图片来源：Y Combinator

当AI不再只是工具，而是重新定义软件、平台、人与组织的那只“看不见的手”——微软CEO Satya Nadella来了。

在这场由 Y Combinator 总裁 Garry Tan 主持的重磅对谈中，微软董事长兼CEO Satya Nadella 带来了他对AI时代的系统性思考——不仅是一次技术范式的跃迁，更是一次关于全球基础设施、生产力组织形式与社会契约重塑的深度审视。

Nadella 把 AI 称为继客户端、互联网、移动和云之后的“第四个范式”，他强调，“每一次平台转变，都会引发一次产品跃迁；而每一次产品跃迁，又会推动平台进一步演化。”

这不仅是关于模型与工具调用的讨论，更关乎底层堆栈的重构。他认为，AI的终局不是“模仿人”，而是建立一种全新的智能协作操作系统，其基本单元是“模型 + 记忆 + 工具 + 权限”所构成的 Agent 架构。

但 Nadella 也直言，今天AI的最大限制因素，不是模型能力，而是社会系统的惰性：“我们正在告诉企业和机构——你不仅要换工具，还要重写流程，甚至重塑‘工作’本身的定义。”

他认为，AI部署的瓶颈是“变革管理”，而不是推理速度。那些继续沿用旧流程、却叠加了几十个Agent的公司，最终只是在堆叠混乱。

从软件定义的未来，到Copilot如何成为新时代的“Excel”；从超级智能体对能源系统的冲击，到Agent如何获得行动权限；从AI对开发范式的颠覆，到社会如何衡量“AI的正当性”——这场对谈一再突破“模型能力”的话题边界，把讨论拉回一个根本问题：我们是否配得上AI所消耗的资源与信任？

“我们衡量AI的最终标准是：它是否为世界带来了盈余。” Nadella 坦言。正如他对年轻创业者的建议——不要等到成为CEO再努力，而要把手里的每一件事都当成最重要的产品来做。

这不是一场围绕大模型的炫技展示，而是一位技术领袖在AI临界点上的公开备忘。对正在重写代码、重组团队、重构秩序的人来说，这是一场不可错过的高密度通话。

AI重塑平台格局：从战略定位到基础设施转型

Garry Tan：很高兴欢迎微软董事长兼首席执行官Satya Nadella登场。

Satya Nadella：谢谢你。这感觉就像主场观众啊，伙计们。旧金山很好，但你们真的该考虑搬去西雅图。我在西雅图开启了职业生涯，那是个了不起的地方。说实话，任何成功的人都应该从微软开始。

Garry Tan：Satya，你之前强调过，人工智能将重塑我们所做的一切。那么在实践中，它到底长什么样？在微软，它具体是如何推动你们的公司战略的？尤其是从更宏观的角度来看，AI是否已经超越了令人惊艳的产品功能，成为支撑你们背后的核心思想？

Satya Nadella：微软是一家平台公司，也是一家产品公司，同时还是一家合作伙伴驱动的公司。我总是从这三个维度去思考。在我35年的职业生涯中，经历了客户端、客户端-服务器、互联网、移动、云计算等多个技术浪潮，而现在，AI是我看到的“第四个范式”。所以这是我进行模式匹配时的参考框架。

我首先会关注平台层的机会。尤其是当我看到台下这些开发者时，会特别意识到：每一代平台之间的复合效应，是AI能如此迅速传播的重要原因。AI本身的广度与深度，其实是建立在上一代技术之上的。比如说，如果没有云计算，我们不可能训练出AI超级计算机，也不可能构建模型并把它们产品化。这种代际复合效应让我感到非常兴奋。每一次平台转变，都是一次新的产品跃迁，而新的产品又反过来推动平台进一步演化。

我记得我第一次接触大规模模型训练时，立刻意识到这类工作负载和传统的云计算方式完全不同。它是数据并行、同步执行的任务，与我们过去做的Hadoop作业等完全不一样。所以底层平台也需要被重新构建。这对我来说是令人振奋的时刻——我觉得我们正处于系统软件的黄金时代。如果让我思考今天从基础设施层面能做什么，无论是像我们这样的超大规模企业，还是正在起步的初创公司，都存在巨大的创新机会。而模型层，同样也有着极大的潜力。再往上走，就是产品层。归根结底，所有这些思考都服务于一个终极目标：推动经济和GDP的增长。所以如果你问我，我衡量AI的终极标准是：它是否真正为我们的世界带来了盈余？这种盈余可以体现在社区、国家、行业，乃至公司层面。

