AI 真正的突破是“扔掉所有訓練數據”｜微軟?CEO最新對話實錄

11月30日，微軟首席執行官Satya Nadella 接受海外播客MD MEETS的訪談。本次對話深入探討了探討了AI 智能的本質與“模仿”的局限，Scaling Law 的邊際效應、AI 時代的企業主權與新工作流、生產力悖論與泡沫論的經濟學檢驗、微軟與 OpenAI 的競合形態、能源瓶頸下的全球算力博弈，以及 AI 時代人類“語境工程”與同理心的不可替代性。

Satya Nadella指出，盡管 Scaling Law在文本數據上產生了驚人的指令跟隨能力，但目前的 AI 本質上仍處于“模仿游戲”階段，尚未觸及真正的“認知核心”。他引用 Andrej Karpathy 的觀點提出，破解智能的下一個科學突破在于“扔掉所有訓練數據”，僅保留學習算法本身。Satya 認為，現有模型是在機械復述中混合了強大的模式識別，未來在于將模型的“知識庫”與其“認知核心”徹底分離，這不僅是科學上的突破，更是解決能源效率的關鍵。

Satya Nadella 重新定義了 AI 時代的商業護城河，提出了“企業主權”。他指出，未來企業的生存關鍵不在于接入一個通曉萬物的通用模型，而在于是否建立了自己的“AI 工廠”和獨特的“基礎模型”。他強調，如果一切都依賴于外部模型，企業將失去主權；真正的競爭力在于將企業獨有的知識復利化。針“AI 泡沫論”，Satya指出，唯一的檢驗標準是技術必須跑贏經濟增長，帶來廣泛的 GDP 提升。

Satya還回應了微軟與 OpenAI 的競合關系，他將兩家公司比作“共享底盤設計”的兩家賽車制造商，雙方在系統與供應鏈層面共享核心引擎以獲取規模效應，但在產品端保持獨立競爭。

關于未來工作，Satya 指出盡管 AI Agent 將接管大量工作，人類的“同理心”和“物理在場”不可替代。他認為，AI 尚未學會捕捉社交信號的“語境工程”，而這種基于情感與協作的語境感知，正是人類的護城河。

01

目前的 AI 仍是模仿，真正的突破在于將模型知識與認知核心分離

Satya，我想和你聊聊人工智能。你經常被問到這個話題，在這個領域里你是否會感到厭煩？回顧這段時間，有什么信息或經歷讓你對人工智能最感驚訝？此外，大語言模型在涉及情感，或者說是偽造情感，以及創造力甚至幽默時特別令人信服，這是否在你的預料之中？

Satya Nadella:在這個領域是不可能感到厭煩的，只會感到興奮。每一天你都會感謝自己，慶幸我們能通過構建這些技術來完成使命。但歸根結底，值得慶祝的是這些技術的使用。

你問到驚訝之處，回顧我在生成式 AI 領域的旅程，包括我們要如何與 OpenAI 建立合作關系，如何在當時顯然不符合傳統觀念的情況下贊助他們并下重注，這一切的關鍵在于要有一個有準備的頭腦。Bill Gates 在 1995 年創立了 Microsoft Research。他的想法是 Xerox PARC 曾啟發了許多公司，無論是 Microsoft 還是 Apple，如果沒有它，我們和整個 PC 行業就不會存在。所以他想創建一個基礎研究機構，事實上我們就職的第一個小組就是語音小組。我們一直在做這件事，甚至癡迷于自然語言。畢竟 Microsoft 是一家生產力公司，我們思考文本，思考自然語言，無論是語音還是文本形式。有趣的是，我們在這個方向上進行了多次嘗試，并且堅持不懈。

后來 Sam Altman 團隊表示打算將 Transformers 應用于文本。有趣的是，2016 年時他們更專注于強化學習，盡管最近強化學習又重回視野，但他們最初的重點并不完全在文本上。到了 2019 年，他們決定真正追求應用于 Transformers 和自然語言的 Scaling Laws（縮放定律）。那就是魔法時刻。如果你問發生了什么，雖然后來我們也加入了一些其他技術，現在新事物也在逐漸融合，但當時沒有人想到將 Scaling Laws 應用于文本數據會產生指令跟隨能力。

