微軟CEO納德拉年終訪談！贊同黃仁勳，坦露與OpenAI分歧，揭秘奪回市場戰略

編譯 | 陳駿達

編輯 | Panken

智東西12月20日訊息，近日，微軟CEO薩提亞·納德拉（Satya Nadella）接受了播客BG2近90分鐘的深度專訪，採訪文字實錄超2萬字，從微軟的興衰成敗，聊到AI圈熱門風口，又從企業文化變革，聊到投資OpenAI等重大決策背後的考量，堪稱他近年來最深入、最全面的幾場訪談之一。

今年是納德拉加入微軟的第32年，也是他成為該公司CEO的第10年。2014年時的微軟正處於失勢狀態，已陸續錯過搜尋引擎、移動網際網路等重要機遇，逐漸成為一家“無關緊要”的公司。納德拉意識到微軟因“傲慢”而衰敗，於是引入成長型思維，憑藉內部人身份掀起自我革命，帶領Azure殺入當時由AWS主導的雲端計算市場，又成功押中AI這一趨勢。

在此次訪談中，納德拉非常敢說，不管是反省微軟昔日重大失誤、自述與OpenAI CEO Sam Altman分歧，還是預測接下來的AI關於基礎設施建設、消費級業務、渠道分發、企業級API業務、Agent（智慧體）、算力投資、最大模型訓練競賽等方面的發展趨勢，而且全程頻頻爆出金句：

“從古希臘到現代矽谷，只有一件事會導致文明、國家和公司的衰落，那就是傲慢。”

“谷歌在Windows上賺的錢比整個微軟還多。”

“有時失去反而是好事，因為你可以重新贏回一切。”

“這一個時代最具代表性的公司已經誕生了，那就是OpenAI。”

“我們和OpenAI有整整兩年的先發優勢，······，再也不會有其他企業能獲得這樣的優勢了。”

“不要站在Scaling Law的對立面。”

“預訓練還沒有終結，······，推理時計算本質上是另一種形式的Scaling Law。”

“（OpenAI o1）是一個能創造巨大經濟價值的商業模式。”

“不要去做單純的（算力）供給側建設。”

“AI智慧體時代，傳統商業應用的存在形式可能會發生根本性的改變。”

除此之外，納德拉還透露，謹慎是微軟AI Infra投資的關鍵詞，他們不會輕舉妄動、大肆採買，除非新款GPU能帶來極為顯著的效益提升。這也是他與OpenAI CEO Sam Altman的一個分歧點。

談及智慧體這一風口，他認為記憶、工具使用、許可權管理這三大要素或將成為智慧體未來發展的關鍵動能，目前此項技術已在B端的客服、程式設計等業務上展現出強大的生產力，但落地開放式的C端場景仍需1-2年。

目前微軟與OpenAI既是投資方與被投資方，也是合作伙伴，還處於競合的關係，上述關係讓微軟無論如何都能從OpenAI的成功中分一杯羹。納德拉稱微軟不會干涉OpenAI營利化轉型、上市等決定，穩定的合作對雙方都有益處。

以下是對納德拉本次訪談的完整編譯（為提高可讀性，智東西在不違背原意的前提下進行了一定的增刪修改）：

一、出於嫉妒心做事不可取，把握自身定位與優勢很關鍵

Brad Gerstner：

很高興能和你見面。你擔任CEO的這段歷程真是讓人驚歎不已。1992年你加入微軟，2007年你接管了線上業務，2009年你推出必應搜尋。2011年，你接管伺服器業務並推出了Azure。2014年你成為CEO，就在那之前，一篇現在廣為人知的文章《微軟的無關性》剛剛發表。

從那時起，你把Azure的年化收入從10億美元提升到了660億美元，公司總收入增長了2.5倍，總利潤增長超過3倍，股價上漲了近10倍。你為微軟股東創造了近3萬億美元市值的神話。

回顧過去十年的歷程，你認為當時你能做出的最關鍵的一個改變是什麼？是什麼樣的決策讓微軟實現瞭如此巨大的轉變，取得了這樣非凡的成功？

Satya Nadella：

雖然說2014年我擔任CEO是個重要的轉折點，但我也一直認為，從92年到現在是一個持續不斷的過程。

我的做法其實很簡單，就是總結分析我們成功和失敗的經驗、規律，然後多做那些成功的事，少做那些失敗的事。這聽起來很簡單，因為我親身經歷了整個過程——我1992年加入微軟時，正好是Windows 3.1剛剛釋出不久。

不久之後，網際網路時代來臨，我們成功實現了轉型，在很多方面都做出了正確的決策。我們很早就意識到了瀏覽器的戰略價值。透過不斷競爭，我們最終在瀏覽器領域取得了成功。

我們錯過了搜尋引擎這個機會。當時我們覺得瀏覽器才是最重要的，沒有意識到一個新的品類正在興起。搜尋引擎才是網際網路的組織層。我們在移動領域也有所嘗試，但沒能把握住機會，iPhone的出現改變了一切。不過我們在雲端計算上做對了選擇。回顧這些歷程，可以說現在我們正面臨第四波浪潮——AI。

在所有這些案例中，我認為不能因為別人成功了就盲目跟隨。有時快速跟進策略是可行的，但決不能出於嫉妒心理去行動。

這是我們學到的最寶貴的經驗之一。做一件事，是因為你有這個資格，而且你能做得更好。正如Jeffrey Moore曾對我說的那句話：“為什麼不去做你的客戶期望你做的事呢？”

我很認同這個觀點。雲端計算就是一個很好的例子。我記得當我剛開始負責Azure時，很多人都告訴我說：“這是一個贏家通吃的市場，亞馬遜已經全部佔據了。”

但我從不相信這種說法，因為我曾在伺服器領域與甲骨文和IBM競爭。我始終認為，基礎設施領域永遠不會是贏家通吃的市場。你需要做的就是帶著獨特的價值主張參與競爭。

對我而言，這些轉型的關鍵在於準確認識自己的市場定位。你要深入理解在哪些領域你獲得了合作伙伴和客戶的支援與信任，然後從那些顯而易見的機會開始著手。

你可以說這就是戰略的基本要素，但我認為這確實是最關鍵的。還有一些需要培養的東西，包括使命感、目標感、企業文化等。這些要素都至關重要，是獲得成功的必要條件。但說到底，透過準確把握自身定位和優勢來制定正確的戰略，這可能是我做得比較成功的地方。

