南。他指出，隨著AI工具的進化，現在的年輕人面臨著一個無與倫比的智力特權：你們在枕頭旁邊擁有了一個全天候秒回、學識深不可測的虛擬私人導師。

因此，技術變局正在對人類過去數百年所珍視和考核的刻板東西進行大量的底層重新審判。由于按下一個按鈕就能一鍵完美完成任何機械性的作業，學校里的績點（Grades）在未來可能將完全不再重要。學生應當徹底告別那些因為害怕被AI替代而陷入精神內耗的“焦慮驅動的生產力（Anxiety-driven productivity）”。

未來的核心在于追求“認知覆蓋面（Cognitive Coverage）”。正如軟件工程中的代碼測試覆蓋率一樣，學生應當把成百上千個AI智能體當作自己的底層執行觸角，由人類去下達高維的指令。當智能體在幾秒鐘內完成一項復雜的編碼或推演任務時，人類的核心工作是去徹底復盤并深度看懂它們寫了什么，從而利用智能體的行為產出來實現人類自身的智力升維。未來的學習體驗就像是同時在上100門大師課，我們需要像GitHub應用程序管理開發會話一樣，建立一個管理自身智力會話的“新收件箱”，從而拓展由內心純粹好奇心驅動的認知覆蓋率。

在交互范式上，人類與計算機的交互正在迎來第三次偉大斷代：從命令行（CLI）到圖形界面（GUI），再到如今的BUI（基于智能體/行為的用戶界面）。納德拉指出，構建一個復雜的應用程序軟件、編寫一份簡單的文檔或者創建一個漂亮的網站，在底層代碼生成的威力下已毫無區別。BUI的終局形態不是單調的聊天框，而是“生成式動態UI（Generated UI）”。由于線性滾動瀏覽聊天記錄極其痛苦，GitHub最新推出了Canvas（畫布）功能，能夠將稠密的開發會話自動轉化為由人和AI智能體在同一張非線性畫布上同步協同的項目看板。這種由智能體根據任務上下文實時動態生成的UI交互，將徹底改寫未來人機協作的界面。

最后，在談到人生的職業選擇和技術社會責任時，納德拉引用了赫伯特·西蒙的洞察，并回憶起自己擔任國家發展經濟學家的父親對他的熏陶。他指出，當下的科技泡沫往往陷入了為了炒作技術指標而自嗨的怪圈，但技術的終極評估標準在于能否走出硅谷郵編區，真正造福“全球南方”等欠發達地區的普通社區。

“正如當年的電力革命一樣，人類社會最終買單的不是‘電（Electricity）’，而是‘光（Light）’。”納德拉呼吁臺下的年輕一代，在做人生選擇時，應當將自身無條件的內在精神熱情（無論是重回硬核硬件設計、系統拓撲架構，還是投身深奧的AI安全法理政策制定）與人類世界的長遠價值買單點進行高維交織。科技界必須將AI塑造為一個正和博弈的前沿生態，將技術的代幣資本化為廣泛普及的社會之光，否則整個科技行業將徹底失去社會的道德許可。

以下為對話全文：

邁克爾·阿博特 (Michael Abbott)：歡迎大家。今天我們請到了薩提亞·納德拉。非常感謝您的光臨。
薩提亞·納德拉 (Satya Nadella)：絕對的，這是我的榮幸。
邁克爾·阿博特：而且，我也知道這周是期末考試周。所以雖然時間段有些特殊，但我非常感謝各位同學今天能夠來到這里。今天早上我還在想，您作為我們這門課程邀請的最后一位壓軸嘉賓，真的是再合適不過了。 我之所以這么說，是因為回想起來，您在 2019 年向 OpenAI 投入 10 億美元的驚天豪賭，感覺真的為今天圍繞人工智能（AI）的這場“寒武紀大爆發”奠定了舞臺。所以我很好奇，作為開場，您當時做出這個下注的思考過程是怎樣的？
薩提亞·納德拉：是的。我的意思是，從現在回過頭來看六、七、八年前的情況，確實非常有趣。 我想，當時至少讓我確信這是值得去嘗試的正確事情的原因，坦白說，就是我所說的“有準備的頭腦”——微軟對自然語言處理（NLP）一直有一種長期以來的執念。當然，我們當時主要專注于嘗試通過一些機器學習和常規的 NLP 來解決自然語言問題，但從根本上說，即使你在 2017 年、2018 年問我們，我們也會認為那將是某種符號邏輯與機器學習的結合。 所以，我們在那個階段也許并不是“深度學習甚至能帶來 NLP 突破”的最堅定信仰者。但那是我們極其渴望發生的事情。所以我愿意在不同的方向去嘗試。事實上，大多數人現在只談論投資 OpenAI 的這一筆賭注。但我們當時還收購了一堆公司，投資了許多其他公司，因為我們被訓練去做的根本事情就是：任何人只要在自然語言領域擁有一個宏偉且具有野心的切入視角，無論他們來自什么樣的技術背景，我們總是會去接洽，無論是在公司內部有機地發展還是在外部進行。 正是在那個時候，山姆（Sam Altman）出現了——事實上，我們當時就像一個快樂的大家庭。所以這個想法就在那里。這就是我所說的，你真的開啟了這么多事情。當時大家都在同一個賽道上。因此，在某種程度上，當“縮放定律”論文發表時，他們希望通過配置更多的算力和數據來推高 Transformer 性能的雄心，對我們來說是一個非常吸引人的嘗試機會。 當然，接下來的發展大家都看到了。非常令人震撼的是——模型的能力曲線竟然能夠一直精準地保持在縮放定律的帕累托前沿上，這真的太神奇了。
邁克爾·阿博特：我的意思是，作為一個大概 20 年前在微軟工作過的人，我覺得你極大地改變了微軟的文化。讓我感到震驚的是，當你做出那個巨大的投資決定時，微軟內部有沒有出現過反對或抗議的聲音，比如有人會說：“嘿，我們自己完全能做這個”？
薩提亞·納德拉：是的，我的意思是，我覺得微軟這么多年來，我總是說，歸根結底核心的賭注必須是內部有機的賭注，以及自己在內部所做的事情。然后是伙伴關系，以及并購。我認為像任何公司一樣——在某種意義上，當你在微軟長大時，你會學到，你可以通過自主構建或者通過合作伙伴來創造巨大的企業價值。 如果我回看過去，要是沒有人們所說的“蓋茨-格魯夫模式”，即英特爾和微軟創造性地走到一起創造了本質上的 PC 生態系統，那么 PC 革命是不可能實現的。我以前做過 SQL Server 數據庫，所以我們通過與 SAP 合作來建立我們的數據庫業務，而他們則在此基礎上構建他們的 ERP 應用。所以坦白地說，我們天然習慣了這種生態系統伙伴關系，同時也習慣了內部的有機自主構建。
因此，我會說當時公司內部并沒有發生什么所謂的“抗議”。大家頂多總是會想：“嘿，每當你分配稀缺資源時，無論是資本還是其他的——在這種情況下，它不僅僅是資本，最大的決定其實是在一個特定的項目上集中配置算力。” 我的意思是，那才是更巨大的賭注。我們之所以做出這個決定，是因為這正好是一個極度想要去推動它的團隊。顯然，我們從中獲得了巨大的利益。
邁克爾·阿博特：現在您來這里的其中一個原因，是因為微軟剛剛舉辦了一個大型的開發者大會，叫 Build。昨天你宣布了“前沿智能生態系統”，這恰好與你剛才所說的完美契合。而且你還發布了一系列其他非常重大的產品。我很想探討一下其中的一些。比如，你們推出了 7 款全新的模型。我覺得非常有趣的是，至少從穆斯塔法（Mustafa Suleyman）對你們如何構建這些模型的描述來看，所有的數據都非常干凈。你們高度聚焦在，比如說，絕不侵犯任何版權問題上。 我很好奇，為什么正好是 7 款？背后的思考是什么？顯然你想要擁有自己的模型，這很合理。
