在大模型技术呈现非线性爆发的微软当下，科技界与商业界正经历着深刻的德拉范式转移。近日，时代司独在斯坦福大学CS153（前沿系统）课堂上，护城河不回路微软董事长兼首席执行官萨提亚·纳德拉（Satya Nadella）与课程联合导师迈克尔·阿博特（Michael Abbott）展开了一场深度对话。模型纳德拉指出，学习未来企业的微软长期护城河并非通用基础大模型，而是德拉如何将模型融入自身特有的数据、行为轨迹与强化学习环境，时代司独构建出属于企业自身的护城河不回路“爬山机器”。

华尔街见闻整理核心要点如下：

1. 企业壁垒的模型底层逻辑重构：从消费者到“爬山机器”

如果一家公司仅仅是基础大模型的消费者，其企业价值将面临归零风险。学习企业未来的微软核心壁垒在于将前沿模型、开源模型或授权权重模型嵌入自身特有的德拉私有评估集和强化学习环境（RLE）中，构建属于自己的时代司独“爬山机器（Hill-Climbing Machine）”。通过这种方式，企业可以将日常运营中积累的隐性知识产权（IP）与模型结合，使IP随着时间产生复利增长。

2. 智能体（Agent）的三大演进形态

AI落地形态已从最初的聊天助手（Chat），发展到任务指派的协同工作（Cowork），再到最新的“自动驾驶（Autopilot）”长期运行智能体。以微软Scout和开源框架OpenClaw为代表的自航智能体在后台全天候运行。在操作系统层面，微软通过MXC安全容器等技术，对智能体进行严格的沙盒隔离与行为治理，确保长期运行智能体的安全性。

3. 端侧“不计量智能（Unmetered Intelligence）”大爆发

为克服云端高昂且不可持续的Token计费壁垒，微软全力释放网络边缘计算芯片算力。通过推出单机提供 1 Petaflop本地AI算力、20核ARM CPU、128GB统一内存的台式开发者机，以及支持Windows原生运行的GB300和DGX工作站，万亿参数模型将在本地桌面实现全天候免费运行，终结云端Token成本痛点。

4. 2030年容错量子计算将攻克现实挑战

量子计算是经典计算的超级算力加速器。微软历经20多年，通过拓扑量子计算路径在 Majorana 2处理器上实现了工业级高容错突破。预计将在 2030年前建成实用规模（Utility-scale）的量子计算机，彻底改写材料科学与医药化学领域。

5. 给青年一代的心智指引：追求“认知覆盖面”

在AI工具能一键完成机械性作业的时代，学生应彻底摆脱绩点焦虑，将AI智能体视为私人全知导师。人类应保持广泛的跨学科智力兴趣，通过下达高维指令和深度复盘智能体产出来拓展自己的“认知覆盖率（Cognitive Coverage）”，而非陷入焦虑驱动的生产力陷阱。

大模型的虚火与企业的真护城河：从通用模型消费者到独有“爬山机器”

回顾2019年向OpenAI投入10亿美元的决定，萨提亚·纳德拉将其归功于微软长期以来对自然语言处理（NLP）的执着。在2017和2018年，主流技术路线依然认为自然语言的突破需要依靠符号逻辑与机器学习的结合，微软在那个阶段也并非深度学习路线的最坚定信仰者。但微软的组织基因被训练去接纳任何在自然语言领域拥有宏伟野心的切入视角，无论是通过内部自主研发还是外部投资并购。当“缩放定律（Scaling Laws）”的论文发表时，OpenAI希望通过配置更多的算力和数据来推高Transformer性能的雄心，恰好击中了微软这个“有准备的头脑”。

伴随着模型能力曲线精准地保持在缩放定律的帕累托前沿上，PC时代的“盖茨-格鲁夫模式”（英特尔与微软联合打造PC生态）和当年微软SQL Server与SAP的联合演进模式，正在AI时代被重新诠释。纳德拉指出，当时最大的核心赌注不仅是资本的投入，更是将极度稀缺的算力资源集中配置在一个特定的项目上。

然而，当行业大模型层出不穷，企业应当如何确立自己的护城河？纳德拉在斯坦福课堂上给出了一个振聋发聩的论断：如果企业仅仅是一个通用基础大模型的消费者，那么其企业价值将面临无法维持、甚至无法创造的窘境。

企业的未来在于构建属于自己的“爬山机器（Hill-Climbing Machine）”。

微软在Build开发者大会上推出了7款全新的大模型，这些模型最大的特点在于使用了极其干净、不侵犯任何版权的数据脉络进行训练，且没有掺杂合成数据，从而让模型内部自然展现出极其纯净的推理和编码能力。但这些模型真正的使命，是作为授权权重模型，进入每家公司自身的强化学习环境（RLE）中。

