Related articles
截图来自世界经济论坛官网直播视频
「未来，任何地方的 GDP 增长都将与 『每美元每瓦特产生的算力』 直接相关。」
1 月 20 日，微软 CEO 萨提亚·纳德拉 （Satya Nadella） 在瑞士达沃斯小镇举办的世界经济论坛第 56 届年会上参与了一场对谈，谈及了 AI 的现状及未来，并重点论述了他对 AI 发展与能源成本、AI 泡沫及数字主权、AI 时代组织转型等问题的看法。
贝莱德董事长兼 CEO、世界经济论坛临时联合主席劳伦斯·芬克 （Laurence D. Fink） 主持了对谈。
电力短缺将是制约 AI 发展的最关键瓶颈之一。去年 11 月，纳德拉在与 OpenAI CEO 萨姆·奥尔特曼 （Sam Altman） 谈及了该话题，引发广泛关注。
在最新达沃斯对谈中，他再次提示，需要高度重视 「每美元每瓦特产生的算力」。
他分析称，算力定价目前每三个月就会下降一半，人们已经开始规划如何利用算力创造盈余。但从总体拥有成本的角度考量，能源成本、数据中心成本等都要计算进去。
当我们将算力视作新的商品，而经济体和公司的目标变成 「将算力转化为经济增长」 时，谁拥有更低的成本、更便宜的商品，谁就能取得先机。
当芬克问到对 「缺乏自己的电力、高度依赖进口的欧洲」 的建议时，纳德拉直言，欧洲的核心竞争力在于用自己的产品满足全球需求，而非仅仅保全欧洲内部的安全。在 AI 发展中，该区域的当务之急应该是确保企业能获取全球数据来训练 AI，并将本地建设与全球思维结合，以维持领导力，而非仅仅关注安全、监管。
对于市场高度关注的 「AI 泡沫」，纳德拉称，如果对 AI 的关注及价值只停留在科技圈、生产侧，那么问题必然会出现。只有当 AI 的好处广泛扩散到制药、金融等各行各业的需求，真正解决实际问题并带来全球性的生产率提升与地方经济盈余时，才能避免泡沫，实现可持续增长。
实际上，微软也并非当下最受市场瞩目的 「AI 赢家」。Business Insider 曾报道，纳德拉有意推动微软转型，并重新思考其在 AI 时代的商业模式，为此还聘用了曾在公司云计算发展中做出贡献的罗尔夫·哈姆斯 （Rolf Harms） 担任 AI 经济学顾问。
在最新的访谈中，他提到，初创公司更能快速使用并借助新工具提升生产力，但快速实现规模化难度仍然不小。而大型组织虽有数据、人际关系、专业知识等优势，但仍面临根本性挑战，必须通过 「新的生产函数」 将其转化为实际生产力，否则将被超越。
他认为，总体来说大型企业面临的管理调整将会更大，而这场转型的本质则是对领导力意志的考验，任何企业的自满都可能导致其在激烈竞争中落后。
AI 彻底颠覆了组织内的信息流动方式，带来 「信息流扁平化」 的革命，企业也必须主动利用技术重构工作流程，并准备好高质量的 「上下文」 供 AI 学习，完成工作流程的重塑。
纳德拉还重点强调，人们完全没能重视 AI 时代 「企业主权」 的重要性。他建议企业必须捍卫自身的 「AI 主权」，将公司独特的隐性知识和专有数据嵌入并控制在自己拥有的模型之中，而非仅仅依赖外部通用模型，从而防止核心企业价值的流失。
对于可预见的未来，他认为不会有一个大模型占据统治地位，而在 「多模型时代」，企业的竞争优势不在于选择一个 「最佳模型」，而在于掌握 「编排」 的艺术，整合各类模型和数据，最终创造出专属于自身的、能驱动关键业务成果的 AI 能力与知识产权。
「谁能解决这个问题，谁就将取得进步。」 他表示。
以下为纳德拉与芬克对谈实录，经钛媒体编辑整理：
