Satya Nadella：在微软Build上的无先验×潜在空间跨界洞察

我们私下听说 Satya 已经收听 LS 有好几年了，但与他见面并在 Build 上进行直播播客，依然让人感觉无比真实。这次我们还与我们非常钦佩的领先 AI 风投播客 No Priors 的朋友们一起合作！

我们已在 昨日的 AINews 中 概述了 MAI 模型的技术要点，因此我将重点回顾 Satya 的三大核心信息：

• Satya 对 [Bill Gates 之言](https://www.latent.space/p/agent-labs?utm_source=publication-search) 的诠释，将微软定位为 前沿智能平台** — 客户通过在 OpenClaw 和 Scout 等多模态框架上构建，并利用 Work IQ 等上下文层所暴露的完整企业上下文（他的高管团队也在 内部重度使用），以及将私有评测与追踪作为新型“Token IP”，应从微软生态中获得的价值远超微软自身

• AI 投资回报率：一方面，企业正在围绕“Tokenmaxxing”和裁员展开艰难对话；另一方面，由于“构建 vs 采购”的天平发生巨大变化，SaaS 时代是否终结正被重新评估。我们此前的 SemiAnalysis 来宾 对微软作为“终极 SaaS 巨头”的立场发表了一些有趣的评论，而 Satya 给出了精彩的回应

• 让不可能成为可能：Kevin Scott 关于如何以最雄心勃勃的方式将 AI 与更广泛的技术应用于商业与社会问题（如教育与社会影响）的鼓舞人心的框架

Enjoy!

视频 3

旁白：欢迎 swyx、Sarah Guo、Elad Gil，以及微软董事长兼首席执行官 Satya Nadella

Sarah Guo：欢迎来到 No Priors 与 Latent Space 的跨界特别节目，嘉宾是 Satya Nadella。恭喜 Build 大会取得巨大成功。谢谢，很高兴与你们两位同台。我经常收听你们的播客，能来到这里非常荣幸。

谢谢。[00:01:00] 今天一早，你们已经连续三小时介绍了微软各条线的重磅发布。你认为最重要的反思或收获是什么？

Sarah Guo：我认为最重要的，是将这视为一场生态战，而非单一模型或单一平台之争。

Satya Nadella：对我而言，自加入微软以来，我见证了四次重大平台变迁，我始终认为平台的价值在于为外部创造的价值远大于平台自身所捕获的价值。今天的关键演讲正是在回答：无论是一家 AI 原生公司还是一家传统企业，如何成为第一等的参与者，并能指向自己打造的 AI？

当然，它们也会使用他人的 AI。但关键在于路径与方法：堆栈是什么样？工具链是什么？什么才是真正的价值？这就是我们的使命。生态战略确实很复杂。

Sarah Guo：因为你需要自己构建某些组件，与其他方合作某些组件，并提供支持。你们刚刚发布了一整套模型，能否谈谈微软当前的训练策略？

Sarah Guo：我们在 MAI 模型上的目标是打造清晰的模型血统，正如 Mustafa 所说。

Satya Nadella：从高质量预训练数据开始，进行充分的消融实验，确保在信息爆炸的当下仍能构建出干净的模型血统。这也是许多开源模型的挑战：它们在少数基准上表现亮眼，但在实际应用中并不理想。这也是 RFDE 团队对 MAI 模型如此兴奋的原因——一个 5B 小模型如何实现持续提升？

这最终指向“认知核心”的探索。因此，我们的路径是：以干净的血统起步，赋予企业在此基础上打造自身专长的能力，围绕模型构建“爬山式”优化框架。这不仅仅是模型，还包括 RLE、追踪收集，以及最重要的私有评测——因为现有的公开评测虽有趣，但并不真正关键，因为它们都可以被“刷分”。每个公司都需要自己的私有评测。围绕我们的模型打造端到端平台，这正是其吸引力所在。Sarah，你提到这一点时，我确实感受到新的前沿正在开启。

