今日，我將與 IBM 首席執行官 Arvind Krishna 進行訪談。IBM 是一家引人入勝的公司。它仍然是一個家喻戶曉的名字，也是美國最古老的科技公司之一。沒有 IBM，我們就不會有現代計算時代——它在 20 世紀對許多基礎技術的發展起到了關鍵作用，並且至今仍然擁有大量專利。但對我們大多數人來說，很難看到 IBM 在這個世紀以來一直在忙些什麼。該公司的著名 AI 超級電腦 Watson 在 2011 年贏得了《危險邊緣》（Jeopardy!）節目。然而，從那以後，對於大多數消費者而言，它主要是在足球比賽期間播放的廣告，沒有太多其他東西。儘管如此，IBM 一直在忙碌，只是大多數人看不到而已。正如 Arvind 所解釋的，它現在完全是一家企業公司，而這項業務正在蓬勃發展。但這項業務也將迎來巨大的變革。Watson 所開創的 AI 技術，所有那些自然語言處理以及我們現在所稱的深度學習的開端？嗯，這些已經讓位給生成式 AI，並且隨之而來的是一種關於如何構建和交互運行公司的所有系統的新思維方式。
— Verge 訂閱者，別忘了無論你在哪裡獲取播客，都可以無廣告地獨家訪問 Decoder。如果還不是訂閱者？您可以點擊這裡註冊。— 所以我真的很想問問 Arvind，他對 IBM 投資所有這些 Watson 技術並在十年前就向世人展示，而最終可能押錯了技術賭注並可能錯過現代 AI 熱潮有何感想。您會聽到 Arvind 非常坦率地表示，當時 IBM 對 AI 的處理方式是錯誤的——他明確表示，將 Watson 過早地推向醫療領域是「不適當的」。但正如您將聽到他討論的那樣，他的觀點是，那個時代的基礎設施和研究並沒有被浪費，因為開發人員和公司仍然可以在那個基礎上進行構建。所以，Arvind 說 IBM 確實有點過早地到達了那裡。但他似乎並不太擔心 IBM 會被邊緣化。
當然，我不得不提到 AI 行業具有泡沫的所有特徵，這是一個我和其他許多人，甚至是 OpenAI 的 Sam Altman 都相當確定會破滅的泡沫。儘管如此，Arvind 比我更樂觀——或者說是少了些憤世嫉俗——他非常自信地認為這不是一個泡沫。但您會聽到我們將當前時刻與 2000 年代初的互聯網泡沫興衰進行比較——在智能手機出現實現無處不在的計算承諾之前——以及所有這些最終對許多人來說是多麼具有破壞性，即使所有來自早期互聯網時代的賭注最終都被證明是正確的。我不得不問他的另一件事是：如果這不是一個泡沫，那麼誰將會勝出？因為感覺上 Apple 和 Google 設法保留了從數字經濟轉型中獲得的所有利潤，這要歸功於他們非常成功的生態系統和應用商店，這些應用商店有效地從幾乎所有其他擁有應用的參與者的勞動和交易中收取租金。如果 AI 經濟也這樣發展，IBM 或其他任何人還有空間從中變得強大嗎？Arvind 的回答似乎是採取不同的長期策略，這就是公司對量子計算的重大賭注所在。這種賭注仍然沒有為大多數人提供有用的產品，但您會聽到 Arvind 解釋他為什麼仍然有些信心。這是一次不錯的訪談；我們去了很多地方，Arvind 非常坦率。好的，IBM 首席執行官 Arvind Krishna。我們開始吧。這次訪談已經為了長度和清晰度進行了輕微的編輯。
Arvind Krishna，您是 IBM 的首席執行官。歡迎來到 Decoder。
Nilay，很高興和你在一起。我很興奮能和你談談。IBM 是世界上最著名的公司之一，但坦白說，我認為大多數消費者已經不知道為什麼了。它非常是一家企業公司。它有很多業務。您已經在那裡工作了 35 年。IBM 曾經是什麼，您今天想把它變成什麼？