其中一個神奇的時刻涉及兩個產品：GitHub Copilot 和 ChatGPT。GitHub Copilot 出現得更早，基于類似 Codex 的模型。我們可以看到連續敲擊 Tab 鍵就能獲得代碼補全。看到那一幕時我真的感覺這太瘋狂了，它就像是在補全你的想法，不僅僅是拼寫糾正，而是在高速補全你的思維。那是第一個突破。隨后基于指令跟隨能力，聊天功能出現了。只需稍微教模型一點關于如何對話的知識，它就能進行交流。這就是 GPT-3.5 和 ChatGPT 時刻，之后的事情就順理成章了。如果要總結一個教訓，那就是算力，或者說算力的對數規模就是智能。顯然我們需要變得更有效率，因為對數級增長并不是一件輕松的事，這并非獲取智能的最佳算力花費方式。但話雖如此，Scaling Laws 確實正在起作用。

（關于情感模擬與認知核心）我認為歸根結底這是一個模仿游戲。目前這些仍是需要解答的重大科學問題。也就是說，我們并沒有發現所謂的認知核心。Andrej Karpathy 最近提到的一個思維模型我認為很貼切：如果你真的想破解智能，需要扔掉所有數據。本質上你不能只是機械復述，必須扔掉所有的訓練數據，只保留學會的學習算法。

試想一下，嬰兒出生后通過體驗世界來學習。我們今天擁有的這種準機器有時確實在機械復述，但在復述的同時也擁有強大的模式識別能力。它確實具有某種我稱之為涌現的認知核心，這種核心與它擁有的知識混合在一起。如果能將模型的知識與其認知核心分離出來，那將是下一個重大的科學突破。順便說一句，如果能做到這一點，能源效率將會高得多。畢竟人腦的功率只有約 10 瓦。因此我們需要更多的科學研究來幫助我們理解擁有一個認知核心學習算法意味著什么。

02

微軟的再造與“無所不學”的領導力

你在公開場合多次提到微軟的轉型，這基本上是公司的再造，同時也是你個人的再造。那么對于Microsoft 和你自己，最艱難的部分是什么？在這個過程中，你自己是否也需要改變技能組合？你發展了什么以前沒有的能力，還是說用完全相同的技能就能管理這場轉型？

Satya Nadella:這是一個很棒的問題，對于我們所有人來說都至關重要。對我而言有兩點。

Bill 在創辦 Microsoft 時最初的前提，對于我們過去 50 年的成功是一個非常有益的框架。他說有一場軟件革命即將發生。他在 1975 年沒有軟件行業的時候就說了這番話。當時只有 IBM、DEC 這樣的系統公司，還沒有 PC 概念，微型計算機革命也未發生，甚至不清楚是否會出現軟件行業。但他當時就認為軟件是最具可塑性的資源，我們要成為一家軟件工廠。這并不是關于構建操作系統、語言工具或 Office 軟件，這些都是隨之而來的。Microsoft 的道路一直蜿蜒曲折。大多數人不記得我們是先為 Mac 構建了 Office，后來才推出 Windows。我們的第一個工具是 Basic 解釋器，在 Windows 之前就構建了飛行模擬器。所以我們主要是一家軟件工廠，致力于構建世界需要的任何東西。這就是幫助我們度過 50 年的態度。即使技術從 PC 時代演變到云時代，根本的游戲規則始終是：你是一家偉大的軟件工廠。

但現在，我們必須幫助像 Axel Springer 這樣的公司建立你們自己的軟件工廠。游戲規則變了，無論我們做什么，都需要讓每個公司創建自己的 AI 和軟件工廠。這是一個巨大的范式轉移。所以必須回到核心使命：我們代表什么？我們關于信任和賦能的品牌形象是什么？并用一種學習新事物的文化來加強它。我總是回歸到目標感、使命感和文化，并在技術和商業模式轉變的新世界中對其重新詮釋。