劳伦斯·芬克：我们先来谈谈人工智能，这几乎是当下每个人心中最关心的话题，它关乎商业、技术和社会的交汇。萨提亚，你知道，我们正在将 AI 从一种实验性的、我们总是谈论的未来事物，变成今天的基础性现实。它现在不仅是公司的基础，而且真正开始成为国家和整个社会的基础。你处在这场技术变革的最前沿，应该比其他人更了解这些。
基于此，我想问几个问题。首先，你曾将 AI 描述为一次平台级变革，这是什么意思？第二个问题，你认为未来几年这种转变将走向何方？第三个问题是，我们快进几年，比如五年后当我们回顾今天时，有哪些事会是那时显而易见，而今天却不太清晰的？
萨提亚·纳德拉：首先，很高兴再次来到这里。事实上，昨天我读了你为论坛开幕写的致辞，信中有一行话我印象很深。你提到，在 AI 方面，我们所有人面临的真正问题是，如何确保 AI 的扩散得以实现并且迅速发生？如何让模型、数据和基础设施更均衡地传播，从而在各处创造盈余？
从某种意义上说，我思考这个问题的方式是，这始终是计算的演进轨迹。
你可以回顾过去 30 年或 70 年的历史，核心始终是：能否将关于人、地点和事物的信息数字化，然后建立分析和预测能力。这就是大型机、小型机、客户端-服务器时代、网络时代、移动云时代所做的事情。
所以，无论哪种范式或平台，这都是一条连续的弧线，即通过数字形式进行推理，来更好地理解这个世界。因为在某种意义上，一旦你将这些信息数字化，你就可以使用像软件这样更具延展性的资源。它没有相同类型的边际成本经济学限制，这使我们能够建立更多的洞察力和能力。在这个背景下，我认为 AI 属于同一类别，至少和网络、互联网、移动、PC 或云一样重要，甚至可能更重要。
因此，在我看来，我们目前所处的阶段，就拿软件工程领域发生的事情来说，主要是一项知识工作，可以说是精英知识工作。
事实上，我对这一代 AI 及其能力的信念，最初是当我看到 GitHub Copilot 完成代码补全时建立起来的？长久以来，我们一直梦想着，一名软件开发人员何时才能预测下一个词或下一行代码？突然间，AI 模型就开始让这些实现了。然后你说，好吧，如果我能做到这一点，那么我是否可以通过进入聊天会话并提出任何问题，来恢复开发者的工作流，让它给出答案，然后用在编码流程中？这就是接下来发生的事情。然后你又会说，好吧，如果这行得通，我能给它分配小任务吗？那就是 「代理 AI」。现在你有了完全自主的代理，你可以把你的整个项目交给 AI 了，而且它可以 7 天 24 小时不间断的工作。我的意思是，要让这些东西长时间保持连贯性，我们还有一段路要走。但不管怎样，它正变得越来越好。有趣的是，你看，软件开发人员在其中仍然拥有很大的自主权，对吧？这就是为什么我仍然认为，把这些东西想象成存在于人类能动性领域之外的事物并不正确。
事实上，或许可以这样理解：比如在 80 年代初，如果有人告诉我们，将有 40 亿人每天早晨醒来开始打字。你只会问为什么，对吧？我们有一个打字员池就够用了，我们不需要 40 亿人打字。但事情就这样发生了。我们发明了 「知识工作」 这个全新的类别，人们开始真正使用计算机来放大我们试图通过软件实现的目标。我认为在 AI 的背景下，同样的事情将会再次发生。这并不意味着硬核编码将永远保持硬核编码的状态。只是抽象层级会改变，但我们也将拥有代码作为输出，就像文档一样。事实上，从我在 92 年加入微软那天起，比尔就一直强调的一件事就是：文档、网站和应用程序之间真正的区别是什么？答案是缺乏能够自我转换的软件。
