这篇是微软CTO Kevin Scott的访谈，核心观点是AI应该像蒸汽机一样普及，成为人人可用的平台，而不是被少数公司垄断。他认为微软历史上成功的平台（如Windows）让其他人赚的钱远超微软自己，AI也要走这条路。他还提出数据应该像劳动一样获得报酬，并看好微软的Azure云、Office 365和Teams，认为AI会持续提升这些产品的生产力。
Kevin Scott，微软CTO，在Lex Fridman播客中讨论了微软在云计算、SaaS服务、操作系统、硬件（如高端PC和耳机）、研究（从经济学到AI）、GitHub、LinkedIn、搜索广告及游戏（如Xbox与《Day of the Tentacle》合作）等广泛领域的工作。核心观点是微软项目丰富如“糖果店”，研究范围从激进市场理论到人机交互。重要结论包括：微软投资OpenAI（播客录制时尚未宣布），且Scott强调与游戏开发者Tim Schafer等合作带来的兴奋感。
Kevin Scott，微软CTO，前LinkedIn工程高级副总裁、Google移动广告工程负责人。本期主线：微软作为平台公司的历史传承与AI时代定位，以及技术如何应对社会挑战。全片最有分量的判断：Kevin Scott认为AI必须成为“平台”而非“产品”——成功的平台应为其上构建者创造远超平台所有者自身的经济价值，微软历史上正是以此逻辑运作。
Kevin Scott认为，AI必须像蒸汽机一样最终“民主化”，成为无处不在的基础组件，而非由少数公司垄断。
Scott引用比尔·盖茨的经典论断：“成功的平台，其衡量标准是它为平台上构建者创造的经济价值，远超过平台所有者自身创造的价值。”他以此框架看待AI：AI不能成为少数几家公司的专属工具，而应成为“其他人用来建立业务、实现创意目标、创业、解决工作和生活问题的平台”。
历史类比：Scott将AI与蒸汽机对比——18世纪末蒸汽机作为首个大规模替代人力的机器，最初只有拥有资本的少数人获得价值，但最终“完全民主化”，成为现代世界的组件。AI需要走同样的路径。
数据支撑：Scott指出，目前全球互联网渗透率已达50%，约35亿人连接。AI的民主化意味着“不只是几万人拥有有趣的工具，而应该是数百万人拥有这些工具”。
证伪条件：如果AI基础设施和决策权集中在“少数几个城市中的少数几家公司”，则Scott的判断将被证伪——他认为这既不利于经济公平，也不利于创新。
Scott介绍微软与经济学家Glenn Weil和VR之父Jaron Lanier合作的“数据尊严”研究，试图建立数据贡献的价值评估与补偿机制。
核心机制：Scott将数据类比为“AI机器消耗的原材料”，但目前缺乏透明的市场来评估这些数据贡献的价值。他区分两类数据贡献：
现实案例：Scott提到Scale AI等公司（以及中国大量同类企业）已在进行数据标注业务，工人因提供标注数据而获得报酬——这是“数据作为劳动”的显性化版本。
不确定性：Scott坦承这“非常困难”，因为数据价值只有在聚合时才显现，且缺乏透明度来追踪数据如何被使用、价值如何流动。
读者注意：Scott在此处同时是微软高管和合作方视角，其“数据尊严”框架本身带有为大型科技平台数据收集行为辩护的色彩。
Scott认为，垂直社交网络（如LinkedIn、Xbox）因有明确的社区目标，内容安全问题的维度比通用平台更少，AI决策更容易。
对比分析：
| 维度 | Xbox游戏社交 | |
|---|---|---|
| 核心目标 | 连接人与机会（求职、导师、销售线索） | 玩游戏、娱乐 |
| 内容边界 | 职业身份、专业社区 | 游戏相关互动 |
| 安全重点 | 不适当/冒犯性评论、危险内容、非法内容 | 反欺凌（区分“玩笑式调侃”与“真正欺凌”） |
政策呼吁：Scott强调需要政策制定者明确“线在哪里”，因为“在民主制度中，你不希望一群人单方面做决定”。但目前部分平台被迫单方面决策，因为政策制定“不够快”。
历史视角：Scott用文字传播史说明问题——从3000年前的纸莎草、500年前的印刷机、19世纪末的胶印机到50年前的PC，人类用了3000年建立新闻伦理、编辑诚信、同行评审等机制，而数字时代在半个世纪内就实现了全球35亿人连接。“我们基本上有3000年的工作要做，但可能只有下一个十年的时间。”
微软已明确划定面部识别技术的使用红线，并呼吁政府介入制定民主化的监管框架，同时利用技术本身解决技术带来的问题。