（關于個人技能的重塑）我們經常引用兒童心理學和 Carol Dweck 的成長型思維概念。提到技能組合，我認為為了保持長期相關性，最重要的技能是你如何做一個無所不學的人，而不是一個無所不知的人。

這是核心所在。特別是當你已經獲得成功時這變得更加困難，因為你必須忘掉那些讓你成功的事情去學習新東西。即使這個周末我也花了所有時間試圖理解新公司是如何構建產品的，這與我們過去的方式不同。我們的規模是巨大的優勢，但也是巨大的劣勢。這是一個巨大的劣勢，因為為了讓我在產品、科學和基礎設施之間協調，我有三個部門負責人分別管理。而在初創公司，他們可能全部坐在一張小桌子上協調這三者。重新學習在從舊世界到新世界中創造生產力的魔法，你必須這樣做。要做到這一點，必須擁有好奇的心態，能夠埋頭苦讀，不讓自我成為阻礙。這是一件艱難的事情。

03

企業的未來不在于依賴通用模型，而在于建立自己的 AI 工廠

哪些公司將在AI 轉型中生存或受益？對于其他公司的領導者以及公司本身來說，需要什么樣的技能組合？此外，你認為有一天會有完全由 AI 發明和運行的公司嗎？

Satya Nadella:我認為需要更多討論的是：在AI 世界里公司的未來是什么？

之前大家都在談論數字系統，如 Office、ERP、CRM 等，它們數字化了圍繞人、地點和事物的資產，加速了知識流轉。Andy Grove 曾說，任何公司的好壞取決于它創造新知識并將新知識擴散到整個組織的能力。數字技術曾對此起到了推動作用。現在 AI 帶來了另一個層面的推動。我認為今天真正的問題是 AI 時代一家公司的主權。如果一切都依賴于一個通曉所有的模型，那么每個公司需要回答的問題是：我知道什么是獨特的？

更重要的是如何參與這個游戲？如何確保不會迷戀某一個模型公司？現實世界中的每個領導者必須最關心的是：我是否有自己的AI 工廠，能夠創建自己的基礎模型？這不是關于慶祝別人的基礎模型。每個公司的未來將是某種獨特的基礎模型，代表了他們的知識并且持續改進。你們 Axel Springer 會想要構建自己的基礎模型，這對你們公司的知識和復利能力是獨特的。無論是在軟件、內容還是制造業，我們所有人都必須創建自己的AI工廠，創建對我們需要獨特的基礎模型。

（關于全自動 AI 公司）我認為那有點太牽強了，難以想象。如果有人說我們將擁有熄燈工廠，但實際上即便我的數據中心在建造安裝后可以自主運行，前期仍需要很多人。五年或十年后自動化水平會令人震驚，但依然需要人。

我更相信宏觀授權和微觀引導這一新范式。我授權給一群 AI Agent，早上對它們說幫我做這項工作。它們去執行，一天結束時回來報告完成了什么、哪里卡住了、哪里需要指導。所以我需要一個新的收件箱，處理的不是電子郵件，而是所有 AI Agent 的微觀引導信息。軟件的未來將圍繞新的收件箱、消息工具和空白畫布上的新光標。人類將需要一個與 AI 的接口，即使隨著自動化水平增加，人類的能動性仍是非常重要的一部分。

04

檢驗 AI 是否為泡沫的唯一標準

大家都在談論生產力和效率，Gartner 的一項調查顯示，74% 的大公司 CFO 相信通過 AI 能獲得顯著效率收益，但只有 5% 的人已經看到了實際效果，你怎么解釋這個差距？該調查還預測到 2027 年 40% 的企業 AI 項目將會失敗，這種懷疑主義來自哪里？

