Satya Nadella——Microsoft 的 AGI 计划与量子突破

摘要

• 超大规模云厂商是两项确定性判断的赢家：如果智能是算力的对数，那么能大规模提供算力的公司就会成为大赢家；而智能体会呈指数级放大需求——“一个人调用程序，而这些程序再调用更多程序”。 相比之下，模型不会赢家通吃：企业买家“不会容忍”这种格局，开源构成结构性制衡，而且模型仍需要超大规模算力、存储和状态管理——“那个连接点……将永远存在”。
• 资本开支有一个“调速器”：Microsoft 报告 AI 收入达到130亿美元，Nadella 认为真实收入是调速器，因为“当你被供给侧叙事不断自我强化时，完全可能跑偏”。 Nadella 将自称实现 AGI 称为“荒谬的基准测试作弊”；他真正关注的是类似工业革命的、经通胀调整后的发达世界增长，而不是自封的 AGI 里程碑。Dwarkesh 的反问依然成立：如果一个100万亿美元经济体面临10%的增长机会，为什么是800亿美元，而不是8000亿美元？
• 超建即将到来，而 Nadella 想租用算力：“我对做租户感到非常兴奋……我会在‘27、‘28年租用大量容量……所有这些算力建设最终只会带来一个结果，那就是价格下降”。 公司和国家都会竞相部署资本。
• Majorana One 被定位为量子计算的“晶体管时刻”：这是一块拓扑量子比特芯片，Nadella 称其为“第一块具备100万个物理量子比特能力的芯片”；容错量子计算机可能要到“‘27、‘28、‘29年”才能实现——而量子计算与 AI 的结合，有望把“250年的化学研究”压缩到25年。
• SaaS 在结构上面临风险：“业务逻辑将更多进入智能体层”，CRUD 应用会被根本改变；Office 则被重新定位为“知识工作的 UI 层”，Copilot 是“AI 的 UI”。 新的人类行动模型 Muse，让游戏数据之于 Microsoft，“就像 YouTube 之于 Google”。
• 真正的速率限制器并非技术：没有人类为 AI 提供赔偿责任，就不会有部署——“在它成为真正的问题之前，真正的问题会出现在法庭上”；此外还包括劳动回报（“不能只有资本回报，却没有劳动回报”）以及企业变革管理，后者被他称为“知识工作的精益管理”。

精读

1. 这是90年代以来最彻底的一次全栈浪潮

• Nadella 的开场框架是：AI 正在重演90年代初 RISC 对 CISC、Windows NT 崛起的时代——从芯片、操作系统到应用层，“整件事都在被重新争论”，而且“这一次的全栈程度……确实比过去更高”。
• 他反复回顾的关键失误是：Microsoft 很早拥抱了浏览器，却“错过了后来成为互联网最大商业模式的东西”——当时没人想到搜索会成为组织分布式互联网的方式；“Google 看到了，并且执行得非常好”。教训是：“不仅要看对技术趋势，还要看清价值将在哪里创造”——商业模式的变化“可能比技术趋势的变化更难”。

2. 价值归属：超大规模云厂商赢，但单一模型不会称霸

• 他有两个确定性判断：超大规模云厂商会赢——“如果智能是算力的对数，那么能大规模提供算力的公司就会成为大赢家”——而智能体会“让算力使用量呈指数级增长”，因为“你甚至不再受限于一个人调用一个程序”。他看待自己的算力舰队时，关注的是“AI 加速器与存储、算力之间的比例”，而不只是 GPU。
• 在基础设施层之上，“事情就变得有些模糊”；Nadella 所强调的核心能力，是判断“哪些市场会赢家通吃，哪些不会——某种意义上，所有事情都在这里”。企业买家“不会容忍赢家通吃”，这也是他当年顶住投资者关于 Azure 对 Amazon 已经“游戏结束”的判断、最终继续押注 Azure 的原因。
• 关于模型，他认为“开源替代方案肯定会存在”，制衡闭源模型——这正是 Windows 带来的教训；而且“国家不会坐在那里等着私人公司行动”。消费者市场是例外：ChatGPT“已经获得了真正的逃逸速度”，长期位于 App Store 前5名。
• Dwarkesh 的反驳值得保留：云计算当初“不过是一块芯片加一个盒子”，但利润率最终还是出现了；如果 AGI 能帮助构建更好的 AI，领先优势就会不断复利。Nadella 部分让步：“到了规模化阶段，没有什么是商品化的”——Azure 覆盖60多个地区的经验“就是很难复制”；但模型仍然需要超大规模算力、状态管理和存储：“那个连接点，我感觉将永远存在”。