有趣的是，AI 最终给了我们这种能力，对吧？我可以写一份文档。我可以说，不，我不想要文档，我想要一个网站。它就会用代码把那份文档转换成一个网站。我说，我不喜欢这个网站，我想要一个应用。它会写更多的代码来转换它，使得推理能力、预测能力、采取行动的能力能够长期保持连贯，这一切都在改进。而我们的工作是利用这一点，就像你和贝莱德正在做的事情一样，对吧，当你把 Copilot Plus 和 Aladdin 这样的东西结合起来，来提高公司内部做决策时的生产力时，你们就是在利用这一点。
劳伦斯·芬克：我可以告诉你，在我们的公司，过去需要 12 小时计算的事情，现在只需要几分钟。即使需要处理着 14 万亿美元的资金，涉及数十万个不同的授权，我们也可以即时完成。对我来说，如果没有今天的技术和 AI，我们将无法以我们当前的规模来运作。
萨提亚·纳德拉：没错。所以在我看来，如果我们能够真正利用这些算力来改变生产率曲线，那么到处都会产生盈余，而这正是真正的目标。
劳伦斯·芬克：是的，不过也可能令人不安。这会意味着更少的劳动力需求吗？我们所说的盈余是什么意思？所以，我要把这个问题和我第二个关于 AI 扩散的问题联系起来。对我来说，AI 对社会乃至对一个更平衡世界的全部意义，在于确保它在全球范围内扩散、可及和可用。那么，你能描述一下这个过程吗？这个跨越经济体、公司和国家的过程，将如何展开？
萨提亚·纳德拉：我认为这才是真正的问题。因为当前的时代精神有点在于对 AI 抽象形式或其作为技术的赞赏。但我认为，我们作为一个全球共同体，必须达到这样一个点，即我们利用它来做一些有用的事情，从而改变人民、社区、国家和行业。否则，我认为没有多大意义。事实上，我认为如果我们不能做到这一点，不能改善健康结果、教育成果、公共部门效率、私营部门竞争力的话，我们甚至会迅速失去社会的认可，无法将能源这样的稀缺资源用于生成算力。显然我提到的这些才是最终目标。
因此，我认为扩散就是一切。它的发生方式是这样的，在供应方面，每个国家需要推动的，是每美元每瓦特产生的算力必须变得更高效、更好。所以在某种程度上，甚至我们两家公司在全球所做的投资，也是在试图确保供应到位，这包括从芯片开始，一直到最终部署在各处的 「算力工厂」。顺便说一下，不会只有一个算力工厂。这种算力工厂将是第一种扩散到全球各地的东西，就像电力一样。你只需要一个无处不在的能源和算力网络，然后它就能驱动其余的经济。我认为这是一方面。
然后，需求方面，我们可以说，每家公司都必须开始使用它。回顾过去，即使是 PC 首次出现或个人计算时代开始时，我记得乔布斯有一个很好的比喻，他称之为 「心灵的自行车」，比尔·盖茨也有一个比喻，我记得是 「指尖的信息」。这两个比喻都很棒，这就是事情的本质，它是一种工具，我可以用它来获取指尖的信息，或将其作为认知放大器。
现在我认为我们拥有的正是这个。从某种意义上说，作为知识工作者，你现在可以接触到无限的智慧。图灵奖得主拉吉·雷迪有一个关于 AI 的绝妙比喻，甚至在生成式 AI 出现之前他就说过。他说，它要么是认知放大器，要么是守护天使。
所以，如果你这样看待 AI，那么在全球化劳动力中，医生可以在接触病人时花更多的时间在病人身上，因为 AI 正在做转录并将记录输入电子病历系统，输入正确的账单代码，从而使医疗保健行业、提供者和患者都得到更好的服务。这是一个我们都能从中受益的结果。
所以我觉得，最终这需要私营部门和公共部门的真正领导力来确保扩散发生。另外，我要提到的另一点是 「模式」。从某种意义上说，扩散与一件事高度相关，那就是有多少人掌握了使用这项技术的技能。