此外，目前市場上似乎多了一些對AI 能成為“不可阻擋的增長引擎”的懷疑，甚至擔心這是否是一個泡沫。特別是考慮到 Sam Altman 曾被問及一家營收 130 億的公司卻承諾 1.4 萬億投入的合理性，這種趨勢將如何發展？是線性的單向增長，還是會有修正期？

Satya Nadella:實際上，這可能是導致所謂“企業競爭力分水嶺”的根本因素之一。僅就 Microsoft 自身而言，這正在帶來巨大的生產力變革。無論是在客戶服務、供應鏈運營，還是你提到的財務預測領域，實際上，這不再只是自上而下的推行，而是一場正在發生的自下而上的革命。它消除了繁瑣的機械性工作，提高了產出質量，并改善了工作流。

舉個小例子：我們已經變成了一個資本非常密集的行業，正在建設大量的數據中心。我們在全球擁有 500 多家光纖運營商。光纖歸根結底是物理資產，會被切斷或出故障，需要人工修理。以往與光纖運營商的互動非常依賴人工，所以負責管理這些事務的內部團隊構建了一個完整的 AI Agent 系統來處理這一切。這是唯一的辦法。我們在過去 18 個月里增加的數據中心容量相當于 Azure 最初 15 年的總和。這種規模相當驚人，我們管理它的唯一方法就是利用這些 AI 工具。

回到你的觀點，Mathias，這對你的 Gartner 報告非常重要。我認為企業必須學習四五件事。首先是思維模式。這不是簡單地把 AI 加到現有的東西上，而是必須用 AI 來重新構想變革管理。在 90 年代，我們常談論“業務流程重組”，現在是時候重拾這種思維模式了。第二，你需要建立新的工具體系。這是我們可以提供的，但你必須裝備一套新工具并將其應用到新流程中。第三，你需要應用工具的技能儲備。對我來說這是組合拳。此外，還需要數據資產。數據不能受限于現有的孤島系統，必須跨多個系統進行標準化。

因此，如果你能組合思維模式、工具體系、技能儲備和數據資產，并加以應用，這才是構建AI系統的方式。如果你打算像處理去年的普通IT 項目那樣去處理它，注定會失敗。這就是為什么我認為在經濟層面必須進行大量艱苦工作，重塑 IT 技能棧。這很難，因為它涉及變革管理。它需要開明的領導力，需要人們重新掌握技能，適當地界定項目范圍并選擇合適的項目。

（關于AI 泡沫的看法）Mathias，我的思考方式很簡單。歸根結底，測試標準只有一個：它需要在整個經濟中產生廣泛影響，改變生產力曲線并帶來廣泛的GDP增長。因為沒有什么能跑贏經濟增長，任何供給側的變革最終都必須滿足需求側的需求。隨著時間的推移，這些必須見效。否則正如你所說，它將是一個泡沫。

但我們有信心的原因不是基于想象的未來，而是因為未來已經到來，只是分布不均。如果我沒有在 2019 或 2020 年看到 GitHub Copilot 的實際效果，我不認為我們會進行那些投資。我看到了 Copilot 在推理能力上的改進速度。就在這個周末，發生了一些令人難以置信的事情，甚至是在回復一封電子郵件時。它不只是按下按鈕生成一些英語回復，而是真的對問題進行了推理。感覺就像一個思想伙伴在和我一起工作，幫我向發件人提出精確的問題。

這很神奇，可以加速一切。正是這種信心讓我們相信這些工具和技術正在產生真正的影響。看看我們的收入，上季度財報顯示 Azure 增長了 40%，這是基于龐大基數的真實數字。如果沒有這些，我們甚至沒有信心進行那些巨額支出。所以我完全同意你的觀點，它必須產生廣泛的經濟影響。技能集需要更加普及，回報不能僅限于某個大陸、某個行業里的少數幾家公司，必須是一個更廣泛的現象。否則，這將是一條死胡同。