二、因“自以為是”而衰敗，成長型思維助力微軟重生

Bill Gurley：

世界各地每天都有新的CEO上任，但很多都以失敗告終。就拿英特爾來說，他們現在就正在進行第二輪重組。你上任時有人認為微軟的黃金時代已經結束了，那麼你做了什麼來改變這點呢？你會建議其它公司新上任的CEO如何重啟公司文化，讓它朝不同的方向發展？

Satya Nadella：

是的，我認為我的一個優勢在於我是一個徹頭徹尾的“內部人”，我幾乎整個職業生涯都在微軟度過。所以從某種意義上說，我要批評公司文化，也等於是在批評我自己。

這讓我獲得了一個突破點——我的批評不像是一個外部人對內部員工的指責，而更像是對自己的反思，因為我本身就是這種文化的一部分。

我不能評論任何與我無關的事情。我清楚地記得，當微軟第一次成為市值最高的公司時，我在園區裡走動時看到我們所有人，包括我自己在內，都趾高氣揚地走來走去，彷彿我們是人類最偉大的發明，好像市值終於體現了我們的才華橫溢。

這種情景一直縈繞在我腦海中，讓我意識到這正是我們要避免的文化。因為就像我常說的，從古希臘到現代矽谷，只有一件事會導致文明、國家和公司的衰落，那就是傲慢。

我獲得的另一個重要突破是，在我成為CEO前幾年，我妻子向我推薦了Carol Dweck寫的一本關於成長型思維的書。當時我讀這本書主要是為了孩子的教育和育兒等方面的參考。

我當時就想，天哪，這真是太棒了。我們總是在談論學習和學習文化，而這個理念恰恰是我們能選擇的最好的文化基因。我認為我們在文化方面的很多成功都要歸功於這個理念。

這個理念還有一個好處，它既不是微軟的商標，也不是CEO提出的什麼新教條。它是一個關於工作和生活的普世價值。它能幫助你成為更好的父母、更好的伴侶、更好的朋友、鄰居、管理者和領導者。

所以我們選擇了這個理念。我總是用一句簡單的話來概括它，從“自以為是”轉變為“永遠學習”。這是一個永遠無法到達的目標，因為從定義上來說，當你說“我已經有成長型思維了”的那一刻，就意味著你已經失去了成長型思維。

這對我們幫助很大。就像所有的文化變革一樣，你必須給它時間、空間和生長的土壤。它需要自上而下和自下而上的共同推動。它會在組織中間層形成共識。我和公司開會，甚至是和高管團隊開會，每次都會從使命文化開始。

這是兩個基本支柱。另外，我對自己的框架保持著高度的紀律性。在過去將近11年的時間裡，我們整體的發展軌跡基本保持不變。

三、微軟AI錯失大幅投入機遇，放走辛頓、李開復團隊

Brad Gerstner：

你提到了我們經歷的技術變革浪潮。我聽說過你的觀點——作為一家大型平臺公司，在技術變革初期的三四年內確立市場地位至關重要，這段時間往往決定了公司能夠獲取的大部分價值。

你的觀點是，微軟錯失了搜尋市場，也基本錯過了移動時代，好在趕上了雲端計算的末班車。當你開始思考下一個重大技術變革時，你和團隊成員（包括Kevin Scott，微軟CTO）似乎很早就察覺到，由於有DeepMind的存在，谷歌在AI領域可能已經領先了。

你最終決定投資OpenAI。是什麼讓你確信這個方向是對的？特別是考慮到微軟當時已經有了內部的AI研究專案。

Satya Nadella：

這是一個很好的觀點，這個考量背後涉及幾個方面。首先，我們在AI領域已經深耕多年。顯然，當蓋茨在1995年建立微軟研究院（MSR）時，他就一直對自然使用者介面充滿熱情。

我記得第一個研究小組是語音組。Rick Rashid（微軟研究院創始人之一）加入了我們。李開復也曾在這裡工作。我們投入了大量精力，致力於突破自然使用者介面。語言一直是我們關注的重點。甚至連Geoffrey Hinton也曾在這裡工作。

他在MSR做訪問學者期間完成了一些深度神經網路（DNN）的早期研究工作，後來谷歌把他招走了。不得不說，在2010年代初期，當谷歌加大AI投入並收購DeepMind時，我們錯失了一些本可以大幅投入的機會。

這確實讓我感到很惋惜。我一直想的還是要保持專注，比如說，Skype翻譯就是我最早關注的專案之一，因為它真的很酷。那是我們第一次看到遷移學習發揮作用，對不對？

你可以用一對語言來訓練它，它在另一種語言上的表現就會變得更好。那是我們第一次能夠說，哇，機器翻譯也可以和DNS結合。

從那時起，我就和凱文就一起對語言產生了濃厚的興趣。說到第一次接觸，其實是Elon和Sam在尋找Azure積分之類的資源時主動找了我們。

我們給了他們一些Azure積分。那時他們主要在研究強化學習和Dota 2這類專案。這些專案很有意思，但後來我們暫停了合作，具體原因我現在也記不太清了。之後他們找到我，談起他們在語言方面的構想。

那是一個關鍵時刻，他們開始談論Transformer模型和自然語言處理。我一直認為這就是我們的核心業務所在。這也體現了我的思維方式——我們需要思考自己的結構性定位是什麼。

蓋茨經常強調，數字世界其實只有一個核心範疇，就是所謂的資訊管理。在他看來，我們需要對世界建立模式化的理解——將人、地點、事物都納入一個統一的模式體系。

我們嘗試了很多方法，其中包括微軟一個臭名昭著的專案WinFS，其目標就是要將所有事物都模式化，從而理解所有資訊。

但這個目標實際上是不可能實現的，因此我們需要尋求突破。如果模型能在架構方面實現非線性突破，就能展現出一些前所未有的特性。

我們認為，也許實現這一目標的方法在於如何進行模式化。畢竟，人類大腦就是透過語言、內部對話和推理來實現這一點的。

正是基於這些考慮，再加上Sam、Brockman（時任OpenAI CTO）及其團隊展現出的雄心，我選擇了與OpenAI合作。

還有一個重要因素是Scaling Law。有趣的是，我讀到的第一份關於Scaling Law的備忘錄，是由當時還在OpenAI的Dario（原OpenAI高階研究副總裁，現Anthropic CEO）和Ilya（原OpenAI首席科學家，現獨立創業）撰寫的。