每家公司在长期的日常运营和人力资本交互中，都积累了大量的“隐性知识（Tacit Knowledge）”和行为轨迹（Traces）。企业应当在内部建立私有评估集和RLE训练场，张开双臂欢迎前沿模型和开源模型进入这个“体育馆”进行闭环训练。

以Microsoft 365为例，它承载着企业内部海量的日常业务沟通。微软正在将这一多租户的SaaS应用程序转化为多租户的“爬山服务”：系统可以根据对员工实际操作的观察，自动为一个例如人力资源（HR）的入职流程引导启动（Bootstrap）并生成专属评估集。在这种模式下，数据、环境、模型、轨迹和最终结果都完全由企业所有，其知识产权不仅不会向大厂外流，反而会随着时间产生资产级别的复利增长。

智能体形态的三重演进：Scout 自航智能体与操作系统的“安全围置”

在产品形态上，纳德拉梳理了Copilot演进的三大形式：

• 聊天（Chat）：最初的用户交互形态，随着推理模型的出现，它已从简单的搜索演变为强大的思考助手。
• 协同工作（Cowork）：两年前在GitHub Copilot上初见雏形，它是一个多步骤的推理、工具调用、基于智能体的闭环，允许用户进行短期的任务指派和委派。
• 自动驾驶（Autopilot）：以最新发布的Scout企业云智能体为代表。它是一个长期运行的智能体，拥有独立的心跳、全天候后台监控，并具备自我进化的能力。

Scout的核心在于数字身份与控制链的彻底打通。用户可以将自身的Entra ID（原Azure AD）作为委派身份授权给Scout，使其成为在后台全天候代表自己工作的“数字孪生”。不仅如此，企业还可以铸造（Mint）更多拥有独立数字身份和安全沙盒的自动驾驶智能体。

然而，这种长期运行、能够自动生成并就地执行代码的智能体，也带来了前所未有的安全治理挑战。针对开发者在配置智能体时面临的“安全凭证不知如何妥善放置”的痛点，微软正在与OpenClaw基金会深度合作。

在Windows操作系统底层，微软推出了一种全新的安全容器技术——MXC容器。MXC能够将长期运行智能体的执行环境进行深度沙盒化（Sandbox），提供进程级别、会话级别、甚至物理虚拟机（VM）级别的完全隔离边界。通过将智能体安全围置（Containment）在隔离环境中，企业可以自由设置安全策略。纳德拉透露，他个人在后台长期运行的智能体，均运行在完全物理隔离的云端电脑实例（Windows 365）上。未来，人类将像当年管理操作系统进程边界一样，系统性地去治理智能体的进程、会话和容器边界。

云端 Token 的成本终结：端侧“不计量智能”与异构数据中心主控芯片的博弈

传统的云端AI应用面临着高昂且不可持续的按Token量计费（Metered Intelligence）的财务壁垒。为了彻底终结这一痛点，微软提出了颠覆性的“不计量智能（Unmetered Intelligence）”愿景，旨在全面激活并开发全球PC装机量中极其庞大的独立GPU（dGPU）和网络边缘端侧芯片的算力。

在Build大会上，微软与英伟达（NVIDIA）展开了深度耦合的硬件重构：

• 全新SoC与端侧设备：英伟达推出了全新的RTX ARM芯片，微软将于秋季推出基于该芯片的全新Surface笔记本电脑，各大OEM厂商也将跟进产品设计。
• 桌面台式开发者机（Dev Box）：该设备可提供高达 1 Petaflop的本地AI算力，配备20个ARM CPU核心以及高达128GB的CPU与AI加速统一内存，允许开发者在桌面上完全本地化、零成本地流畅运行接近万亿参数规模的超大模型。
• 数据中心桌面机：通过与黄仁勋紧密合作，Windows已实现对英伟达最新GB300芯片的原生支持，推出了堪称“数据中心桌面怪兽”的DGX工作站。当企业部署Scout或Claw等智能体需要24小时不间断运行时，本地端侧算力将彻底终结高昂的云端账单。

除了对传统PC形态的重构，微软还推出了面向智能体时代的全新环境计算（Ambient Computing）硬件平台——“索拉拉项目（Project Solara）”。微软展示了两个参考设计：桌面伴侣（Desk Companion）与智能工牌（Badge）。其中，智能工牌内置联发科处理器、指纹识别器与摄像头，具备足够的板载计算能力随时本地唤醒Copilot。员工（例如在医院各工作站之间频繁移动的护士）只需通过工牌口述任务或刷卡，即可在后台云端调度执行并随时接收通知。纳德拉强调，Windows作为市场上唯一的开放平台，这一不向开发者抽成、不设封闭壁垒的“开放风骨（Ethos）”将完全继承到全新的智能体硬件平台规则中。