薩提亞·納德拉：是的，我認為如果你退一步看——事實上，我認為你把這門課叫做“前沿系統課”。因此，我認為去概念化面對的挑戰之一是，任何個人創業者、開發者或公司，如何參與到“前沿”中來？世界上有前沿模型，但一個人如何擁有真正的能動性去增加價值、獲取價值并保護價值？因為這就是核心問題。 如果你有一個模型，它基本上只是從現有的數據中學習，那么未來“企業”的存在意義甚至是什么？也就是說，今天的公司之所以存在，是關于因為其運營和人力資本而在公司內部形成的隱性知識。而在一個代幣資本（智能體算力）和人類共同協作的世界里，公司的未來是什么？所以這是一些本質上非常重大的宏觀問題。
因此，我們對此的愿景非常簡單，那就是我們相信一個“前沿生態系統”應該能讓每家公司都能真正在前沿運營，讓其自身的知識產權（IP）隨著時間的推移不斷復合增長——不僅是人力資本，甚至還有這些“代幣資本”。這就是我們的動力所在。所以，比如在我們構建的模型中——我待會再談技術脈絡。 最近有一份非常好的技術報告，我強烈建議大家去讀一讀，因為我認為它可能是最近寫出來的關于這個規模的模型最透明、最優秀、最詳細的整個流水線文檔，我想你們能從中省出很多時間學到很多東西。但是，無論我們是在構建“思考模型（推理模型）”還是“編碼模型”，其目的都是為了能夠以這樣一種方式進行：我們可以連同權重一起授權許可它，真正允許每家公司去構建他們自己的“爬山機器”。 因此，正如你所說，我們自己使用非常干凈的數據脈絡爬上了我們的山，確保我們沒有在其中加入一堆合成數據。所有這些都是真實的，以便我們能真正擁有一個自然展現出推理能力的模型。現在我們有了一個非常棒、高效的模型，但是在任何公司建立的“爬山機器”內部，它都可以利用該公司留下的行為軌跡和那些特定任務來不斷進化學習。 因此，我們的目標是讓每家公司開始從戰略上思考：他們要建立什么樣的 RLE（強化學習環境）環境？他們擁有的私有評估集是什么？他們如何張開雙臂歡迎任何模型進入那個所謂的“體育館/訓練場”，然后允許他們保留自己的知識產權，而不讓價值外流？
所以對我來說，我認為這是每家公司都需要開始做的事情。因為如果你只是一個基礎模型的消費者，那么我不確定你如何能保持企業價值，更不用說創造價值了。因此，老實說，我看這個生態系統能夠實現非零和或正和博弈、讓許多參與者都能處于前沿的唯一途徑，就是他們能夠拿走前沿模型、拿走開源權重模型、拿走像我們這種作為授權許可知識產權的模型，然后在他們自己的環境中進行“爬山”（優化迭代），進而建立起自己的專有知識產權。 這就是核心前提。我們圍繞這個前提以及所有的工具鏈拆解了非常多的細節。例如，最酷的一點是，如果你是 Microsoft 365 的客戶，我們甚至可以直接幫你做引導啟動。因為畢竟 Microsoft 365 是什么？今天你用它來經營你的業務，人們與其他人就某個業務流程進行日常溝通。
所以你可以想象我們能自動引導啟動 RLE。事實上，我們甚至可以根據對你正在做的事情的實際觀察，為一個比如人力資源（HR）的入職流程自動生成評估集。這是該公司獨一無二的。而且首先，這是他們自己的數據。想想看，我們構建了一個多租戶的 SaaS 應用程序。我們現在可以將其轉化為多租戶的“爬山服務”，其中的數據、環境、模型、軌跡和最終結果都完全由該公司所有。邁克爾·阿博特：不過，您認為大多數公司都擁有合適的人才來建立這些“爬山機器”嗎？
薩提亞·納德拉：是的，問得很好。所以這就是為什么我認為這是一個“一鍵傻瓜式按鈕”。我們現在并不是說你需要自己去完全建立。這就好像這個“爬山機器”已經為你實例化好了。 你所需要的只是一點點戰略上的紀律，確保這些模型、測試架、上下文和評估集都成為你能夠理解并將它們作為資產去管理的制品和構筑物。就像你過去歷史上一直關心隱私、關心保密性、關心安全一樣，我認為在一個 AI 全面進入你公司的世界里，這些東西將變得像架構和戰略考量一樣重要。
邁克爾·阿博特：你們宣布的另一個產品是圍繞企業云的 Scout。我挺有興趣聽聽這背后的愿景思考。
薩提亞·納德拉：我們非常興奮的一件事是，當我觀察 Copilot 及其演變時，它最初是從聊天（Chat）開始的。聊天變得非常強大，尤其是隨著推理模型的出現，因為你不僅可以像搜索一樣使用它，本質上你還可以把它當作一個思考助手。 所以它變得很強大。然后“協同工作”（Cowork）是下一個產品形態。協同工作作為一種委派任務的方式相當巧妙。它是一個多步驟的推理、工具調用、基于智能體的閉環，因此你能夠做一個簡短的任務分派。這非常像我們大約在兩年前、當智能體閉環開始出現時，在 GitHub Copilot 上所做的事情。 所以我們現在正把它應用到知識性工作（辦公自動化）中。但現在有了 Scout，你實質上擁有了第三種形態，那就是“自動駕駛”（Autopilot）。現在你擁有了長期運行的智能體，它可以不間斷地自動操作。它在實時監控，它有自己的心跳，它在后臺默默“做夢”（指后臺深度處理）。所有你期望從一個“Claw”中得到的東西，你現在都可以擁有。 而且你可以直接創建它。你可以擁有一個帶有你身份憑證的智能體。本質上，如果我有一個 Entra ID，我可以給 Scout 我的 Entra ID 作為委派 ID，它基本上就是代表我全天候持續工作的數字孿生。但不僅如此，我們還可以允許你 mint（鑄造）更多的自動駕駛智能體。而且這些東西可以擁有它們自己的獨立數字身份和它們自己的安全沙盒。
所以這是一個非常完整的系統。所以我把它想象成一個企業級的 OpenClaw 和一個與 Copilot 系統其余部分完美融合的 UI 界面。
邁克爾·阿博特：這很有道理，因為因為你擁有這些身份憑證，你就可以徹底解決安全問題。我的意思是，顯然我不知道你們中有多少人親自配置過 OpenClaw，但我當時挺費勁的——你懂的，像 YOLO 亂干一樣把我所有的憑證放進去，因為我當時在想，我真的不信任它。
薩提亞·納德拉：是的，我們甚至宣布了。事實上，皮特（Peter）在 Build 大會上也和我們同臺了，因為另一件事是我們甚至在與 OpenClaw 基金會合作，確保它能夠極度安全地運行。事實上，我們在 Windows 上將提供一種開箱即用的體驗，你可以直接安裝 OpenClaw，并將其安全地保護或圍置在所謂的全新容器中，這個容器叫做 MXC，這本質上是一種將運行環境進行深度沙盒化的安全方法。 因此，我認為圍置與遏制（Containment）是核心關鍵。因為畢竟，你現在擁有的這些長期運行的智能體能夠自動生成代碼并就地執行代碼。因此，治理這些代碼的日常執行將變得極其重要。所以我們提供了一個容器，然后你可以在其中設置安全策略和隔離邊界。 它可以是進程級別的隔離、會話級別的隔離。如果你愿意，你甚至可以設置一個物理虛擬機（VM）隔離邊界。比如對我來說，任何我想在后臺運行的東西，我都可以直接在 Windows 365（我的全隔離云端電腦實例）上運行。所以這是一個為長期運行的智能體完全物理隔離的完整云實例。 因此，我認為我們都將學會如何與成百上千個智能體同時一起工作。我們也將學會如何為這些智能體隔離環境，就像當年我們思考操作系統進程一樣。我們將去全面思考智能體的進程邊界、會話邊界和安全容器邊界。
邁克爾·阿博特：你們宣布的另一件事是圍繞著將 AI 體驗帶給普通消費者。我有點好奇這意味著什么。我的意思是，你們與英偉達（NVIDIA）之間有很多重大的發布。
