微软CEO，展望AI 2025

科技播客BG2的Bill Gurley和Brad Gerstner，前几天对微软CEO纳德拉（Satya Nadella）进行了85分钟的视频访谈，内容极为丰富：

00:00 引言

01:31 成为微软CEO的历程

06:42 纳德拉致CEO委员会的备忘录

10:42 纳德拉作为CEO的优势

11:34 给CEO的建议

15:01 微软对OpenAI的投资

19:42 AI军备竞赛

23:55 传统搜索与消费级AI

28:07 AI代理的未来

38:32 近乎无限的记忆能力

39:47 Copilot方法论推动AI应用

50:26 微软内部的AI利用

56:03 CapX（资本支出）

01:00:20 模型扩展与推理的成本

01:15:15 OpenAI盈利模式的转变

01:18:05 OpenAI的下一步计划

01:19:43 开放vs.封闭与安全AI

两位访谈者都是资深的风险投资人，问题非常到位，纳德拉也坦率而睿智地给予了回答。我们提炼了12点干货，如下：

1. 做AI应用服务器的Foundry

Azure的设计与其他云服务不同，我们是为企业工作负载构建的，提供大量的数据驻留支持，分布在超过60个区域，比其他提供商更多。我们并不是为了某一个大应用而构建云，而是为了各种异构的企业工作负载。这种设计将在长期内成为推理需求的核心，因为这些需求将围绕数据、应用服务器等展开。

每个现代应用，包括Copilot，实际上都是多模型应用。这种变化带来了一个全新的应用服务器，就像曾经有移动应用服务器和Web应用服务器一样，现在我们有了AI应用服务器。对于我们来说，这就是Foundry。

2. 有状态（stateful）的工具

“‘聊天式答案’，这正是ChatGPT的核心。从品牌到产品，它都在转变为一种有状态的工具（stateful）。事实上，传统搜索是无状态的（stateless），尽管有搜索历史，但并没有更深入的状态管理。而这些AI代理将变得更加有状态。”

（注：这里说的“stateful”，强调的是AI工具从传统无状态工具向有状态工具的演变。这种转变的核心在于，工具能够像人一样记住上下文并进行动态调整，从而提供更智能和人性化的交互。——编者）

3. 传统搜索的崩溃

“一旦商业意图的查询开始迁移，那就是传统搜索的‘大坝崩塌’之时。目前，传统搜索业务还能维持，主要是因为商业意图的查询还没有大规模迁移。一旦这种迁移发生，变化会非常迅速。”

4. 浏览器争夺

“我们有机会重新争夺浏览器的主导权。我们曾经赢过Netscape，但后来输给了Google的Chrome，这是一个巨大的遗憾。但现在，通过Edge和Copilot，我们正在以一种有趣的方式夺回市场。”

5. 从谷歌夺回市场

“我经常说，Google在Windows上赚的钱比微软所有业务加起来还多。从微软股东的角度来看，这是个好消息，因为我们失去了太多市场，现在可以重新去争取并夺回一些份额。”

6. 代理“架空”应用

“如果一个代理（agent）需要进入另一个代理的操作空间，或者访问其数据模式（schema），那么可能需要某种接口授权（licensed interface）。举个例子，比如我在使用Microsoft的Copilot时，可以通过连接器访问Adobe、SAP以及Dynamics CRM的实例。这种方式非常有趣，因为我们几乎不需要再直接使用这些SaaS应用程序，而是通过AI将其数据整合并操作。”

7. Word和Excel都将是代理

“至于Excel，你可能会问，‘我们还需要Excel吗？’但令人兴奋的是，现在的Excel加入了Python，就像GitHub的Copilot一样。Excel不再只是一个简单的数字工具，而是一个数据分析师的可视化工具。Copilot可以在Excel中生成计划、执行计划，并将其用作数据分析的草稿本。

我们的方法是将Copilot定位为AI的组织层（UI）。它可以集成所有代理，包括Excel和Word等特定工具。Excel是Copilot的代理，Word也是代理，它们是专门为特定任务设计的‘画布’。无论是处理法律文档还是数据分析，Copilot都可以无缝协作。这是一种全新的工作与工作流模式。”

8. AI是知识工作的精益工具

“我最近在研究工业公司如何通过精益（lean）实现增长。我们正在学习如何重新设计业务流程，提高流程效率并实现自动化。这让我想起1990年代的‘业务流程再造’（business process re-engineering）。现在，这种方法以全新的方式回归。企业需要从端到端审视流程，思考如何通过AI优化效率、自动化操作，并提升整体效能。”

9. AI实现运营杠杆

“我们的目标是通过AI实现运营杠杆作用。我相信，我们的总人力成本会下降，而人均成本会上升，同时研究人员的人均GPU配置也会增加。这就是我对未来的设想。”

10. 不要低估扩展定律的潜力

“随着集群规模的增长，分布式计算的问题变得更加复杂。这是挑战的一方面。不过，我仍然认为训练模型并没有结束。OpenAI的成果，比如他们在GPT-4.1（o1）上展示的链式思维（chain of thought）和自动评分（auto-grading），是令人兴奋的进展。这种方法利用推理阶段的计算能力（test-time compute），将生成的token反馈到预训练中，从而进一步增强模型能力。”

11. 微软不会参与最大的模型训练竞争

“我们与OpenAI的合作已经集中化了我们的计算资源。没有理由重复训练同样的模型集，因为我们已经拥有了IP的所有权。我们的战略是专注于后训练和模型验证，同时针对不同的使用场景开发特定的模型权重和模型类别。”

12. 芯片供应已经不再是问题

“我们确实在2024年面临过芯片供应的限制，但正如我们向外界表示的那样，我们对2025财年上半年感到乐观，并预计到2026年及以后会有更好的发展。”

参考访谈视频：https://www.youtube.com/watch?v=9NtsnzRFJ_o&t=2677s

本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：未尽研究