3. 算力舰队哲学：顺着摩尔定律前进，在超建中租用

• 他的建设逻辑是：每年更新算力舰队、计提折旧，并在大规模训练任务、测试时算力和 RL 蒸馏之间“非常非常擅长做部署”，以实现高利用率——RL 蒸馏“有点像增加更多训练 FLOPs”。预训练“到某个阶段必然要跨越数据中心边界”；而且“光速就是光速”，所以推理服务需要在各地部署算力舰队，并让存储与算力共址。
• 他对超建的判断原话是：“关于能源和算力的备忘录已经发出去了”，国家会与公司一起部署资本，而且“我对做租户感到非常兴奋”……“我会在‘27、‘28年租用大量容量……所有这些算力建设最终只会带来一个结果，那就是价格下降”。

4. 真正的 AGI 基准是全球10%增长，130亿美元收入是调速器

• 面对130亿美元 AI 收入、以及 Dwarkesh 对其4年增长10倍的推演，Nadella 认为在看 Microsoft 的收入之前，“我们首先要观察的是 GDP 增长”。发达世界的增长率是2%——“如果扣除通胀，实际上就是零”。如果这真的是一场工业革命，就要证明这一点：“10%、7%，发达世界经通胀调整后以5%的速度增长。这才是真正的指标。”
• 他的标志性表述是：“我们自称实现了某个 AGI 里程碑，对我来说，那只是荒谬的基准测试作弊。”而且“真正的大赢家不会是科技公司”，而是那些消费充足智能、效率因此提升的广泛行业。
• Dwarkesh 追问其中的矛盾：Microsoft 在2019年 OpenAI 还没有收入时就下注，而铁路建设者当年也是亏损着建设未来——那为什么现在不投入数千亿美元？Nadella 的回答是，供给和需求“必须匹配”；在“也许可以指数级加大投资”之前，必须先看到“能够把昨天的资本转化为今天需求的存在性证明”。这“不是一场单纯构建模型的竞赛，而是一场创造一种正在被使用的商品的竞赛”。

5. Jevons、DeepSeek 与“知识工作的精益管理”

• Dwarkesh 以 Jevons 悖论发起挑战：智能现在已经便宜到每百万 token 只需2美分，他的瓶颈是智能程度，而不是价格。Nadella 的回答是：两者“都必须发生”——DeepSeek 式突破会推动每 token 性能曲线下移，同时扩大需求，正如云计算曾经做到的那样（“印度的云市场规模，远超我们在服务器时代做过的任何事情”）。如果全球南方能够以低成本获得医疗 token，“那将是有史以来最大的变化”。
• 真正的部署挑战是“变革管理或流程变革”。他举的例子是：个人电脑普及前，预测工作依靠传真和内部备忘录；直到“有人说，嘿，我直接拿一张 Excel 表格放进邮件，发给所有人”，文件形态和工作流程才一起改变。AI 也需要同样的重构：“这就像知识工作的精益管理”——减少浪费、增加价值——“而这需要时间”。
• 他自己的做法是：至少使用10个 Copilot 智能体，播客准备也由 Copilot 完成（它找到了2篇 Nature 论文，并被要求“把它整理成播客形式”）。下一步的基础设施会是一个智能体管理器——“一个新的收件箱……我的数百万个智能体需要调用一些例外情况交给我处理”——Copilot 则是“AI 的 UI”：智能体完成知识工作，但“你仍然拥有一个知识工作者”。

6. Majorana One：“晶体管时刻”，但时间表仍有保留

• 这是一场持续30年的押注（“我是 Microsoft 历来第3位对量子计算感到兴奋的 CEO”）：核心判断始终是，“要构建实用规模的量子计算机，就需要一次物理学突破”。Nature 论文的结果证明了 Majorana 零模的存在——这种状态在1930年代就已被理论提出——并证明了一种新的拓扑物态能够让研究者“可靠地隐藏量子信息、测量它，并制造出它”。
• 他的说法是：Majorana One 是“第一块具备100万个物理量子比特能力的芯片”，并能在这么大的芯片上实现数千个纠错逻辑量子比特；没有这一点，“你永远无法构建实用规模的量子计算机”。时间表则严格保留了不确定性：“也许到‘27、‘28、‘29年，我们就能真正构建出这台”容错量子计算机。除此之外，Microsoft 已通过中性原子和离子阱合作伙伴宣布实现24个逻辑量子比特；软件栈则有意与硬件解耦。
• 他的使用模型是：“AI 像是模拟器的仿真器，量子计算像是自然的模拟器。”量子计算适合数据量小、状态空间呈指数扩张的探索任务——化学、物理、生物——并生成合成数据，用于训练更好的 AI 模型；他希望将量子计算替代当前 HPC 栈中的部分组件，最终为了摆脱碳排放，把“250年的化学研究”压缩到25年。
• 关于为期20年的押注，MSR 会先投入预算，“并且知道其中大多数押注不会在任何有限时间框架内兑现。也许 Microsoft 的第6位 CEO 会从中受益”。真正困难的是如何进行资本化——“我可以告诉你 MSR 里有1000个项目，我们本来可能应该率先投入，但最终没有”。相关的判断是：“长寿不是目标，相关性才是”，而对“凡人 CEO”来说，更像是进入“重新创始人模式”。