而在云端基础设施侧，针对谷歌（TPU）和亚马逊（Trainium/Inferentia）二分化的训练/推理芯片策略，微软选择拥抱基于开源Triton构建的异构工具链。微软推出了与自身大模型及OpenAI模型软硬件联合深度设计的 Maia 200芯片。目前，Maia 200已在微软多个数据中心里大规模跑起GPT 5.5，全面驱动Copilot并带来显著的TCO（总拥有成本）优势。

同时，微软推出了用于通用计算的自研ARM架构处理器 Cobalt。该芯片通过GitHub Copilot留下的海量真实代码行为轨迹进行了极限优化，专门用于提升智能体多步推理和高频工具调用闭环中的单核/多核延迟性能。微软将整个云端机群视为一个复杂的异构机群（Heterogeneous fleet），通过敏捷软件实现智能的工作负载放置（例如利用旧GPU让数据仓库Fabric服务获得7倍以上的性能提升）。计算机架构正迎来精简指令集（RISC）与复杂指令集（CISC）大论战以来的又一个黄金时代，其系统设计已精细到如何将电力电子无损地直接带到CPU核心旁边，从而在物理层降低代币的生成成本。

拓扑量子的漫长征途：Majorana 芯片的工业化与 2030 实用化视界

在计算前沿的另一端，微软展示了其坚守了20多年的量子计算（Quantum Computing）长征的阶梯式突围。

不同于IBM、谷歌等行业同行选择的极易受到环境干扰的超导量子路径，微软将科学赌注完全押在了凝聚态物理学中最艰难的路径——拓扑量子计算上。通过纳米材料工程，微软试图在芯片上人工制造（Fabricated）出20世纪30年代理论物理学家埃托雷·马约拉纳预测的拓扑物质状态，从而实现物理层面的天然容错（Fault tolerance）。

微软的量子路线图展现出清晰的递进逻辑：

• 物理破局：一年前推出的第一款拓扑量子处理器QPU Majorana 1，在实验上彻底证实了拓扑量子的基础物理突破。
• 工业规模化：最新研制了 Majorana 2处理器，成功解决了拓扑量子比特稳定维持不退相干的难题，并完美实现了微波数字控制，使拓扑量子计算机正式具备了工业级可制造性。
• 软硬协同生态：在软件侧，微软控制技术栈已全面挂载到离子阱、光子学机器以及天然原子机器上。在丹麦，微软与QuNorth达成核心合作，将在一年内推出由Atom Computing提供动力、完全搭载微软技术栈的实用原子量子计算机。

纳德拉指出，量子计算绝不是经典计算的替代品，它无法取代经典计算机在存储、内存管理和I/O上的优势。量子计算的本质是经典数据中心里面挂载的全新“超强算力加速器”，两者的深度嫁接才是未来的解法。

由于大自然在微观上是量子的，量子计算机最完美的作用就是替代传统的超级计算机，直接在微观上100%写实地模拟量子化学与分子动力学。通过量子处理器生成的超高保真度微观运行轨迹，可以作为最干净、最纯净的黄金数据，反哺并训练经典的材料科学和医药化学大模型。纳德拉明确给出了微软的时间线预测：到这个十年结束时（2030年前），微软完全相信将能够建造出一台拥有100个以上高纠错逻辑量子比特、能够真正开始解决人类现实重大生存挑战的实用规模（Utility-scale）容错量子计算机。

组织基因的50年重塑：从打败 Novell 到直面基础模型实验室的文化修炼

作为一家成立了50年的科技长寿公司，微软之所以能够始终保持在技术前沿，其核心在于能够在每一次技术范式转移中，用全新的技术栈去重新诠释（Reinterpret）自身的底层组织基因。

纳德拉感慨道：“我在上世纪90年代加入微软时，我们面临的生死存亡级别的竞争对手是一家叫 Novell 的网络软件公司；而到了今天，和我们同台竞技搏杀的，是一家我五年前甚至在名字上都没听说过的新锐基础大模型实验室。”

微软的核心DNA从未改变——它始终是一家提供开发者工具平台和全天下知识工作者生产力工具的公司。这种敏捷性的保持，在于公司需要不断吸引那些带着破坏性活力的年轻血液。通过微软的轮岗培养计划（MAC项目），新员工在技术与业务职能之间进行轮岗。纳德拉对新员工的要求是：“不要只想着进来学习微软是如何庞大运作的，我们更希望微软能从你们身上学到新东西，你们拥有去勇敢重塑微软内部文化的能动性（Agency）。”

这种组织活力的维系，其底层依托的是纳德拉大力推行的“成长型思维（Growth Mindset）”文化。纳德拉强调，成长型思维绝对不是CEO居高临下强制推行的全员HR命令，否则它很快就会沦为让人作呕的空洞企业口号和教条。成长型思维的本质，在于管理者是否拥有在具体的会议和利益冲突中，当众去狠狠直面并承认自己正陷入“固定型思维”的勇气。