我那時候就說了，我們在這個方向上下注吧。如果這項技術真的能帶來指數級的效能提升，為什麼不全力以赴，給它一個真正的機會呢？後來，當我們看到它在GitHub（程式碼託管平臺，已被微軟收購）、Copilot（微軟AI助手）等專案上的實際效果時，加大投入的決定就變得水到渠成了。這就是我的直覺判斷。

四、超大規模計算不會贏家通吃，但需密切關注增量價值新玩家

Bill Gurley：

我認為在之前的技術變革中，一個普遍現象是一些在位者沒有及時跟上變革的步伐。你也提到過微軟可能錯失了移動和搜尋等機遇。作為一個見證了多次技術變革的行業老兵，我認為這一次所有人都高度警覺。

這是各方最為警覺的一次。整個局面都被精心佈局，幾乎所有玩家都同時站在了起跑線上。我很好奇你是否同意這個觀點，以及你如何看待這場競賽中的主要參與者——谷歌、亞馬遜、擁有Llama的Meta，以及新加入的馬斯克。

Satya Nadella：

是的，這確實很有趣。關於你說的這點，我一直在思考。如果回顧90年代末，當時是微軟一家獨大，其他公司都望塵莫及。有趣的是，現在人們談論的是科技七巨頭。

實際上，現在意識到AI重要性的公司遠不止這些。這些公司都擁有雄厚的財務實力。我想說的是，如果把OpenAI也算上，可能應該叫科技八巨頭，因為從某種意義上說，這一個時代最具代表性的公司已經誕生了，那就是OpenAI。

它就像這個時代的谷歌、微軟或Meta。基於這些情況，我認為競爭會非常激烈。同時，我也不認為這會是一個贏家通吃的局面。

因為雖然某些細分領域可能會出現贏家通吃的情況，但在超大規模計算絕對不會贏家通吃。即使不考慮中國市場，世界也需要多個分佈在各地的供應商。

事實上，我認為微軟最大的結構性優勢之一就在於Azure的獨特架構。我們針對企業工作負載的特點構建了Azure，在資料駐留方面做了大量工作，建立了超過60個區域雲資料中心，比其他公司都多。

我們不是為了某個大型應用而建雲，而是為眾多異構的企業工作負載構建雲平臺。從長遠來看，我認為所有與資料、應用伺服器相關的推理需求都將集中在這裡。

因此，我認為在基礎設施層面會有多個贏家，在模型層面也是如此，每個超大規模提供商都會擁有一系列模型，周圍會有應用伺服器。就像今天的每個應用，包括Copilot在內，都是一個多模型應用。

實際上，這催生了一種全新的應用伺服器。就像之前有移動應用伺服器、Web應用伺服器一樣，現在我們有了AI應用伺服器。對我們來說，這就是Foundry（指微軟的Azure AI Foundry開發平臺），我們正在構建它，其他公司也會構建自己的版本。這樣的伺服器會有很多。

在應用層面，我認為網路效應會更加明顯，這種效應一直都存在於軟體層。在消費者領域、企業領域等不同場景中會形成不同的網路效應。

回到你的核心觀點，我認為需要按層次進行結構性分析。在技術棧的不同層面，我們這7-10家公司之間會展開激烈競爭。我經常對團隊說，要密切關注那些能帶來增量價值的新玩家。

這就是我們所處的競爭環境，我們總是在尋找可能突然嶄露頭角的新創業者。至少可以說，OpenAI就是這樣一家公司，現在已經達到了突破性的發展速度。

五、我們過去輸得太慘，反而成為增長機遇

Brad Gerstner：

讓我們先談談應用層面，從消費者AI說起。Bing（必應搜尋）是一個規模很大的業務。我們都討論過“十個藍色連結”（代指搜尋）可能是資本主義歷史上最好的商業模式，但它已經發生了巨大的轉變。

在這個重視答案的時代，Bing需要做什麼，或者說Mustafa（微軟AI CEO）領導下的消費者業務需要做什麼，才能與ChatGPT競爭？從消費者角度來看，ChatGPT似乎已經取得了突破性進展。

Satya Nadella：

我認為首先要說的就是你最後提到的，聊天與答案的結合。這就是ChatGPT，而且它正在變得“有狀態”。傳統搜尋是一個無狀態的產品，雖然傳統搜尋也有搜尋歷史，但我認為這些AI智慧體會變得更有情景感知能力。這也是為什麼我如此興奮的原因。

我花了將近10年時間試圖與蘋果達成搜尋協議。所以當Sam最終與Tim（Tim Cook，蘋果CEO）達成協議時，我是最興奮的人，因為讓ChatGPT獲得這個協議比其他任何公司都好，畢竟我們與OpenAI有商業和投資關係。

說到這一點，我的看法是，分發渠道非常重要。這正是谷歌具有巨大優勢的地方——他們在蘋果裝置上是預設搜尋引擎，在Android上也是預設選擇。

他們觸及瞭如此廣泛的使用者群，而且使用者習慣也不會輕易改變。想想看，你開啟瀏覽器時會直接在位址列輸入搜尋內容的次數有多少？

如果要比較Bing和Copilot，情況很有趣。一些導航類的需求，我會用Bing，但幾乎所有其他需求，我都會用Copilot。我認為這種轉變正在全球範圍內發生。我們可能還需要一兩個專門用於購物或旅行的AI智慧體，就能處理一些商業店鋪的查詢之類的工作。

我認為，當商業也開始向聊天遷移時，傳統搜尋的轉折點就會到來。目前，傳統搜尋業務之所以能夠維持，是因為商業意圖還沒有遷移。一旦商業意圖開始遷移，變化就會突然發生。

我認為，這確實是一個根本性的轉變。在Mustafa負責的領域，我們有三個產品，Bing、MSN（微軟入口網站）和Copilot。事實上，他對這三個產品都有清晰的定位。

它們都屬於同一個生態系統。一個是資訊流，一個是傳統意義上的搜尋，另一個是這個新的AI智慧體介面。它們都與內容提供商有某種社會契約——我們需要流量，可能需要付費牆，我們需要有廣告支援的商業模式等等。這就是我們試圖實現的目標。

我們有自己的分發渠道，Windows仍然是我們的一大優勢。我們有機會重新爭取。我們失去了瀏覽器市場——Chrome成為主導瀏覽器確實是一個遺憾，因為我們戰勝了Netscape（網景瀏覽器），卻輸給了谷歌。

現在我們正透過Edge和Copilot，以一種有趣的方式奪回失地。你猜怎麼著？現在就連Gemini也必須努力爭取使用者。Windows的好處在於它是一個開放的系統，這意味著ChatGPT有機會。