薩提亞·納德拉：是的，我知道那有很多相關的亮點。首先，我們對“不計量智能”這個概念感到非常興奮。如果你想一想，歷史上每臺 PC 的裝機量中都其實自帶了大量的 GPU。如果你統計帶 GPU 的 PC 數量，那是非常龐大的——也就是獨立 GPU（dGPU）的龐大裝機基數。 因此，我們試圖確保的一件事是，在一個這些模型已經存在、應用正在被瘋狂編寫、代幣（Tokens）處于供不應求且云端成本昂貴的世界里，我們想要去徹底開發并釋放網絡邊緣計算（本地硬件）的芯片算力。 在那個背景下，顯然英偉達宣布了一款我們非常興奮的全新 SoC，也就是他們的 RTX。所以我們將在秋季推出一款基于它打造的 Surface 筆記本電腦。事實上，我們所有的原始設備制造商伙伴（OEM）都會有針對它的絕佳產品設計。我們還宣布了一個開發者電腦臺式機。想想看，它將擁有 1 Petaflop 的龐大本地 AI 算力。它將擁有 20 個 CPU 核心，128GB 的超大統一內存，供 CPU 和 AI 加速計算共同使用。而且它將在本地輕松跑起一個類似萬億參數規模的大模型。 順便說一句，我們還與黃仁勛（Jensen）緊密合作，讓 Windows 可以在最新的 GB300 芯片上原生運行。所以我們甚至擁有了一個 DGX 工作站。所以我把它看作是一個數據中心級別的桌面怪獸。因此，我認為對所有這些本地硬件都會有真正的剛性需求，因為人們會希望——特別是當你安裝了像 Scout 或 Claw 或諸如此類的東西時，我希望它能 24 小時全天候保持工作，而且我絕對不想為此收到巨額的云端賬單。要做到這一點，最好的方法就是在你的筆記本電腦或臺式機上本地運行它。 所以，哪怕只是看到現有的 PC 產品形態因為芯片創新和現在我們可以在本地擁有的模型能力而帶來的令人難以置信的新功能從而煥發新生，我們也感到非常興奮。這就是我們昨天討論的很大一部分內容。但我們說的另一件事是，就像舊的硬件形態中有了新功能一樣，我認為在智能體時代，存在真正的機會去創造全新的硬件產品形態。 這就是“索拉拉項目”（Project Solara）的用武之地。我們那里的核心目標是，我們展示了兩個參考設計，一個是智能工牌（Badge），另一個是桌面伴侶（Desk Companion）。但這個工牌挺有意思的。你可以想象一個帶有指紋識別器的智能體硬件，以及一個同樣帶有指紋識別器和攝像頭的工牌，并且它擁有足夠的板載計算能力——它采用的是聯發科的處理器——能夠隨時本地喚醒像 Copilot 這樣的工具。 我可以字面意思上地通過它收到通知。比如我甚至可以給它一個，比如說，編碼任務或其他什么，我可以向它直接口述輸入，它會接收輸入然后去云端調度執行，并隨時給我發回通知。你可以想象在醫療保健領域，如果我是一名護士，我需要從一個工作站頻繁移動到另一個工作站，我可以用這個工牌來直接刷卡登入和同步數據，而不需要再掏出手機。 就像現在我們被習慣性訓練成要么在 PC 前輸入，要么在使用手機。但在一個你真正擁有環境智能（Ambient Intelligence）和無處不在的泛在計算的智能體時代，你可以想象這些形態現在只是長期運行智能體的真實物理終點，它們會喚醒、通知你，并幫助你在真實世界中當場獲取輸出和輸入。 我們非常高興能為此帶去一個底層平臺。所以微軟自己會制造一些設備。但這里的目標也是為了甚至可以擁有全新的開放平臺規則。Windows 一直以來都是——令人著迷的是，我們是目前市場上僅存的唯一開放平臺。你可以通過我們的應用商店下載，也可以不通過。你可以在 Windows 上自由安裝任何東西。它一直以來都有這樣一種風骨，即它不是一個專屬于微軟的東西——你不需要給微軟打電話獲得批準，就能為 Windows 開發應用程序。這感覺怎么樣？
所以，這就是我們在這一全新智能體平臺上同樣最想要的開放性，這樣我們才不會把為上一個移動互聯網時代編寫的那些封閉的、抽成高昂的平臺壁壘規則繼承到這個新時代。
邁克爾·阿博特：我現在要稍微換個話題。這里是斯坦福大學，就那些被“AI 入腦”（對 AI 極度狂熱）的人而言，這里大概是世界的中心。而當你走出舊金山灣區或西雅圖，普通人看著 AI 會說：“這東西對我有什么好處？”我認為之前有一位演說家使用了一個非常強大的隱喻，那就是當電（Electricity）被發明出來時，我們不賣電，我們賣的是光（Light）。您認為在 AI 領域，與此等價的東西是什么？因為目前在硅谷之外，圍繞 AI 的宣傳中，并沒有太多關于它將如何使普通大眾受益的良好落地方案。
薩提亞·納德拉：是的，我認為這說得很對，從某種意義上說，我們也許陷入技術自嗨得太深了——我想我們大家都生活在其中的那個硅谷泡沫，更多的是為了技術本身而去炒作技術和技術指標的飛躍。我們生活在其中，被它的指標震撼、推高它的前沿等等，這固然很好。但歸根結底，世界評估我們的唯一標準，是我們在一個接一個的普通社區中為人類世界創造了什么實際價值。應該一向如此。 所以，除非我能看到這項技術的真正紅利被極其廣泛地向底層傳播。我們談到了醫療保健。當我們突然開始看到 AI 在醫療保健領域徹底改變成本結構，以及普通人能夠獲得的護理時——不是在虛無縹緲的抽象意義上，而是當它真真切切發生在我們社區的某個人、我們的普通家人身上時——或者甚至拿經濟機會來說。
現在天天有人把它說成是一件只會奪走人類工作的事情，很明顯，任何具有重大顛覆性的技術都會在短期內帶來真正的崗位替代與流失。 但與此同時，也一定會創造出全新的經濟活動，人類在其中將擁有主導能動性、獲得更高的薪水。事實上，如果你想一想，如果當前的“基礎智能”全面被商品化、廉價化了，人類是這個星球上適應能力最強的物種，總是能夠在變成新商品的東西之上創造出全新的社會價值。 而這不能是抽象的口號，必須是真實的。它也一定會發生。但在那個艱難的轉型期發生之前，正如你所說，當我們從“電”走向“光”時，這個“光”不能只被那些住在特定富裕郵政編碼區、被“AI入腦”的人看到，而必須被全世界的底層看到，將其視為一個他們也可以在其中蓬勃發展、改善生活的東西。 哪怕是我剛才提到的關于“前沿生態系統”的觀點，當每家普通公司不再坐在那里恐慌地想：“哦我的天，如果我讓這些巨頭的前沿模型的任何一個進入我的組織，它就會把我辛苦創造的所有行業隱性 IP 一網打盡。”他們為什么要歡迎它？從定義上講，他們理所當然不應該歡迎。
所以這就是為什么作為創業者、作為學生以及作為現有的行業巨頭，我們必須將這塑造成一個從定義上講是“正和博弈”的生態系統。如果我們不這么做，而是變成極少數幾家頂尖科技大廠拿走了所有的社會財富和回報，而其他人和行業都陷入糟糕的境地，那么我們絕對會徹底失去社會的道德許可。邁克爾·阿博特：好的。我現在要轉向現場同學的提問環節。
斯坦福學生 1：我對你們的定制芯片計劃（Custom Silicon Program）以及你們如何從谷歌（TPU）和亞馬遜（Trainium/Inferentia）等其他超大規模云廠商那里吸取經驗感到普遍好奇，他們在那里已經取得了一些進展。 在硬件方面，他們提供的芯片似乎實際上是非常二分化和割裂的，他們有專門的訓練芯片和專門的推理芯片，而相比之下，在 AMD 中你們似乎保持了架構的統一。在網絡方面，我們上一堂課談到了他們建立的光電集成系統，那真的很有意思。而在軟件側，他們似乎通過各自的 Neuron 和 XLA 編譯器建立了自己的專屬 CUDA 替代版，而你們則正在為了充分壓榨挖潛硬件，而在開源基于 Triton 的基礎上構建工具鏈。 所以我很好奇，鑒于這些各不相同的系統設計決策，你學到了什么？你要把自己的云客戶帶向何方？