萨蒂亚·纳德拉： 人们谈论“前沿”，你是否在前沿运营。有趣的是，如果加入一点时间维度，你可以用，比如说，我们在 Lando Lakes 演示中展示的相当酷。我们使用了 GPT-55，然后收集了一堆追踪数据，接着用一个 50 亿参数的推理模型实现了更高的效果。

Sarah Guo： 所以这是“在前沿运营”的另一个方面。首先，我要祝贺你在两年内基本上在微软内部打造了一个前沿的 AI 实验室。我想知道，你正在推出所有这些 AI 战略。

Swyx： 我想知道，你现在知道的有哪些事情，是你希望告诉两年前或三、两年前的自己？对 Jensen 合作是三年前，对 MEI 是两年前。我想，我反思得比较多的是，当我被 Scaling Laws 论文所吸引时，我真正投身其中。甚至 OpenAI 合作也是在他们说“我们要投入大量算力到 Transformer 上”之后才促成的。

萨蒂亚·纳德拉： 他们确实帮了忙。我回顾时会说，这些技术的能力确实在不断提升。用一种粗略的说法，智能与算力的对数成正比。但我们可能低估了在真实世界中部署这些技术的复杂性，以确保它们真正创造价值。任何基准衡量的结果固然重要，但真正的评估是当人们能够用这些技术做出只有他们才能创造的独特价值，并且这种价值是可衡量的。我希望我们当时能更早意识到这一点，作为整个行业。

Sarah Guo： 因为现在当人们说“我不想要一个 token 最大化”的时候，这是因为我们行业没有意识到，我们每一步都在用 token 创造价值。所以我觉得这是我们当时应该更早意识到的，但很高兴我们现在意识到了。

Sarah Guo： 你看到哪些用例为客户创造了最大价值？

我知道人们经常谈论代码，而且很明显，这正在产生大规模影响。还有哪些其他领域，你的客户从中受益最多？是的，编码确实已经取得了很大进展。但有趣的是，Elijah，我们甚至在谈论编码这件事。

萨蒂亚·纳德拉： 编码如此成功，以至于我们现在需要重建 IDE。看到我们推出的这些上百个代理会话，真是令人震惊。这些认知负担又回到了人类身上，变得过于沉重，所以我们需要新的用户界面。而且，仅靠聊天作为唯一产物也是不可能的，所以我们需要画布。

这很有趣，说明即使在代码领域，软件和 UI 仍然是必需的。但在一个完全代理化的世界里更是如此。但另一方面，我们开始看到，从 Co-Pilot 开始，再到我们展示的 Autopilot，以及你在 claws 中看到的，这些都是很好的例子。因为很多人力资本都在做“粘合”工作。如果你能用长期运行、持久的 token/代理来增强这些工作，那么即使是仍然需要判断和“粘合”的工作，其规模化能力也会被放大，就像编码一样。我确信，六个月后我们都会说：“哇”，整夜都有这些代表我、以我授权身份运行的 Autopilot 在工作。当然，我需要新的 ADE 来告诉我：“你做了什么？”我可能需要确认：“我是否做了这项工作？”等等。所以我认为，工作流的压缩和任务的完成，正是价值大量产生的地方。你提出了一个非常有趣的观点，那就是有一个实际的代理在写代码，而另一个是围绕它的“支架”，也就是环境、上下文，以及开发者为一个编码代理搭建的一切。

Sarah Guo： 企业中的“支架”是什么？在更广泛的生产力工作中是否有等价概念？你是如何思考这一概念的泛化？

萨蒂亚·纳德拉： 从某种意义上说，你希望“支架”能定义模型、数据和工具，从而在这三者之间形成一个闭环。

我们首先要确保我们构建的每一个产品，无论是 GitHub Copilot，还是我们在 MDASH 中展示的安全 Copilot，甚至科学发现，都是多模态“支架”，并具备工具访问能力，以便进行渐进式工具披露，从而提高 token 效率。同时，我们为其提供非常丰富的上下文，因为过去两年我们学到的另一个关键教训是，为了让你的计划以最高效的方式执行，上下文层的准备工作量巨大，这才是真正的魔法所在。在我们这边，我们有一个 GitHub “支架”，我们正在所有产品中使用它。