“在这个世界上，其实每个人嘴上都极度喜欢‘改变’，除了他们内心深处只希望对方去改变，而绝对不想改变他们自己。”纳德拉指出，践行成长型思维不是为了微软的KPI，而是为了员工自身关系的改善。

他分享了对自己管理生涯启发最大的两套心智工具：一个是马歇尔·卢森堡的《非暴力沟通（Nonviolent Communications）》，它教会管理者如何培养同理心、克制原始杏仁核的激惹对抗；另一个便是卡罗尔·德韦克的成长型思维。结合赫伯特·西蒙的“有限理性（Bounded Rationality）”理论，人类往往在面临技术颠覆时被短期的恐惧和情绪所绑架。成长型思维和非暴力沟通，正是管理层在技术浪潮中生存所需要的心智长跑训练。

给AI世代年轻人的心智指引：追求“认知覆盖面”，告别焦虑驱动的生产力

面对台下身处硅谷核心、正在经历期末考试周的斯坦福学子，纳德拉针对现代高等教育和个人职业选择给出了极为深刻的心智指引。

纳德拉注意到，斯坦福计算机课程的官网上最近挂出了指导本校学生如何正确使用AI编码智能体（Coding agents）的指南。他指出，随着AI工具的进化，现在的年轻人面临着一个无与伦比的智力特权：你们在枕头旁边拥有了一个全天候秒回、学识深不可测的虚拟私人导师。

因此，技术变局正在对人类过去数百年所珍视和考核的刻板东西进行大量的底层重新审判。由于按下一个按钮就能一键完美完成任何机械性的作业，学校里的绩点（Grades）在未来可能将完全不再重要。学生应当彻底告别那些因为害怕被AI替代而陷入精神内耗的“焦虑驱动的生产力（Anxiety-driven productivity）”。

未来的核心在于追求“认知覆盖面（Cognitive Coverage）”。正如软件工程中的代码测试覆盖率一样，学生应当把成百上千个AI智能体当作自己的底层执行触角，由人类去下达高维的指令。当智能体在几秒钟内完成一项复杂的编码或推演任务时，人类的核心工作是去彻底复盘并深度看懂它们写了什么，从而利用智能体的行为产出来实现人类自身的智力升维。未来的学习体验就像是同时在上100门大师课，我们需要像GitHub应用程序管理开发会话一样，建立一个管理自身智力会话的“新收件箱”，从而拓展由内心纯粹好奇心驱动的认知覆盖率。

在交互范式上，人类与计算机的交互正在迎来第三次伟大断代：从命令行（CLI）到图形界面（GUI），再到如今的 BUI（基于智能体/行为的用户界面）。纳德拉指出，构建一个复杂的应用程序软件、编写一份简单的文档或者创建一个漂亮的网站，在底层代码生成的威力下已毫无区别。BUI的终局形态不是单调的聊天框，而是“生成式动态UI（Generated UI）”。由于线性滚动浏览聊天记录极其痛苦，GitHub最新推出了Canvas（画布）功能，能够将稠密的开发会话自动转化为由人和AI智能体在同一张非线性画布上同步协同的项目看板。这种由智能体根据任务上下文实时动态生成的UI交互，将彻底改写未来人机协作的界面。

最后，在谈到人生的职业选择和技术社会责任时，纳德拉引用了赫伯特·西蒙的洞察，并回忆起自己担任国家发展经济学家的父亲对他的熏陶。他指出，当下的科技泡沫往往陷入了为了炒作技术指标而自嗨的怪圈，但技术的终极评估标准在于能否走出硅谷邮编区，真正造福“全球南方”等欠发达地区的普通社区。

“正如当年的电力革命一样，人类社会最终买单的不是‘电（Electricity）’，而是‘光（Light）’。” 纳德拉呼吁台下的年轻一代，在做人生选择时，应当将自身无条件的内在精神热情（无论是重回硬核硬件设计、系统拓扑架构，还是投身深奥的AI安全法理政策制定）与人类世界的长远价值买单点进行高维交织。科技界必须将AI塑造为一个正和博弈的前沿生态，将技术的代币资本化为广泛普及的社会之光，否则整个科技行业将彻底失去社会的道德许可。

以下为对话全文：

迈克尔·阿博特 (Michael Abbott)：欢迎大家。今天我们请到了萨提亚·纳德拉。非常感谢您的光临。 萨提亚·纳德拉 (Satya Nadella)：绝对的，这是我的荣幸。 迈克尔·阿博特：而且，我也知道这周是期末考试周。所以虽然时间段有些特殊，但我非常感谢各位同学今天能够来到这里。今天早上我还在想，您作为我们这门课程邀请的最后一位压轴嘉宾，真的是再合适不过了。 我之所以这么说，是因为回想起来，您在 2019 年向 OpenAI 投入 10 亿美元的惊天豪赌，感觉真的为今天围绕人工智能（AI）的这场“寒武纪大爆发”奠定了舞台。所以我很好奇，作为开场，您当时做出这个下注的思考过程是怎样的？