薩提亞·納德拉：是的，我認為最核心的關鍵是要深刻認識到什么是全新的 AI 工作負載。每當你思考任何新系統架構時，你都會想要被什么樣的新軟件或什么樣的新工作負載所驅動。這里的超級好消息是，目前行業中存在這三種占絕對主導地位的新工作負載：有大規模訓練工作負載、有日常推理工作負載，現在我們還可以說有需要同時使用推理和常規 CPU 計算的長期運行智能體工作負載。 如果你認定這就是你所擁有的新型算力需求，那么你就可以從第一性原理出發來重新審視它。這些也都是非常有意思的高密工作負載。它們完全不像以前云計算時代的橫向擴展（Scale-out）分布式工作負載。
這些是高度同步的數據并行工作負載，就像前面提到的一點，你甚至必須從根本上解決縱向擴展（Scale-up）物理節點內部的部分。過去對我們傳統橫向擴展有效的一些網絡和軟件訣竅，現在將完全不再有效。因此，你現在甚至需要在單機縱向擴展和集群橫向擴展上同時進行底層創新，以真正保持算力卡之間事物的高速連貫性，并使超大訓練運行中的 MFU（模型翻轉利用率）降到最低并實現最大化等等。 因此，我們擺脫那種固化思維并說，好吧，甚至就在昨天我們宣布了 Maia 200 芯片，它本質上是與我們自己的大模型以及 OpenAI 的模型進行軟硬件聯合深度設計的，因為我們擁有那部分的完整模型 IP。目前，事實上，Maia 200 已經在我們的多個數據中心里大規模運行著 GPT 5.5，全面為 Copilot 提供核心動力，并為我們帶來了極具競爭力的全面 TCO（總擁有成本）算力優勢。
所以，對于高密推理工作負載來說，這是一種驗證自主定制芯片優勢的絕佳閉環方式。我們不僅做了那個，我們還自主構建了 Cobalt，這是我們用于通用云計算的超大規模 ARM 架構處理器。 我們目前正在對其進行高頻基準測試，以便在涉及到比如智能體閉環（Agentic loop）時改進延遲性能，因為你需要極其出色單核、多核能效的地方，正是這些智能體的高頻閉環邏輯。所以我們甚至正在使用所有 GitHub Copilot 留下的海量真實代碼行為軌跡，來專門優化我們的 ARM 處理器。
并且將所有這一切甚至與底層的網絡協議棧進行融合。因此，我們的方法不會是割裂的——與此同時，我們依然極其喜歡擁有 NVIDIA 的 GPU，因為正如你所說，它們是通用目的算力的巔峰，事實上，我們正在瘋狂使用 GPU。 事實上，我們甚至正在使用我們龐大機群中的舊型號 GPU 來大幅加速我們的傳統數據倉庫服務。所以微軟的 Fabric 平臺因為 GPU 的就地加速，直接看到了 7 倍以上的海量數據查詢性能提升。所以我們把我們的機群看作是一個高度異構的現代化機群（Heterogeneous fleet），在其中我們將完全使用敏捷軟件來從中獲得最大的異構加速收益，并進行智能的工作負載自動放置。與此同時，通過我們自己從芯片底層從頭開始打造的系統，針對推理、訓練和智能體閉環等超大體量工作負載進行極限優化。 這里面有太多好玩的設計點。目前外界大多數人都死盯著 AI 加速器（卡本身）不放。但 AI 加速器只是其一，高性能 CPU 是一環，網絡加速芯片、存儲硬件加速器、AI 專用廣域網（AI WAN）是另一個巨大的勝負手。你甚至希望能夠真正實現無損的多數據中心跳躍。
所以，這里面的技術細節多得很。順便說一句，現在絕對是投身計算機架構研究的黃金時代。 我想當我剛進入這個行業時，帕特森教授的那本書剛出版，當時整個科技界還是精簡指令集（RISC）與復雜指令集（CISC）的大論戰，我覺得我們現在又完美回到了這樣一個大變局時代，你可以真正重新思考從數據中心的物理配電設計一直到——順便說一句，電子。
我非常興奮的一個細節，就是我們現在可以通過軟件和硬件重構，高效率地把電力電子一路無損帶到 CPU 的核心旁邊，這樣代幣的生成成本就會變得極其廉價，而省去了中間所有的傳統變壓損耗。所以我認為這里存在著極其巨大的系統設計探索空間。邁克爾·阿博特：你們昨天做出的另一個震撼宣布是圍繞著量子計算（Quantum），這有點像你剛才談到內容的合理延伸。我有點好奇那個宣布的具體內容是什么，以及最近在那里的前沿進展是什么？
薩提亞·納德拉：是的，聽著，關于量子計算，微軟在過去的 20 多年里一直在極其堅定、孤獨地持續進行研發投入，如今看到這些階梯式的進展，真的讓人熱血沸騰。 我只想說一件事，甚至獨立于我們宏大的量子芯片計劃之外，哪怕是憑借我們過去幾年能夠取得的階段性成就——在我們的全套軟件技術棧下，通過甚至基于天然原子的量子計算機，我們在這方面與業界多位尖端伙伴進行了合作。我們現在能夠持續生成這些非常高質量的模擬運行軌跡，而這些軌跡——基本上，如果你深入思考一下量子計算機的終極目的是什么，量子計算機最完美的作用就是用來模擬大自然。 因為大自然本身從微觀上講就是量子的。因此，你可以不再低效地依賴傳統超級計算機上的密度泛函理論（DFTs）或諸如此類的數學逼近，現在你可以在量子化學或分子動力學等微觀物理領域獲得好得多的、完全寫實的保真度。
而那些極其珍貴的微觀軌跡隨后可以被拿回來，作為最干凈的數據去訓練我們的經典 AI 大模型。事實上，我們目前正在用我們的材料科學模型來做這件事，在其中你可以從哪怕是一個處于早期階段的量子計算機中獲取運行軌跡，來大幅改善和純化你訓練 AI 模型的基礎數據，用于攻克材料科學或醫藥化學等領域的經典難題。 現在，我們的量子項目本身，正如我所說，有一個軟件側，我們將把它部署在離子阱機器上，我們正和伙伴一起合作部署。我們同時也正把它部署在基于光子學的機器上，以及天然原子上。我們在丹麥有一個名為 QuNorth 的核心伙伴關系，我們甚至將在一年內，在數據中心里擁有一臺由 Atom Computing 提供動力、完全搭載微軟底層控制技術棧的實用量子計算機等等。
所以這是其中的一面。第二面是，歸根結底，為了建立一個具有真正實用價值規模的大規模容錯（Fault tolerance）量子計算機，你必須在硬件層擁有物理容錯能力。 微軟在那上面的巨大科學賭注是——在 20 世紀 30 年代，有一位傳奇理論物理學家（埃托雷·馬約拉納）提出并預測了本質上被稱為“馬約拉納費米子”的奇特物質拓撲狀態。因此，我們多年前覺得，那是我們本質上需要去通過納米材料工程在芯片上制造、制造并使其成為現實的全新物質狀態。
所以我們在一年多前推出了我們的第一款拓撲量子處理器 QPU，也就是 Majorana 1，它在實驗上本質上徹底證實了這一根本性的凝聚態物理學破天荒突破，證明了你實際上可以在納米芯片上捕獲這個東西并將其成功實例化。現在我們手里已經拿到了 Majorana 2 處理器，它允許我們開始在工業規模上真正建造拓撲量子計算機。因此，關于這些拓撲量子比特可以穩定維持多長時間不退相干，這里面有太多極其精密的物理細節。 順便說一句，另一件同樣重要的事情是，我們已經完美攻克并實現了對這臺拓撲量子計算機的高速數字微波控制，因為這將是走向實用化的超級關鍵。所以總體而言，我們覺得微軟的量子計劃正在兩個維度上平行向前推進。一個是在短期內，利用哪怕是今天我認為最容易制造和建造的量子計算機，比如使用天然原子的這些設備來生成科學數據。然后從長遠來看，我們想要徹底建造出為了讓真正的量子計算機能夠像 utility-scale（實用規模）量子計算機那樣運作所需的高容錯硬件。邁克爾·阿博特：在那個量子階梯上，如果讓您猜一個大致商用的時間線呢？
