# 凯文·斯科特：微软 CTO > 微软首席技术官谈云计算与 AI 基础设施布局，以及大型组织里的技术决策方式。 - 原标题：Kevin Scott: Microsoft CTO - 期数：特别节目 - 发布日期：2019-08-01 - 嘉宾 / 主题：凯文·斯科特与微软技术 - 网页版：https://lexfridman-cn.pages.dev/ep/kevin-scott/ - 官方页面：https://lexfridman.com/kevin-scott/ - 精读字数：约 7404 字（阅读约 16 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 微软研究院里坐着一位年轻经济学家，他写了一整本技术专著，主张用更彻底的市场机制重新分配产权。其中一个例子是：如果你家房子被别人出价更高，你就得搬走。 这个人叫格伦·韦尔（E. Glen Weyl），书名叫《激进市场》（Radical Markets）。提他是因为，凯文·斯科特（Kevin Scott）2019 年 8 月坐在莱克斯·弗里德曼的麦克风前聊微软，这件事占了相当篇幅。一个操作系统和云计算公司的 CTO，主动谈起自己团队在跟经济学家合作，研究怎么让市场机制在分配上更管用。 ## 先是那张长得离谱的业务清单 斯科特当时的头衔是微软 CTO。在此之前，他是 LinkedIn 的工程与运营高级副总裁，再往前，他在 Google 管移动广告工程。他自己还做一档播客，叫 Behind the Tech。 弗里德曼抛出的第一个问题就很难回答：能不能给个全景，说说微软到底在哪些领域做事，研究和产品都算上。 斯科特的回应是，把研究算进来，这几乎是不可能完成的任务。然后他还是列了：大规模云业务和一堆 SaaS 服务，所有人都在用的那批元老级生产力软件，操作系统，硬件，从鼠标耳机一直做到高端 PC 和笔记本。研究团队横跨的范围更杂，一头是经济学，一头是人机交互，中间还有人工智能。再加上 GitHub、LinkedIn、搜索广告和新闻、Xbox 游戏。 他提到那天早上刚跟菲尔·斯宾塞（Phil Spencer，Xbox 负责人）聊完，还跟蒂姆·谢弗（Tim Schafer）聊得很兴奋。谢弗是卢卡斯艺术那款《疯狂时代》（Day of the Tentacle）的编剧，斯科特大学时跟朋友在这游戏上耗了无数个通宵，如今微软正跟原班人马做某种合作。他说自己完全是个追星粉丝。 > 微软在这么宽的范围里做了这么长时间，所以当 CTO 的大部分时候，我的工作非常非常严肃。偶尔我会突然被击中：能跟这些人说上话，这件事本身有多不可思议。（凯文·斯科特） ## 一套能把你从自己房子里挤出去的定价机制 韦尔那套东西的内核，斯科特讲得比原书粗暴，但他自己也承认例子挑得糟糕。 机制是这样的：房地产这类资产采用持续竞价。任何人可以对你占用的这块地出价，宣称自己能产生更高的经济效用，你要么加价留住，要么让给对方。这样一来，投机性出价会立刻让人亏掉一大笔钱，资产价格被迫紧贴它真正能产出的价值。价格贴住了价值，征税才有依据。不会出现周边房子都值一千万、你家这套报一万块这种事。 斯科特说这个设计"故意挑衅"，他自己也不确定喜不喜欢"我可能被出价赶出自己的房子"这个前景。但他补了一个很实际的连接点：如果真要推行伊丽莎白·沃伦（Elizabeth Warren）那种财富税，第一个卡住的问题就是资产怎么定价，而这种实时竞标机制恐怕会从可选项变成必需品。 一个操作系统公司的研究院在资助这类研究，这件事本身说明了斯科特对"技术公司该关心什么"的边界理解。他不觉得市场机制有没有效是个经济学系的问题。 ## 数据是原材料，但没有人给它标价 顺着这条线，斯科特团队跟韦尔、还有杰伦·拉尼尔（Jaron Lanier）一起在做另一件事。