7. Muse：游戏数据之于 Microsoft，就像 YouTube 之于 Google

• Muse，即世界模型人类行动模型（第2篇 Nature 论文），使用游戏玩法数据训练，能够生成一致、多样、并且“能够持续适应用户模组”的游戏。Phil Spencer 用 Xbox 手柄驱动模型生成内容的演示，在 Nadella 看来“有点像我们第一次看到 ChatGPT 补全句子”。
• 他的战略判断是：“游戏数据之于 Microsoft，就像 YouTube 之于 Google”，不过他坚持认为游戏必须本身就是终点（“Flight Simulator 在 Windows 之前很久就是 Microsoft 的产品”），而不能只是训练模型的手段。
• 5到7年前确定的3项押注——AI、量子计算、混合现实——分别对应业务逻辑突破、系统突破和 UI（临场感）。他也坦率承认自己改变了对混合现实的看法：“我原以为它会更容易解决”，但由于社会层面的因素，它“可能更难”；Microsoft 仍通过 Anduril 和 Palmer 推进 IVAS。

8. 速率限制器：法庭、劳动与对齐工程

• 关于他2017年提出的“新物种”说法，他认为信任必须先行，而“最大的单一速率限制器，将是我们的法律基础设施如何演进”——当前世界建立在由人类拥有财产、承担责任的基础上。结论是绝对的：“除非有人以人类身份为这些智能承担赔偿责任，否则你不能部署这些智能。”关于失控风险，他说：“在它成为真正的问题之前，真正的问题会出现在法庭上。”
• Dwarkesh 的反驳是：其他社会的法律体系可能更容易接受这种技术，失控也未必发生在美国。Nadella 的回答是，流氓行动者和流氓国家确实存在，但“世界不会坐在那里说，我们容忍这种情况”。
• 第2个限制器是：“不能只有资本回报，却没有劳动回报”——必须重新评估那60%的劳动价值，民主制度才能保持稳定；“今天被视为高价值的人类劳动，可能会变成一种商品”。
• 从 Sydney Bing 到智能体群，他主张明确为对齐分配算力，像做网络安全一样建立可观测性（“我们不会只是写完软件，然后放任它运行”），采用沙箱运行时，控制智能体编写的代码是否为临时性代码，并把物理具身化视为一道门槛；同时要“承担我们自己的责任”，否则“社会不会给予这件事许可”。

9. SaaS 向智能体层迁移；“知识工作不等于知识工作者”

• LLM 是否会让 Office 商品化？他以肿瘤委员会医生的演示回答：Copilot 先分析 SharePoint 中的病例并生成议程，再将 Teams 会议转录为可检索的数据库条目，最后把内容整理成教学演示文稿。“Office 不只是今天的办公室，它是知识工作的 UI 层。”
• 更明确的判断是：今天的 SaaS“CRUD 应用将被根本改变，因为业务逻辑会更多进入智能体层”；但考虑到全球 IT 积压需求，代码生成加智能体意味着“应用数量将出现最大规模的爆发，它们会被称为智能体”。现有厂商“不能停在原地”。
• 关于 AGI 是否真的存在——这是整期节目最深的分歧——他说：“不要把知识工作者和知识工作混为一谈。”今天的工作会被自动化（“谁说我人生的目标是分拣邮件？”），新的认知劳动会出现。针对 Dwarkesh 关于马匹的类比，他回应说：“我们真正重视某种狭窄意义上的‘认知劳动’，也不过是过去200年的历史。”他也确实欢迎董事会会议中出现 AI 主持人——人类只是 Herbert Simon 所说的“有限理性”，而“外部的认知放大器，那当然很好”。