薩提亞·納德拉：我是微軟歷史上第三位堅定不移繼續在這條孤獨的量子長征旅程上走下去的 CEO。我會說，我現在比過去任何時候都更加看好它，而且它可能不會像人們想象中那么遙遠——這有點像我們之前的討論。 我把量子處理器看作是經典數據中心里面掛載的全新“超強算力加速器”。記住，順便說一句，量子計算永遠不會徹底取代經典計算。量子處理器永遠不會擅長做海量數據的存儲、內存管理和傳統的 I/O 等等。它只會極其開掛地擅長于某些特定的復雜矩陣與量子計算。 因此，你必須把經典高性能計算和量子處理器高密度結合起來才能真正做成事情。因此，我認為它的落地可能會分出更多清晰的、漸進的階段。所以如果你手里拿到了 100 個具有高精度糾錯能力的邏輯量子比特，我們就可以立刻開始用它來為前沿科學大模型源源不斷地生成寶貴的合成高質量數據。那將是一個極其震撼的行業里程碑，在短期內甚至可能更容易率先實現。 所以我們拭目以待。我想我們甚至在昨天的大會上做出了聲明：到這個十年結束時（2030年前），我們完全相信微軟將能夠建造出一臺開始解決某些人類現實重大生存挑戰的實用容錯量子計算機。
邁克爾·阿博特：去解決真正的現實世界問題？
薩提亞·納德拉：是的。
邁克爾·阿博特：太不可思議了。好的，下一個請提問。斯坦福學生 2：非常感謝您的到來。我在微軟工作了整整九年。我是在您剛成為微軟 CEO 的第二年加入公司的，當時是一名普通的市場部基層員工。所以我非常完整地經歷了您的“云轉型”偉大史詩，然后現在我自己又進入了對 AI 的瘋狂癡迷中。我認為微軟當年針對年輕員工打造的那個輪崗培養計劃（MAC項目）對我來說是一次如此美妙、改變命運的經歷。它徹底塑造了年輕時的我。您認為這類人才培養機制對微軟今天的文化變革和商業成功做出了怎樣的貢獻？以及它在今天是否仍在繼續發揮作用？
薩提亞·納德拉：是的，我的意思是，首先，我們顯然對像你這樣的優秀學生和年輕血液能夠源源不斷進來、加入并實質上深度參與微軟的高校畢業生人才計劃感到非常、非常欣慰。我們在微軟內部精心創建了幾個像這樣的基石人才計劃，讓新員工可以在各種核心技術與業務職能之間進行多輪次輪崗體驗。 歸根結底，任何一家歷史悠久的公司要想長久處于所謂的“技術前沿”，就必須能夠保持一種新陳代謝的能力，不斷吸引帶著全然新鮮想法、全然新鮮破壞性活力的人才進來，并從底層去對公司進行重塑。
我總是對任何新加入微軟的人說同樣一句話：當然，你作為職場新人希望進來了解微軟目前是如何龐大運作的，但我們更希望微軟這家老公司能夠從你們身上學到全新的東西。 而更重要的一點是，要讓你們每個人手里都擁有去勇敢重塑微軟內部文化的能動性。文化從來都不是一個寫在PPT里的靜態東西。它是一個鮮活的、有機的、由公司里每一個普通員工每天的行為、態度和最終決策所塑造出來的共同體。因此，我們一向張開雙臂歡迎學生進來，在微軟內部建立他們跨越時代的職業生涯。 作為一家已經成立了 50 年的長壽科技公司，我的意思是，邁克爾（阿博特）也是微軟著名的杰出校友，并且現在仍然和我們保持著極其緊密的生態聯系。我們有很多人來這里服役了一陣，然后走出去去蘋果、去創業，接著在某個節點又選擇回來了。所以在這個時間點上，去思考微軟組織活力的方式是：最奇妙的地方在于我們的核心 DNA 依然歷久彌新地保留了下來。
我們本質上是一家給開發者提供生產力工具平臺、給全天下知識工作者提供尊嚴與效率工具的公司。這就是我們 50 年來一直在堅持做的事情。但關于我們最有趣的一點是，我們已經能夠隨著每一個破壞性新平臺的出現，去完美地重新詮釋和承載這一基因。
事實上，我是在上世紀 90 年代加入公司的，當時我天天晚上睡不著覺、覺得生死存亡級別的競爭對手是一家叫 Novell 的網絡軟件公司。而到了今天，和我們同臺競技和合作的，是一家我五年前甚至在名字上都沒聽說過的新銳基礎大模型實驗室。 但我認為正是這一點讓我們這家老店始終保持著年輕和敏捷，那就是我們的生存危機挑戰、或者我們需要與之競爭搏殺的對象，永遠是嶄新、生猛且充滿活力的，而不是陳舊一成不變的。我認為那是一個對于頂尖人才來說非常吸引人的部分。當你來到微軟時，你將能夠真正投身于“予力全球每一人、每一組織成就不凡”的這一宏大使命中，這對我們每個人意義重大。但要做到這一點，需要你時刻保持清醒，認識到我們作為一家公司可以為這一使命帶來很多東西。邁克爾·阿博特：我有一個隨后的跟進問題。薩提亞，關于您，我個人最欽佩的眾多領袖特質之一，就是您在公司推行的“成長型思維”（Growth Mindset），并且您真正用它審視、重組了您的整個最高領導團隊并強力推動它。您到底是如何在全公司數萬名員工中貫徹并深度根植這種思維的？因為您顯然不可思議地做到了，你剛才恰好指出了這一點，即微軟已經能夠極好地在多次重大平臺轉型中活下來并變強。薩提亞·納德拉：是的，我的意思是，在某種深層面上，我認為這絕對不是你作為 CEO 居高臨下能去強制根植（Instill）的東西，邁克爾。你其實是去喚醒（Invoke）我們每一個人心中與生俱來的、被現實工作磨滅了的某些美好特質。我的意思是，你必須通過你自己的每日行為 practice（踐行）更多地去做到它。
大多數時候，作為公司一把手，我必須向全員毫無保留地表現出來的，最困難、最重要的一點，就是我去公開直面自己“固定型思維”的能力。 因為歸根結底，對我們所有人來說，嘴上天天談論成長型思維太容易了，但要在具體的利益沖突、具體的大腦疲憊時個體化去 exercise（踐行）它，卻極其反人性、非常困難。
就像過去曾經有人對我說過的一句話，我總是很喜歡把它當作一個挺辛辣的職場俏皮話，那就是：“在這個世界上，其實每個人嘴上都極度喜歡‘改變’，除了他們內心深處只希望對方去改變，而絕對不想改變他們自己。” 我認為，那才是踐行成長型思維最堅硬的挑戰所在。所以它從來都不是關于在大會上嘴上談論成長型思維有多好。它是關于作為管理者，你是否擁有在具體的一場會議中，當眾去狠狠直面并承認自己正陷入固定型思維的勇氣。
否則，它很快就會變成讓人作嘔的空洞企業口號和教條。所以，它之所以在微軟真正發揮了文化重塑的作用，最關鍵的原因之一是我們從未把它做成類似于“哦——某種強制性的全員HR mandate（命令）”。它是從你作為 CEO 的自身行為率先開始暴露的。 而且它也絕對不是微軟去注冊了專利的某種企業文化發明。我的意思是，如果你在日常生活中去踐行成長型思維，或者你勇于直面并打破固定型思維，你首先會成為一個在生活中更好的人。