Gemini也有機會。不需要打電話給微軟，你可以盡最大努力做到最好，但這也意味著我們同樣有機會。有時失去反而是好事，因為你可以重新贏回一切。

即使是Windows分發渠道也還有很大的增長空間。我常說谷歌在Windows上賺的錢比整個微軟還多，真的是這樣。

這對微軟的股東來說反而是個好訊息——我們輸得如此慘，現在反而有機會重新競爭並贏回一些市場份額。

六、擔憂智慧體安全風險，客戶應保有最終決定權

Bill Gurley：

現在每個人都在談論AI智慧體。如果你稍微展望一下未來，就能想象到各種參與者都希望在系統上操控其他應用和資料。

微軟處在一個很特殊的位置，因為你們掌控著Windows生態系統，但同時也在iPhone和Android生態系統上有應用。

從服務條款和合作夥伴關係的角度來看，你是如何看待這個問題的？蘋果會允許微軟控制iOS上的其他應用嗎？微軟會讓ChatGPT在Windows系統上啟動應用並獲取應用資料嗎？當你開始思考搜尋和商務時，這個問題就變得更加複雜了。

Satya Nadella：

這個問題目前還沒有明確的答案。我們可以用一種比較傳統的思維方式來看待這個問題。回想一下，各種商業應用是如何實現互操作性的——它們是透過聯結器來實現的，使用者需要獲得聯結器許可。

這就形成了一種商業模式。SAP（企業管理解決方案軟體）就是一個最典型的例子——只要你有聯結器，就可以訪問SAP的資料。所以我覺得，當智慧體之間需要互動時，可能會出現類似的模式。

在消費者領域，情況就不那麼明朗了。因為消費者領域的價值交換主要依賴廣告和流量等因素。在智慧體主導的世界裡，這些因素中的一些可能會消失。所以對我來說，消費者端的商業模式還不太清晰。

但在企業領域，我認為未來的發展方向是這樣的，每個參與者都會說：“要想在我的行動空間內執行操作，或者從我的資料架構中獲取資料，你需要獲得我的智慧體介面的授權。”

這就是為什麼，比如說現在，當我使用微軟的Copilot時，我可以連線到Adobe、我的SAP例項，當然還有我們的CRM（客戶關係管理）系統Dynamics。

想想看，我們上一次真正使用商業應用是什麼時候？我們購買了這麼多SaaS應用的許可，卻很少使用它們。組織裡可能只有某些人在往裡面輸入資料。但在AI時代，使用強度會提高，因為所有資料都變得容易獲取了。

你可以隨意查詢。我可以直接說：“嘿，我要和某某人開會，給我說說所有相關的公司和基準資料。”系統會把網路上的資訊、CRM資料庫裡的內容都整合在一起，給我一份簡報。

所以在某種程度上，我認為這些功能都可以被我們和這些聯結器提供商做成商業化的產品。

Bill Gurley：

你會允許ChatGPT在Windows作業系統上隨意開啟應用程式嗎？

Satya Nadella：

這是一個很有意思的問題，對吧？那麼這種超級使用者級別的使用許可權，誰來授權呢？是使用者還是作業系統？就拿Windows來說，說實話，除了設定一些安全防護措施外，我們也沒有太多辦法來限制。

我最擔心的就是安全風險。如果惡意軟體被下載並開始執行各種操作，那才是真正危險的。我認為這些是我們需要在作業系統層面解決的問題，也就是對這類計算機使用行為設定更嚴格的訪問許可權和特權控制。

但歸根結底，在Windows這樣的開放平臺上，使用者才是最終的掌控者。我相信蘋果和谷歌會採取更嚴格的控制措施，他們不會允許這種情況發生。從某種意義上說，這可以算是他們的一個優勢，不過這也要取決於反壟斷法規如何規定。總之，這是一個值得關注的話題。

Bill Gurley：

我們可以換個角度思考這個問題。你會允許Android作業系統，或者說Android AI、iOS AI透過智慧手機上的微軟客戶端來讀取郵件嗎？

Satya Nadella：

這個問題很有意思。我經常在思考一個問題，我們將Outlook的同步功能授權給蘋果的Mail應用，這到底是價值流失還是幫助了我們？

這是一個很有趣的案例。雖然可能確實流失了不少價值，但這也是我們能夠保住Exchange（微軟電子郵件服務元件）的重要原因之一。如果當時沒有這樣做，我們可能會面臨更大的問題。

說到這一點，Bill，如果我們要構建這樣的系統，關鍵是我們必須圍繞著Microsoft 365（基於Office套件的辦公軟體解決方案）建立一個信任體系。我們不能隨便讓AI智慧體進來為所欲為，因為說到底，這些資料並不屬於我們。這些都是客戶的資料。

因此，需要客戶的許可，需要客戶IT部門的許可。這不是我能簡單透過設定一個開關就能解決的。另外，還必須要有明確的信任邊界。

我認為我們會採取一種很有趣的方式，有點類似於Apple Intelligence現在的做法。你可以理解為我們會在Microsoft 365的框架下來實現這一點。

七、三大要素助力智慧體騰飛，消費者場景落地仍需時日

Brad Gerstner：

說到這個，Mustafa說2025年將是無限記憶的元年。從今年年初開始，我倆就一直在討論，我們認為ChatGPT的下一個革命性突破就是將持久記憶與代表使用者執行操作的能力結合起來。你好像也同意這個觀點。

我們已經看到記憶功能的雛形，我也很確信到2025年，這個問題應該能得到很好的解決。但說到執行操作這個問題，我什麼時候才能對ChatGPT說：“幫我訂下週二西雅圖四季酒店最便宜的房間”？

看上去AI使用計算機是最早的測試場景。你怎麼看？從現在的角度來看，這對你來說是個難題嗎？

Satya Nadella：

是的，完全開放的操作空間仍然是個難題。但就像你說的，除了我們肯定會討論的模型擴充套件規律和基礎模型能力之外，還有兩到三件非常令人興奮的事情。

第一是記憶。第二是工具使用，也就是行動能力。第三個我要說的是許可權管理。比如說，你能做什麼，你有什麼許可權？這也是為什麼Purview（微軟的資料治理工具，用於管理AI系統的資料訪問許可權與合規性）成為了微軟內部最有趣的產品之一。

智慧體可以獲取什麼？如何確保它們能夠安全地訪問各種資源？需要有人對此進行管理和監督。如果把上述三個要素結合起來，AI助手就會更容易管理，而且在執行操作時是可驗證的。我認為這就能開啟一個全新的自主工作時代。

