[微軟] 微軟CEO:AGI並非真正基准,AI行業也不會"贏家通吃"
因為至少在我作為消費者的使用案例中，智能技術已經非常便宜了。每百萬個 token 只要兩美分。我真的需要它降到 0.02 美分嗎？我只是在讓它變得更智能方面遇到了瓶頸。如果你需要向我收取 100倍 的費用，那就做 100 倍更大的訓練。我很樂意公司這麼做。
但是也許你在企業端看到的是不同的情況。什麼樣的智能應用真的需要它降到每百萬 token 0.002 美分？
Satya Nadella：我認為真正的關鍵在於 token 的效用。兩者都需要發生：一是智能需要變得更好、更便宜。每當出現突破性進展，比如 DeepSeek 所做的那樣，性能與每個 token 的效率前沿發生變化，曲線會彎曲，前沿也會移動。這就帶來了更多的需求。這正是雲計算所經歷的。
有一個有趣的事情是：我們曾經以為“天哪，我們在客戶端-服務器時代已經賣出了所有服務器”。但一旦我們開始把服務器放進雲裡，人們突然開始消費更多，因為他們可以以更便宜的價格購買，並且是彈性的，他們可以按使用量購買，而不是購買許可證，這完全擴展了服務器的消費范圍。
比方說，我們去印度這樣的國家，跟他們講“這是 SQL Server”。我們賣得不多，但天哪，印度的雲計算遠遠超過了我們在服務器時代所能做的。我認為這將會繼續發生。
想想看，如果你真的想在全球南部、在發展中國家開展業務，如果這些 token 可以非常便宜地用於醫療保健，那將是史無前例的變革。
Dwarkesh Patel：我認為，如果有人聽到像我這樣在舊金山的人說“他們有點傻；他們不知道在現實世界中部署技術是什麼樣的”，這其實是很合理的。
作為一個與這些財富 500 強公司合作並幫助它們為數億、數十億人部署技術的人，你怎麼看待這些功能的部署速度？
即便擁有了能夠工作的智能體，甚至是能夠為你遠程工作的一些工具，考慮到所有合規問題和固有的瓶頸，這會是一個大的挑戰嗎，還是會很快解決？
Satya Nadella：這將是一個真正的挑戰，因為真正的問題是變革管理或流程變革。這裡有一個有趣的事情：我常用的一個類比是，想象一下，像我們這樣的大型跨國公司，在沒有個人電腦、電子郵件和電子表格的時代，是如何做預測的。傳真到處都是。然後，有人拿到傳真，做了一份部門間備忘錄，然後到處傳閱，人們輸入數字，最後得出預測，也許正好趕上下一季度。
然後有人說，“嘿，我只要把 Excel 表格放到電子郵件裡，發出去，讓大家編輯一下，我就能得到預測。”所以，整個預測的業務流程發生了變化，因為工作成果和工作流程發生了變化。
這就是 AI 引入知識工作時需要發生的事情。事實上，當我們想到這些智能體時，根本的變化就是有了一種新的工作方式和流程。
比如說，在准備我們的播客時，我會去我的助手那裡說，“嘿，我要和 Dwarkesh 討論我們關於量子計算的公告以及我們為游戲生成所建立的新模型。給我一個我在談話前應該閱讀的內容摘要。” 它知道了那兩篇《自然》雜志的論文，並且提取了相關信息。我甚至說，“嘿，給我做一個播客格式的總結。” 結果，它做得很不錯，兩個人像聊天一樣討論了這個話題。
所以這就成了—實際上，我還把它分享給了我的團隊。我把它放進了 Pages，這是我們的工具，然後分享給了大家。所以我現在的工作流程是，我和我的同事一起使用AI來完成工作。
這就是對所有從事知識工作的人來說，根本性的變革管理，突然間大家開始弄清楚這些新的模式，“我如何用新的方式完成我的知識工作？” 這需要時間。這將會在銷售、金融和供應鏈中發生。
對於現有公司來說，我認為這將是一件，讓我們以我喜歡用的類比來說明，就像制造商做的精益生產方面所做的事情。我喜歡這個類比，因為，從某種意義上來說，精益生產成為了一種方法論，它可以讓人們將制造的端到端流程變得更加高效。這是一種持續改進的過程，減少浪費、增加價值。
這也是知識的發展趨勢。這就像是知識工作中的精益生產。這將是從事知識工作的管理團隊和個人的艱苦工作，需要時間。
Dwarkesh Patel：我可以簡短地問一下關於那個類比的問題嗎？精益生產做的其中一件事是，物理上改變了工廠車間的面貌。它揭示了人們在真正關注流程和工作流程之前沒有意識到的瓶頸。