Garry Tan：你说得很有道理。过去几十年里，我们构建了各种各样的应用程序。现在我们处在一个略显混乱的阶段。模型出现得很快，让人有点措手不及。但与此同时，算力与应用本身的发展还没有完全跟上。我的希望是，这个房间里的人将成为构建下一代应用的主力军。现在我一直在想的一个问题是：模型和产品之间的界限到底在哪里？模型是不是已经变成了产品的一部分？又或者说，模型加上脚手架和工具调用，是不是就构成了一个完整产品？

Satya Nadella：这是个很关键的问题。就像我们说SQL和一堆业务逻辑组合起来就能构成一个应用程序一样，我们也可以把模型视为平台层的一部分。在我看来，未来的AI应用应该是基于模型之上的一层抽象。就像SQL过去改变了数据库调用方式一样，我一直在等待AI/ML出现“SQL时刻”——也就是我们终于拥有了一个标准化、可组合的平台层。过去我们没有这个层，每个系统都是垂直整合的。但现在，模型让我们有机会构建一个通用的平台，就像SQL引擎一样，支撑起非常复杂的产品。这些技术极具力量。光是推理计算加上工具调用，就足以构建高复杂度的应用系统。

Garry Tan：是的，确实如此。我们现在看到的模型既像平台的一部分，也像应用的起点。虽然它们本身非常智能，但它们和真正对业务用户有价值的数据之间，依然存在很大鸿沟。

Satya Nadella：没错，你这个观察非常犀利。我的理解是，模型本身固然重要，但我们还需要脚手架、工具链以及调用系统，最终要有一个像应用服务器一样的基础设施，来支撑真正复杂的应用开发。更有意思的是整个反馈回路——应用生成的数据路径，最终可以用来训练下一代模型。为了实现这个闭环，我们必须拥有完善的工具体系。这正是产品创新的突破口。AI的扩展定律仍在生效，对智能的需求是无限的。昨天Elon Musk还提到：未来可能会有99个超级智能体服务一个人类。虽然这听起来很激进，但我并不觉得不可能。从这个角度来看，我们现在真正需要思考的问题是：AI的未来到底需要什么样的全球计算基础设施？模型不仅会变得更大，也会变得更智能，甚至具备多智能体交互能力。而这背后对算力和系统架构的要求，也将全面升级。

应用演进与社会责任：AI如何落地于真实世界

Garry Tan：人工智能的未来，显然需要强大的全球计算基础设施。随着模型变得越来越庞大、越来越智能，甚至能够进行复杂的多智能体交互，你如何看待这些基础设施需求的演化？

Satya Nadella：这是个好问题。我们不妨退一步来看，如果你从计算或智能的对数量级来衡量，然后再问这样一个问题：计算会消耗多少能源？以美国为例，当前整个国家的能耗中，大概有2%到3%用于计算。如果这个数字再翻倍，那就是6%——这可是非常可观的能耗。而人工智能的发展将需要我们额外生产大量能源。这也提醒我们必须牢牢记住一个历史教训：任何能源使用，都必须获得社会许可。换句话说，AI的产出必须对社会有用。如果我们没能创造“社会盈余”，也就是在国家、社区层面带来真正的经济价值，那么就无法为它的能源消耗正当化。

这才是我们今天需要深思的关键问题。如何解决能源生产问题，如何创造足够多的价值，来证明AI技术是值得的？我对这一点其实很有信心，尤其是在医疗、教育和生产力等领域，我们有巨大的机会。但对整个科技行业来说，真正的挑战是：我们能否用明确的方式，向外界展示AI所创造的价值已经体现在真实的统计数据中？

Garry Tan：对，换句话说，这不能只是“通用人工智能”的幻想或某种基准测试而已。它应该体现在我们每天生活中接触到的真实场景里。

Satya Nadella：比如你去申请一笔房贷，不再需要漫长地等待两三个月才能知道是否获批；又或者生活中的许多重要事项，原本被文书工作或官僚流程耽搁，如今可能会完全消失。尤其是在公共服务领域，情况更是如此。以美国为例，我们GDP的18%都花在医疗保健上。大家都在谈论“神奇药物”这些事情，但其实医疗开销的大头，常常不是药物本身，而是各种工作流程。举个简单的例子：出院流程。你用EMR系统的后端，只需要一个LLM加一个prompt，就能替代大批手动流程。这背后的时间成本、金钱成本、人力成本，全都可以节省下来。而且这是一种直接的价值回报。医疗开支本就庞大，但每一笔用于文书的支出，都是从某项可能挽救生命的治疗中挪走的资源。又或者，医生可以把更多时间用于病患，而不是文书流程。