我一直很喜歡將Copilot作為AI的使用者介面，因為即使在一個完全自主的世界裡，AI助手也會不時地遇到異常情況，需要請求許可和呼叫許可權等。因此，這個使用者介面層將成為組織層。這也是為什麼我們將Copilot視為工作、工作內容和工作流程的組織層。

回到你的核心觀點，即使是4o模型（更不用說o1了）在函式呼叫方面已經相當不錯。在企業環境中你可以做的事情比消費者環境多得多，因為消費者網路的函式呼叫很複雜。

在開放的網路環境中，最多隻能對少數幾個網站實現這種功能。一旦你提出“幫我訂張票”這樣開放性的要求，如果後端架構發生變化，系統就可能會出錯。當然，這些都是可以教會它的。如果是在Rails上使用可驗證、可自動評分的流程，我認為o1模型在這方面還能做得更好。

我們可能還需要1-2年的時間才能實現更多功能。但至少從企業角度來看，已經可以部署銷售助手、營銷助手、供應鏈助手等，讓它們執行更多自主任務。

我們在Dynamics中已經內建了10到15個這樣的助手。它們可以檢視和自動處理供應商溝通、更新資料庫、管理庫存等。我認為這些都是現在就可以實現的功能。

Bill Gurley：

Mustafa提到了近乎無限的記憶這個概念，我相信你在內部也聽說過。你能對此做些澄清嗎？還是說這方面還有更多內容要展開？

Satya Nadella：

關鍵在於擁有一個記憶的型別系統，而不是每次開始時都要重新組織一遍。

Bill Gurley：

我理解這個概念。不過聽Mustafa的說法，好像你們在這方面已經有了內部技術突破。

Satya Nadella：

是的，我們甚至有一個開源專案。我記不太清了，好像是之前做TypeScript的那群人在負責這個專案。我們想要做的是把記憶系統模式化，讓它變得可用。

比如說，當我輸入一個新的提示時，系統能夠根據我之前所有的操作，透過型別匹配等方式進行聚類。這是構建記憶系統的一個很好的方法。

八、微軟AI擁有兩年先發優勢，將始終保持謹慎

Brad Gerstner：

那我們來談談企業AI吧。據報道，微軟的AI業務規模已經達到了100億美元。你提到這些都來自於推理計算，而不是把原始GPU租給其他人用於訓練，因為你們自己的推理需求就已經很高了。

關於這一點，我覺得外界對AI的主要工作負載是否真的在變化還存在很多質疑。我很想聽聽你的看法，目前人們使用的主要創收產品有哪些？它們是如何推動你們的推理收入的？這與亞馬遜或谷歌相比有什麼異同？

Satya Nadella：

這個問題問得好。對我們來說，我們與OpenAI的大部分訓練工作更多是一種投資邏輯。這部分不會體現在我們的季度業績中，而是會計入基於投資的其他收入專案。

Brad Gerstner：

這意味著在財報上只會顯示為其他收入或損失項，對吧？

Satya Nadella：

是的，目前就是這樣顯示的。我們的收入基本都來自API業務。就像你說的，ChatGPT的推理成本也在其中，這是另外一塊。

這個時代最成功的應用是什麼？ChatGPT、Copilot、GitHub Copilot，以及OpenAI和Azure OpenAI的API。從某種意義上說，如果要列出10個最成功的AI應用，這些可能就佔了其中的4-5個。這就是最大的增長動力。

我們和OpenAI有整整兩年的先發優勢，基本上沒有遇到任何競爭。現在每個人都醒悟過來了，我覺得可能再也不會有其他企業能獲得這樣的優勢了。

不過誰知道呢？或許你剛這麼說，可能就有人突然釋出了一些Demo，就做到了。話說回來，我認為用某個基礎模型建立這種領先優勢的可能性不大。我們確實抓住了之前的這個機遇，這就是我們與OpenAI合作帶來的巨大優勢。

OpenAI確實透過ChatGPT實現了這種突破性的發展。而在API方面，我們最大的收穫是獲得了像Shopify、Stripe或Spotify這樣的客戶。這些公司原本都不是Azure的客戶，他們都是GCP或AWS的客戶。我們突然獲得了更多所謂的數字原生公司，他們開始以各種方式使用Azure。這是一個方面。

至於傳統企業市場，我認為正在逐步擴大。一方面人們在使用Copilot，另一方面又在用Foundry構建AI智慧體。這些都是在設計和專案層面上取得的成功，雖然進展緩慢，但正在逐步擴大規模。再強調一下，我們在這方面有兩年的先發優勢，這讓我對這項業務更有信心。

大量科技創業公司都在尋求小批次的H100配額，這也是目前業內逆向選擇問題的原因之一。想到太陽微系統在網際網路泡沫時期的遭遇，我一直對此心存顧慮，我們不能盲目地追逐每家想要構建模型的企業。

事實上，即使在投資者這邊，我也看到觀念正在發生變化。現在人們更傾向於輕資產運營，選擇在他人的模型基礎上進行開發。如果情況確實如此，那些原本想要H100的人可能就沒有需求了。這就是我們一直保持謹慎選擇的原因。

Brad Gerstner：

你的感覺是，對於其他公司來說，模型訓練和模型叢集在他們的AI收入中佔比要遠高於微軟？

Satya Nadella：

這個我不太清楚，因為我不好評價其他公司的業績。我只能說，還有什麼其他熱門應用呢？我也不太瞭解。他們執行什麼模型？在哪裡執行？當然，谷歌有Gemini。

從資料來看，主流的AI產品就是ChatGPT，然後是Gemini。Gemini的資料讓我很驚訝。不過考慮到它天然的分發優勢，我認為它肯定會增長。

有趣的是，主流產品其實並不多。雖然我們經常談論AI的規模，但真正的熱門應用卻寥寥無幾。就是ChatGPT、GitHub Copilot、Copilot和Gemini這四個。這就是我所知道的主要應用。你還能想到其他的嗎？