我對這條道路充滿信心，但發展不會是線性的。因此，我們非常自律。我們在資本支出方面做的關鍵事情之一，是在全球建立一個通用算力集群，擁有所有合規控制權，既可以用它來訓練，也可以用來推理，處理介于兩者之間的所有任務，并且跨越多個代際。你必須在投資方式上保持極強的紀律，取得穩步進展，最重要的是，確保技術真正擴散到全世界和每一個公司。

05

OpenAI 與內部賽馬

我很想聽聽OpenAI 和 Microsoft 之間的真實關系，過去幾年發生了什么，目前狀況如何？但這中間是否存在競爭張力，這還算是伙伴關系嗎？在 AI 經濟中，伙伴關系的角色是否發生了根本性變化？此外，你似乎同時押注了 Sam Altman 和 Mustafa Suleyman 兩匹賽馬，且其中一匹必須幫助另一匹，從長遠來看這如何運作？

Satya Nadella:首先，考慮到起點，這種感覺很棒。最初它是一個非營利研究實驗室，我們贊助了他們的工作，幫助他們擴大規模，顯然我們也從中受益。雖然在邊緣業務上存在競爭張力，但在核心層面，他們現在是一家非常成功的公司，我們是主要投資者。我們擁有IP 權益，可以在此基礎上進行創新。我們也有建立自己模型的雄心。總的來說，我感覺非常好。此外，我很高興我們還創建了世界上最大的非營利組織之一。OpenAI Foundation 和蓋茨基金會是兩個與 Microsoft 緊密關聯的非營利組織。

（關于競爭張力）這最初是作為對研究實驗室的贊助開始的。你可以這樣想：OpenAI 今天與所有人競爭，包括 Google，在 Sora 上與 Meta 競爭，他們要開發設備，所以也會與 Apple 競爭。某種程度上作為投資者，我很高興 OpenAI 擁有巨大的雄心并展示出進步。但歸根結底，Microsoft 完全有能力執行我們需要做的事情。

（關于伙伴關系的變化）我認為更重要的是人們為什么要合作？是為了獲得杠桿效應。這總是關乎垂直整合與專業化的問題。每個人都可以說“我要自己發電直到產出產品”，但歸根結底，專業化有其作用。只要能將伙伴關系和專業化結合起來，進行組合創新，從而做成獨特的事情并獲得杠桿效應，這就是核心論點，也是正和博弈。

我最擔心的是：未來的制藥公司、媒體公司、汽車公司，如何以聰明的方式與科技公司合作，以保持自身能力的主導權？科技行業天生就有合作、專業化和差異化的基因。但我擔心其他行業不僅僅面臨數據隱私問題，更重要的是是否有能力編排多個合作伙伴，最終建立我之前描述的東西：你自己的 AI 能力，你自己的 AI 工廠。這將是關鍵。就像我們沒有所謂的“電力行業”，而是每個人都使用電力一樣，每個人也都將使用 AI 來創造增值輸出。

（關于 Sam 與 Mustafa）更好的隱喻是：我們各自有一套產品，這是我們競爭的地方，但我們共享核心引擎。就像兩家汽車制造商共享底盤設計一樣，因為底盤設計具有規模經濟效應。我們在系統層面大量合作，包括建設 AI 工廠的計劃。這就像擁有兩個品牌、兩個產品。在我們的產品中，我們將同時使用 Mustafa 的模型和 Microsoft AI。我們有一個很棒的團隊并正在擴張。我們甚至可能使用其他前沿模型，因為我們不想受制于人。我們喜歡 OpenAI，擁有對其技術的免版稅訪問權，所以我們想最大化利用這一點。但歸根結底，我們也有很多方式來共享核心引擎部件及其供應鏈。

Bill Gates 真的在你打算進行第一筆十億美元投資時警告過不要投資 OpenAI 嗎？如果是這樣，他后來道歉了嗎？

Satya Nadella:不，你知道，Bill 像我們所有人一樣，認為那是一個瘋狂的賭注。老實說，決定投入十億美元在當時并不容易，因為它絕對是一個未知數。他和其他人一樣，懷疑這種針對文本的 Scaling Laws 是否會起作用。