萨提亚·纳德拉：是的。我的意思是，从现在回过头来看六、七、八年前的情况，确实非常有趣。 我想，当时至少让我确信这是值得去尝试的正确事情的原因，坦白说，就是我所说的“有准备的头脑”——微软对自然语言处理（NLP）一直有一种长期以来的执念。当然，我们当时主要专注于尝试通过一些机器学习和常规的 NLP 来解决自然语言问题，但从根本上说，即使你在 2017 年、2018 年问我们，我们也会认为那将是某种符号逻辑与机器学习的结合。 所以，我们在那个阶段也许并不是“深度学习甚至能带来 NLP 突破”的最坚定信仰者。但那是我们极其渴望发生的事情。所以我愿意在不同的方向去尝试。事实上，大多数人现在只谈论投资 OpenAI 的这一笔赌注。但我们当时还收购了一堆公司，投资了许多其他公司，因为我们被训练去做的根本事情就是：任何人只要在自然语言领域拥有一个宏伟且具有野心的切入视角，无论他们来自什么样的技术背景，我们总是会去接洽，无论是在公司内部有机地发展还是在外部进行。 正是在那个时候，山姆（Sam Altman）出现了——事实上，我们当时就像一个快乐的大家庭。所以这个想法就在那里。这就是我所说的，你真的开启了这么多事情。当时大家都在同一个赛道上。因此，在某种程度上，当“缩放定律”论文发表时，他们希望通过配置更多的算力和数据来推高 Transformer 性能的雄心，对我们来说是一个非常吸引人的尝试机会。 当然，接下来的发展大家都看到了。非常令人震撼的是——模型的能力曲线竟然能够一直精准地保持在缩放定律的帕累托前沿上，这真的太神奇了。

迈克尔·阿博特：我的意思是，作为一个大概 20 年前在微软工作过的人，我觉得你极大地改变了微软的文化。让我感到震惊的是，当你做出那个巨大的投资决定时，微软内部有没有出现过反对或抗议的声音，比如有人会说：“嘿，我们自己完全能做这个”？

萨提亚·纳德拉：是的，我的意思是，我觉得微软这么多年来，我总是说，归根结底核心的赌注必须是内部有机的赌注，以及自己在内部所做的事情。然后是伙伴关系，以及并购。我认为像任何公司一样——在某种意义上，当你在微软长大时，你会学到，你可以通过自主构建或者通过合作伙伴来创造巨大的企业价值。 如果我回看过去，要是没有人们所说的“盖茨-格鲁夫模式”，即英特尔和微软创造性地走到一起创造了本质上的 PC 生态系统，那么 PC 革命是不可能实现的。我以前做过 SQL Server 数据库，所以我们通过与 SAP 合作来建立我们的数据库业务，而他们则在此基础上构建他们的 ERP 应用。所以坦白地说，我们天然习惯了这种生态系统伙伴关系，同时也习惯了内部的有机自主构建。 因此，我会说当时公司内部并没有发生什么所谓的“抗议”。大家顶多总是会想：“嘿，每当你分配稀缺资源时，无论是资本还是其他的——在这种情况下，它不仅仅是资本，最大的决定其实是在一个特定的项目上集中配置算力。” 我的意思是，那才是更巨大的赌注。我们之所以做出这个决定，是因为这正好是一个极度想要去推动它的团队。显然，我们从中获得了巨大的利益。

迈克尔·阿博特：现在您来这里的其中一个原因，是因为微软刚刚举办了一个大型的开发者大会，叫 Build。昨天你宣布了“前沿智能生态系统”，这恰好与你刚才所说的完美契合。而且你还发布了一系列其他非常重大的产品。我很想探讨一下其中的一些。比如，你们推出了 7 款全新的模型。我觉得非常有趣的是，至少从穆斯塔法（Mustafa Suleyman）对你们如何构建这些模型的描述来看，所有的数据都非常干净。你们高度聚焦在，比如说，绝不侵犯任何版权问题上。 我很好奇，为什么正好是 7 款？背后的思考是什么？显然你想要拥有自己的模型，这很合理。