Brad Gerstner：

我覺得現在有很多創業公司的應用場景開始獲得關注，它們都是從基層逐漸發展起來的。其中很多都是基於Llama模型開發的。

Satya Nadella：

對，那是Meta的產品。但想想有哪些應用的收入能超過500萬美元呢？

Brad Gerstner：

扎克伯格肯定會說Meta AI還有更多產品。不過說到獨立的第三方應用，我覺得你說得對，主要就是你提到的那些。

Satya Nadella：

而且扎克的所有產品都是在他們自己的雲平臺上執行的，他們沒有使用公共雲服務。確實如此。

九、智慧體革新商業應用，AI或將承載系統底層邏輯

Bill Gurley：

說到企業市場，程式設計領域的競爭非常激烈，你們表現出色。同時，這一領域有很多風投支援的公司參與其中。關於生產力應用，我想問問Copilot這種方式。我注意到Salesforce的Mark Benioff一直在這方面發表尖銳批評，把它貶低為“Clippy 2.0”之類的（Clippy是微軟在Windows 97-03等產品中內建的智慧UI介面）。

你會不會擔心，如果有人從第一性原理開始重新思考AI產品，那麼一些基礎設施可能就顯得多餘了？比如說，如果你開發一個以AI為先的產品，是否還需要了解Excel電子表格的底層架構？同樣的道理也適用於CRM系統。對使用者來說，可能有許多欄位和任務都可以被簡化或隱藏起來。

Satya Nadella：

是的，這確實是一個非常重要的問題。我認為在這個AI智慧體時代，傳統商業應用的存在形式可能會發生根本性的改變。

因為如果你仔細想想，這些應用本質上就是帶有一堆業務邏輯的CRUD（增加、讀取、更新和刪除）資料庫，而這些業務邏輯將全部轉移到AI智慧體中。這些智慧體將能夠操作多個倉庫的CRUD操作，不會區分後端系統的差異。

它們將同時更新多個資料庫，所有的邏輯都將存在於AI層面。一旦AI層成為所有邏輯的承載者，人們就會開始替換後端系統。事實上，這個趨勢已經很明顯了。

我們看到Dynamics後端和AI智慧體的應用正在取得很高的成功率。我們將積極推進這種整合，無論是在客戶服務領域還是其他方面。

另外還有一點很有意思。令人驚喜的是，不僅僅是CRM系統，就連我們所說的財務和運營系統也在發生變化，因為人們希望使用更多AI原生的商業應用。這意味著邏輯層可以由AI和AI智慧體來統籌協調。換句話說，從Copilot到AI智慧體再到商業應用之間的過渡應該是完全無縫銜接的。

現在，同樣的道理，你可能會問：“為什麼我還需要Excel？”有趣的是，對我來說最令人興奮的事情之一就是支援Python的Excel，它就像帶有Copilot的GitHub，不再僅僅是幫你理解數字，它會為你制定完整的分析計劃，就像有一個資料分析師在使用Excel的行列格式作為視覺化分析的草稿本。

Copilot將Excel作為一個工具來使用，因為它可以生成內容並且有Python直譯器，這為它提供了廣闊的操作空間。這實際上是重新定義Excel的絕佳方式。某種程度上說，你甚至可以讓它生成整個Excel檔案。

這確實是可能的。它有程式碼直譯器，理論上可以生成任何東西，我認為這將帶來顛覆性的變革。就我們處理M365的方式而言，首先是將Copilot構建為組織層，作為AI的使用者介面，整合所有智慧體，包括我們自己的智慧體。

你可以說Excel是Copilot的一個智慧體，Word也是一個智慧體。它們是專門的工作畫布，比如說你在處理一份法律文件，你可以先把它放到Pages，然後轉到Word，讓Copilot全程協助你。進入Excel時也是如此，讓Copilot陪伴你完成工作。這是一種全新的工作方式和工作流程思維。

十、智慧體撬動更高生產力，客服與開發成兩大應用場景

Brad Gerstner：

現在我聽到很多人都在為一個問題焦慮不已，那就是投資回報率。大家都在進行AI投資，而你們微軟有超過22.5萬名員工。那麼你們是否正在利用AI來提升自身業務的生產力、降低成本、增加收入呢？

如果是的話，能否舉幾個最顯著的例子？還有一點，我記得之前採訪黃仁勳時，我問他如果營收增長兩到三倍，他預計只需增加25%的員工，他解釋說會有10萬個AI智慧體來協助工作。那麼對於Azure來說，當收入增長兩到三倍時，你是否也期望在人員配置上實現類似的槓桿效應？

Satya Nadella：

是的，這是微軟和我們的客戶都最關心的問題。我一直在研究精益生產對工業企業帶來了什麼影響，這個過程讓我學到了很多，這些企業的增長率都超過了GDP。

令人難以置信的是，那些優秀的工業企業能夠很明確地說，僅僅透過精益生產就能帶來2-3個百分點的增長優勢，其核心就是提高價值、減少浪費。這就是他們的實踐經驗。

我認為AI對知識工作的意義，就相當於精益生產對工業生產的意義。我們正在認真學習這一點，這讓我想起90年代的業務流程重組運動。

我認為這種理念又回來了，但是以一種全新的方式。那些能夠端到端思考流程的人會問：如何提高流程效率？什麼可以被自動化？什麼可以變得更高效？

客戶服務就是一個最明顯的例子。我們在這方面的支出大約有40億美元，包括從Xbox（微軟遊戲機及相關業務）支援到Azure支援的所有內容。今年特別重要，因為前端的分流率顯著提高。

最大的收益是服務人員效率的提升。服務人員更開心，客戶更滿意，我們的成本也在下降。這是最明顯的應用場景，我們的聯絡中心應用在這方面表現非常出色。

另一個顯著的例子是GitHub Copilot。特別是在GitHub Copilot工作區中，我們首次看到了AI智慧體的應用。它可以幫助你從問題出發，制定計劃或規範，然後進行多檔案編輯。

這完全改變了開發團隊的工作流程。正如我所說，Office 365則是一個全能型工具。M365 Copilot的作用非常廣泛，讓我用我自己的經歷舉個例子。

CEO辦公室的準備工作流程自1990年以來基本沒有變化。我經常這樣思考：想想在PC出現前後，預測工作是如何進行的？

以前是傳真、辦公室備忘錄，後來有了PC，人們開始透過電子郵件傳遞Excel表格，大家輸入數字來做預測。

現在在AI時代，類似的變革正在各個領域發生。當我準備客戶會議時，我只需要在Copilot中詢問關於這個客戶的所有資訊。它會整合CRM、郵件、團隊會議記錄和網路資訊。