坦率地說，即使在起步階段，他也是相當懷疑的，直到 GPT-4.0。我們在他家里做了一個著名的演示，他用自己的 MCAT 醫學測試等題目進行了測試。那就是他改變態度的時候。

Bill 的核心信念更傾向于符號邏輯，他不是神經網絡派的人。他之前不相信神經網絡可以直接學習，而是希望用符號邏輯來學習人、地點和事物之間的關系。這是我第一次看到他轉變觀念。如果你有機會和他交談，他肯定還會說：“這很棒，但它需要一個基于符號邏輯的認知核心。”老實說，我認為他是對的。因為你不能只依賴一臺雖然令人激動但不可預測、能力參差不齊的機器。如果在任務關鍵型系統中部署 AI，而它偶爾犯錯你卻不知道何時發生，那是非常成問題的。

06

能源瓶頸：每瓦特每美元的 Token 產出率

電力似乎正變得稀缺。例如在弗吉尼亞有一個47 吉瓦容量的數據中心計劃，大致相當于 47 座核電站。這個問題能多快解決？是靠現有的能源技術，還是需要像核聚變這樣快速的新創新？為了解決這個問題，AI 公司某種程度上需要變成能源公司嗎？那你最看重未來哪種能源技術的發展？

Satya Nadella:我認為這一觀點是正確的。我們需要真正的全方位創新。我們要做好那些基礎性工作，比如如何優化審批流程，使其更快、更好？如何加快建設速度？這不僅僅關乎電網現代化。我們能否采用部署更快的用戶側解決方案，并在上線的同時助力電網升級？我們如何在加快建設許可的同時，確保符合包括環保在內的所有法規？

歸根結底，我所處的這個行業需要贏得消耗能源的社會許可，前提是我們能為世界帶來積極影響。畢竟這回到了你之前的問題。我們不能僅僅說“我要消耗全球 4-5% 的能源”。好消息是我們的起點很低。你看數據的話，目前大概是 3-4%，也許到本十年末會達到 5% 或 10%。大部分的能源增長都發生在這一領域，這也是為什么我認為它帶來了巨大壓力。但這必須轉化為廣泛的經濟增長，這樣我們才能獲得消耗能源的社會認可。回到你的觀點，我們需要能源來源的創新，也需要在使用方式上的創新，即我所說的能效。在這個領域有很多工作正在進行。

（關于 AI 公司是否轉型能源公司）我不這么認為。我覺得這將是新價值鏈融合的另一個領域，在這個鏈條中會有巨大的創新和高度的專業化，并產生復利效應。或許有一兩個領域我們會做一些所謂的“用戶側”項目，看起來像涉足了能源業務。但我堅信，你不能垂直整合進每一個你不擅長且缺乏專業知識的領域。但針對你的觀點，換個角度想：我們作為超大規模云服務商的能源承購需求，對于下一個偉大的能源企業家或現有的能源公司來說，可能是一個巨大的激勵因素。

（關于看好的能源技術）坦率地說，目前我們簽署了一些核能購電協議，還要看具體進展如何。顯然我們目前也在利用各種形式的可再生能源。實際上，我們可能是全球最大的可再生能源承購方。因此我覺得我們不會對任何一種能源形式持教條主義態度。但我還要說的是，當我看數據中心賬單時，有趣的是我們在電網現代化上的投入也很大。因為最終，電網供電和穩定的基荷電力才是最重要的，所以我們需要多管齊下。

我們必須談談歐洲，特別是德國棄用了核能，這是否限制了你們在歐洲的擴張計劃？德國應該重啟核能嗎？如果不回歸核能且沒有新技術，德國是否會錯過AI 帶來的價值創造？

Satya Nadella:我不太清楚具體的細節，但我們正在德國建設數據中心。我們在德國需要能源，顯然我們將依賴德國的政策和德國生產能源的能力。因為歸根結底，我認為任何國家都必須衡量自己：如何能成為“每瓦特電力每美元成本生成 Token”的高效生產者？好消息是我們樂意投入資本。從某種意義上說，我們和其他公司會來建設數據中心，讓德國經濟從中受益。但問題是，你需要具備競爭力的“每瓦特每美元 Token”產出率，因為定價最終是本地化的。即使是德國公司，如果無法獲得最優定價，他們就會轉向荷蘭或其他價格更具優勢的地方。