你會成為一個更好的同事、更好的朋友、更好的鄰居、更好的父母、更好的學生，你生活中的一切關系都會變好。所以你甚至不是為了微軟這家公司的 KPI 利益在做這件事。你是在為你自己的人生做這件事。我認為在組織里給予這種純凈的生存土壤，點到為止，而不是把它編成某種全新的、打卡式的公司HRKPI花樣，一直以來都非常、非常有幫助。 所以我是一個成長型思維的狂熱倡導者，不僅在微軟，在任何人類組織里都是如此。而更重要的是，這是這樣一種日常的修煉實踐——坦白說，有兩本書在我的整個人生和管理生涯中對我影響巨大，這些都是多年前我通過讀我妻子的日常藏書意外學到的。 一個是著名的《非暴力溝通》（Nonviolent Communications），這也是另一種極其高級的去培養同理心、深刻理解對方說話背后的脆弱和訴求的方式，讓你在面對沖突時不會總是被自己的原始杏仁核所瞬間激惹操控而陷入狂怒和對抗。所以如果你臺下的同學們還沒讀過的話，那是一本絕對值得你在大學里認真讀完的基石之作。 然后，當然就是卡羅爾·德韋克（Carol Dweck）教授關于成長型思維的經典著作了。我認為這兩件事雖然表面上看對兒童教育、大一學生和兒童心理學來說都非常相關。但我認為它們其實一模一樣完美適用于超大型的企業文化變革，因為我認為最奇妙的事情之一就是諾貝爾獎得主赫伯特·西蒙（Herbert Simon）多年前所描述的“有限理性”（Bounded Rationality）。
我認為人類極其偉大，但我們身上天然帶著這種不幸的、基因里的弱點——我們并不是在所有時候、所有利益面前，都能理智看清到底什么才符合我們的長遠最佳利益。我們常常在職場或社會中被一時的情緒和恐懼瞬間綁架，而根本無法針對“在前沿規范我們自己的日常行為意味著什么”去冷靜做出一場人生的微積分長遠算計。我認為這些都是很好的心理學與管理實踐，能隨時帶給并強力推動我們向前。所以，把這看作是你在技術浪潮中生存所需要的心智長跑訓練吧。邁克爾·阿博特：那是極具智慧的 guidance（指導）。非常感謝您的回答。順便說一句，我旁邊這位同學在 10 分鐘前剛剛順利完成了他的博士論文答辯，但他真的非常想留下來親眼見您一面。非常感謝。
薩提亞·納德拉：太棒了。祝賀你，祝你未來好運。我們非常清楚現在是斯坦福痛苦的期末考周。好的，下一個同學請提問。斯坦福學生 3：是的。薩提亞，非常感謝您的光臨。我一直很好奇，您在各種世界級的大會上表現得那么松弛和深刻，您到底是如何成為一名如此優秀的公眾演講者的？以及有什么秘訣嗎——薩提亞·納德拉：[全場大笑] 我不知道，老兄。我是說，我很高興你竟然認為我是一名優秀的公眾演講者。那我們就先把它當作一個既定事實吧。
我的意思是，聽著，我認為像生活中其他任何事情一樣，這并不是我每天把它當作一個我正在試圖刻意突擊練習的什么關鍵職場技能在思考的事情。但我發現自己很幸運的一點是，特別是，我認為其中一個核心的轉折點是當我成為微軟 CEO 時，崗位責任逼著你必須去公開談論一些也許你之前在基層沒有機會、沒有舞臺去談論的高維事情。也許那是一個更好的定性方式。 但這里的一個前提好消息是，這并不意味著我以前在臺下當基層員工時沒有每天深深思考過這些事情。我也反思過。為什么我以前就在桌子底下思考那些宏大事情呢？我認為那完全來自于你純粹的、本能的自然精神興趣，例如，當你思考一項技術時，你不會只看它的代碼和架構，你會情不自禁去思考它對人類社會帶來的深遠沖擊、它到底意味著什么。 我個人有許多看起來很不務正業的熱情。比如我天天會關切像 AI 這樣的任何前沿技術進步對“全球南方”（發展中國家和欠發達地區）底層社區的命運到底意味著什么？
對于哪怕是一直以來的一個世界大同夢想意味著什么——而且我是在一名印度國家發展經濟學家的兒子的家庭背景下長大的，所以我的父親從小就把這個發展經濟學理念深深根植在了我的心中，即：嘿，這種跨區域的收斂性增長是一定會發生的，技術會抹平一切不平等，它將會很棒等等。所以我對此一直非常著迷。 因此，只要我認為你內心真正擁有這些允許你進行廣泛跨學科思考的底層精神熱情，然后對你來說，在臺上面對眾人能夠自由地吐露它，就是另一回事了。所以我在公眾演講技術方面并不是什么訓練有素的專家，但我認為我們所有人越是能拓展自己可以清晰闡述的廣泛智力興趣，在今天這個數字化新時代，各種自媒體和工具也允許我們能夠輕易擁有我們自己的發聲和發文渠道。
因此，我認為現在是一個對于你們斯坦福學生來說，既能建立這種廣泛智力興趣、又能擁有完全不同媒介輸出的絕佳黃金時機，無論是演講、寫作還是播客等等。我認為有太多種美妙的方式可以讓我們去表達、觸達和進行理性的公開辯論，我認為這太棒了。斯坦福學生 4：謝謝您的到來，薩提亞。我想知道，如果您大學本科時代的自己現在正坐在這間教室臺下的觀眾席里，您今天會給年輕時的自己什么人生建議？鑒于您現在所知道和經歷的一切，您會告訴他把精力集中投入到什么關鍵地方，以及也許應該堅決避免什么坑？薩提亞·納德拉：是的，這是一個極好的問題。我的意思是，在某種層面上，能夠擁有年輕的肉體和時間是一種巨大的、無與倫比的特權。我有時真心希望我能重新回去。因為那一刻一切可能都在你的面前。你 100% 的時間都在全倉冒險（Risk on）。
也許事情就是這樣的——讓我只說兩件這兩天發生的小事。昨天在 Hacker News 社區上，我看到了——我忘了是你們斯坦福這里的哪門計算機課程了。它的官網上剛剛掛出了關于指導本校學生在寫作業時如何正確使用 AI 編碼智能體（Coding agents）的詳細指南，我認為寫得極其漂亮、非常有遠見。他們清晰寫了該做和不該做的事。 因此，我現在發現最讓人熱血沸騰的一點是，你們這一代人在大學里去深度學習任何新事物的心智能力門檻，已經變得如此輕而易舉。因為你相當于在枕頭旁邊擁有了一個非常容易獲取的、個性化的、隨時秒回的、學識深不可測的虛擬私人導師，你可以隨時在深夜去和它一起工作。 所以我會說，相比于你們目前面對的任何學校作業帶來的焦慮，或者我拿不拿 A 的績點焦慮等等，你現在完全可以擁有——這是我的一位微軟技術同事最近使用的一個高級詞匯——真正的“認知覆蓋面”（Cognitive Coverage）。
就像軟件工程里的代碼測試覆蓋率一樣，你現在可以擁有緊隨你內心任何狂野好奇心而動的認知覆蓋面。如果我今天能重新回到本科時代，我會去瘋狂嘗試——這有點像我今天在 GitHub 個人會話中每天偷偷做的事情。去GitHub 應用程序里看：目前全世界最頂尖的那些編碼智能體到底是什么？它們每天都在用什么架構做什么事？ 那就是我會做的事。我會和這 10 個、100 個智能體一起坐在書桌前，和我自己在斯坦福的教室里一起并肩學習。但我需要擁有絕對的“認知覆蓋面”。這絕對不是說我已經把腦子洗洗睡了、把活全甩給了這 100 個智能體去替我寫作業。核心的關鍵在于：我作為一個人類，給它們下達了什么高維的指令？然后當它們在幾秒鐘內把一個復雜的活完成并呈現在我面前時，我能否完全看懂并深度理解它們寫了什么，從而實現我作為人類自身的智力升維和學習？ 這感覺就像是同時上了 100 門大師課。這太讓人著迷了。而我認為，那就是未來的高等教育將會發生的事情。在未來的某一天，有人將會徹底打破并創造出一種與這些智能體工具完全相配的、革命性的全新教學法。
例如，開發人員工具正在發生瘋狂的演變。想想開發人員工具中發生了什么。我們從以前說“嘿，我們手里有 100 個 CLI 命令行，到現在我們需要一個統一的高級管理東西來幫人類打理我們的 CLI 復雜度”，這就是全新的集中管理層，比如 GitHub 應用程序在那個背景下就很棒，因為它就像是專門用于幫程序員管理所有智能體開發會話的全新收件箱。 那么在日常學習中，與之道德對等、允許一個普通學生去駕馭他們的全部大學學習體驗并保持最大化好奇心、但在你試圖涵蓋的專業事情上能真正更深、更快地切入的那個等價物平臺是什么？