它在 Foundry 中可用，我们保持开放，你可以使用自己的 Llama 框架，或者使用任何开源框架或你自己的框架，结合你的工具、多个模型和上下文进行训练。这就是我们的主张。因为目前很多讨论都在说：“嘿，如果把框架、工具和模型一起训练，你就能获得更好的评估结果。”

Elad Gil： 我们正在验证这一点……最典型的例子就是我们做的 MDASH。它一上线，就发现了 Mythos 未能发现的漏洞或缺陷。这可以作为存在性证明：一个多模态框架在现实世界中确实可以表现得更好。独立前沿实验室训练背后的前提是，我们将拥有这些模型，提供 API 业务，并支持企业和初创公司。

Sarah Guo： 但第一方产品——无论是生产力、代码还是搜索——才是收入的主要来源。这与你描述的微软生态的价值方程不同。如果这是事实，请告诉我，因为显然你们既有第一方产品，也有赋能产品。

Satya Nadella： 开发者的角色是什么？在那个世界里，什么会变得困难，开发者需要具备哪些技能，以及他们如何实现价值捕获？我认为，一个成功的平台构建者同时拥有第一方产品的情况一直存在。Windows 就是如此。

在 SaaS 和云领域也是如此，无论是我们还是其他公司。但关键在于，这不应该成为其他人取得同样成功的限制。这就是核心差异：这一次围绕智能的网络效应如此强大，因为它们从数据中学习——不需要大量数据，只需要少量样本就能理解什么是新颖的。因此，游戏的关键在于如何保护这些数据。我认为，每个公司拥有的私有评估可能是最重要的知识产权。想想看，你可以用私有评估，即使使用前沿模型进行 hill climbing，也不泄露痕迹，这可能是最重要的 IP 驱动力。

换句话说，酸性测试是：你有一个私有评估，正在使用模型 A。能否切换到模型 B 并继续提升？如果可以，你就掌握了主动权；如果不行，你就没有。这也凸显了框架选择的重要性。

swyx： 因此，拥有开放框架，让所有模型都能接入，用你的评估、上下文和工具帮助你 hill climbing，我认为这是 AI 原生初创公司、SaaS 公司或每家企业都需要具备的能力。微软历史上是一家操作系统公司，后来成为云公司。也许第三篇章是成为框架或评估公司。无论你如何组合这些概念，赋能每家公司拥有前沿智能，我认为这就是使命。

Satya Nadella： 没错。这就是平台承诺：与我们合作，你就能为你的数据获得智能。如果要为这次开发者大会提炼一句口号，那就是：每个人都能在前沿运作，拥有自己的前沿智能。这至关重要，因为否则你无法实现稳定的均衡——我如何让公司具备终端价值，因为我现在知道如何在不断变强的平台上持续复利？Windows 推出后，Adobe、Autodesk 等公司都在其上构建，正如 Jensen 在其上构建 CUDA。这种理念——构建一个平台层，让他人在其上扩展并构建自己的智能层——才是关键。没有它，为什么要开开发者大会？我只需让大家来膜拜一个模型。但那不是开发者大会。

swyx： 后台我们讨论了什么是 IP，什么是公司的价值。过去是员工在公司积累的人类经验长度，而现在是另一种东西：评估，以及将代理应用到公司的经验。你能再详细阐述一下吗？这非常有启发性。

Satya Nadella： 这是一个很好的框架。最终，每家公司都会同时拥有宝贵的“人力资本”，因为人类发现缺口的能力始终是创造价值的方式。

我的意思是，我完全认同，即便代币资本在上升，这也将关乎人类以新的方式展现自主权和雄心。假设任何一家公司都拥有大量代币和大量人力资本，关键在于如何将两者叠加。比如，如果一个团队里有大量智能体在工作，也有大量人类在工作，那么他们之间的交互轨迹，正是企业创造价值的重要上下文。