（關于德國是否應重啟核能）這不只是一個技術問題。所以與其由我來說，不如讓德國人民自己決定。但我會說，我認為擁有能源能力至關重要。看看美國，本屆政府關注的重點是確保有真正的能源上線。他們擔心兩件事：一是他們不想因為 AI 的新建設需求而增加美國公民的用電成本，二是我們如何建設更多能源以成為 AI 時代的領先者？我認為這是每個國家都需要做的事。

（關于德國的機遇）我有幾點想法。你看德國，它很獨特。德國的競爭力不僅源于本土市場，更源于其遍布全球的知識產權。我一直覺得德國很成功，德國本身是個大市場，應該成為 AI 工廠以及能源等領域的偉大生產者。

但每次我去看珠寶商或牙醫，我都被德國中小企業的產品包圍。這讓我意識到德國的輝煌所在。這意味著德國更多是一個出口導向型經濟體，比人們談論的還要顯著。因此，坦率地說，對于德國在 AI 時代的競爭力，最重要的是：他們能否利用其世界級的專有技術，將其與 AI 結合，創造出更多世界級的技術、知識、突破和創新，并出口到世界各地？比如看我們的數據中心建設。西門子正在做的事情，以及他們如何真正成為關鍵的一環，我們與他們建立了數字孿生，看到他們推向市場的創新真是太棒了，例如能加速一切的冷卻解決方案。我認為所有這些都非常有利于德國的經濟增長。

07

AI競賽中最終的贏家往往不是技術的發明者

談到歐洲，你認為歐洲應該追求AI 主權嗎？還是說這是一個錯誤的目標？但讓我們現實一點，在 AI 競賽中，歐洲似乎并沒有扮演什么關鍵角色。如果是這樣，歐洲難道不應該重新思考自己的策略嗎？

Satya Nadella:我認為每個國家，無論是歐盟層面還是像德國這樣的國家層面，主權都是一個重要的考量。對美國也是如此。每個國家都想確保其供應鏈的連續性、韌性，以及在運作中的自主權。這也是我們做出所有這些承諾的原因之一。首先，我們在德國、在歐盟投入資本，承擔風險。這些AI 工廠或云工廠不是坐落在美國，而是在歐洲大陸，在這些國家境內。這是第一點。

第二，我們現在提供主權服務，無論是在公共云中，確保所有數據受到保護、加密，即數據平面和控制平面都要是主權的。我們在德國甚至有主權云和私有云選項。所以基本上，我覺得無論是在技術側、治理側還是法律側，我們都建立了一個框架來履行主權承諾。

但有一點我覺得很重要，大家都在談論這個。但我感覺主權的新篇章是我之前提到的那個，它與上述這些無關。它是關于：一家德國汽車制造商或德國工業公司，如何擁有他們自己獨特的 AI 工廠和基礎模型？對我來說，這才是主權的真正定義。而不是說“我有一個控制平面和數據平面，我可以把虛擬機推送到那里”或者“我有加密數據”。這些都很重要，但如果你做了所有這些，卻在公司層面沒有在 AI 世界中實現主權的能力，即擁有自己的模型，那么我認為，這是主權的新前沿。

（關于歐洲的角色與策略）關于這一點，我是Jeffrey Ding 學派的堅定信徒，該學派的核心觀點是技術的擴散。今天大家更多關注的是對某一種 AI 技術的炒作。但坦率地說，真正獲勝的國家將是那些能夠廣泛提升 AI 技能、并在經濟中廣泛應用 AI 的國家，包括醫療、制造、教育等領域，并以此推動經濟增長。甚至可以說，具有諷刺意味的是：最終的贏家可能不是技術的生產者，而是技術的使用者和擴散者。