拉尼尔是虚拟现实这个概念最早的推动者之一，斯科特形容他是"这个星球上最有意思的人之一，一个特别温和的人"。 他们的题目叫"数据即劳动"（data as labor），也叫"数据尊严"（data dignity）。 推理链条是这样：如果把数据看成 AI 这台机器消耗的原材料，那么今天我们给这种原材料定价的方式非常糟糕。你的贡献分两种。显性的是你在 LinkedIn 上填的档案，你清楚自己交出去了什么，也大致有个回报预期，但那只是名义上的，服务免费，感知到的成本很低。隐性的是你每天使用各种技术时留下的数据尾气，你根本不知道它去了哪里。 有一类公司已经在给数据付钱了，比如 Scale AI，中国也有一批类似的数据标注公司。监督学习需要海量标注数据，标注工人按件取酬。这部分容易定价，因为劳动是显式的，一个标签就是一个标签。 难的是其余部分。斯科特的坦白很干脆： > 我不知道。这真的很难。（凯文·斯科特） 难在哪儿？他说技术人其实都懂这个微妙之处：单个数据点几乎没有价值，你留下的某一条记录、某一次点击，原子化地看一文不值。只有聚合成足够大的规模，价值才浮现出来。而这些数据在无数条路径上被组合、被交叉、被二次加工，价值在组合中流动，你根本追踪不到流向。要建立一套透明的、能把贡献和回报对上的市场，前提是先解决这个追踪问题。 他没有假装已经解决了。 ## 盖茨留下的那条平台标准 弗里德曼把话题拉到杨安泽（Andrew Yang）身上：AI 推进得这么快，自动化对就业的冲击怎么办，微软站在创新最前沿，怎么想这件事。 斯科特的回答从微软的基因讲起。比尔·盖茨很多年前说过一句话，被他当成了判断平台成败的尺子： > 衡量一个平台是否成功，标准是它为在平台上建设的人创造的经济价值，远远超过为平台所有者或建造者创造的价值。（凯文·斯科特转述比尔·盖茨） 他把这把尺子直接架到 AI 上。AI 必须成为平台，其他人能拿它建公司、完成自己的创作目标、当创业者、解决工作和生活里的具体问题。 反面图景他描述得很清楚：少数几家公司，挤在少数几个城市，决定 AI 里装什么，然后在这套基础设施上，把所有有商业价值的用法都建完。 这在两个层面上都坏。经济层面，价值分配会歪，绕回"市场到底有没有用"那个老问题。创新层面，斯科特说他对人类有无限的信心：给一群人强大的工具，他们会做出有意思的事。有工具的人不该是几万人，该是几百万人。 他拿蒸汽机作类比。18 世纪末，那是人类造出的第一台大规模替代人力的机器。刚铺开的时候，拿到大部分价值的是有资本建工厂的人，以及懂怎么建造和维护的专家。技术后来民主化了。今天不存在一家"引擎公司"垄断所有引擎，也不存在一家公司拥有所有用到引擎的东西。两个人坐在这间屋子里，手机里各有一颗 MEMS 陀螺仪，那就是颗小引擎。引擎成了现代世界的一个零件，没人再把它当成一个产业来谈论。 AI 得走到那一步。 ## AI 在产品里应该有多显眼 斯科特和萨提亚·纳德拉定期开评审会，拉上纳德拉管理团队的成员，再加一个跨部门的组，看两类东西：AI 基础设施，以及那些产品里有相当比重靠 AI 支撑的团队。 他对"AI 该怎么出现在产品里"有个明确态度：不要让 AI 这个属性变成第一序的东西。产品要解决的问题是第一序的，AI 只是让它变得更好。 > 人们看到 AI 出现在产品里就特别兴奋。你会因为代码里用了个哈希表而兴奋吗？它就是个工具。一个很有意思的编程工具，但终究是工程工具。（凯文·斯科特） 这个类比有点糙，但抓得准。哈希表是计算机科学里最基础的构件之一，无处不在，没人会为它开发布会。斯科特认为 AI 最终会变成同一类东西。 已经发生的事实：Office 里有几十个功能由相当复杂的机器学习驱动。搜索引擎如果抽掉机器学习，完全不能工作。