它會整理這些資訊，我把它放到文件中，實時與客戶團隊分享。想想看，過去那種“為CEO準備簡報”的層級工作方式已經消失了，現在只需要一個查詢就夠了。

我發起查詢，如果團隊需要做註釋就分享頁面。這就是新的工作方式：我與AI互動，同時與同事協作。這種變革正在各個領域發生。

有人給我舉了一個供應鏈的例子。他說，供應鏈就像交易臺，只是缺少實時資訊。過去的情況是，等到季度結束，CFO才會來指出你犯的所有錯誤。

但如果財務分析師能夠實時為你提供建議呢？比如當你在某個地區為資料中心簽訂合同時，它會提醒你需要考慮的條款。這種實時智慧正在改變工作流程和工作方式。類似的應用案例比比皆是。

回到你的核心問題，我們的目標是透過AI創造運營槓桿效應。我認為人員配置會發生變化，我是這樣看的：我們的總人力成本會下降，但人均成本會上升，每個研究人員配備的GPU也會增加。這就是我的觀點。

十一、雲端計算不能搞純粹供給側建設，產品結構多元化可實現高溢價

Brad Gerstner：

這說得通。讓我們轉向你之前提到的話題，就是關於模型擴充套件和整體資本支出的情況。我聽你談過微軟的資本支出。我想在2014年你剛接手時，根本無法預見今天的情況。

你在資本支出上獲得了相當穩定的回報。從資料來看，你們的資本支出和收入之間確實存在很強的相關性。有些人擔心這種相關性可能會被打破。就連你自己也說過，在某個時候，可能需要提前進行資本投入，而不是等到收入實現後再投入。

可能會出現一個過渡期。我們必須為提升系統韌性而投入。你對目前的資本支出水平有什麼看法？從增長率來看，你覺得什麼時候會開始放緩？

Satya Nadella：

首先，我們作為一個超大規模雲服務提供商，在結構上具有很大優勢，因為從某種意義上說，我們在這方面已經有很長時間的實踐經驗了。比如說，資料中心有20年的生命週期，電力費用是按使用量付費的，裝置使用期限是6年。我們知道如何提高利用率。

好訊息是，這個領域雖然資本密集，但同時也是軟體密集型的。有人會問，超大規模服務提供商如何盈利？傳統主機託管商和新型超大規模服務提供商的區別在哪裡？關鍵就在於軟體。我認為這個原則同樣適用於GPU基礎設施，就是說，

你需要先建設基礎設施。事實上，現在我們還處在追趕階段。我們在過去15年裡建立了雲端計算基礎設施，但突然間，雲端計算中出現了一個新的計量單位，叫做AI加速器。

現在每個應用都需要三樣東西：資料庫、Kubernetes（管理雲平臺中多個主機上的容器化的應用）叢集，以及在AI加速器上執行的模型。所以當你意識到需要這三個元件時，你就必須快速建設這些AI加速器，以滿足所有應用的需求。

這種狀況最終會趨於正常。首先是基礎設施建設階段，然後工作負載會逐漸穩定，之後就會像雲端計算一樣持續增長。這是其中一個方面。

關鍵是要避免一些不好的選擇，不要去做單純的供給側建設。不要盲目建設、期待需求自然到來，而是要確保在全球各地、各個細分市場都有真實的多樣化需求。我認為這才是管理投資回報率的正確方式。

另外，不同業務的利潤率會有所不同。出租原始GPU的利潤率與GPU+Fabric平臺或GPU+代工服務或應用的利潤率是不同的。比如說聊天功能或GitHub Copilot作為M365的附加服務，它們都會有不同的利潤率。擁有多元化的產品組合很重要。

看看微軟，為什麼微軟現在在雲端計算領域能夠獲得溢價？我們的規模比亞馬遜大，增長速度比亞馬遜快，利潤率比亞馬遜好，這是因為我們擁有多層次的產品結構。這就是我們在AI時代也想實現的目標。

十二、不要站在Scaling Law的對立面，o1是一個優秀的商業模式

Bill Gurley：

關於模型規模化的討論很多。顯然，過去人們就談論過要將叢集規模擴大10倍，而且這種擴充套件可能會反覆進行，不是一次兩次就結束。xAI目前也仍然支援這一觀點。

但也有人認為，我們可以直接轉向推理，這樣成本更低，也不需要投入那麼多資本支出。我很好奇，你對大語言模型的規模化、訓練成本以及未來發展方向有什麼看法？

Satya Nadella：

首先我要說，我非常相信Scaling Law。事實上，我們在2019年下的賭注就是押在Scaling laws上，我現在依然堅持這個觀點，換句話說，不要站在Scaling laws的對立面。同時，我們也要在幾個方面保持理性。

隨著叢集規模增大，Scaling Law的指數增長會變得更加困難。具體來看，我指的是進行大規模訓練的分散式計算問題會變得更具挑戰性。這是其中一個方面。

但我還是要說，得讓OpenAI的人來談他們在做什麼，他們仍在繼續研究，我認為預訓練還沒有終結。令人興奮的是，OpenAI用o1做的這種帶有自動評分的思維鏈方法非常出色。實際上，測試時計算或推理時計算本質上是另一種形式的Scaling Law。

先進行預訓練，然後進行測試時取樣，生成的token可以反饋到預訓練中，從而建立更強大的模型用於推理。我認為這是提升模型能力的絕佳方式。

測試時或推理時計算的好處在於，執行o1模型涉及兩個不同的方面。當你用它為預訓練生成token時，取樣過程類似於訓練。同時，當客戶使用o1時，他們會消耗更多的計算資源。而且這些計算資源都能帶來收入。

這不僅僅是技術問題，更是一個能創造巨大經濟價值的商業模式。這就是為什麼我如此看好這種方式。事實上，這也是我說在全球擁有60多個資料中心給了我們很好的結構性優勢的原因——我們可以從中獲得更多的商業回報。

十三、算力投資需謹慎，我與Sam有分歧

Satya Nadella：

回到Brad提到的投資回報率問題，我認為在這方面我們必須建立一個穩定的狀態。

每次我和黃仁勳交談時，我都覺得他說得很對。他的觀點是，你需要每年都購置一些裝置。想想看，當你要在6年內折舊一項資產時，最好的方式就是每年購買一些，讓它們逐步老化，我們也是這麼做的。

我們讓裝置逐步老化，用最新的節點做訓練，第二年就轉為推理用途。這將讓我們的機群最終達到穩定狀態，無論是使用率還是投資回報率，最終都能實現供需平衡。

大家都在問，指數級增長是否停止了？這個問題的另一個現實因素是經濟因素。最終，每個人都會思考什麼才是經濟上最合理的做法。就算我每年都能讓計算能力翻倍，但如果賣不出去，這些庫存又有什麼用呢？