Jeffrey 的書很值得一讀，因為他的核心觀點是：歷史證明通用技術的關鍵不在于誰擁有領先的行業，而在于技術的擴散。如果你接受這個論點，我會說德國或歐洲可能成為大贏家，只要他們肯下苦功夫，真正把技術引進來，進行再技能化并加以應用。事實上，等到下次 Gartner 報告發布時，如果報告說在使用 AI 方面成功率最高的公司是德國公司，那就是你可以大舉押注的那一天。

08

人類的護城河：語境工程與 EQ

Satya，你說過技術越重要，同理心就顯得越發重要。這是不是你現在讓員工回歸 Microsoft 辦公室辦公的主要原因？但看起來人們確實比以往任何時候都更渴望面對面的互動，各種現場活動都在蓬勃發展。那么，你是否認為這代表了一種文明的總體趨勢：隨著 IQ 逐漸成為機器的特長，EQ 變得比 IQ 更重要？

Satya Nadella:其實這非常有意思。在這個充滿AI、自動化和自主智能體的時代，我們更需要意識到人類之間是如何協作的。事實上，作為最佳的協作工具，“實體工作場所”是無法被替代的。歸根結底，我們確實從遠程辦公中學到了很多關于異地協作的經驗，但確實有一種真實的感覺：如果不把大家聚在一起，就會失去一些東西。

當我思考我所謂的“新生產函數”時，關鍵在于如何讓產品人員、科研人員和基礎設施人員以全新的方式真正協作，去構建產品。這正是迷人之處：AI尚未學會必要的“語境工程”，而人類卻具備這種能力。我可以捕捉社交信號，感知情感暗示，并將這些融入到我積累知識、協作和創新的方式中。所以我認為，物理空間確實很重要。但我并不教條，我們將始終保持更大的靈活性。正如你所說，同理心要求我們更好地理解語境，同時不要在任何一端過于極端。

（關于IQ與EQ的博弈）我一直覺得 IQ 和 EQ 都很重要。Mustafa Suleyman 甚至喜歡談論社會智力，也就是 SQ。我認為所有這些在人類社會中都至關重要。事實上，如果我們要擁有能夠與人類交互的 AI，它們也需要進化出更好的感知力，懂得如何跨越這三個維度來滿足我們的需求。所以我認同這一觀點。IQ 有它的一席之地，但不是這個世界上唯一需要的東西。我一直認為，至少作為領導者，如果空有 IQ 而沒有 EQ，那簡直是對 IQ 的浪費。

| 文章來源：數字開物

當前AI大模型的爆發式增長加速突破傳統算力產業邊界，全面開啟算力基礎設施的破界重塑時代，標志著中國IDC產業二十年發展的關鍵轉折點。第二十屆中國IDC產業年度大典（IDCC2025）暨數字基礎設施科技展（DITExpo）即將于12月10日到11日在北京首鋼園正式召開，本次大會以“重塑算力 破界而生”為主題，全面匯聚全球算力產業鏈核心力量，聚焦生態協同、技術創新、應用融合、可持續發展等關鍵領域，共同探索AI算力、算電協同、國產化生態、集群建設、綠色能源等關鍵領域的發展與突破。

我們將有超過

32場平行論壇、活動與近百場演講，從不同維度進行深度聚焦，為您呈現算力產業未來。

歡迎各位產業同仁共同參與，與35000+算力產業從業者、5000+企業高管、500+重磅嘉賓、100+重磅演講嘉賓，共同探討智算中心、AI infra、液冷、算電協同，到智慧醫療、可持續發展等諸多話題，共同推動中國算力產業的未來路徑。

歡迎掃描下方二維碼報名：

重塑算力，已至臨界

破界而生，未來已來

算力產業市場焦點已發生根本性改變

正重新映射產業“破界“邏輯

以下為超長完整議程公布！

? END?

【專欄】精品再讀