Xbox 和 xCloud 上的内容审核也靠它，斯科特特意解释了一句，这里做的是反霸凌，跟推荐算法没什么关系。 ## 霸凌的边界，垂直社区比通用平台好划 这个话题延伸出一段挺有意思的讨论。弗里德曼提到斯科特在 LinkedIn 的经历：LinkedIn 和 Xbox 都是社交网络，但两边的交流方式完全不同，霸凌的界线也完全不同。而这条线到底在哪儿，没人知道。杰克·多西在 Twitter 被骂得很惨，就是在找这条线。 斯科特的答案是：垂直社交网络会容易一些。 因为你对这个网络该用来干什么有清晰的定义，围绕它设计的社区有明确用途，内容安全问题的维度就比通用平台少很多。 LinkedIn 的边界是连接人与机会。帮人找工作，找导师，找下一个销售线索，或者只是向同行和协作伙伴广播自己的职业身份。斯科特承认这在某些方向上非常宽，在另一些方向上又很窄。有了边界，机器学习系统做自动判断就有把握得多：什么样的评论算不当、算危险、算违法，在约束条件下是可判定的。 Xbox 的边界更简单：这里是打游戏的，不是来受气的。霸凌不好玩，所以要用一切手段阻止它发生。游戏圈里玩笑和霸凌之间的界线很微妙，但至少方向清楚。 通用平台没有这种便利。斯科特的判断是，这件事最终必须由政策制定者给出答案，走民主程序，让普通人对界线在哪儿有发言权。不能让一小撮不代表公众的人做决定，而那些决定有全国甚至全球影响。 但他同时承认一个尴尬的现实：现在有些平台不得不先做单边决定，因为政策制定跟不上，而很坏的事情等不了。 ## 用十年补上三千年的功课 聊到假新闻和深伪（deepfake），斯科特给了一段跨度很大的历史。 莎草纸是三千年前的事，文字可以落在纸上。印刷机五百年前出现，文字稍微普及了一点。真正让印刷文字无处不在，要等到 19 世纪末胶印机发明。再叠加上工业革命对受教育劳动力的需求，识字率和文字产量一起爆发。 这里有一个难以压缩的时间差。从莎草纸到那个爆发点，人类有三千年时间去发明一整套机制：什么是新闻业，什么是编辑操守，什么是科学同行评审。所有这些机制的作用，是过滤技术释放出来的噪音，把信息量降到社会能承受的水平。 然后 PC 诞生了，五十年前不存在的东西。玛丽·米克尔（Mary Meeker）刚发布的报告里，全球互联网渗透率 50%，三十五亿人联网。 斯科特的结论很直接：三千年积累的功课，大概要在未来十年做完。所以现在还没搞清楚怎么办，一点也不奇怪，但必须真的扑上去做。 深伪让他担心的正是这个时间差。GAN 生成图像有非常好的用途，微软正在用合成视觉数据训练人脸识别模型，专门用来消除偏见。但同一项技术会把伪造一段逼真视频的成本从"很贵"降到"极便宜"。人类默认"看到的大体可信"这个假设，即将失效。 ## 一条能点开的保管链 解法之一，斯科特觉得在密码学里。 给内容签名，建立完整的保管链（chain of custody）。你看到一段视频，点一下，能看到它来自哪个身份，以及你信不信这个身份。是不是真出自白宫，是不是真出自某位总统候选人的办公室，是不是真出自萨提亚·纳德拉或 LinkedIn 的 CEO 杰夫·韦纳。 > 这些技术算不上高科技，我们早就有。（凯文·斯科特） 另一半解法在社会层面。弗里德曼提到自己来自苏联，那时没人相信媒体，因为大家都知道那是宣传。那种怀疑反而促使人去追问、去验证。斯科特接得更远：现代科学这套装置之所以强，恰恰是因为你不需要信任任何东西。假设、实验、同行评审、可复现性，四道关卡的意思就是，如果你足够怀疑，你可以自己去重做一遍。他说很多工程师的大脑天生就是这么接线的。 ## 人脸识别的立场与那条过宽的禁令 布拉德·史密斯（Brad Smith，微软总裁）2018 年秋天写过一篇博客，把微软在这个问题上的立场讲得很具体。斯科特复述了两条：某些用途不该用人脸识别，以及这事需要监管，界线应该由民主程序划定。 