還有一個問題是所謂的“贏家詛咒”。你甚至不需要發表論文，其他人只要看到你的模型能力就可以進行模型蒸餾。這就像盜版一樣，根本無法阻止。你可以制定各種使用條款，但無法控制模型蒸餾。這是第一點。

第二點是，你甚至不需要做任何事情，只需要對這種能力進行逆向工程就行了。而且你可以用更高效的計算方式來實現。考慮到這些因素，我認為會有一個自然的限制來制約模型之間的競爭。

現在，大家都想爭當第一。這種競爭精神很好，但最終每個人都要面對經濟現實。網路效應是在應用層面產生的。如果網路效應都在應用層，為什麼還要在模型能力上投入巨資呢？

Brad Gerstner：

據我所知，馬斯克說他要建一個百萬GPU規模的叢集。我記得Meta也宣佈了類似的計劃。

Bill Gurley：

我記得他說的是20萬，然後開玩笑說要做到百萬，還說要做到十億。

Brad Gerstner：

與年初相比，根據你在預訓練和規模化方面的觀察，微軟有沒有調整相關的基礎設施規劃？

Satya Nadella：

我們正朝著10倍增長的目標前進。具體需要多長時間還可以討論——是2年、3年還是4年？這背後是有一個經濟模型的。

我們需要用嚴謹的方式來思考如何有效利用現有裝置。同時也要考慮裝置的使用壽命，不能一味地購買新裝置。除非GPU的效能和成本能帶來顯著改善，讓利潤率達到或超過大型雲服務商的水平，否則我們不會輕舉妄動。

這很簡單，這就是我的策略。我會繼續專注於如何提升推理需求，同時不斷提高我們的能力並保持高效運營。

當然，Sam可能有他自己的目標，他也一直很坦誠。他會說：“我這麼做是因為我對AGI的願景很有信心。”這也無可厚非，但這就是我們之間存在一些分歧的地方。

十四、微軟不會“重複造輪子”

Bill Gurley：

我想請你澄清一點，我在一個播客裡聽到Mustafa說，微軟不會參與當前正在進行的最大模型訓練競賽。這種說法準確嗎？

Satya Nadella：

我們不會重複做同樣的事情。畢竟我們已經擁有智慧財產權，考慮到與OpenAI的合作關係，如果微軟現在去做重複的工作是很不明智的。我們不會去建立重複的訓練集。

Bill Gurley：

確實如此。

Satya Nadella：

是的。這就是為什麼我們要協同合作。這也是我們一直堅持的戰略原則。我經常對Sam說，我們把所有賭注都押在了OpenAI身上，我們會集中我們的計算資源。我們這樣做是因為我們擁有所有的智慧財產權。

這就是其中的利弊關係。我們對此非常滿意。而Mustafa說的基本意思是，我們也會參與，但我們這邊更關注訓練之後的工作，包括驗證等方面，這是一個重要方向。我們會將大量計算資源集中在提升模型能力上。

十五、微軟與OpenAI是競合關係，希望長期穩定合作

Brad Gerstner：

我們已經談了很多關於OpenAI的事。你需要在對OpenAI的鉅額投資和自身發展之間尋求平衡。在Ignition大會上，你展示了Azure OpenAI和OpenAI Enterprise之間的差異。其中很多是關於你們提供的企業級功能。

那麼面對這種競爭關係，你是否認為ChatGPT可能會成為消費者市場的贏家？你們會採取分而治之的策略嗎？你如何看待與他們的競爭？

Satya Nadella：

OpenAI現在已經是一家規模很大的公司，是一家非常成功的企業，有多條業務線和不同的業務部門。

所以我會像對待其他大型合作伙伴一樣，用原則性的方式來處理這個關係。作為投資者，我會考慮如何平衡雙方的利益。

我把他們看作智慧財產權合作伙伴。我們提供系統智慧財產權，他們提供模型智慧財產權。我們都非常關注彼此的成功。我也把他們當作重要客戶，我希望像服務其他大客戶一樣服務他們。

最後是競合關係，無論是消費者領域的Copilot，還是與M365的Copilot等，我們都在尋找合作機會。我認為這些業務難免會有重疊，但在這種情況下，他們與蘋果的合作對微軟股東來說也是有價值的。至於API的差異，客戶可以自由選擇。

如果你是Azure客戶並想使用Azure的其他服務，那麼使用Azure是最方便的。但如果你在AWS上，只想簡單地使用API，那麼直接用OpenAI也很好。有趣的是，這兩種分發方式對微軟來說都是有益的。

Bill Gurley：

矽谷甚至整個商業界都對微軟和OpenAI的關係非常感興趣。上週我在Dealbook時，Andrew Sorkin在這個問題上對Sam施加了很大壓力。

我知道有很多事情你可能不便透露，但有什麼可以分享的嗎？據說有重組計劃，要轉向盈利。馬斯克也參與其中。你能告訴我們些什麼？

Satya Nadella：

這些顯然都是由OpenAI董事會，他們的CEO、CTO、COO等管理團隊來決定。作為投資者，我們會給予支援。

我們最關心的是OpenAI能繼續保持成功的勢頭。這符合我們的利益。我也認為它是這個平臺變革的時代中的標誌性公司。OpenAI的成功對整個世界都有好處。

這是我們的基本立場。至於你提到的緊張關係，就像所有合作關係一樣，有競爭帶來的壓力。Sam是一位有遠見和抱負的傑出企業家。想要快速發展。我們需要平衡各方面的需求，我要適應他的發展需要，他也需要理解我們這邊的約束條件。

我相信我們能找到解決方案。好訊息是我們已經合作了很久，這五年對雙方都很有收穫。至少就我而言，我會繼續堅持這個方向。我希望這種合作關係能持續下去。建立長期穩定的合作關係對我們都有利。

Brad Gerstner：

關於獨立融資和兩家公司的問題，你們是否想盡快推進？他們下一步如果能上市的話，會是最好的發展路徑。這是一家標誌性的企業，是AI領域的早期領導者。這是你認為他們應該走的路嗎？還是你覺得應該保持現在這種關係？

Satya Nadella：

在這一點上，我要注意別越界。因為我們不在董事會，我們只是像你一樣的投資者。這最終還是他們董事會和管理層的決定。我會遵循他們的意願。換句話說，我會支援他們做出的任何決定。對我來說，作為投資者，最重要的還是商業和智慧財產權合作關係。

我們要確保在這個過程中保護我們的利益，並在未來加強合作。OpenAI的CEO、CFO、COO都是聰明人，我們會支援任何有助於他們實現使命、目標的決定。