萨提亚·纳德拉：是的，我认为如果你退一步看——事实上，我认为你把这门课叫做“前沿系统课”。因此，我认为去概念化面对的挑战之一是，任何个人创业者、开发者或公司，如何参与到“前沿”中来？世界上有前沿模型，但一个人如何拥有真正的能动性去增加价值、获取价值并保护价值？因为这就是核心问题。 如果你有一个模型，它基本上只是从现有的数据中学习，那么未来“企业”的存在意义甚至是什么？也就是说，今天的公司之所以存在，是关于因为其运营和人力资本而在公司内部形成的隐性知识。而在一个代币资本（智能体算力）和人类共同协作的世界里，公司的未来是什么？所以这是一些本质上非常重大的宏观问题。 因此，我们对此的愿景非常简单，那就是我们相信一个“前沿生态系统”应该能让每家公司都能真正在前沿运营，让其自身的知识产权（IP）随着时间的推移不断复合增长——不仅是人力资本，甚至还有这些“代币资本”。这就是我们的动力所在。所以，比如在我们构建的模型中——我待会再谈技术脉络。 最近有一份非常好的技术报告，我强烈建议大家去读一读，因为我认为它可能是最近写出来的关于这个规模的模型最透明、最优秀、最详细的整个流水线文档，我想你们能从中省出很多时间学到很多东西。但是，无论我们是在构建“思考模型（推理模型）”还是“编码模型”，其目的都是为了能够以这样一种方式进行：我们可以连同权重一起授权许可它，真正允许每家公司去构建他们自己的“爬山机器”。 因此，正如你所说，我们自己使用非常干净的数据脉络爬上了我们的山，确保我们没有在其中加入一堆合成数据。所有这些都是真实的，以便我们能真正拥有一个自然展现出推理能力的模型。现在我们有了一个非常棒、高效的模型，但是在任何公司建立的“爬山机器”内部，它都可以利用该公司留下的行为轨迹和那些特定任务来不断进化学习。 因此，我们的目标是让每家公司开始从战略上思考：他们要建立什么样的 RLE（强化学习环境）环境？他们拥有的私有评估集是什么？他们如何张开双臂欢迎任何模型进入那个所谓的“体育馆/训练场”，然后允许他们保留自己的知识产权，而不让价值外流？ 所以对我来说，我认为这是每家公司都需要开始做的事情。因为如果你只是一个基础模型的消费者，那么我不确定你如何能保持企业价值，更不用说创造价值了。因此，老实说，我看这个生态系统能够实现非零和或正和博弈、让许多参与者都能处于前沿的唯一途径，就是他们能够拿走前沿模型、拿走开源权重模型、拿走像我们这种作为授权许可知识产权的模型，然后在他们自己的环境中进行“爬山”（优化迭代），进而建立起自己的专有知识产权。 这就是核心前提。我们围绕这个前提以及所有的工具链拆解了非常多的细节。例如，最酷的一点是，如果你是 Microsoft 365 的客户，我们甚至可以直接帮你做引导启动。因为毕竟 Microsoft 365 是什么？今天你用它来经营你的业务，人们与其他人就某个业务流程进行日常沟通。 所以你可以想象我们能自动引导启动 RLE。事实上，我们甚至可以根据对你正在做的事情的实际观察，为一个比如人力资源（HR）的入职流程自动生成评估集。这是该公司独一无二的。而且首先，这是他们自己的数据。想想看，我们构建了一个多租户的 SaaS 应用程序。我们现在可以将其转化为多租户的“爬山服务”，其中的数据、环境、模型、轨迹和最终结果都完全由该公司所有。

迈克尔·阿博特：不过，您认为大多数公司都拥有合适的人才来建立这些“爬山机器”吗？

萨提亚·纳德拉：是的，问得很好。所以这就是为什么我认为这是一个“一键傻瓜式按钮”。我们现在并不是说你需要自己去完全建立。这就好像这个“爬山机器”已经为你实例化好了。 你所需要的只是一点点战略上的纪律，确保这些模型、测试架、上下文和评估集都成为你能够理解并将它们作为资产去管理的制品和构筑物。就像你过去历史上一直关心隐私、关心保密性、关心安全一样，我认为在一个 AI 全面进入你公司的世界里，这些东西将变得像架构和战略考量一样重要。

迈克尔·阿博特：你们宣布的另一个产品是围绕企业云的 Scout。我挺有兴趣听听这背后的愿景思考。

萨提亚·纳德拉：我们非常兴奋的一件事是，当我观察 Copilot 及其演变时，它最初是从聊天（Chat）开始的。聊天变得非常强大，尤其是随着推理模型的出现，因为你不仅可以像搜索一样使用它，本质上你还可以把它当作一个思考助手。 所以它变得很强大。然后“协同工作”（Cowork）是下一个产品形态。协同工作作为一种委派任务的方式相当巧妙。它是一个多步骤的推理、工具调用、基于智能体的闭环，因此你能够做一个简短的任务分派。这非常像我们大约在两年前、当智能体闭环开始出现时，在 GitHub Copilot 上所做的事情。 所以我们现在正把它应用到知识性工作（办公自动化）中。但现在有了 Scout，你实质上拥有了第三种形态，那就是“自动驾驶”（Autopilot）。现在你拥有了长期运行的智能体，它可以不间断地自动操作。它在实时监控，它有自己的心跳，它在后台默默“做梦”（指后台深度处理）。所有你期望从一个“Claw”中得到的东西，你现在都可以拥有。 而且你可以直接创建它。你可以拥有一个带有你身份凭证的智能体。本质上，如果我有一个 Entra ID，我可以给 Scout 我的 Entra ID 作为委派 ID，它基本上就是代表我全天候持续工作的数字孪生。但不仅如此，我们还可以允许你 mint（铸造）更多的自动驾驶智能体。而且这些东西可以拥有它们自己的独立数字身份和它们自己的安全沙盒。 所以这是一个非常完整的系统。所以我把它想象成一个企业级的 OpenClaw 和一个与 Copilot 系统其余部分完美融合的 UI 界面。

