划重点

微软首席执行官萨蒂亚·纳德拉最近接受创业孵化器SouthParkCommons（简称SPC）合伙人AdityaAgarwal与RuchiSanghvi的专访。在访谈中，纳德拉谈到了微软与OpenAI等AI初创企业的合作与投资策略、对人工智能和量子计算未来发展趋势的展望、对“真正智能体”的理解以及对下一代成长的建议。

以下为纳德拉最新专访精华版：

01 关于投资创企：致力于建立长期稳定双赢合作关系

问：微软的收益不仅来自自有实验室的创新，还包括对初创公司的投资。比如2007年对Facebook的2.4亿美元投资，以及近年对OpenAI、Mistral等AI公司的布局。初创公司应如何看待与微软的合作？

纳德拉：我们与创业生态系统合作，并通过M12（微软风投部门）投资，这对我们来说非常重要。但微软不仅仅是财务投资者。以Facebook为例，当年投资不单纯为了回报，而是希望围绕广告业务建立合作关系。虽然Facebook最终选择独立发展，但这体现了微软的战略意图—通过投资推动商业协同。

对OpenAI的投资则有所不同。最初，OpenAI只是个研究实验室，但后来成长为一家成功的产品公司。我们关注奥特曼团队的愿景，确保投资不仅是资金支持，更是建立深度的商业伙伴关系。如今，OpenAI已成为我们重要的合作伙伴。

微软始终定位为平台和伙伴型公司。平台的成功离不开合作伙伴的支持。因此，我们致力于构建长期的双赢关系。无论是早年与SAP的合作，还是如今支持OpenAI和Mistral，微软都希望与伙伴共同打造生态系统，既推动自身平台发展，也助力合作伙伴构建他们的平台。

02 关于基础模型：完整的系统堆栈+成功的产品

问：面对谷歌、Meta等自研基础模型的对手，你们是否有压力？会考虑自行开发基础模型吗？就像芯片行业的老话——强大公司要有自己的晶圆厂，现在它们是否也需要自己的基础模型？

纳德拉：我认为微软是一家全栈系统公司，基础模型只是其中最重要的一部分，我们的目标是掌控整个系统堆栈。

当初投资OpenAI时，我们看重奥特曼、伊利亚·苏茨克维（IlyaSutskever，OpenAI前首席科学家）和格雷格·布罗克曼（GregBrockman，总裁）对“缩放定律（Scalinglaw）”的洞察。那时我读到关于“缩放定律”的论文——好像是Anthropic的达里奥·阿莫代伊（DarioAmodei）写的——就对这种潜力感到兴奋，尤其是它与自然语言结合时。微软长期聚焦知识工作者，深耕自然语言技术，比尔·盖茨也一直强调这一点。所以，当有人提出通过大规模计算突破自然语言处理时，我们毫不犹豫。

过去，业界试图用结构化方式建模世界，比如SQL这类工具，但世界太复杂，始终存在局限。我始终相信，更语义化的方案才是未来，而OpenAI的突破证明了这一点。虽然当时无法确定成功与否，但如今结果已经显现。

目前，微软与OpenAI已深度绑定。我们不仅获得了先进的基础模型技术，还在此合作上构建了完整的系统，开发工具，推出产品，同时内部也在培养相应能力。随着模型逐渐商业化，OpenAI从专注基础模型转向产品化，而微软则推动其在系统与应用层的落地，这对双方都是最优解。

未来，行业的发展方向很明确：基础模型只是起点，真正的竞争力在于完整的系统堆栈+成功的产品。

03 关于人工智能：DeepSeek做得很棒

问：ChatGPT掀起AI热潮，从芯片到基础模型再到应用，整个行业充满活力。作为观察者，你认为哪些领域被忽视了？未来五年，哪些方向可能成为创新重点？

纳德拉：我看到三个并行趋势。首先，焦点正从知识工作者和语言模型转向现实世界的行动模型。其次，科学领域的模型，比如化学和生物学，正受到更多关注，两者有交集但也各自独立，是个很有潜力的方向。

作为超大规模厂商，我一直在想，支撑这些变化的系统架构该如何设计？当前数据中心仍基于传统理念，但我们需要从第一性原理出发，重新构想下一代超融合基础设施—包括计算、存储、AI加速器的协同设计，以及分布式同步训练的优化。这块被忽视了。人们常说数据中心是一台计算机，但现在该迭代到2.0了。