您說得對，IBM 是一家企業公司。它是一家 B2B 公司，使用更常見的說法，而不是 B2C。從歷史上看，IBM 確實創造了很多消費產品。我們製造了那個標誌性的打字機，人們都知道。我們製造了 IBM PC——儘管它已經不復存在超過 20 年——以及沿途一些其他的消費品。我會坦白地說，在過去的 30 年裡，我們真的沒有消費產品了。那麼，IBM 做什麼呢？我們的角色是幫助我們的客戶部署技術，使他們的業務變得更好。無論他們是在多個公共雲上，還是想利用他們的數據，或是想更快地接觸到他們的客戶，這就是我們今天真正關心的。我們很多人知道 Watson 這個品牌，IBM 已經談了很多年。著名的 Watson 參加了《危險邊緣》（Jeopardy!）節目。現在我認為這個品牌已經變成了 Watsonx。
我認為圍繞 Watson 有很多我稱之為「機場」和「足球場廣告」的宣傳，這些廣告直接針對公司的首席資訊官（CIO），而不是消費者，但我們仍然都會接觸到這些廣告。Watson 如何融入 IBM 品牌？這才是人們真正關注的問題。如果你不介意，我會給出一個稍長的答案。這將需要幾分鐘時間，但請隨時打斷我並提出問題。所以，如果我們考慮 Watson 這個品牌，它最初確實在將人工智能（AI）帶入大眾視野方面做得非常出色。Watson 電腦贏得了《危險邊緣》（Jeopardy!）節目，這讓人們感到震驚。這確實是電腦首次能夠理解人類語言，思考開放式問題，並且正確的次數多於錯誤的次數。我不會說它完美無缺，但正確的次數確實多於錯誤的次數。我認為這讓人們意識到了 AI 的可能性。我會承認，這讓我們開始了當前的 AI 旅程。它後來失寵了，因為我們做了一些當時市場不太適應的事情。我們試圖過於單一化，我們選擇了醫療保健，這可能是最難進入的領域之一，我認為這是不合適的。世界已經準備好將這些技術作為構建塊來接受。工程師們想要打開它們。他們想要看看裡面是什麼。他們想要構建自己的應用程式。「我想將其用於這個，但不用於那個。」因此，當大型語言模型（LLM）出現時，我們有機會說，「讓我們重新塑造品牌。讓我們真正重建技術棧，並且給人們提供組件，同時也提供更簡單的能力。」這就是 Watsonx 的意義所在。所以它建立在 Watson 與人工智能相關的基礎上。我相信 AI 對人們來說是一個真正的大突破。我稱之為第八種技術，但這是後話。這就是 Watsonx 品牌的全部意義所在。讓我進一步闡述一下。你將 Watson 描述為一台電腦，它是一台可以參加《危險邊緣》節目的單一電腦。然後，你描述了 LLM 技術的引入，以及這個構建塊的生態系統。最初的 Watson 電腦在 AI 技術上的賭注是什麼？你認為作為一項技術，這是一個錯誤的賭注嗎？因為我對 LLM 技術以及我們正在做的賭注有很多疑問，但我現在很好奇，既然你已經有過那段經歷，最初 Watson 電腦中的技術是什麼，那是一個正確的賭注還是一個錯誤的賭注？實際上，它們是相同的技術。所以，當時 LLM 還不為人所知，但其他各種神經網絡模型已經存在。神經網絡模型從我們所說的機器學習到開始被稱為深度學習的範疇都有。當時 Watson 內部是機器學習和大量統計學習的混合體，這是深度學習的核心。讓我僅僅指出，第一個重要的深度學習演算法是在 Watson 贏得《危險邊緣》節目一年後出現的。Watson 在 2011 年贏得了《危險邊緣》節目，而 2012 年是這個術語開始出現的時候。但這些東西的早期版本已經存在於其中。