这就要回到训练公司专属智能体，而非通用模型。这一点非常有价值——当一家公司认为“这确实应该计入资产负债表”时，就是我思考的出发点。实际上，人力资本过去无法计入资产负债表，因为难以捕捉隐性知识。

swyx： 而现在，通过那些在时间中、在所有交互轨迹中学习的智能体，我们或许可以做到。至少我们是这样认为的。我认为 SEC 将不得不为代币化专长制定会计准则。你提到的是均衡状态，以及一个稳定的均衡，即企业拥有叠加价值并能看到自身的终局价值。

Sarah Guo： 另一个挑战是，行业或领域的通用应用与工作流与高度定制化的、企业差异化的能力之间如何达到均衡。这正是 SaaS 公司的那一代所追求的，微软也有许多 SaaS 产品。而另一些能力则高度特定于每个企业。

Elad Gil： 你肯定参与过“软件终将消亡”的讨论，因为这些工作流现在很容易生成。你认为未来企业内部与供应商构建的智能体，其均衡会有什么不同？

Satya Nadella： 我们过去捕捉工作流的方式是这样的：先构建数据模型，对部分业务流程进行建模；然后编写大量业务逻辑；最后在其上叠加用户界面，再辅以少量配置。这种模式在过去 20 年里一直奏效。

有趣的是，现在我们有机会重新审视这种垂直堆栈。我认为，SaaS 应用底层的数据模型仍然非常优秀——为什么要重新发明轮子？我的总账就应该是一个总账，不需要新的模式。事实上，那些实体关系模型是稳健且值得长期投入的。同样，业务逻辑也是如此。以 Power BI 为例，人们创建了海量仪表盘，而其背后是丰富的语义模型和精心设计的度量，这些都是宝贵的业务逻辑，应该被复用。

SaaS 商业模式面临的挑战在于，我们过去把一切打包在一起，现在需要学会解耦，再以新的方式重新组合，并发现新的商业模式。

以 Microsoft 365 为例，我们推出了 Work IQ。有趣的是，这与历史有相似之处：我们最初售卖 Exchange、SharePoint 和 Lync Server，以为这些都会迁移到云端。但后来发现，使用云端服务的人数是服务器时代的 10 倍、100 倍——因为人们购买的是订阅，而非服务器。如今，M365 正在经历同样的转变。通过 Work IQ，我们暴露了公司最重要的数据库，它过去从未被当作数据库使用，因为它只被我们的应用所“囚禁”。

邮箱、Teams、Word、Excel、PowerPoint、SharePoint 都在操作它。但现在，借助 Work IQ，我可以进入一个 GitHub 仓库，说：“我上周参加了一系列与这个仓库相关的设计会议，请把所有内容抓取并告诉我应该对代码库做哪些改动。” 想象一下，它能查看所有会议记录，然后生成一份代码修改计划。过去，我们从未想过用 M365 来做这样的事情。

在智能体世界中，价值创造的机会被放大了 10 倍，但这确实要求我们进行架构层面的重构。

Sarah Guo： 例如，M365 的使用场景将远远超出终端用户，我们必须重新设计架构。我用来服务邮箱的东西无法用来服务智能体，这正是我们正在做的事情。

Sarah Guo： 我不相信任何领域的商业模式会一成不变，但在短期内，你对基于结果的定价和基于代币的定价有什么预测？

Elad 吉尔： 企业捆绑包。是的，我这样思考这个问题：我们一直都有……就拿按用户定价来说。嗯，按用户定价其实是有人为了做预算、需要确定性而创造出来的，对吧？因为最重要的是，有人想要一个预算——嗯……他们需要按用户来。

Satya 纳德拉： 而且，按用户本质上只是一系列使用权限，对吧？这就是它的本质。所以最初的捆绑方式是把一些使用量打包成按用户的堆栈，然后出售订阅。我认为订阅会继续存在，按用户定价也会继续存在。接下来的大趋势将是按用量计费。

人们会说：“我要按用量计费。”也有可能有人会说：“我甚至不想为任何订阅或按用量的结果付费。”嗯，但请记住，大多数人喜欢结果定价，直到他们真正有了结果，因为一旦有了结果，这就像是在分享你的收益，[00:21:00] 对吧？