有趣的是，我认为如果移动时代教会了我们一件事，那就是它实际上与 PC 时代发生的事情不同。我记得即使是在全球南方成长，学习 Excel 技能或 Word 技能与找到工作之间都曾经有很直接的关系。现在，移动时代的模式是什么？它创造了类似的机会，但更多是由消费驱动的，比如创作者经济等等。但现在它应该是关于，这就是你如何获得一份医疗保健工作，或者一份金融工作，或者如何在专业上取得进步，这是一种回归。人们会说，哦，我掌握了这项 AI 技能，现在我在实体经济中成为了更好的产品或服务提供者。
劳伦斯·芬克：所以，很容易看出移动技术及其扩散如何改变了经济，尤其是在全球南方。你知道，对我来说，我刚读了一份研究报告，说迄今为止 AI 的应用严重偏向于受过教育的人群或经济体。那么，这会不会造成更大的分化，更多的极化？我们如何确保扩散是均匀的？我们如何确保不会让社会或世界的主要部分掉队？因为我认为这将成为我们前进道路上的大问题。
萨提亚·纳德拉：是的，通过已经建立的通道，我们有能力相当均匀地在世界各地输送算力，比 PC 时代甚至移动时代初期要好得多。因为即使是智能手机，特别是智能手机，要渗透到全世界也花了很长时间，而现在情况不同了。这些模型及其输出几乎在任何地方都可用。所以对我来说，问题是如何找到有意义的应用场景。
事实上，我经常回顾的一个演示，我想那是在 2023 年初，一位印度农村的农民能够使用一个基于早期 GPT-3 甚至 2.5 构建的聊天机器人，用当地语言来推理他听说过的某些农业补贴，甚至在那个非常早期的阶段，就能让它展现出一些代理行为，比如帮我填完一张表格。所以在某种意义上，它把能动性带给了那些原本可能没有的人，因为技术变得更易得了。
所以我确实认为，即使在全球南方，主动权也在我们手中，利用它来创造更多原本不存在的机会。但我认为必要的条件仍然是：是否有资本投入？是否有吸引资本的环境？我们作为超大规模云提供商，正在全球范围内投资，包括全球南方，我们也更加需要一个能吸引投资的营商环境。
劳伦斯·芬克：而且你也看到了需求。
萨提亚·纳德拉：是的，需求就在那里。所以问题是，如何制定一套政策，既能让资本流入，又能让它落地找到与当地的结合点。顺便说一下，有些事情只有私人资本能做，有些事情只有公共资本能做，例如电网，在大多数国家，电网基本上是由政府驱动的公共事业。所以，如果你没有一个复杂的电网或其他现代化的方法，那将会拖累发展。当然，也有很多关于 「电表后端」 解决方案的讨论等等，我们可以有所作为。
劳伦斯·芬克：在美国可以，但许多国家不行。
萨提亚·纳德拉：没错，而且从长期来看，这是不可持续的。我的意思是，对我来说，一个长期可持续、扩展的解决方案是，让所有这些 「算力工厂」 成为实体经济的一部分，连接到电网，连接到电信网络，并进行输送。就像我们输送比特一样，你必须输送算力加比特。这将驱动大规模的发展，无论是在全球南方还是在发达国家。
劳伦斯·芬克：很多人谈论可能存在 AI 泡沫。作为投资者，我们看到的最重要的事情是技术的民主化和扩散，这确实会改变需求，而扩散最快的公司或国家将成为最终的赢家，而不是技术的创造者。
萨提亚·纳德拉：这正是关键。要让这不成为一个泡沫，从定义上讲，就需要让这项技术的好处更均匀地传播。
我认为，判断它是否是泡沫的一个迹象是，如果我们谈论的仅仅是科技公司，只谈论技术方面发生了什么，那么从定义上讲，这只是纯粹的供给侧。最终，如果我们不谈论，例如这里有一家制药公司或一种药物进入市场非常成功，是因为 AI 加速了临床试验等案例，就出现了问题？