迈克尔·阿博特：这很有道理，因为因为你拥有这些身份凭证，你就可以彻底解决安全问题。我的意思是，显然我不知道你们中有多少人亲自配置过 OpenClaw，但我当时挺费劲的——你懂的，像 YOLO 乱干一样把我所有的凭证放进去，因为我当时在想，我真的不信任它。

萨提亚·纳德拉：是的，我们甚至宣布了。事实上，皮特（Peter）在 Build 大会上也和我们同台了，因为另一件事是我们甚至在与 OpenClaw 基金会合作，确保它能够极度安全地运行。事实上，我们在 Windows 上将提供一种开箱即用的体验，你可以直接安装 OpenClaw，并将其安全地保护或围置在所谓的全新容器中，这个容器叫做 MXC，这本质上是一种将运行环境进行深度沙盒化的安全方法。 因此，我认为围置与遏制（Containment）是核心关键。因为毕竟，你现在拥有的这些长期运行的智能体能够自动生成代码并就地执行代码。因此，治理这些代码的日常执行将变得极其重要。所以我们提供了一个容器，然后你可以在其中设置安全策略和隔离边界。 它可以是进程级别的隔离、会话级别的隔离。如果你愿意，你甚至可以设置一个物理虚拟机（VM）隔离边界。比如对我来说，任何我想在后台运行的东西，我都可以直接在 Windows 365（我的全隔离云端电脑实例）上运行。所以这是一个为长期运行的智能体完全物理隔离的完整云实例。 因此，我认为我们都将学会如何与成百上千个智能体同时一起工作。我们也将学会如何为这些智能体隔离环境，就像当年我们思考操作系统进程一样。我们将去全面思考智能体的进程边界、会话边界和安全容器边界。