Garry Tan：那你觉得现在AI落地过程中，最大瓶颈是什么？

Satya Nadella：这是个有意思的问题。我估计在座很多人都太年轻了，听不懂我以前的比喻。但你想象一下早期的企业管理流程——比如销售预测。过去做销售预测靠传真，人们把传真发到办公室，再被转成备忘录，大家做批注、再汇总，直到季度末才能得出预测。后来有了电脑、电子邮件、Excel，人们就说：我把Excel表格发给你，通过邮件收发并填写数字，最终拼出预测。这个过程中，工作本身、工作产物、工作流程都发生了变化。现在人工智能也必须发生同样的转变。你不能说“我继续用原来的方式做我的工作”，但同时又调动了99个AI agent。工作流程不能一成不变。你得真正改变整个流程，甚至是工作本身的定义。

所以变革管理是当前AI部署中的最大速率限制因素。我们正在告诉保险公司、金融机构、医疗系统、软件公司这些行业的参与者：我们要彻底改变你们的工作方式，甚至是工作的内容。就像你在LinkedIn上看到的那样，一些公司开始把产品、前端开发、设计功能合并，构建起“全栈构建者”角色。这不仅是角色的变化，更是整个产品组织的重构。你得重新构建产品团队，重新定义角色与职责。所以在我看来，技术层面的挑战是一方面，但真正拖慢AI落地速度的，是“社会层面的变革管理”。要把AI真正推向世界，还有很多其他问题，但这是其中最大的一个。当我跟AI初创公司交流时，大家几乎都有一类叫“前线部署工程师”的角色。你曾在Palantir工作过，你懂这个模式对吧？Palantir是个很棒的模型，核心就在于它重视变革管理。

Garry Tan：你是说，不只是技术层面的实现，还要帮助客户真正理解产品对他们的价值，甚至知道怎么在工作流程中用起来？

Satya Nadella：正是如此。在YC，我们也常对年轻创业者这么说。他们是世界上最聪明的AI研究员、计算机科学家，但刚刚开始职业生涯。我们告诉他们：去“卧底”，去当一名医疗账单员，亲自体验一下日常知识工作是什么样的。很多人会发现，所谓知识工作，其实就是在浏览器里复制一段信息，粘贴到电子表格中，再发邮件——就是这样。

Garry Tan：然后他们意识到，这些工作其实根本不需要动用你的高级思维。

Satya Nadella：完全正确。过去我们可能称之为“纸上谈兵”，而现在不是写纸，而是发电子邮件、附加文件……大家依然在重复那些流程，但其实整个业务方式都可以被重构。而这，恰恰是人工智能所带来的最大转变机会。

从工具到Agent：AI新范式下的系统架构与认知转变

Garry Tan：你说到点上了。就拿我们每天在知识工作中浪费的时间来说，大量时间其实都花在了信息收集上。如果你从人类前额叶皮层的角度思考“综合思维”这个过程，就会发现我们实际上花在这部分的时间非常少。未来真正的变革是让智能模型与人类大脑协作，把那些重复、低效的环节交给AI Agent完成。

Satya Nadella：是的，除了简单地采用AI工具，我现在看到的最大变化是：整个领域的进展速度之快，连我都没想到。

比如，仅仅一年之前，我们甚至不会预料到今天能通过“推理时计算”做到现在这种程度。从预训练到后训练，再到推理时计算，这一整套技术路径现在都进入了大规模扩展定律的范畴。

所以我感兴趣的是，是否即将迎来一些新的算法突破。也许在这个房间里，就有人会提出一种更高效的做法，真正改变整个路径。过去我们一直在预训练、强化学习之间演进，那么接下来会不会出现某种端到端训练循环？这就是下一个重大样本级别的跃迁。