我的意思是，我遇到过一些客户，他们非常喜欢基于结果的定价，我说：“我完全支持”，直到他们说：“天哪，你在说什么？你要分享我的结果？不不不，我要你回到按用户定价，我要按用量定价。”对吧？所以我认为这场争论还会持续。

不过，所有这些商业模式都有其适用的时间和场景，并不存在一种“包打天下”的模式。如果你是 SaaS 或平台供应商，拥有这种灵活性至关重要。坦白说，GitHub 就面临过这个问题——我们最近宣布了 GitHub 的按用户定价，因为我们一开始是按用户级别构建 GitHub Copilot 的，那时我们还不了解代理使用强度。

Copilot 是一种供开发者交互式使用代码补全和任务的方式，并不是“我启动了 10000 个全天候运行的代理”，对吧？所以这就是调整的原因。现在，我们始终会保留按用户定价，但必须引入用量计量。

Sarah Guo： 你如何看待 SaaS 的整体持久性？我观察到的一个现象是，许多企业在内部会有“代理狂热”的团队。他们对能构建的东西兴奋不已，试图重建大量应用，或者去告诉他们的 SaaS 供应商“我们不再和你们合作了”，或者“我们在考虑内部项目”。

看起来在六到九个月后，有些人会回来承认：“实际上，我们无法重建所有东西。”你如何判断这个世界中什么是持久的，什么是不持久的？嗯，我认为我们必须经历一个完整的预算周期，才能真正看到均衡的形成，因为归根结底，即使是生成应用也有边际成本，对吧？

Elad 吉尔： 事实上，甚至可以用一个简单的说法：如果你自己构建和维护某样东西的边际成本更高，你就应该去收购它。对吧？这应该是可以量化的——对，一个可量化的指标。而且维护部分很重要，对吧？

你必须记住，AI 现在会发现所有安全问题，你必须快速修复。当然，有编码代理来帮助你，但这会消耗令牌。那么责任归谁？这是一个需要通盘考虑的循环。

我认为我们已经经历了“我能生成大量软件”的兴奋期。接下来的问题是：我到底想生成哪些软件？我想使用哪些来自他人的软件？如何将这两者组合成我能够掌控的代理工作流，对吧？

Sarah Guo： 因为我认为，任何在供应商层面缺乏灵活性的人都将受到极低容忍度的对待。但与此同时，我认为那些展现出灵活性并真正交付价值的人会再次获得青睐。我们其实是在卖软件，只不过采用了不同的商业模式。说到构建软件，我最喜欢的一个时刻来自……我想是前一年或两年前的 Build 大会，当时有一段你亲自构建自己软件的环节。我很好奇你现在是否还在构建什么。

Swyx： 有一段是你亲自构建自己软件的环节。我很好奇你现在是否还在构建什么。是的，我认为……首先，我们必须承认，构建软件让即使是我们这样“无能”的 CEO 也能做事——感谢上帝。但话又说回来，我觉得像 GitHub Copilot，尤其是新的“会话”应用或新应用，已经让掌控那些你以前觉得无法触及的工件变得更加可能，对吧？

Satya 纳德拉： 所以对我来说，作为 CEO，甚至能够进入代码库学习，这太棒了。我记得刚加入微软时，大家都要去研究 Cutler、Malik 等人的代码，学习如何写出好的 C/C++。现在这种上下贯通的全栈能力如此强大，但这并不意味着我们每个人都应该做同样的事情。

[00:25:00] 如何具备洞察、学习和观察的能力，这一点对我来说重要得多。因此，我正在大量构建长期运行的 Foundry 代理。没错，我们有自动驾驶。最简单的是，上周我就做了一个，想法是：能否有一个持续监控我自己的首席助理自动驾驶的代理？

我们显然会在 Scout 中提供这一功能，我们已经展示过。但构建起来非常容易。我用 Work IQ，让它“去构建一个长期运行的 Foundry 代理”，将所有记忆存储在后端即服务的 Ray Fin 中。结果不仅建成了，我还能让它发布到 Teams，它真的做到了。