迈克尔·阿博特：你们宣布的另一件事是围绕着将 AI 体验带给普通消费者。我有点好奇这意味着什么。我的意思是，你们与英伟达（NVIDIA）之间有很多重大的发布。

萨提亚·纳德拉：是的，我知道那有很多相关的亮点。首先，我们对“不计量智能”这个概念感到非常兴奋。如果你想一想，历史上每台 PC 的装机量中都其实自带了大量的 GPU。如果你统计带 GPU 的 PC 数量，那是非常庞大的——也就是独立 GPU（dGPU）的庞大装机基数。 因此，我们试图确保的一件事是，在一个这些模型已经存在、应用正在被疯狂编写、代币（Tokens）处于供不应求且云端成本昂贵的世界里，我们想要去彻底开发并释放网络边缘计算（本地硬件）的芯片算力。 在那个背景下，显然英伟达宣布了一款我们非常兴奋的全新 SoC，也就是他们的 RTX。所以我们将在秋季推出一款基于它打造的 Surface 笔记本电脑。事实上，我们所有的原始设备制造商伙伴（OEM）都会有针对它的绝佳产品设计。我们还宣布了一个开发者电脑台式机。想想看，它将拥有 1 Petaflop 的庞大本地 AI 算力。它将拥有 20 个 CPU 核心，128GB 的超大统一内存，供 CPU 和 AI 加速计算共同使用。而且它将在本地轻松跑起一个类似万亿参数规模的大模型。 顺便说一句，我们还与黄仁勋（Jensen）紧密合作，让 Windows 可以在最新的 GB300 芯片上原生运行。所以我们甚至拥有了一个 DGX 工作站。所以我把它看作是一个数据中心级别的桌面怪兽。因此，我认为对所有这些本地硬件都会有真正的刚性需求，因为人们会希望——特别是当你安装了像 Scout 或 Claw 或诸如此类的东西时，我希望它能 24 小时全天候保持工作，而且我绝对不想为此收到巨额的云端账单。要做到这一点，最好的方法就是在你的笔记本电脑或台式机上本地运行它。 所以，哪怕只是看到现有的 PC 产品形态因为芯片创新和现在我们可以在本地拥有的模型能力而带来的令人难以置信的新功能从而焕发新生，我们也感到非常兴奋。这就是我们昨天讨论的很大一部分内容。但我们说的另一件事是，就像旧的硬件形态中有了新功能一样，我认为在智能体时代，存在真正的机会去创造全新的硬件产品形态。 这就是“索拉拉项目”（Project Solara）的用武之地。我们那里的核心目标是，我们展示了两个参考设计，一个是智能工牌（Badge），另一个是桌面伴侣（Desk Companion）。但这个工牌挺有意思的。你可以想象一个带有指纹识别器的智能体硬件，以及一个同样带有指纹识别器和摄像头的工牌，并且它拥有足够的板载计算能力——它采用的是联发科的处理器——能够随时本地唤醒像 Copilot 这样的工具。 我可以字面意思上地通过它收到通知。比如我甚至可以给它一个，比如说，编码任务或其他什么，我可以向它直接口述输入，它会接收输入然后去云端调度执行，并随时给我发回通知。你可以想象在医疗保健领域，如果我是一名护士，我需要从一个工作站频繁移动到另一个工作站，我可以用这个工牌来直接刷卡登入和同步数据，而不需要再掏出手机。 就像现在我们被习惯性训练成要么在 PC 前输入，要么在使用手机。但在一个你真正拥有环境智能（Ambient Intelligence）和无处不在的泛在计算的智能体时代，你可以想象这些形态现在只是长期运行智能体的真实物理终点，它们会唤醒、通知你，并帮助你在真实世界中当场获取输出和输入。 我们非常高兴能为此带去一个底层平台。所以微软自己会制造一些设备。但这里的目标也是为了甚至可以拥有全新的开放平台规则。Windows 一直以来都是——令人着迷的是，我们是目前市场上仅存的唯一开放平台。你可以通过我们的应用商店下载，也可以不通过。你可以在 Windows 上自由安装任何东西。它一直以来都有这样一种风骨，即它不是一个专属于微软的东西——你不需要给微软打电话获得批准，就能为 Windows 开发应用程序。这感觉怎么样？ 所以，这就是我们在这一全新智能体平台上同样最想要的开放性，这样我们才不会把为上一个移动互联网时代编写的那些封闭的、抽成高昂的平台壁垒规则继承到这个新时代。

迈克尔·阿博特：我现在要稍微换个话题。这里是斯坦福大学，就那些被“AI 入脑”（对 AI 极度狂热）的人而言，这里大概是世界的中心。而当你走出旧金山湾区或西雅图，普通人看着 AI 会说：“这东西对我有什么好处？”我认为之前有一位演说家使用了一个非常强大的隐喻，那就是当电（Electricity）被发明出来时，我们不卖电，我们卖的是光（Light）。您认为在 AI 领域，与此等价的东西是什么？因为目前在硅谷之外，围绕 AI 的宣传中，并没有太多关于它将如何使普通大众受益的良好落地方案。

萨提亚·纳德拉：是的，我认为这说得很对，从某种意义上说，我们也许陷入技术自嗨得太深了——我想我们大家都生活在其中的那个硅谷泡沫，更多的是为了技术本身而去炒作技术和技术指标的飞跃。我们生活在其中，被它的指标震撼、推高它的前沿等等，这固然很好。但归根结底，世界评估我们的唯一标准，是我们在一个接一个的普通社区中为人类世界创造了什么实际价值。应该一向如此。 所以，除非我能看到这项技术的真正红利被极其广泛地向底层传播。我们谈到了医疗保健。当我们突然开始看到 AI 在医疗保健领域彻底改变成本结构，以及普通人能够获得的护理时——不是在虚无缥缈的抽象意义上，而是当它真真切切发生在我们社区的某个人、我们的普通家人身上时——或者甚至拿经济机会来说。 现在天天有人把它说成是一件只会夺走人类工作的事情，很明显，任何具有重大颠覆性的技术都会在短期内带来真正的岗位替代与流失。 但与此同时，也一定会创造出全新的经济活动，人类在其中将拥有主导能动性、获得更高的薪水。事实上，如果你想一想，如果当前的“基础智能”全面被商品化、廉价化了，人类是这个星球上适应能力最强的物种，总是能够在变成新商品的东西之上创造出全新的社会价值。 而这不能是抽象的口号，必须是真实的。它也一定会发生。但在那个艰难的转型期发生之前，正如你所说，当我们从“电”走向“光”时，这个“光”不能只被那些住在特定富裕邮政编码区、被“AI入脑”的人看到，而必须被全世界的底层看到，将其视为一个他们也可以在其中蓬勃发展、改善生活的东西。 哪怕是我刚才提到的关于“前沿生态系统”的观点，当每家普通公司不再坐在那里恐慌地想：“哦我的天，如果我让这些巨头的前沿模型的任何一个进入我的组织，它就会把我辛苦创造的所有行业隐性