我相信明年这个领域会迎来一次爆发。很多团队，包括我们在内，正在尝试构建更加一体化的响应式推理模型。这其中有个很有趣的思路是——把LLM的每个“实例”视作一种意识的投射。人们开始把它看作一个“实例化”的存在，它能执行很多任务，然后又自动消失。你关闭对话框，它就不存在了。那么未来，它是否需要某种“循环记忆”才能完成更复杂的任务？我不太喜欢“人工智能”这个词，因为它其实是个非常糟糕的命名。我并不认同把AI“拟人化”的那一套，它不是要复制我们人类的思维。对我来说，AI更像是一种工具，一种具备智能迹象、但与人类智能完全不同的系统。它的角色是赋能，而非取代。所以如果你问我AI的下一步是什么，我会说有三件事至关重要：第一是记忆系统，第二是工具调用能力，第三是“行动权限”。

比如，如果我要让一个Agent执行某项操作，那它必须被赋予相应的权限。只有围绕这三件事，把它们作为“一等公民”构建在模型体系之中，我们才能真正打造出复杂的AI应用。现在有一种趋势是：我们正在重新思考软件堆栈的结构。以前我们有数据库、中间件、前端逻辑。现在你可以把“权限管理”看作新的访问控制逻辑，把“脚手架”作为中间件，把“Agent”作为最终执行体。这就是为什么我总说——Agent系统的构建，本质上就是模型+记忆+工具+权限的组合体。有了ID、有了控制界面、有了执行能力，我们就能真正构建可管理的智能Agent。

Garry Tan：你担心Codegen这种方式会不会让用户不再使用现成的软件，而是偏好“即时生成”的应用？我们在走廊上其实经常讨论这个问题。YC一直在投资大量SaaS项目，未来也会继续，但与此同时，我和其他VC朋友也开始担心，B2B SaaS的模式是否会被新型AI开发范式替代。

Satya Nadella：的确很有意思。我最近看到VS Code的分叉人数不断增加，我就知道我们一定做对了什么。在我看来，一个伟大的IDE就像一个操作画布，它是用户和模型之间的“交互中枢”。Excel本质上也是一个IDE，只不过是给分析师用的。所以我们正在走向一个混合模式：你可以即时生成一个App，也可以预设一个App模板。这种“预制+即时”的双重路径，其实有助于实现模型的反馈闭环。我相信这两种模式会长期共存。

Garry Tan：你觉得“设计”在这个过程中扮演什么角色？就像坐在VS Code前的那个人，其实他是在充当“软件”与“终端用户”之间的翻译者。但我总在想，普通人真的会想要去“创建软件”吗？

Satya Nadella：它直指软件工程的核心变化。我们来做个思想实验：假设有个火星智能体在1980年代来到地球，它看到人们在办公室工作，有打字员、有幻灯片制作人员，有一堆人处理纸质材料。现在它再回来一看，会惊讶地发现——全人类都成了打字员！这就是我们今天的工作状态。我们都在“编写某种形式的软件”，只是方式不同了。而“软件工程师”这个角色，也正在演化。未来的软件工程师更像是架构师，负责元逻辑与流程，而不是写每一行代码。我自己的感受是：AI生成代码当然很棒，直到它突然做出某些我完全不知道它为什么这么做的事情。这时候，我就必须回到我的仓库，理解它做了哪些更改。这也是我最喜欢GitHub一个功能的原因，可以完整查看所有Agent在我仓库中做过的更改记录。这正是AI协作开发中至关重要的一环。这其实就是软件工程的未来。就像一个优秀的开发经理，他们的核心职责就是：确保构建不中断、代码质量保持一致。

软件未来与信任机制：人机协作、责任边界与治理挑战

Satya Nadella：这在今天依然非常重要。即使在一个由AI Agent组成的工作环境里，抽象层级提升了，我们仍然要面对一个没有被充分讨论的问题：法律责任。说到底，除非未来法律发生根本性变化，人类以及人类创设的制度才是法律责任的承担主体。只要这一点不变，我们就必须确保人类仍然处于决策循环中，并为此开发大量工具来支持人类理解与介入AI开发流程。

Garry Tan：你见过这么多不同的产品和团队，从你的视角来看，现在有哪些AI相关的点被严重低估了？哪些又是被科技行业过度炒作的？

Satya Nadella：坦白说，我们现在正处在一个“万物皆AI”的时期，这并不算过度炒作。对我们整个行业来说，生死存亡确实系于我们对新事物的热情。正如Steve Jobs说的，或者Bob Dylan那句更狠的：“你要么忙着出生，要么忙着死亡。”我们当然得忙着“出生”。科技圈真正担心、真正努力的方向，是如何获得社会许可。最让我震撼的一次体验是2023年初在印度，当地开发者用GPT-3或3.5，加上印度本地的开源语音堆栈（speech-to-text、text-to-speech），打造了一个基于WhatsApp的聊天机器人，让一位普通的印度农民能够访问政府网站并申请农业补贴。这太不可思议了——美国西海岸开发的技术，竟然能以这种速度直接影响印度乡村的个体生活。这说明传播能力远比我们想象的强，这种“故事”反而是被严重低估的。

