我們非正式地聽說薩蒂亞已經是 Latent Space 的聽眾好幾年了，但能在 Build 大會上與他見面並進行現場播客，同時還有我們非常敬佩的頂尖創投AI播客 No Priors 的朋友們一同參與，這感覺仍然非常超現實！我們在昨天的 AINews 中已經涵蓋了 MAI 模型在技術上的重點，因此我將著重於薩蒂亞主要訊息的三個核心要素。
薩蒂亞將比爾·蓋茲的名言改編，將微軟定位為「前沿智慧平台」，客戶必須透過在 OpenClaw 和 Scout 等多模型整合框架上進行建構，利用 Work IQ 等情境層（微軟高階主管團隊內部大量使用）所揭露的完整企業情境，並建立私有評估與追蹤機制，以一種新的代幣化智慧財產投資報酬率（Token IPAI ROI）形式，從微軟生態系中獲得比微軟本身更多的價值。
一方面，企業正就代幣最大化（Tokenmaxxing）和裁員進行艱難的對話；另一方面，由於「自建或購買」的權衡已大幅改變，SaaS 終結的議題也正被嚴肅地重新評估。我們之前的 SemiAnalysis 來賓對微軟作為 SaaS 巨頭在此議題上的立場有著…有趣的評論，而薩蒂亞給出了很棒的回答。
讓不可能成為可能：凱文·史考特（Kevin Scott）就如何將 AI 和整體技術應用於商業和社會問題（如教育和社會影響）的最宏大願景，提出了鼓舞人心的框架。請享用！旁白：歡迎 swyx、Sarah Guo、Elad Gil，以及微軟董事長兼執行長薩蒂亞·納德拉。
Sarah Guo：歡迎來到 No Priors 和 Latent Space 與薩蒂亞·納德拉的聯名特輯。嗯，恭喜 Build 大會圓滿成功。薩蒂亞·納德拉：非常感謝，很高興能和兩位在一起。我一直都在聽你們兩位的播客。很高興能參與其中。非常感謝。
[00:01:00] 所以您今天早上花了，我想是三個小時，一直在談論微軟各方面的這些驚人發表。您最重要的反思或收穫是什麼？Sarah Guo：我會說，對我而言，或許最重要的一點是，我們應該將其更多地視為一個生態系策略，而不是單一模型甚至單一平台，對嗎？
薩蒂亞·納德拉：我的意思是，你知道，無論我…至少對我而言，在微軟成長，見證了四次主要的平台轉型，我傾向於那個陣營，認為一個平台根本上是由其創造超越平台本身所獲取價值的能力來定義的。因此，如果你看看現在正在發生的事情，我認為今天早上的主題演講是關於任何公司，無論是原生 AI 公司還是傳統企業，如何作為一流參與者參與其中，他們可以展示自己創造的 AI，[00:02:00] 對嗎？
這並不是說他們不使用其他人的 AI。當然他們會。但對我來說，路徑是什麼？秘訣是什麼？我該怎麼做？技術堆疊是什麼樣子？工具是什麼樣子？什麼是有價值的？你如何做到這一點？就是這樣。這就是我們的工作。是的。生態系策略非常複雜，對嗎？Sarah Guo：因為你最終會建立某些組件，為某些組件尋找合作夥伴，並支援它們。
你們剛剛發布了這一大套模型。請跟我們談談微軟現在的訓練策略。是的。薩蒂亞·納德拉：所以，我們想用 MAI 模型做的事情，正如 Mustafa 所說，首先是建立一個優良的血統，對嗎？薩蒂亞·納德拉：從預訓練開始，採用非常好的資料品質，進行所有的消融實驗，確保，因為在某種意義上，建立一個乾淨血統的模型變得更加困難，因為外面有太多東西，你確實需要進行消融才能擁有一個出色的 [00:03:00] 預訓練模型。
事實上，許多開源權重模型的挑戰之一是它們在一個或兩個基準測試上看起來很棒，但在實際應用中卻不盡理想。這就是為什麼，事實上，即使在 RFDEs 中，他們也對這些 MAI 模型感到非常興奮，因為一個小的 5B 模型怎麼可能實現「爬坡」（hill climb）呢？
嗯，這又回到了我認為最終的關鍵點，那就是努力追求找到那個認知核心。所以對我來說，從一個乾淨的血統開始，然後創造讓公司能夠使用它的能力，對嗎？不僅僅是作為一個通用模型，而是透過圍繞它建立這個「爬坡支架」（hill climbing scaffold）來創建自己的專用模型，對嗎？
所以它不只是一個模型，你還圍繞它建立了一個爬坡支架，然後你將開始建立你的 RLE。你將開始收集追蹤資料。最重要的是，你將擁有私有評估，因為我們知道所有公開的評估都很好，很有趣，[00:04:00] 但它們並不是那麼關鍵，它們是工作，是的。Swyx：在這一點上，因為它們都可以被最大化。
所以重點是每家公司都將有自己的私有評估。因此，圍繞我們模型的這種端到端平台故事，就是我認為有趣的地方。然後另一件事，Sarah，既然你提到了，我確實覺得有一個新的前沿。薩蒂亞·納德拉：就像人們談論前沿以及你是否在前沿運作一樣。嗯，有趣的是，如果你加入一點時間性，你可以使用，比方說，事實上，我們展示的 Lando Lakes 演示非常酷。
我們使用了，隨便什麼，GPT-55，對嗎？然後你收集了一堆追蹤資料，然後你拿了一個 5B 的推理模型，並達到了更高的表現。Sarah Guo：嗯，所以這是「在前沿運作」的另一個面向。是的。Swyx：我想，首先我必須恭喜你，在兩年內基本上在微軟內部建立了一個前沿新實驗室。