不幸的是，它們並不是以你可以調整它們、取出其中一個、使它模塊化並取出另一個的方式存在的。我們試圖將其作為一個整體提供給你——這就是我所說的整體——這是錯誤的做法，坦白說。技術是正確的，市場進入方式是錯誤的。你能將那組技術與今天的 LLM 聯繫起來嗎？我對你提出的反駁論點是……我僅僅舉 Google 為例。Google 在機器學習、深度研究和 LLM 方面做出了很多賭注，並且很早就展示了 LLM。我記得[首席執行官桑達爾·皮查伊]在演示時說了類似「我可以和冥王星說話」的話，沒有人知道他在說什麼。然後三年後，ChatGPT 出現了，Google 就說，「等等，我們發明了所有這些。」那是它的技術賭注，那是它的論文：「注意力就是你所需要的。」你說你也有，但對我來說，實際上有一個轉折點，行業選擇了不同的技術，他們選擇了 LLM。所以你能為我畫出這個聯繫嗎？當然可以。從 2010 年到 2022 年，大約 12 年時間，深度學習取得了驚人的進步。毫無疑問。這裡有一個問題。對我來說，深度學習是非常定制的。你可以獲取大量數據並僱用很多人來標記這些數據。它可以非常好地完成一項任務，真的可以，但任務不會保持靜態。數據會改變，任務會改變。如果我必須重新進行所有那些人類標記，重新學習和重新訓練，我稱之為定制的和脆弱的。所以，回報總是有點遙不可及。這適用於你有一個大規模的、單一的 B2C 任務，可能是建議你可能喜歡哪張照片或哪個廣告。這是值得的，因為在我使用該模型的這一個月或兩個月內，我可以獲得很多回報。在企業環境中這有點難，因為它需要更長的時間來彌補所有成本。
回到你最初提到的情況，當有大量數據時，標註工作就會消失。哇，這樣成本就減半了。你採用蠻力方法，使用更多的計算資源和更少的人力。哇，成本進一步下降，因為技術總是隨著時間變得更便宜。所以現在，幾個人和大量的計算資源就能完成以前可能需要 30 或 40 名博士和 40 或 50 名工程師六個月才能完成的工作。你可以現在以更短的時間完成任務。這是一個巨大的突破。簡而言之，這看起來像是 2 倍或 4 倍的優勢，但如果我從頭到尾比較，這是速度、調整和部署方面的 100 倍優勢。這是工業級別的。此外，這些模型可以針對許多任務進行調整，而不僅僅是一個。我不是說所有任務，但很多任務，這意味著適用性是巨大的。而且，當我想攝入新數據時，我不必從頭開始。我可以添加一些。在某個階段，重新開始是有意義的，但我可以在這方面做更多的事情。所有這些都是巨大的突破，這就是為什麼我認為這是幫助大規模擴展 AI 的正確技術。順便說一句，我不認為這是終點。我們會回過頭來談論這個，但它比之前的技術好上一百倍。這是我真正感興趣的轉變。在這之前，人們對 AI 進行了多次嘗試，深入研究就是其中之一。機器學習演算法在行業中被廣泛部署。Apple 多年前就在談論 iPhone 中的神經網絡加速器，但它們並沒有累積到 LLMs 在行業中所達到的程度。不過我很好奇。你提到了成本，成本可以下降，但你我談話的時候是一個財報週期的結束，每個人的成本都在飆升。他們的資本支出在飆升。與增加的資本支出相關的一些裁員我確實想問你。但僅僅從成本上來看，它似乎並沒有便宜多少，對吧？似乎要贏，你必須花費更多的錢，而這些錢目前還沒有明確的投資回報率。有很多賭注。你能調和工業規模的低成本與我們目前看到的實際支出之間的矛盾嗎？我可以，但如果你允許我這樣說，B2C 世界和 B2B 世界之間是有區別的。首先，讓我們談談成本。是否有大量的不僅是資本，還有運營費用被用來填充數據中心的 GPU 和構建這些基礎設施，而且這些金額現在承諾達到數萬億？