旧金山全面禁止政府机构使用人脸识别，斯科特的评价是"可能有点过宽"，但他个人宁愿在这个阶段过度谨慎，等有了经民主程序确定的监管框架，再谈哪些场景可以用、应该用。 偏见的部分他说得挺细。最出名的一类是训练数据里少数族裔代表性不足，模型学出一些奇怪的规律。还有更诡异的：公开研究里出现过模型认定"所有医生都是男性"这种事。 他的推论是，任何人在发布实验、上线代码、甚至只是发论文之前，都该先花点时间想一遍潜在的负面后果。这个要求听起来像道德说教，但放在一个模型几小时就能训练完、几天就能部署出去的环境里，它是工程流程的一部分。 ## Office 不会有大爆炸时刻 弗里德曼问了个很朴素的问题：Windows 和 Office 的未来长什么样。他记得等 XP 发布时的那种兴奋，Windows 10 出来时只觉得"嗯，还不错"。 斯科特的回答是不用等大爆炸。不会出现 Clippy 复活、一个完整助手突然降临的时刻，会是一堆小步骤，你能看见中间过程。 已经在跑的东西：自动回复越来越聪明，能识别出对方是在约会议，然后去查你的日历，自动找一个双方都合适的时间。Microsoft Search 不只搜网页，还搜你 Office 365 租户里的全部信息，未来还能搜到别的产品里。Microsoft Graph 是个 API 联邦器，把原本一个个信息孤岛编织起来。斯科特经常发邮件跟人要论文找文档，他说没理由这种事还得自己干，系统应该自动把东西捞出来。 Fluid Framework 是另一件更值得看的东西。微软内部做了两年，即将开源。它让 Teams 变成一块画布：你在对话里嵌进 Excel 表格的一部分，同事在 Excel 里改图表，嵌在对话里的那块实时更新。所有人看到的是同一个对象，改动实时同步。你可以在任何一块最顺手的画布上做事，而这块画布可以从任何一个入口进入。 这段对话里藏着一个小插曲。弗里德曼问，用 Word 协作的时候大家不还是把文件发来发去吗。斯科特说不是，早就不用这样了，然后补了一句：你不知道这件事，说明我们该做的工作没做好，得让人发现这些功能。一个管着几万工程师的人，很自然地承认产品在可发现性上的失败，没有辩解。 ## 带十个人和带几万人，差在哪里 斯科特管过的团队规模跨度很大，从十几个人到现在的量级。他说规模上去以后，有三件事变得非常非常重要。 第一件是对长期要建什么有预判。不需要你押注某一个产品、把筹码全推进去，你得知道未来需要具备哪些能力，然后往那个方向投基础设施。他说的基础设施范围很宽，存储系统和云 API 之外，还包括开发流程长什么样、要用什么工具、围绕什么文化来组织协作。你在这些事情上得有明确主张，越早形成越好。 小规模可以糊弄过去。创业初期你不知道这些也能跑，边跑边调。但他见过的工程负责人最惨的处境，都是因为早期没有足够清晰的主张，于是攒下一堆技术债和文化债，清理起来痛苦到极点。 第二件是使命必须清楚，而且不能是那种"觉得该有使命所以随口编的漂亮话"。它得能让所有人明白大家往哪儿走。 他在这里搬出了尤瓦尔·赫拉利（Yuval Harari）的《人类简史》。书里一个核心观点是，讲故事是协调大规模人群活动的根本机制。斯科特说他在带工程团队时亲眼验证了这一点。 邓巴数以下，也就是一百二十到一百五十人以内，你可以靠蛮力管理。你知道每个人的性格，了解人和人之间的张力，靠直觉分配事情，出不了大问题。超过这条线，如果没有一套共同目标在前面拉着，事情会以一种近乎灾难的方式崩掉。 他说这话的时候先打了个预防针：听起来很虚，很多技术人会本能地排斥，但使命真的极其重要。 弗里德曼接了一句：故事就是社会的织物，是它把所有人连在一起。斯科特把它推得更远。货币是故事，宪法是故事，法律是故事。我们极其坚定地相信它们，谢天谢地我们信，但它们本质上是抽象的东西，就是一些词。