嗯，我想知道，你正在推動所有這些 AI 策略。我想知道，你現在知道什麼是兩年前，或者兩三年前，你希望告訴自己的？Jensen 合作夥伴關係是三年前，MAI 是兩年前。薩蒂亞·納德拉：嗯，它們確實有幫助。我，我總是回顧並說：「哇，這些東西確實具有不斷提升的能力。」
我的意思是，你知道，這種粗略的說法是「智慧是運算量的對數」某種程度上是成立的。現在，我認為我們可能低估的是在現實世界中部署這些技術的實際複雜性，以便它們真正在現實世界中提供價值，對嗎？因此，任何基準測試所衡量的結果固然重要，但真正的評估是當人們能夠做他們獨特且有價值的事情時，而且這是非常 [00:06:00] 可衡量的，對嗎？
我希望我們作為一個產業，能更早地意識到這一點。Sarah Guo：因為現在我認為當人們說：「哇，我不想代幣最大化（token max）」這是因為我們作為一個產業，沒有意識到我們在每一步都在使用代幣創造價值。所以我認為這就是我希望我們能更早達到的境界，但我很高興我們現在已經在這裡了。
Sarah Guo：您看到了哪些為客戶創造最大價值的用例？因為我知道人們經常談論程式碼，而且很明顯這正在產生非常大規模的影響。您還發現了哪些客戶真正受益的共同領域？是的。薩蒂亞·納德拉：程式碼編寫的效果非常好，以至於我們現在必須重建 IDE，對嗎？
我的意思是，看到我們發布的東西真是太瘋狂了，就像，天哪，我有上百個代理程式會話。我…它作為人類傳遞給我的認知負荷是如此 [00:07:00] 過度，以至於我現在需要一個新的使用者介面（UI）。哦，順帶一提，我，就像，僅僅以聊天作為唯一的產物也是不可能的，所以這就是為什麼我們需要一個畫布（canvas）。
所以對於所有關於哪裡需要軟體或哪裡需要 UI 的事情來說，這都很有趣，你甚至對程式碼也需要它，對嗎？在一個完全由代理程式主導的世界中。但話雖如此，我們開始看到的一件事，我們從協作工作（co-work）中就開始看到了，但即使是我們展示的一些自動完成，嗯，自動駕駛（autopilot）的工作，就像你在 Claude 中看到的那樣，這是一個很好的例子，因為如果你考慮到很多人力資本都在做「黏合工作」（glue work），對嗎？
如果你現在可以用長期運作、持久的代幣/代理程式來增強它，對嗎？那麼你擴展即使仍然是判斷和黏合工作的能力，也會像程式碼編寫一樣被放大。嗯，所以你可以…就像，我確信六個月後我們都會說：「哦，哇」就像，整個晚上都有很多事情是 [00:08:00] 這些我擁有的自動駕駛程式代表我，在我的授權下，可以說，對嗎？
我可以…甚至給定我的身份，完成了一堆工作，然後我當然需要我的新 ADE 來問：「那麼你做了什麼？」就像，我可能會問：「我做了這項工作嗎？」等等。所以我認為這就是工作流程的壓縮、任務的完成，這就是我認為許多價值被創造的地方。Sarah Guo：我認為你提出了一個非常有趣的觀點，那就是有實際執行程式碼的代理程式，然後它周圍有一個「整合框架」（harness），那就是環境，那就是情境，那就是你作為開發者圍繞著一個程式碼代理程式所設定的一切。
企業的整合框架是什麼？對於更廣泛的生產力工作，是否有一個等效的概念，或者你如何將這個概念泛化？薩蒂亞·納德拉：沒錯。所以，在某種意義上，你希望整合框架來定義模型、資料和工具，這樣你就可以在這三者之間形成一個循環。所以我們首先要確保的是，我們建立的每個產品，對嗎？
無論是 GitHub Copilot 還是安全 Copilot，我們在 MDASH 中展示的東西，甚至是科學發現，都沒關係，它們都是多模型整合框架，[00:09:00] 具有工具存取權限，這樣你就可以進行這種漸進式的工具揭露，甚至讓它們代幣效率更高。
嗯，然後你用非常豐富的情境來餵養它，因為這是我們在過去兩年學到的另一個艱難教訓，那就是，天哪，你需要做多少工作來準備情境層，以便你的計畫能夠以最有效的方式執行，這就是魔法所在。所以我們，在我們的案例中，我們有 GitHub 整合框架，我們基本上在所有產品中都使用它。
它在 Foundry 中可用，而且我們是開放的，你可以使用你的 Llama 整合框架，隨便什麼。或者你可以使用，嗯，你知道，任何開源整合框架或你自己的任何整合框架，並用你的工具和多個模型以及你的情境進行訓練。這就是我們的訴求。因為現在很多對話都是，「嘿，如果我將整合框架加上工具和模型一起訓練，你就會得到 [00:10:00] 評估。」
Elad Gil：而我們正在證明的是…最好的例子就是我們在 MDASH 中所做的，對嗎？因為當它推出時，它發現了 Mythos 未曾發現的錯誤或漏洞。所以我會說，有證據證明你可以擁有一個多模型整合框架，它在現實世界中實際上可以表現得更好。所以，獨立前沿實驗室訓練背後的一個前提是，你知道，我們將會擁有…