微软立场：Scott引用Brad Smith 2018年秋季的博客文章，微软认为某些面部识别用途“不应该被允许”，需要监管。短期内在监管缺位时，微软已自行划定红线——例如对某些执法用途持“过度谨慎”态度，宁愿过度限制。
偏见问题：Scott指出模型可能学到“奇怪的东西”，如“所有医生都是男性”。微软正在使用GAN生成的合成视觉数据来训练面部识别模型以消除偏见——这是深度伪造技术的“超级好的用途”。
深度伪造应对：Scott提出“链式溯源”方案——利用加密和社交网络，为内容建立完整的“保管链”，让用户可验证内容来源（如“这真的来自白宫”）。他承认技术检测可能永远落后于生成技术，但溯源方案是可行的。
不确定性：Scott坦承“我们还没准备好”应对深度伪造对“真相本质”的挑战。
Scott总结领导数万名工程师的三个关键：前瞻性基础设施投资、清晰的使命、以及“故事”作为大规模协调的核心工具。
三个关键要素：
1. 前瞻性基础设施投资：不仅包括存储系统、云API等技术基础设施，还包括开发流程、工具、协作文化。Scott警告：“在小型规模时可以即兴发挥，但最大的痛苦来自没有尽早形成足够清晰的意见，然后积累技术和文化债务。”
2. 清晰的使命：不是“可爱的口号”，而是能明确指引方向的东西。Scott引用Yuval Harari《人类简史》的核心观点——故事是协调大规模人群活动的本质工具，一旦超过邓巴数（约150人），没有共享目标就会“灾难性失败”。
3. 故事的力量：Scott将货币、宪法、法律都视为“故事”——“如果我们不相信它们，它们就什么都不是。”
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| 微软Azure云 | 看好（作为平台基础设施） | 未明示具体规模 |
| Microsoft Office 365 | 看好（AI注入持续提升生产力） | 正在开发Fluid Framework（协同编辑框架） |
| Microsoft Teams | 看好（作为协作中心） | 越来越多Office使用发生在Teams内 |
| HoloLens | 看好（已产生实际影响） | “销售大量设备”，主要面向工厂维护等技术工人 |
| 看好（垂直社交网络范例） | 未明示具体数据 | |
| Xbox/xCloud | 中性（内容安全挑战） | 未明示具体数据 |
| Scale AI | 中性（作为数据标注案例提及） | 未明示具体数据 |
1. Kevin Scott：成功的平台应为其上构建者创造远超平台所有者自身的经济价值。 ——引用比尔·盖茨的经典论断，作为微软AI战略的核心理念。
2. Kevin Scott：AI必须像蒸汽机一样最终“民主化”，成为无处不在的基础组件。 ——历史类比：蒸汽机从资本密集型工具变为现代世界的普通组件，AI需要走相同路径。
3. Kevin Scott：数据应被视为“劳动”，需要建立透明的市场机制来评估和补偿数据贡献。 ——与Glenn Weil和Jaron Lanier合作的“数据尊严”项目，试图让用户“甚至可能通过自己创造的数据来谋生”。
4. Kevin Scott：垂直社交网络的内容安全问题比通用平台更容易解决，因为有更明确的社区目标。 ——LinkedIn（连接人与机会）和Xbox（娱乐）各有清晰边界，AI可在此范围内做出更好的自动决策。
5. Kevin Scott：人类用3000年建立了新闻伦理和同行评审机制，但数字时代在半个世纪内就实现了全球35亿人连接，我们可能只有十年时间来解决内容治理问题。 ——历史视角下的紧迫感。
6. Kevin Scott：深度伪造的应对方案不是技术检测，而是链式溯源——用加密和社交网络建立内容的完整保管链。 ——“你可以点击某物，看到经过验证的保管链，显示这来自某个你信任的身份。”
7. Kevin Scott：大规模工程领导的三要素——前瞻性基础设施投资、清晰的使命、以及“故事”作为协调工具。 ——引用Yuval Harari：故事是协调超过邓巴数（约150人）人群的本质工具。
8. Kevin Scott：技术乐观主义是自我实现的预言——“我们是自己讲述的故事，如果我们变得过于悲观，可能就无法为最好的未来做好准备。” ——呼吁保持希望，引用绿色革命作为技术解决全球性问题的历史先例。