Sarah Guo： 能够端到端地完成这样的项目，简直令人惊叹。你认为这会对未来不同类型的工程角色产生什么影响？现在我们有十几种工程师类型，从 QA 到前端等等。有人认为，四五年后工程师类型会缩减为四种：管理代理的人、部署工程师（FDE）、安全工程师，以及为少数服务构建大规模基础设施的人，其他一切都会融入代理世界。

Satya Nadella： 我觉得我们需要通过实践来探索。LinkedIn 曾经做过结构性调整，创建了一个新学科叫“全栈构建者”。他们把设计、产品管理和前端工程的人聚在一起，但每个人仍保持自己的专业优势，只是角色的范围更大，不再被局限在单一岗位。

同时，基础设施变得至关重要。比如 Excel 团队，构建一个能让奖励被学习的 RLE，其实是最大的基础设施难题之一。这就需要新的技术人才，即使在被认为是终端应用团队的地方，也需要分布式系统专家，因为这是不同的技能集。科学和基础设施同样重要。我认为这些角色会继续演变，世界始终需要专家。

但我认为，通才角色将是最令人兴奋的，因为通才的杠杆效应最大。当我说“我在编码”时，我实际上是在把知识工作转化为应用——用一句话就能完成。我的通才技能获得了更高的杠杆效应，这将体现在各个领域。这对 CEO 和 VC 来说是个黄金时代，对有想法的人来说更是如此。

Sarah Guo： 有想法的人，而且拥有很强的个人能动性。如果把个人能动性放大到组织层面，我的合伙人 Mike Renoir（曾在微软工作）写了一篇随笔，核心观点是：这是一个可以更加雄心勃勃的时代，环境变化如此之快，用户和公司对新技术的接受速度也很快，我们必须如此。

Satya Nadella： 我觉得问一个管理万亿级公司的 CEO 这个问题有点可笑，但你怎么看待微软如何变得更加雄心勃勃？

Sarah Guo： 这是个好问题。我认为在这样的转型期，我们需要一个关于工作如何改变以实现以前难以想象的结果的概念模型。Kevin Scott 有一句很好的话：让难事变容易是一层杠杆，但真正的雄心是让不可能变为可能。我们组织现在缺少的是那个新的概念模型——什么曾经不可能，而我们现在可以构建。

举个例子，我从管理 Azure 网络的人那里获得了很多启发。就在去年，他们意识到仅靠人力无法应对我们正在经历的规模扩张。于是他们说：“我们的工作不是做 Azure 网络，而是构建一个能完成 Azure 网络工作的代理系统。”

这些就是管理着 500 多家光纤运营商、负责运营整个城域网的人，遍布各地。光纤运营归根结底是实体操作：线路会被切断，需要维修。我们虽然用“DevOps”之类的术语，但说到底就是邮件不断，得及时响应、处理。

于是他们搭建了一个智能代理系统，甚至还给它起了个名字——Miles，负责处理这些事情。他们开始大呼需要更多“token”。他们说：“我们不需要增加人手，我们需要 token，这样才能管理好我们的运营。”

这种对工作的重新概念化——他们把工作抽象为“元工作”，元工作成了他们的新工作。20 世纪 80 年代，如果有人告诉我们“40 亿人早上醒来开始打字”，我们的模型会是：我们需要 40 亿个打字员？

但我们不是在做打字，而是在做知识工作。我认为，无论是微软还是任何组织，关键在于允许自己用这些新工具开展新的“元认知”和“元工作”，改变真正重要的产出，把不可能变为可能。

Sarah Guo： 所以把那些点连起来、搭建起连接组织的纽带，我认为这正是企业价值将被创造的地方。

Sarah Guo： 我们来谈谈数据中心吧？请讲。好的，这自然引出了数据中心的建设。我一直对微软以及所有参与者的建设规模印象深刻，这正在重新定义“超大规模”的含义。

这在财务规模、公司运营方式，以及受影响的社区层面都是前所未有的。当你实地走访时，能看到两个方面。

Satya Nadella： 显然，建设规模令人惊叹。这样的事情前所未有，能参与其中非常荣幸。但你提到的另一点更重要：除非我们整个行业以原则为先，确保这些成果真正惠及社区，否则行不通。

