Kevin Scott 谈 AI 产品、DeepSeek 与软件的未来

Microsoft 首席技术官 Kevin Scott 与 Harry Stebbings 讨论 AI 在何处创造价值、模型效率、智能体和软件开发。Scott 负责 Microsoft Research，同时也是天使投资人和初创企业顾问。他的判断体现了这些角色以及 Microsoft 在 AI 基础设施和产品上的利益；访谈没有独立验证他的预测或比较性主张。

Scott 说，对持久价值的不确定是技术变革的典型特征：互联网和移动技术早期的想法并非都经受住了时间考验。他敦促创业者采取行动、推出产品、收集反馈并快速迭代。他说，坚定的信念很重要，但当证据与想法矛盾时，创始人必须愿意放弃它。

他常说模型不是产品。他解释，只有当产品将模型与用户需求联系起来时，模型才有价值；优秀的模型、高效算力和基础设施都能通过支持这些产品实现商业变现。他对产品价值的强调是一种商业判断，并非对行业利润分配的实测。

Stebbings 问，初创企业与拥有 Microsoft 和 Google 那样分发渠道的公司，谁会受益最多。Scott 预计结果会与过去的技术周期一样，两者都有机会：成熟公司可以将新能力用于现有客户，初创企业则能探索大公司可能想不到的创意。他披露自己从事天使投资并为初创企业提供建议，认为易于获取的工具让探索更容易。

被问及模型规模扩展是否接近极限时，Scott 说自己能看到当前及下一步的工作，但尚未看到极限。不过他预计会出现收益递减，也可能出现一个经济临界点，使进一步改进的成本超过其实用价值。这一极限在哪里仍不确定。

谈到数据，Scott 说合成内容的比例正在增加，高质量数据和人类专家反馈对后训练尤其有用。他认为，良好的基础设施可以将此类反馈扩展成训练材料。这是他的判断；访谈没有量化各类数据的比例，也没有确立普遍适用的质量比较。

他说，一个重要的未解问题是如何衡量某个 token 或数据集对模型质量的增量贡献。缺乏科学测量时，人们可能高估自己数据的价值。他区分了存储事实与训练模型对信息进行推理：数据库和搜索工具已经可以完成前者。

Scott 说，硬件和软件都推动推理性价比持续提升，其中软件优化往往贡献更大。他称 DeepSeek R1 是扎实的技术成果，是持续进步趋势中的一个节点，而不是改进的终点。这些比较是他的描述，访谈没有提供完整的成本基准。

他说自己对公众对 DeepSeek R1 的反应感到惊讶，并称 Microsoft 曾开发出他认为更有意思但选择不发布的模型。他称赞 DeepSeek 选择公开发布成果。他说，公众反应表明开发者关心获取技术的方式，希望有更多选择；对内部模型的比较来自他自己的描述。

Scott 回忆，自己读研究生时是开源的狂热支持者，但现在对如何构建产品更加务实。展望未来，他预计开放和封闭方式会共存。他将 AI 基础设施比作搜索：用户可以从开源项目入手、购买托管服务，也可以使用现有搜索引擎。

被问及聊天是否是正确的界面时，Scott 称这是合理的一步。他说，过去使用计算设备通常需要自己编程，或使用由开发者提前预测用户需求而创建的应用。在他看来，AI 可以让用户更容易表达意图，再由系统找出执行方式。

他预计，智能体最终会代表用户操作应用的各项能力，减少团队提前设想并编写每个细微交互的部分需求。他不认为现有能力或构建这些能力的人会完全消失。他认为这需要一年以上、但可能不到十年；这一时间判断是预测。

Scott 预计未来会有许多专用智能体，而非一个包办所有事情的智能体。他说工程师仍需构建底层能力，而产品经理可能需要深入了解医疗或投资等领域，并帮助建立反馈循环来改进智能体。这是一种对产品组织方式的设想，并非已确定的结果。

Stebbings 质疑大公司采用智能体的速度是否会像热潮所暗示的那样快。Scott 回答说，使用量取决于实用性，并以开发者工具为已获采用的领域。谈及转换成本时，他说供应商必须不断改进智能体，让用户选择留下；他的判断来自一家销售 AI 产品的公司。