所以，我并不是在空谈。我更加确信，这项技术将建立在云和移动的轨道之上，更快地扩散，改变生产率曲线。并在世界各地带来地方性盈余和经济增长，而不仅仅是由资本支出驱动的经济增长，因为那只是某个时间点的狭义计算。
我们在发达国家尤其能看到这种情况，但我所说的资本，虽然我们确实在美国投入了很多，但也有约 50% 分布在世界各地。所以有趣的是，这取决于全球各地的需求，而全球各地的需求只有在那里存在地方性盈余时才会出现。这就是我看待 「AI 泡沫」 的方式。
劳伦斯·芬克：那么让我们再深入一点。随着 AI 扩散，显然组织、公司、政府都必须演进。现在进入需求侧，你认为在 AI 世界里，组织的结构将如何变化？我相信微软自身也在演进，所以也许你可以告诉观众，你如何看待这种扩散在公司层面或政府层面的利用，这最终将怎样创造需求，从而消除对泡沫的恐惧。
萨提亚·纳德拉：我认为这可能是所有新技术带来的重大挑战之一：当工作产物和工作流程发生变化时，意味着我们作为公司必须改变工作方式。事实上，我记得几年前见过忠利保险的 CEO，他描述说他加入公司时还在前 PC 时代，他描述了他们如何通过电传、办公室间备忘录与现场代理合作，突然 PC 出现了，人们开始用电子表格和电子邮件发送，整个工作流程和过程都改变了。
同样，我认为随着 AI 爆发，你将开始看到工作流程的实际变化。
事实上，对我来说，来达沃斯开会，不管我有多少场双边会议，准备这些会议都有一个特定的工作流程。就是我的现场团队会准备简报，传到总部，再进一步提炼。从我 92 年加入公司到几年前，这几乎没什么变化。而现在，我直接去 Copilot 说，嘿，我要见劳伦斯·芬克，请给我一份简报。它就会给我一份。顺便说一下，一个好处是它给了我一个全景视图，它知道我们作为客户在与你们做什么，也知道我们作为你们的客户在做什么，以及介于两者之间的所有投资事宜。所以，它捕捉信息的能力是前所未有的。事实上，我会立即把那份简报分享给我所有职能部门的所有同事？
想想看，这彻底颠覆了组织内的信息流动方式。不是那种经典的：我们有一个组织，我们有部门，我们有专业分工，信息慢慢向上传递。不，它实际上是扁平化了整个信息流。一旦你开始这样做，你就必须重新设计结构。所以当前的结构可能不再合理，因为你希望人们能够以信息自由流动的方式工作。
所以，这让我想到，如果非要总结一个公式，我认为要从心态开始。我们领导者应有的心态是：我们需要思考如何用技术改变工作流程，然后这需要技能。所以你不能抽象地谈论这个。你必须使用它，你必须信任它。你不能只是害怕它，它必然将会扩散。
另一个重要的考虑因素是，如何确保你拥有提供上下文的数据集。这就像你有了一个新的智能层，但这个智能层的好坏取决于你给它的上下文。人们甚至将其描述为 「上下文工程」，但这就是公司做的事情，对吧？想想公司是做什么的，都是关于我们作为不同部门的人员，通过处理文件和信息流动而拥有的隐性知识。所以问题是，如何让这个 AI 也拥有那个上下文？这些是必须渗透到整个组织中去利用的一些新事物。
事实上，这就是为什么我认为你会看到那个挑战：为什么我没有立即看到生产率的提升？因为你必须做艰苦的工作。事实上，这就是为什么它不会在某个时点突然爆发。公司之间会有差异，行业之间可能有差异，但这根本上将取决于组织的领导力意志。
劳伦斯·芬克：你看到应用是跨越大型、中型和小型公司在使用，还是目前主要仍是大公司的领域？
萨提亚·纳德拉：我认为你看到的情况是，如果你是从零开始，更容易采用这些工具，因为你是在知道这些工具存在的情况下构建你的组织。