如果没人相信，它们什么都不是。 而在某种意义上，那些故事就是平台。微软在造的是其中一部分，有些是我们共同定义未来的底座。 ## 把 AI 插到真正的难题上 最后一个问题，斯科特被要求聊到比微软更大的尺度：未来二三十年，计算、技术、设备会是什么样。 他的框架是：技术正以史上最快的速度推进，同时面前摆着一堆社会尺度的真问题，两者必须交叉。 第一个是气候。第二个是人口。他提到未来五十年，全球人口增长的主要部分在非洲，而气候变暖会让养活全球人口越来越难，尤其是在那个人口增长最快的地方。两个最大的变量撞在一起。 第三个是医疗。他说如何用 AI 提升医疗质量、压低成本、扩大覆盖面，这个问题在美国、西欧、中国、日本、韩国，每一天都更重要。这些地方都有一个人口泡：大量正值劳动年龄的人，在未来二三十年里会陆续退休，退休人口会超过劳动年龄人口。谁来照顾这些老人，谁来干那些活，这是摆在台面上的问题。 他给的历史参照是绿色革命。七十年代八十年代他还是个孩子，所有人都在谈人口爆炸，谈人类养不活这个星球。而当时正处在绿色革命中间，技术驱动的作物产量在全球范围大幅提升。其中一部分是把西方已知的东西分发到发展中世界，一部分是更聪明的生物学。今天已经没人谈人口过剩了，因为人类大致上解决了吃饭问题。 > 那是一个技术故事。（凯文·斯科特） 他承认自己对未来非常乐观，然后说出了当下真正在做的一件事：他想让其他人也乐观起来。 理由还是回到赫拉利那句"我们是我们讲述的故事"。如果在当下对未来过度悲观，可能会让那些本该准备好的东西准备不起来，从而错过最好的可能。这个逻辑有点循环，但放在他那个位置上说得通：一个掌握资源的人如果相信技术能解决问题，资源就会往那个方向流；如果整个行业都相信末日将至，钱和人会去别的地方。 访谈结束时弗里德曼开玩笑说，除了希望 Clippy 复活这件事，其他他都同意。斯科特笑着道谢。整场对话里，他唯一一次表现出近乎孩子气的兴奋，是提到《疯狂时代》的编剧坐在对面的时候。 几周之后，微软宣布了对 OpenAI 的大额投资。这场对话发生在那个消息之前。 回头看，斯科特在录音里讲的那些东西，和后来的投资逻辑是同一条线：AI 必须成为平台，必须让几百万人在上面建东西，不能变成少数几个城市里少数几家公司决定一切。他讲蒸汽机、讲引擎变成零件、讲数据该有价格、讲平台的成功标准是让别人赚到比自己更多的钱。这些话在 2019 年 8 月听起来像价值观宣示，放到今天看更像一份路线图的注释。 他也没有把难题说圆。数据怎么定价，他说不知道。霸凌的线怎么划，他说得靠民主程序，可眼下平台不得不先做单边决定。深伪怎么办，他说防不住，只能建保管链，再指望人保持怀疑。三千年攒下的媒体素养功课，要在十年内补完。 一个管着几万人、手上握着最先进工具的人，愿意在公开场合反复说"我不知道""这很难""我们没做好"，这件事本身比任何一条具体结论都有信息量。 - 如果你在做产品，把 AI 当哈希表用，别当卖点用。用户要的是问题被解决，不是知道你用了什么模型。 - 如果你带的团队超过一百五十人，先写清楚使命再谈排期。邓巴数以下靠人情，以上只能靠共同目标，没有第三条路。 - 如果你在做数据相关的生意，早一点想清楚贡献者怎么被回报。标注工人已经拿到钱了，剩下的人还没有，这个缺口迟早会被填上，填的人不一定是你。 - 如果你在评估一个平台值不值得押注，用盖茨那把尺子量：它能让你赚到的钱，是不是远多于它自己赚到的。不是的话，你只是它的一个渠道。 - 如果你打算发布任何模型或数据集，发之前花半小时列一遍可能的负面后果。这半小时的成本，比事后补救低几个数量级。 - 如果你每天刷到的内容让你越来越确信自己是对的，去重读一遍科学方法那四道关卡。假设、实验、评审、可复现，这套东西存在的唯一理由就是不让你信得太容易。