我認為那就是我會全力去尋找和做的事，并且我絕對不會有任何精神焦慮。因為在這個新時代的考核下，你總是可以通過按下一個按鈕來讓一項機械的作業被完美完成。所以寫作業拿高分已經不再是衡量智力的核心標準了。而且大學里的期末成績可能重要，也可能在未來完全不重要。
因此，關于我們人類過去數百年珍視、考核的那些刻板東西，正在這個 AI 時代發生著大量的、底層的、重新審判。
邁克爾·阿博特：那是一個真正深刻的回答。好的，下一個同學請提問。
斯坦福學生 5：嘿，薩提亞，非常感謝您的光臨。所以，像每當我們人類目前與計算機進行日常交互時，幾乎 100% 總是通過圖形用戶界面（GUI）進行交互。 但是現在的這些 AI 智能體，它們恰好表現得極其擅長在后臺編寫底層代碼，卻恰好不太擅長與復雜的 GUI 界面前端進行像素級的交互。所以例如，如果我想設計一張海報，并且我希望能夠讓 AI 替我做到它，目前對我來說，在聊天框里讓它直接去瘋狂生成我的 HTML/CSS 前端代碼，要比讓它去模擬人類操縱一個復雜的專業 GUI 設計產品（如Photoshop/Figma）容易得多。
在這種情況下，對于未來全新的 BUI（基于智能體/行為的用戶界面）對比傳統 CLI/GUI 的大趨勢，您認為這底層的戰略意義是什么？薩提亞·納德拉：是的，我的意思是，我認為你非常敏銳地把幾件目前科技界最前沿、但不同的東西放在一起談了。一個是本質上代碼生成（Codegen）目前展現出了極其恐怖的威力，因此 HTML 和其他各種 Web UI，作為一個制品創造流程，我認為在未來真的將會迎來徹底的大爆炸與泛濫。
所以基本上，我們已經從——事實上，以前比爾·蓋茨在微軟內部總是有這樣一個天才的洞察觀點，即：在這個數字世界里，構建一個復雜的應用程序軟件、編寫一份簡單的Word文檔或者創建一個漂亮的Web網站，這三者之間底層到底有什么本質區別？ 在現在的這個 AI 節點上，它們之間毫無區別。你基本上可以通過直接向智能體使用高維自然語言生成代碼，把這三件事全部就地做了。所以那是其中的一面。
但我認為你提到的對復雜畫布的“直接操縱”（Direct manipulation）才是目前整個系統設計面對的硬核挑戰所在。我認為在行業轉型的中間過渡時期，將會發生的是你將全面擁有一套高效的“中間文件格式”（Intermediate format）。 所以你會先讓 AI 去生成底層的復雜 HTML 元素，然后你可以通過底層管道將其無縫透明轉換成 Excel、PowerPoint，將 PowerPoint 轉換為各種現代辦公中間格式，然后交由各路智能體流水線進行自動化處理。所以我認為這就是你今天在微軟 Copilot 和其他前沿產品里，思考整個制品內容創造時所看到的普遍演進現象。
但最終極、最硬核的事情是，你未來能否真正直接教會智能體或者底層模型，去直接看懂、理解這個數字“畫布”本身，以及實現對該畫布上各種復雜元素的直接位置操縱——而這在第一性原理上，必須通過徹底教會大模型該圖形畫布的全部深層語義來完成。因此，它必須被優雅地暴露出來，無論它是通過全新的操作系統級 API 還是通過某種統一的智能體操控協議等等。 因此，我認為你很快將會看到那樣驚心動魄的界面創新。但你剛才說直接操縱確實是目前的一個痛點——順便說一句，你談到了這一點，昨天在 Build 大會上讓我深受啟發和自豪的一件內部開發小事是，我們給新版 GitHub 添加了一個非常漂亮、小巧但極具顛覆性的功能，名字就叫 Canvas（畫布）。 我們之所以添加這個 Canvas 功能，其原因絕對不是因為那些后臺運行的 AI 智能體自己需要一個精美的 UI，而是因為我們人類需要 UI。因為現在如果只是在屏幕上不斷滾動、機械跟蹤我的 CLI 命令行會話或者一長串 Chat 聊天框會話，內容流和信息密度已經變得太稠密、太沉重了。因為首先，聊天歷史它是線性的，你作為人類試圖每天用手指去滾動瀏覽并試圖在大腦中對齊它，是非常痛苦和低效的。
因此，我們說的一件事是，現在我們可以——例如，我可以讓 AI 為我生成一個可視化的項目看板作為全新呈現形式，AI 智能體和作為人類的我，都在這同一張非線性的可視化畫布上同步協同工作。 所以，我認為這種“完全由智能體在運行中生成的 UI（Generated UI）變成未來人類與復雜智能體矩陣進行高效交互的新范式”的想法，可能會是未來幾年跨微軟所有產品線中將會發生的最酷、最具有美感的事情之一。
邁克爾·阿博特：好的，下一個同學請提問。
斯坦福學生：嗨，薩提亞。非常感謝您的到來。如果您目前正處于我們這個年輕的年齡，比如作為大學大一的新生，并且感覺整個新世界的無限可能就在您的指尖閃爍，您在今天會鼓勵我們去全力解決什么樣最具有復利價值的核心問題？薩提亞·納德拉：哦，老兄。我多年前也曾和你們一樣是那個年齡，但我現在真不知道。我的意思是，回過頭來看并開天眼般地說“如果讓我重新選我會去選什么”總是很有意思的。但我真的不知道。
我的意思是，在一個像我們現在這樣精彩、百舸爭流、充滿變數的新世界上，我認為你必須走出去并拷問自己的內心：“什么是你這輩子具有最天然、最無法遏制的主觀內在精神興趣的事情？并且這件事情同時恰好也是這個新人類世界未來會深深珍視和需要的？” 我認為每當人類在面臨人生十字路口做出重大選擇時，他們本質上都在試圖將這兩件事進行交織與對齊。他們正試圖尋找某種他們相信自己對其擁有真正、無條件的內在精神熱情的事情。
但坦白說，作為社會人，他們同時也必須現實地做著精密的算計：“這個人類世界未來到底愿意為什么東西買單、珍視什么？”他們心中總是有一個渴望到達的現實目的地——我想要那份光鮮的職業，我想要拿到那份頂薪工作，我想要開創那家偉大的公司或者諸如此類。 所以我絕不會給你指定一個具體行業，而是建議你將全部精力專注于回答好這兩個根本問題，這才是真正會引領你人生前進的方向。而如果在我的情況下，如果讓我今天重新選，我可能會退一步去深度審視這一點。
它甚至，甚至極有可能是在傳統的計算機行業之外。如果我今天哪怕依然回到計算機行業的話——我多年前大學本科是一名電氣工程師，然后由于種種際遇我隨波逐流飄移到了純軟件領域。但如果我今天能重新回去，我可能會毅然決然選擇回到最底層的硬核硬件設計領域。 這只是因為目前的硬件體系與能源設計正處于一個如此令人難以置信的、重構一切的黃金時代——有太多底層的硬核物理東西我想去深入吃透和理解，比如未來的光子片上網絡架構會是什么樣子，以及某些超大規模異構系統的拓撲設計。
所以我認為未來你們的人生事情將會是這樣自然鋪開的：同學們會敏銳選擇他們天生最擅長的那一極，然后他們看到自己擅長事情的宏偉長期軌跡并對自己說：“哇，我要在這輩子賭自己一把，把它學到極致并開創一些事業，或者去投身頂層的AI政策制定。” 現在天天有人談論表面上的 AI 安全工程（Safety engineering），但我當時在臺下想：“哇，圍繞讓 AGI 擁有真正契合人類文明的安全保障，這中間有太多極其高維的哲學、社會學和法學黑洞維度，急需這個星球上最聰明的人去深入、透徹地思考。”所以不管怎樣，外面有太多精彩的選擇。邁克爾·阿博特：沿著這些跨學科思維的思路，薩提亞，你們微軟內部目前有沒有專門雇傭一些頂尖的專職哲學家，來幫助你們整個團隊進行 AI 的價值觀和路線引導？