劳伦斯·芬克：这像是一种 「哑铃现象」，刚起步的小公司可以更好的使用新平台。
萨提亚·纳德拉：是的。事实上，我认为即使对于大型组织，也存在根本性的挑战。
除非你的变化速度跟得上可能的发展步伐，否则你将被某个能利用这些工具迅速达到规模的小公司超越。但是，我认为大型组织有固有的优势：你有人际关系、有数据、有专业知识。但关键是，如果你不通过一种新的生产函数来转化这些优势，那么你实际上就会停滞不前。因此，大型组织的变革管理挑战将会更大。
对于小型组织来说，如何克服规模问题，也是一种很有难度的结构性挑战。所以，这以一种有趣的方式呈现出两面性。这将是一个竞争异常激烈的世界，无论你是新进入者还是现有企业，都不能把它当作理所当然。
劳伦斯·芬克：那国家之间呢？你是否看到应用使用方式上的巨大差异？AI 仍然是发达国家的专属领域，还是正在迅速成为所有国家的领域？
萨提亚·纳德拉：我有两件事要说。当我周游世界时，无论是专业知识、软件开发人员、初创公司还是大型组织的水平，差异并不大，这很有趣。在雅加达、伊斯坦布尔和墨西哥城，与在西雅图或旧金山并没有太大不同。我想这是我们的世界第一次出现这种情况，仅仅是因为获取正在发生的事情的渠道是存在的。
也就是说，从规模上看，对使用这项技术的承诺、风险资本的存在、大公司的强力推动，成就了这一现实。比如，在美国，如果我们比较一下，就拿金融业来说，金融业对云的采用与今天对 AI 的采用相比，速度完全不同，在 AI 方面要快得多，而云因为各种原因相对较慢。
劳伦斯·芬克：还有监管问题，在监管机构允许下一步之前，把数据移出内部网络是个大问题。
萨提亚·纳德拉：所以我想说，我认为无论在哪里，你知道，在西方，特别是在美国，显然有一种真正的、我认为是更多的围绕使用它的活力，但它也比我所见过的任何技术都更均匀地在世界各地传播。
劳伦斯·芬克：你提到了电力、电网。如果电力价格高，需求成本高昂，这会不会成为影响 AI 可及性的决定性因素之一？
萨提亚·纳德拉：百分之百，如果你看看每美元每瓦特产生的算力，就能预测事情会如何发生了。从某种意义上说，我认为任何地方的 GDP 增长都将与之直接相关。根据我的整个论点：你拥有一种新的商品，就是算力。而每个经济体和经济体中每家公司的任务，就是将这些算力转化为经济增长。那么，如果你拥有更便宜的商品，那就会更好。这就是为什么 「每美元每瓦特产生的算力」 如此重要。
顺便说一下，这包含许多要素，不仅仅是生产侧，这就是为什么我认为拥有电网也很重要。如果你考虑总体拥有成本，那么一切因素都要被计算进去，包括你如何成为廉价的能源生产者？你能建造数据中心吗？硅和电力系统的成本曲线是怎样的？还有，看看算力的定价，算力定价基本上每三个月下降一半，这就是为什么我认为人们可以真正规划如何利用算力创造盈余，因为你知道你拥有一种价格只会单调快速下降的商品。
劳伦斯·芬克：我们现在身处欧洲，这里有一种真实的担忧，因为欧洲没有自己的电力，大部分电力需要进口。你对此有什么信息要传递给欧洲吗？
萨提亚·纳德拉：我认为时期有两方面。一是，我们现在在瑞士，我看到制药业或金融业，他们在这个国家和欧洲做着重要的工作，但他们也是国际品牌，有国际业务。所以，每当我想到欧洲时，有一点是欧洲人生产的产品和服务实际上销往世界各地。因此，欧洲的竞争力是关于其产出在全球的竞争力，而不仅仅是在欧洲内部。