另一个被忽视的领域是客户端技术。混合AI虽被热议，但在模型架构上缺乏突破。为什么不能在运行时将模型动态分布到边缘设备（比如45TOPS算力的NPU）和云端？这需要新的分布式架构和数学突破。开源社区在优化现有基础设施上做得不错，像DeepSeek的工作就很棒，但如何更好利用边缘计算，仍是个难题。

问：很少有人能从全局思考AI系统原理。当前大家都在做局部，但似乎缺一个完整的架构设想？

纳德拉：对，像Copilot这样的AI系统还远不是“完整系统”。它们没有类似传统计算机的存储程序架构，也缺乏强大的多模态内存系统，工具使用还太手工化，欠缺系统设计。所以，构建更健壮的AI系统架构是个关键方向。

AI虽有长足进展，但仍处早期。未来创新不仅要聚焦基础模型，还要在系统架构和客户端设计上突破。

04 关于智能体：更像朋友、教练、顾问、参谋

问：在未来五年中，真正的智能体会是什么样子？它如何改变我们的日常生活？

纳德拉：未来智能体不只是Copilot这样的助手，而是能深度协作的伙伴。生活中，它像朋友、教练、顾问；工作中，它是高效的参谋、研究助手，帮我处理事务，提升效率，让我从繁琐的知识工作中解脱出来。

我们常混淆“知识工作”和 “知识工作者” 。未来，知识工作者应聚焦更高层次的抽象工作，这是我们的目标。如果说Word、Excel、PowerPoint是90年代的工具，今天的工具是什么？Copilot是第一代，第二代是Copilot加智能体，第三代会是什么？我认为这是我们正在探索的方向。

问：你觉得未来的用户界面应该是什么样的？因为我觉得现在的聊天机器人甚至Copilot都显得有些缺乏创意，无法把所有元素连接起来。

纳德拉：我同意你的看法，这也是为什么多模态接口如此重要的原因。比如，我最喜欢的功能之一就是通过语音与Copilot互动。我现在已经习惯了通过语音与Copilot对话，甚至在开车时利用CarPlay与它讨论播客内容。这就像是一个完全双向的对话，这是过去无法实现的。而且，这是一种全新的交互方式，一旦体验过，就再也无法回头。

05 关于量子计算：应与传统计算结合

问：微软近期频发量子计算公告，是否已准备好让创业生态系统利用这项技术？它即将实用，还是仍处早期阶段？

纳德拉：首先，量子计算展现了微软长期投入的能力。我是50年来第三位支持这一领域的CEO，微软已深耕20多年，目标始终是打造一台真正实用的量子计算机。

为此，我们需确保量子比特的稳定性，这需要在物理学上突破。我们选择了基于马约拉纳粒子的路径，历经20年努力，终于验证了其存在，并能逐个原子制造这些粒子。马约拉纳零态可稳健存储量子信息，大幅降低纠错需求，为扩展到芯片奠定了基础。

但我认为量子计算不会取代传统计算，而是形成强大组合。比如，它能加速原子级建模，极大提升模拟自然的能力，却不擅长数据密集型任务，更适合探索数据空间。两者各有优势，需共存。比如，可用量子计算生成标签数据，再在高性能计算上训练AI模型。

对化学、生命科学领域的研究者来说，量子计算值得关注。即使只有10到100个逻辑量子比特，也能助力构建更精确的模型。目前，我们在AzureQuantum上推进这一方向。生物制药领域已现积极响应，甚至有公司上市，市场热情在升温。

06 关于下一代：培养好奇心+批判性思维很重要

问：未来10年，社会与工作形态可能发生巨大变化。你有什么建议，可以帮助孩子们适应未来？

纳德拉：关键在于理解 “代理性”（Agency，指人工智能系统自主采取行动、做出决策和执行任务的能力）的演变——新技术是增强还是削弱人们的自主性？

我印象最深的一刻，是看到GitHubCopilot的早期版本，开发者能直观感受到它的价值。而真正触动我的是2022年在印度的一次演示：一名农民用WhatsApp聊天机器人查询补贴政策。机器人让他去网站填写表格，但农民不懂什么是表格，于是要求机器人代填。这个场景让我深刻意识到，尽管这位农民没有技术背景，但AI让他能便捷获取资源，这就是工作范式发生了转变。

回到孩子们的未来，我认为关键不在于掌握多少专业知识，而是培养好奇心、批判性思维和创造力。如果孩子们能随时编码、探索、创造，他们就能更好地适应变化。未来的学习方式应当激发自信，而非围绕考试焦虑。（腾讯科技涵清、金鹿编译）