點個贊吧！您的鼓勵讓我們進步
無評論不新聞，發表一下您的意見吧
但是也許你在企業端看到的是不同的情況。什麼樣的智能應用真的需要它降到每百萬 token 0.002 美分？
Satya Nadella：我認為真正的關鍵在於 token 的效用。兩者都需要發生：一是智能需要變得更好、更便宜。每當出現突破性進展，比如 DeepSeek 所做的那樣，性能與每個 token 的效率前沿發生變化，曲線會彎曲，前沿也會移動。這就帶來了更多的需求。這正是雲計算所經歷的。
有一個有趣的事情是：我們曾經以為“天哪，我們在客戶端-服務器時代已經賣出了所有服務器”。但一旦我們開始把服務器放進雲裡，人們突然開始消費更多，因為他們可以以更便宜的價格購買，並且是彈性的，他們可以按使用量購買，而不是購買許可證，這完全擴展了服務器的消費范圍。
比方說，我們去印度這樣的國家，跟他們講“這是 SQL Server”。我們賣得不多，但天哪，印度的雲計算遠遠超過了我們在服務器時代所能做的。我認為這將會繼續發生。
想想看，如果你真的想在全球南部、在發展中國家開展業務，如果這些 token 可以非常便宜地用於醫療保健，那將是史無前例的變革。
Dwarkesh Patel：我認為，如果有人聽到像我這樣在舊金山的人說“他們有點傻；他們不知道在現實世界中部署技術是什麼樣的”，這其實是很合理的。
作為一個與這些財富 500 強公司合作並幫助它們為數億、數十億人部署技術的人，你怎麼看待這些功能的部署速度？
即便擁有了能夠工作的智能體，甚至是能夠為你遠程工作的一些工具，考慮到所有合規問題和固有的瓶頸，這會是一個大的挑戰嗎，還是會很快解決？
Satya Nadella：這將是一個真正的挑戰，因為真正的問題是變革管理或流程變革。這裡有一個有趣的事情：我常用的一個類比是，想象一下，像我們這樣的大型跨國公司，在沒有個人電腦、電子郵件和電子表格的時代，是如何做預測的。傳真到處都是。然後，有人拿到傳真，做了一份部門間備忘錄，然後到處傳閱，人們輸入數字，最後得出預測，也許正好趕上下一季度。
然後有人說，“嘿，我只要把 Excel 表格放到電子郵件裡，發出去，讓大家編輯一下，我就能得到預測。”所以，整個預測的業務流程發生了變化，因為工作成果和工作流程發生了變化。
這就是 AI 引入知識工作時需要發生的事情。事實上，當我們想到這些智能體時，根本的變化就是有了一種新的工作方式和流程。
比如說，在准備我們的播客時，我會去我的助手那裡說，“嘿，我要和 Dwarkesh 討論我們關於量子計算的公告以及我們為游戲生成所建立的新模型。給我一個我在談話前應該閱讀的內容摘要。” 它知道了那兩篇《自然》雜志的論文，並且提取了相關信息。我甚至說，“嘿，給我做一個播客格式的總結。” 結果，它做得很不錯，兩個人像聊天一樣討論了這個話題。
所以這就成了—實際上，我還把它分享給了我的團隊。我把它放進了 Pages，這是我們的工具，然後分享給了大家。所以我現在的工作流程是，我和我的同事一起使用AI來完成工作。
這就是對所有從事知識工作的人來說，根本性的變革管理，突然間大家開始弄清楚這些新的模式，“我如何用新的方式完成我的知識工作？” 這需要時間。這將會在銷售、金融和供應鏈中發生。
對於現有公司來說，我認為這將是一件，讓我們以我喜歡用的類比來說明，就像制造商做的精益生產方面所做的事情。我喜歡這個類比，因為，從某種意義上來說，精益生產成為了一種方法論，它可以讓人們將制造的端到端流程變得更加高效。這是一種持續改進的過程，減少浪費、增加價值。
這也是知識的發展趨勢。這就像是知識工作中的精益生產。這將是從事知識工作的管理團隊和個人的艱苦工作，需要時間。
Dwarkesh Patel：我可以簡短地問一下關於那個類比的問題嗎？精益生產做的其中一件事是，物理上改變了工廠車間的面貌。它揭示了人們在真正關注流程和工作流程之前沒有意識到的瓶頸。
點個贊吧！您的鼓勵讓我們進步
無評論不新聞，發表一下您的意見吧| 分享: |
| 注： | 在此頁中閱讀全文 |