薩提亞·納德拉：[笑] 我覺得我們剛剛從 Inflection 挖過來的首席執行官穆斯塔法·蘇萊曼，他自己好像就是一個哲學系的大學退學生之類的。所以他是——Sung（音譯）。所以我們團隊里天然擁有一個 quasi wannabe philosopher（準哲學家）。 但開玩笑歸開玩笑，穆斯塔法從那個宏觀人文角度思考技術確實極其清晰。我的意思是，他顯然從當年作為 DeepMind 的聯合創始人一直到今天，他總是在骨子里用非技術視角深刻思考這個問題。
而且我們在 MSR（微軟研究院）內部幾十年歷史里，一向大量雇傭并擁有能夠帶來真正深刻、多學科交織方法的研究人員，無論是第一流的宏觀經濟學家、道德哲學家、社會學家還是人類學家。我認為為了讓技術不走向毀滅，微軟一直、且永遠都會高度依賴并擁有這樣的人才儲備。
邁克爾·阿博特：好的，下一個同學請提問。
斯坦福學生 7：嗨，薩提亞。我很好奇，您對目前業界流傳的“太空數據中心”（Space Data Centers）方案怎么看？因為近半年來我遇到過好幾位硅谷創業公司的 CEO 來到我們斯坦福演講，并且瘋狂試圖說服我和其他同學，說我們未來的畢業研究應該全力去關注那個賽道。 而我目前正在做的一項學術研究和數據模型表明，僅僅由于目前高昂且無法逾越的每公斤航天發射成本，埃隆·馬斯克（憑借SpaceX）可能是目前全天下唯一一個有可能在這個航天軌道概念中勉強獲利的人。我只是很好奇您作為微軟掌舵人的看法。
薩提亞·納德拉：是的，我對那一塊商業航天的供應鏈側和長遠經濟側都絕對稱不上是什么行業專家，但至少根據我日常所閱讀到的前沿文獻以及我和該領域一些頂級科學家的私下交談來看，這個概念在未來的星際能源視角下聽起來是完全說得通的。 現在的核心問題真正關鍵在于，你作為創業公司不僅需要徹底解決如何把高密度的硅片低成本運送并部署到達那個特定軌道的問題，你更需要去徹底從頭構建能夠在那樣的極端宇宙環境下穩定運行的整套控制技術棧，然后解決所有在太空中幾乎無解的 RMA（硬件損壞退料審查與物理更換維護）等一系列血淋淋的現實工程難題。 因為因此，這中間涉及一整個龐大、漫長、重資產的全新航天供應鏈。當人們每天輕松談論在地面建造數據中心時，大多數人往往忽略了——它本身就是一個極其復雜、人類文明巔峰的系統工程。我們今天地面的云計算是完全建立在數百年人類令人難以置信的、無可估量的跨學科工程深度之上的。
從最基礎的土木建筑工程開始，一直到電氣重電工程、復雜的機械散熱工程，然后最終才能在最上層滿足精密計算機芯片的苛刻計算需求。因此，針對太空中這一全新有效載荷的這種精細化工程與維護水平，必須在未來被徹底建立起來，而且它是完全可以被建立起來的。 而就我而言，從微軟 Azure 云服務的商業立場來看，如果未來的某一天它技術閉環了，我很樂意參與并買單。我的意思是，我認為我們團隊目前在內部已經有了幾個在軌運行的實驗實例，在其中我們已經把一些定制的 Azure SKUs（云服務庫存單位）通過伙伴的火箭成功送上了太空等等，但目前它們更像是一些部署在低軌的邊緣計算衛星節點。
因此，如果未來的某一天有任何航天巨頭跑過來對我說，他們在太空中已經搞定了吉瓦級（Gigawatts）或者兆瓦級（Megawatts）的完全零碳、不占用地面土地的可用清潔能源流，我絕對會高高興興帶著微軟的全套服務，立馬把自己插上電源連進去。
邁克爾·阿博特：好的，最后一個同學請提問。斯坦福學生 8：是的。目前從新聞看來，Meta（扎克伯格）似乎正在由于高昂的算力壓力，逐漸從構建前沿開源大模型的無底洞投入中退縮。而我理解谷歌正在利用它們的開源大模型系列（如 Gemma）做一些垂直工作，但為了應付像讓大模型去編寫某些超長復雜軟件這類高難事情，它們目前的開源參數量往往顯得相當小。
鑒于您個人和微軟過去對開源生態的偉大擁抱，最大的例子就是對 Linux 的全面接納以及對 GitHub 的收購。我很好奇，您是否能預見到微軟在 AI 領域、或者 OpenAI 在未來會去頂著壓力構建前沿的、比如參數規模在數千億乃至萬億級別的純開源大模型嗎？薩提亞·納德拉：是的，我認為我們關注的事情和微軟的商業路徑非常清晰：我們絕對一向都會在生態中擁有開源權重模型（Open-weight models）。而且正如你所說，它們將更多地用于和配合我們將要交付的各種具體平臺。
事實上，就在昨天的大會上，我們團隊甚至剛剛推出了兩款全新的小微模型，分別是一個專門用于本地智能體閉環等場景的高效指令大模型（Ion Instruct）和一個專門的規劃模型（Ion Plan）。所以它們是我們之前用名為 Phi Silica 的小模型項目所做工作的優秀衍生品。它們未來將原生在每臺 Windows 電腦上本地跑起來，并且它們完全向全天下開發者是開源權重的。 相比之下，我們通過微軟 MAI 系列前沿模型專注做的事情，再次強調，去思考它們的正確方式是：把它們想象成獲得了嚴格商業授權許可的模型（Licensed models），但我們將會在生態中非常廣泛地對其進行商業授權許可。
所以例如，你可以直接去 Base10 平臺，你可以去 Fireworks 平臺，然后你甚至可以完美使用它們高效的第三方推理棧來進行你自己的企業級微調等等。 而我們之所以大費周章選擇走這條 MAI 商業授權路線，老實說，是因為我們希望在這個新時代，全天下每家普通的 SaaS 公司、AI 原生創業公司或者傳統的巨頭企業，都能真正安全地擁有完全屬于它們自己的、它們可以在私密環境下隨后進行昂貴后訓練和強化學習對齊的專屬大模型。
因此，那將是我們的商業目標——圍繞 MAI 系列模型建立一個繁榮、正和的商業聯合授權生態系統。我們之所以想要確保它們在本質上仍然是需要嚴格授權許可的，是因為在目前這個地緣政治和技術大轉折的時間點上，整個社會對于模型的合規 inspection（審查）、紅隊安全評測產生著真正的、剛性的法理需求，這關系到我們和企業客戶所在的每一個主權賬戶的安全。而且如果你看一下目前中國市場的模型演進，它們也正在由于商業化壓力迅速從開源全面走向閉源。 所以我認為這是行業發展的必然規律。而且我知道黃仁勛（NVIDIA）目前也正在開發和贊助一些優秀的開源權重模型，所以微軟在底層絕對是開源運動的堅定支持者。但我們更想要確保我們所有人都能在商業和技術上保持領先。
這里的終極商業哲學是：讓全天下的每家普通企業，在能夠安全拿走某款前沿模型、能夠隨后在自己內部對其進行行業知識增補、并從法律和技術上徹底保護其自身商業 IP 不會外流泄露回大廠的過程中，擁有真正獨立、不被裹挾的能動性。 所以我想強調的是，MAI 路線它不會是那種任人隨意下載、免責的純開源，它在商業上將會是需要嚴格進行權重授權許可的。
邁克爾·阿博特：那具體在操作上意味著什么？也就是說微軟會對大模型的底層權重文件進行商業授權許可？
薩提亞·納德拉：是的，完全正確。我們會以極具吸引力的商業條款對模型的權重進行聯合授權。
邁克爾·阿博特：好的。那么如果某家外部的創業公司在 Fireworks 或者 Together 或者類似的第三方平臺上高頻使用它，這在長遠戰略上到底能對你們微軟有什么實質性幫助呢？薩提亞·納德拉：它在底層是需要微軟進行商業授權許可的。因此，我們在這一切第三方生態之中都將擁有一個極其健康的、可持續的、共贏的商業經濟模型。
邁克爾·阿博特：好的，薩提亞，我想我們今天的全場時間已經到了。非常感謝您的光臨。
薩提亞·納德拉：非常感謝大家。今天能和斯坦福的同學們交流太棒了。