现在被过度炒作的，是模型本身的能力。当然模型能力很强，但我们真正需要让全世界看见的是，这些模型已经在实际改变人们的生活。如果我们只是在提升估值、在公司间内卷技术展示，而这些成果从未被普罗大众使用，那最终结局不会太好。我们在Microsoft一直梦想能用技术改变教育，我们确实做了很多努力，但这个研究给出的结论是：Copilot可能是非洲或拉丁美洲教育领域最有效的干预技术之一。这就是我们所有科技人长久以来的梦想——现在我们终于看到它在真实世界里发挥作用。

Garry Tan：你怎么看Windows中的Copilot？很多科技人只关注最新最强的模型，但其实Windows才是很多人第一次真正接触“人工智能”的地方。你有没有注意到这背后的什么用户行为？

Satya Nadella：我们对Copilot非常兴奋，甚至有点希望Clippy回归。不过认真说，我发现一件事非常震撼：哪怕是在传统的形态——一台有键盘鼠标的PC上，Copilot都带来了一个全新的“浏览器时刻”。它有视觉能力、有语音能力。我一直开着它，它可以“看到”我屏幕上的东西，我也可以“对它说话”。它像一个精确的鼠标移动器。这对我来说非常超现实。它让传统电脑的使用方式焕然一新，而未来新的硬件形态也会随之诞生。

现在正是一个硬件创新的黄金期。“计算机的使用”已经成了所有数据的超级集合：你的个人数据、工作数据、办公室文档，所有东西都能被访问。正如电影《Her》里说的，操作系统未来会嵌入你最信任的AI Agent。我一直相信，这个梦想终将实现。AI Agent可以成为你电脑的一部分，它就是你使用计算机的方式。要让这一切真正实现，还有一个关键点：信任。你必须相信它能完成你委托的事情，这涉及准确性、隐私、主权与安全等多个层面。

这些都是我们每天在Microsoft必须思考的问题。保护全球计算用户隐私不仅是Microsoft的责任，也包括Apple在内的公司。我们必须站在第一线。隐私是用户最关心的问题，安全是每个客户最关心的问题，而主权则是每个国家都在关注的议题。所以你要构建任何产品，必须能够回答以下三个层面的问题：个体：你怎么保护我的隐私？组织：我的数据和操作是否安全？国家：我的主权和法律能否得到尊重？这三个问题，都是系统设计绕不开的核心。

回归初心与展望未来：人才、团队、量子计算与年轻创始人

Garry Tan：Satya，你在微软的职业生涯非常不寻常，从一名工程师一路走到CEO。你觉得这段经历中有哪些值得传递给下一代建设者的东西？

Satya Nadella：这并不是说一开始你就知道自己会走到什么位置，也不会从一开始就设定一个明确的终点。但你确实是带着目标上路的，瞄准第一的位置，并且对自己希望达成的事设定最高的期望。我总是说，我并不是等到成为CEO才开始努力工作的。实际上我做的第一份工作，那已经是我1992年加入这家公司时，所能拥有的最棒的工作了。当时我甚至觉得，如果我能从那份工作退休，那就太好了。现在回头看，那是一种非常棒的思维模式。重点不是等到下一次升职才去发力，而是利用手上的每一个机会，尽全力做好眼下的事情。今天刚刚起步的建设者、创始人、研究者、学生都可以带着这样的心态。保持热情，不要等待“下一个大事件”，把你现在手里的事情当成最重要的，然后不断扩展它的影响。

我还想说，伟大的事一定是靠团队完成的。你必须学会在团队中协作，让团队变得更好。这是我在微软真正学到的东西——项目的意义、工作的意义。事实上，这也是学校与职场之间的最大差异。在学校你完成个人作业，而在工作中你加入一个团队，你要想清楚怎么让团队成功，激励机制是非常清晰的。关键在于，你怎样构建一个真正有效的团队？你在团队中扮演怎样的角色？每个人都说，协同是别人的工作，而实际上，协同恰恰就是你的工作。如果你能在这两件事上做到最好——构建团队、提升团队效率，那么你对世界的影响就可以非常大。