Scott 认为智能体需要更有用的记忆能力，记住交互、偏好和过去的解决方案。他预计，这些改进会让智能体减少事务式交互，也不再那么依赖单次会话。他的预期着眼于未来；访谈没有展示任何特定记忆系统的可靠性或隐私特性。

他希望智能体能越来越多地异步处理委派任务，从短暂交互进展到更复杂的工作。例如，他设想智能体整理夜间邮件摘要，并起草紧急回复供用户早晨审核。这是一种产品愿景，并不能保证智能体可以安全执行所有此类任务。

被问及怀疑者可能错在哪里时，Scott 说他预计技术能力会增强，也不认为雄心勃勃的智能体任务是不可能的。他承认乐观者和怀疑者都很多；他的信心是对未来进展的看法，并非难题已经解决的证据。

展望五年后，Scott 预测 95% 的新增代码将由 AI 生成。他不认为这意味着 AI 会完成整个软件工程工作：他预计重要的创作作用仍由人类承担。这一比例是他的预测，并非当前测量结果，也不保证就业情况。

他把 AI 编程与过去从汇编语言转向高级语言，以及自动生成样板代码的可视化界面构建工具相比较。在他看来，抽象层次在提高，但人仍要明确问题。他预测，最优秀的程序员也会充分理解底层，以便在生成代码出错时进行排查。

被问及基于提示词的工具是否让每个人都成为程序员时，Scott 说，这些工具可以让更多人无需雇用程序员就能创建简单网站。他预计，解决最困难的计算问题仍需要计算机科学家，他们将利用更强的工具处理过去无法完成的工作。

Scott 希望强大的工具能让小型工程团队完成更大的任务，因为他认为小团队行动更快。他说，在 Microsoft，规模可能拖慢决策，虽然有些慢是必要的。尽管公司投入资金，施工和电网扩容等物理约束也限制着基础设施建设的速度。

他将技术债务描述为在技术细节尚未达到理想状态时推出产品所付出的代价：如果债务累积，维护负担就会增长。Scott 说，Microsoft Research 的一个项目旨在用 AI 大规模消除技术债务。他对缓解这种取舍的可能性感到兴奋，但访谈没有提供实测结果证明技术债务已被消除。

在该项目开展约一年后，Scott 说，他看到前沿模型的能力与实际使用方式之间存在很大差距。在快问快答环节，他选择 Anthropic 作为最尊重的竞争对手，并称 Dario Amodei 做得很好。这些是一位 Microsoft 高管的个人判断。

Scott 分享了一位导师的建议：团队应谨慎，不要把全部精力用于将最弱的技能提升到平庸水平，而忽视自身最强的能力。他主张组建优势互补的团队，并说自己不喜欢官僚事务、预算和设施管理。这是一条领导经验，并不意味着必要的弱项总能被忽略。

谈及与 Satya Nadella 共事，Scott 说这位 Microsoft CEO 力求同时创造能量和清晰度。领导者应激励人们完成困难工作，同时明确哪些事情最重要。他称这是观察 Nadella 领导方式所得的经验。

被问及人们是否低估中国在 AI 领域的能力时，Scott 说中国企业家、科学家和工程师值得认真尊重，DeepSeek 来自中国本不应令人惊讶。他的评论针对人们对能力的认知，并没有建立各国 AI 系统的综合排名。

Scott 说，他认为前沿模型的诊断能力可能已经超过一般全科医生，并希望在医疗服务不足的地方部署技术，包括他家人熟悉的乡村社区。这是他的观点，而非临床证据；访谈没有提供研究、适用条件、验证结果或证明 AI 可以安全独立诊断的证据。

被问及 AI 进展是否足够快时，他说不够，并呼吁大力投资教育，让儿童能够接触和使用这些工具。他希望公共和私营部门提供激励，将技术应用于医疗、气候和教育。这些是他的政策和产品抱负，并非部署一定能产生预期收益的证据。