这不仅仅是一场运动，必须是实实在在的：人们不应看到能源价格被抬高，相反，长期来看会形成更好的电网、更充足的能源。水资源消耗并非负担——实际上，我们在建立闭环系统，实现水资源的补充。我们必须教育公众，同时投资培训、就业和税收基础。很少被提及的是，建设期及之后会创造大量岗位。

社区的税收基础在哪里？这一切必须是真实的。如果做到了，我们就赢得了许可；做不到，就不会有许可。我们必须把这件事当真。社区保持怀疑、提出尖锐问题是好事，我们要做好功课，赢得信任。

归根结底，如果能大量使用能源并为社会创造巨大价值，历史证明这是成功的；反之则不然。这一次，我坚信：如果 token 经济能驱动生产力、经济增长、广泛参与、更好的健康结果，我们就会处于有利位置。

Sarah Guo： 这正是我们所有人需要聚焦的。这让我想到，也许在社区层面更容易先看到投资回报，比在企业端更明显。我认为两者都会见效。事实上，它们会相互促进。关键在于社区的人将被雇佣，成为实体经济的参与者。

Satya Nadella： 我认为关键在于：如果整体经济和社区都表现良好，市场力量会把点连起来。我们必须看到证据，不能只靠某一家公司，而是要实现广泛的经济增长和社区许可。

Elad Gil： 好的，我想聊聊

Elad Gil： 你目前最乐观的是什么，或者你对 AI 社会影响的个人模型有哪些最新更新？你的意思是，关于 AI 的社会影响，你对什么更新最多？我认为最关键的是我们一开始提到的：我们需要讲好故事，并让每个人都能成为这场新经济中的一流参与者。

萨蒂亚·纳德拉： 对吧？我想在接下来的12到18个月里，我们需要让人们对AI说：“哦，我明白了。” 将会涌现出巨大的能力与基础设施，但人们需要看到会发生什么，无论是健康结果的改善、我创办初创企业的能力，还是我更高效地经营本地小店的能力。

这些变化正在发生，而且我能亲眼看到这些好处。对我来说，以路径依赖的方式赢得信任，我们不能等待。埃利，我现在学到的一点是，世界对那些说“相信我们，我们已经掌控未来，未来将无比辉煌”的科技公司会非常怀疑。

萨拉·古奥： 你必须交付实实在在的好处。坦率地说，政客们会因为倡导这一点而赢得选举。这将是我做出的调整，因为如果没有这一点，考虑到这次的重要性，以及它对经济的影响，情况不会是这样。我有一个非常简单的框架，用来思考AI对技术社区之外的广泛好处：首先是财富创造——这将在众多公司中发生，无论是初创企业还是大公司。其次是医疗保健。你今天看到了一些令人惊叹的演示，像Open Evidence这样的公司正在推动这一进程。

萨拉·古奥： 教育似乎也是一个显而易见的领域，但到目前为止，其影响还没有达到我的预期。

斯维克斯： 你对其中原因有什么假设，或者认为它会到来吗？我认为关键在于我们如何看待教育。最近我与Alpha School的创始人会面，了解了他们正在做的事情，这非常有趣，也促使我们重新思考——教育到底应该是什么样子。我认为这非常重要。我并不是说传统做法不重要，比如我看到斯坦福某门计算机科学课程的亚洲教学指南，人们仍然需要学习。他们开设了一门有趣的AI课程，确保学生学会正确应用softmax，而不是只会说“帮我修复训练运行”。

所以，我认为学习概念仍然至关重要。但我们需要重新思考激励机制、认证方式、如何评估这些认证，以及这些认证能带来的就业机会。鉴于获取信息、自我教育和持续更新的方式已经发生巨大变化，我们必须进行彻底的变革。有趣的是，下一个大获成功的初创企业可能是一家新型大学，或者是一种全新的教学法，帮助人们完成课程并获得高价值的经济机会。

这在过去可能被认为是不可能的，但这是一个很好的结束点，而且现在是可能的。非常感谢你，萨蒂亚。谢谢大家。