我记得很清楚，我当年是在Windows Mobile团队里学会如何做产品管理和项目管理的。后来我去Palantir做第十号员工时，我把“零缺陷边界”的项目执行方式带了过去。这其实是我在微软做PM时受的训练，最终也影响了Palantir现在的产品管理方式。这真的很疯狂，但也足够说明：感谢微软。

Garry Tan：很有意思。那么在微软你们看重哪些人才特质呢？尤其是在AI成为创造性工作和工程工作的关键组成部分的当下，你们在面试和评估时会关注哪些点？

Satya Nadella：我一直在寻找三种品质。首先是比尔·盖茨教给我的——他曾描述过“好的架构师”和“糟糕的架构师”的区别。他说：好的架构师会带来清晰感，坏的架构师带来混乱，即便两人一样聪明。所以我总在寻找那些能在不确定环境中理清头绪、带来清晰方向的人。这是种低调却非常珍贵的能力。你想想我们每天有多少次需要在混乱中搞清下一步该做什么。能够在模糊中厘清路径的人非常稀缺。

第二种是能够创造能量的人。不是只为自己注入能量，而是能够凝聚更多人、激发群体力量。如果一个人来找我说，“我的团队很棒，但其他团队都很糟糕”，那对我来说是没用的。我更看重能把公司内外的人凝聚起来的人。

第三个特质是能解决“过度约束”的问题。我的面试常会问：你有没有做过一个项目，几乎毫无希望，但你还是找到了路径？真正成功的人，就是那些能解除约束、打开局面的人。

所以这三点对我来说非常关键：带来清晰、创造能量、解决限制问题。这就是我对“领导力”的理解。领导力不是某天你当上了VP或CEO才开始具备的，而是你人生每一个阶段都可以践行的事。

Garry Tan：我们简单聊聊量子计算吧。你们刚在2月份发布了Majorana 1。这和人工智能的未来之间有什么互动吗？

Satya Nadella：这让我非常兴奋。我们在这个领域已经深耕了很久，我是微软第三任真正投入量子计算的CEO。我们大概已经投入超过二十年了。我们的梦想一直很明确：如果我们要造出真正的通用量子计算机，那首先必须解决稳定量子比特和纠错量子比特的问题。也就是说，要实现真正的“容错量子计算”。

我们押注在一种物理属性上，是意大利物理学家Majorana提出的那种粒子。我们一路追寻，最终在物理学上取得了突破，真的制造出了那种粒子，也因此发明了这块芯片。在我看来，如果你想理解自然的语言——也就是“模拟”——那最好的方式就是用量子计算。毕竟，自然和物理本身就是量子的。而人工智能，我更把它视为一个模拟器。我们今天已经看到很多通过AI + HPC（高性能计算）驱动的进展，正在加速化学、物理、材料科学的发展。量子就是下一步。我们对量子、AI、HPC三者组合的未来可能性感到非常兴奋。

Garry Tan：我们时间快到了。那我们来个小模拟：你现在22岁，微软等级59，刚入职。如果你从头再来一遍，考虑到2025年的情况和你已知的一切，你会怎么做？你会感到什么最让你兴奋？

Satya Nadella：我会回顾微软Office的诞生历程，那真是一个不可思议的故事。想想这些工具：文字处理器、电子表格、幻灯片——这些对我们每一个人都意义重大。这也是为什么每次有人问我最喜欢的产品是什么，我总是回答两个：VS Code和Excel。用这些工具的感觉太棒了，完全就是一种赋能感。你有数字感、有分析能力，而Excel这个简单的工具就像一个惊人的脚手架，有行有列，中间还有计算引擎。所以我会去研究下一套工具，比如Copilot。当我看到Copilot的时候，我会想到它未来可能就是 研究员、分析师、创作者们的“新 Excel” 或“新 PowerPoint”，是每天都要用的。所以对我来说，最想做的事情就是：打造那些能赋能用户的工具，把它们交到更多人手上。我总感觉，现在坐在这个会场里的某个人就会成为下一代这种工具的创造者。

Garry Tan：请为Satya Nadella鼓掌。非常感谢，谢谢你！

原视频：Satya Nadella: Microsoft's AI Bets, Hyperscaling, Quantum Computing Breakthroughs

https://www.youtube.com/watch?v=AUUZuzVHKdo

编译：Nicole Wang

欢迎扫码加群参与讨论

--------