我觉得有时在欧洲，很多对话只局限于欧洲本身。但欧洲经济的繁荣是因为他们能够生产世界需要的东西。你知道，在过去 200 年、300 年里，西方的奇迹根本上源于欧洲发生的事情。这是我想说的第一点。我还想强调，这里的人力资本非常出色，是世界级的。
但要继续做到这一点，你必须继续投资于生产，拥有能源和算力，正如我所说，我们和其他公司正在这里投资建设数据中心。所以问题是，接下来从这里产出的会是什么？每当我去美国的珠宝店或牙医诊所，我总是想到德国的 「隐形冠军」，我被德国的 「隐形冠军」 产品包围着，这代表了一个国家的工程实力。现在的问题是，每个人都在谈论主权和数据这个、数据那个，但欧洲实际上更应该关心的是他们的工业公司、金融服务公司能否获取来自美国及世界其他地区的数据，而不是仅仅认为通过保护欧洲就能保持竞争力。欧洲只有在产自欧洲的产品具有全球竞争力时才能保持竞争力。
所以我认为，这需要改变。我知道欧洲在隐私方面领先，这很棒。欧洲在 AI 安全和许多其他方面也领先，这是也一个很好的特点。但你还必须通过本地建设和全球思维来补充它。这片大陆将为世界其他地区做出什么贡献，正如它在历史上一直是一位领导者那样。
劳伦斯·芬克：那么，你认为围绕数据主权的整个概念，是否被误解了？
萨提亚·纳德拉：我认为，当人们谈论主权时，首先，它显然非常重要。尤其是在像这样的一周里，它更重要。但话虽如此，你必须思考主权意味着什么。例如，在 AI 领域，一个很少被讨论但我觉得在今年将被最多讨论的话题，将是公司的主权。想象一下，如果你的公司无法将公司的隐性知识嵌入到一组你控制的模型权重中。从定义上讲，你就没有主权。这意味着你正在将企业价值泄露给某个地方的某个模型公司。
现在几乎没人谈论这个，对吧？每个人都在谈论其他所有事情，那些外围的事情，但这才是最重要的事情。其他问题都是技术上更容易解决的问题，但有一个问题只能通过你对隐性知识有更多的主权和控制模型来解决。这不是单向的企业价值转移。所以对我来说，我认为主权需要对它是什么进行真正的思考，你知道，掌控命运意味着你生产独特产品的能力得以保留。
就像大卫·李嘉图所言，国家有比较优势。而公司也有需要保持的竞争优势，即使在 AI 时代也是如此。这才会给你真正的主权。
劳伦斯·芬克：最后一个问题，在五年或十年内，我们会有一个所有人都将使用的主导模型吗？微软为此在做何准备？我们会为企业使用一个模型，为其他场景使用另一个模型吗？
萨提亚·纳德拉：你知道，过去的三年、四年里，我们一直在做这件事。而现实情况是，这是一个多模型的世界。我的意思是，我们未来仍将会有多个模型。而诀窍在于你如何利用这些模型，事实上，你可以通过提炼它们来构建你自己的模型。
更重要的是，你可以进行所谓的 「硬性编排」 或 「驾驭工程」。因此，任何应用程序或公司的知识产权在于，你如何利用所有这些模型，结合上下文工程或你的数据来进行产出。而这就是艺术所在。
所以，未来的场景和问题是，我能否引入所有模型，无论是闭源的、开源的，还是我自己构建的模型，对它们进行编排，并输入我的数据，从而改变我关心的某个结果的轨迹。这就是整个图景。
我首先生产某种产品或服务，我需要在销售方面做得更好，或者在研发方面做得更好，或者在财务方面做得更好，等等。然后你设定目标结果，考虑能否利用所有模型，对它们进行编排，并输入自己的上下文。
然后，作为结果，推理轨迹能真正导向一些我作为知识产权控制的、属于我的能力和模型。只要公司能回答这个问题，它们就会取得进步。
劳伦斯·芬克：女士们先生们，让我们感谢萨提亚，谢谢。希望这是在世界经济论坛上许多伟大对话和讨论的开始。谢谢大家。（作者｜胡珈萌，编辑｜李程程）
