从GitHub Copilot到蛋白质折叠，从写科幻小说到应对气候变化——微软首席技术官眼中的AI未来蓝图

在一次深度访谈中，微软首席技术官Kevin Scott分享了他对人工智能发展趋势的洞察。彼时，ChatGPT尚未引爆全球关注，但Scott已经用“令人震撼”来形容当时的AI进展，并断言接下来的12个月将是AI社区有史以来最激动人心的一年。

事实印证了他的预判。

作为一家科技巨头的CTO，Scott的视野横跨技术研发、产品落地与社会责任。这篇访谈信息量极大，我梳理了其中的核心观点，分享给大家。

一、那些让人印象深刻的AI突破

当被问及AI领域最重要的进展时，Scott列举了几项：

第一，GitHub Copilot的正式发布。

这是一个基于大语言模型的系统，能将自然语言提示转化为代码。Scott认为它的意义不仅在于提升开发者生产力，更在于让编程对更广泛的人群开放——“未来在很大程度上取决于我们编写软件的能力”，而Copilot降低了这道门槛。

第二，DALL·E 2等生成式图像模型的普及。

Scott有一个很精准的表述：DALL·E 2不会把普通人变成专业艺术家，但它给了无数人一种他们从未拥有过的视觉词汇——一种他们从未想到自己能拥有的“超能力”。绘画和设计需要多年训练，但AI让“视觉表达”变得触手可及。

第三，AI在蛋白质折叠领域的突破。

包括微软与华盛顿大学David Baker实验室在RoseTTAFold项目上的合作。Scott评价道：“任何能成为科学和医学‘倍增器’的东西，对世界都是净有益的——因为那里存放着我们最大、最棘手的问题。”

二、“Copilot for Everything”：AI如何改变知识工作

Scott提出了一个极具野心的愿景——“Copilot for Everything”（万物的Copilot）。

什么意思？就是无论你从事哪种认知劳动，都有一个AI助手坐在你旁边，帮你做更多事，同时以新的方式增强你的创造力。

Scott用自己的亲身经历做了说明。他一直想写一本科幻小说，从青少年时期就在笔记本里写满了提纲。他用GPT-3搭建了一个实验性工具来辅助写作：

“以前用传统方式写书，一天能写2000字我就觉得很好了。有了这个工具，我有一天写了6000字。整个过程比我以前的方式更有活力、更令人振奋。”

这不只是速度的提升——核心是“心流”的延长。Scott说，创造力的敌人是分心和卡壳。当你不知道该怎么做下一步，或者需要查资料而被迫中断思路时，AI帮你解决这些子问题，让你保持在心流状态更久。

微软的一项研究也印证了这一点：使用无代码或低代码工具的用户，工作满意度、整体工作量和士气方面的**正面影响超过80%**。

三、AI的“隐藏力量”：你已经用上了，只是没察觉

Scott指出，AI最大的“未被讲述的故事”是：大多数AI的好处分散在一千件不同的事情里，你甚至没有意识到产品体验中有多少来自机器学习系统。

他举了一个很直观的例子：当你正在用Teams开视频会议时——

• 音频系统的抖动缓冲由机器学习算法优化

• 你屏幕上的背景虚化是机器学习在干活

• 有超过十几个机器学习系统在让这次通话体验更好

同样，Outlook、Word的预测文本、Bing搜索、Xbox Cloud Gaming的信息流、LinkedIn的推荐……AI无处不在。

更重要的变化是：过去每个任务都需要一个专用模型，现在一个通用大模型可以被用在很多地方。这意味着，你对模型的每一次改进，所有基于它构建的产品都会同步受益。

四、AI for Science：应对人类最大的挑战

Scott认为，人类社会当前面临的最棘手问题都在科学领域：

如何治愈复杂的疾病？如何为下一次大流行做准备？如何为老龄化人口提供负担得起的优质医疗？如何大规模教育孩子们掌握未来所需的技能？如何开发技术来逆转碳排放的负面影响？

微软的AI4Science和AI for Good等计划，正是探索如何将AI的最新进展应用于这些问题。

Scott特别强调，基础科学应用中的模型具有与大语言模型相同的扩展特性——模型从模拟或观察中自监督学习，然后 dramatically 改变应用的表现，无论是计算流体动力学模拟，还是药物设计的分子动力学。

这意味着更好的药物、可能找到我们尚未拥有的催化剂来解决碳排放问题、全面加速科学家解决社会最大挑战的进程。

五、算力、基础设施与“民主化”

Scott明确点出了AI进步的底层逻辑：规模至关重要。

“在更多数据上用更多算力训练的模型，就是拥有更丰富、更泛化的能力。”而且，目前看不到规模收益递减的尽头。

微软此前宣布了Azure AI超级计算机，并已拥有全球领先的AI超级计算系统（与OpenAI共同使用），同时还与NVIDIA合作构建由Azure基础设施+NVIDIA GPU驱动的超级计算机。

但Scott认为，比算力本身更大的突破是软件层——优化模型和数据如何在巨型系统上分布的软件。

为什么？因为如果大模型要成为人人可用的平台，它们不能只属于少数有资源建造巨型超级计算机的科技公司。

微软开源的DeepSpeed（提升训练效率）和ONNX Runtime（推理优化），正是为了让更大的AI模型对更多人可及、更有价值。

六、关于就业：创造新工作的历史规律

AI会取代工作吗？Scott的看法是务实的。

“我们生活在一个极其复杂和宏观经济变革的时代。展望未来5到10年，即使只是为了维持全球的净平衡，我们都需要新形式的生产力。”

他认为，AI平台将AI的使用民主化到了更多人手中。过去的AI需要大量专业知识才能入门，现在你可以调用Azure认知服务、Azure OpenAI服务来构建复杂产品，而不必是能从零训练大模型的AI专家。

Scott提醒我们去看历史：电话、汽车、互联网——每一次重大的技术范式转变都创造了大量以前不存在的新工作。这次也不会例外。

七、负责任的AI：不是口号，是流程

关于AI的滥用风险，Scott强调微软有非常严肃的负责任AI流程：

• 由多学科专家团队审查，理解所有潜在的有害后果并尽可能缓解

• 优化训练数据集、部署过滤器限制有害内容生成

• 对敏感话题采用查询阻塞等技术，防止被恶意行为者滥用

• 上线后尽快检测和缓解任何未预料到的危害

• 有意的、迭代的部署——从有限预览开始，与早期客户合作确保防护措施有效，再扩大采用

微软还通过负责任AI标准和原则，将相关资源和专业知识分享给整个行业。

写在最后

这场访谈之后不久，GPT-4发布，AI以前所未有的速度进入大众视野。回头看Scott的预判——“接下来的12个月将是AI社区有史以来最激动人心的一年”——显得格外准确。

但他真正想传达的，或许不只是“AI很强大”，而是AI正在从少数人的工具变成多数人的平台，从解决商业问题到应对人类共同的科学挑战。

从帮程序员写代码，到帮科学家设计药物；从让普通人画出想象中的画面，到帮一个想写科幻小说几十年的CTO终于突破创作瓶颈——AI的“下一站”不是取代人，而是赋能人。

而这场变革，才刚刚开始。

📌 本文关键词

#微软 #KevinScott #生成式AI #大语言模型 #GitHubCopilot #DALL·E #AI4Science #负责任AI #AI与就业 #Azure #OpenAI #科技访谈