這絕對是事實，這就是你剛才提到的：“嘿，這聽起來不便宜。這聽起來並不比以前便宜多少。”甚至聽起來不安全，僅僅是為了明確。我甚至不認為根據潛在回報這聽起來安全。也許我們會回過頭來談論這個。我說它會變得更便宜的意思是，如果我採取五年的時間範圍，半導體行業一次又一次地展示了什麼？回到 PC 的開始。有半打競爭技術，其中一些開始勝出。這就是摩爾定律的開始，對吧？每兩年你就能在你能做的事情上獲得 2 倍的優勢。我看著半導體方面，我說：“在五年內，我們可能在純半導體能力上獲得 10 倍的優勢，或者你能花一美元獲得的計算量。”明白了。這是第一點。其次，沒有人說 GPU 是部署這些大型語言模型的唯一優秀架構。當然，它是一個。還有其他公司正在興起。我們與 Groq 合作，他們有一種不同的類型。你有 Cerebras，他們有另一種類型——那是處理器公司 Groq，不是 Elon [Musk] 的 AI 公司 Grok。對的。Groq，處理器公司。是的，這個詞來自計算機科學。很多人使用這個詞。但是的，Groq，推斷晶片公司。至少在這些第一步中，Groq 看起來將會便宜 10 倍。但同樣，這不會是唯一的設計。我認為你將在純矽方面獲得 10 倍的優勢。你將從設計方面獲得 10 倍。然後是第三部分。我認為在記憶體緩存和如何部署這些模型方面還有很多工作要做。我是否對它們進行量化？我是否壓縮它們？我是否總是需要最大的？所以，從軟件方面來說有 10 倍的優勢。你把這三個 10 放在一起，那就是便宜 1000 倍。我只是說：“嘿，也許我們在未來五年內不會得到全部，但即使你得到其中的平方根，那也是用同樣的錢便宜 30 倍。”這就是為什麼我相信這將會實現。這將變得更便宜，但需要五年的時間來實現。現在，對於大多數經歷這種顛覆的人來說，五年的時間感覺就像永遠一樣。
當你看到今天在數據中心部署的數千億美元資金，其中大部分用於運行 Nvidia 的 GPU 時，感覺就像過了很長時間一樣。你談到了摩爾定律。我看到這些，我實際上看到了一個巨大的障礙，阻止 Nvidia 推出其下一代 GPU。大量股權與 H100 成為這些交易發生的實際貨幣單位緊密相連。這是一種奇怪的動態，對吧？你說會有競爭對手打破這種動態。不一定是打破，而是提供更多的競爭，這就是本質所在。當我說 Nvidia 發布下一代 GPU 存在障礙時，你點頭表示同意。你認為這是真的嗎？我認為，當你擁有一家非常寶貴的公司，其利潤來源於少數產品時，總是存在一種內在或有機的障礙，阻止其嘗試改變這一點。話雖如此，我永遠不會打賭 Jensen [Huang] 自我顛覆並走向下一個高峰的能力（如果有的話）。所以，你兩者兼而有之。我認為某些公司能夠自我顛覆，而其他公司則猶豫不決，這實際上就是科技界公司起伏的原因。我顯然是在引導一個大問題，那就是這感覺像是一個泡沫。很多人認為這是一個泡沫。你對這個行業的發展有著截然不同的看法。你正在投資，我想談談你在一些競爭對手大規模裁員時仍在招聘的事實。但讓我直接提出這個問題，然後我們可以進入其他所有內容。你認為我們現在處於 AI 泡沫中嗎？不。我是否相信會有一些資本支出，特別是債務資本，將無法獲得回報？是的，但讓我們看看。所以，這是一個 B2C 的領域，然後還有 B2B 的世界。兩者有很多共同的技術，但讓我們只看 B2C。如果你在 B2C 中建立了一組非常有吸引力的模型，並且有五億人成為其消費者（這是大致目前的數字），那麼通過再花費 500 億美元（約 HK$3,900 億）來建立一個稍微好一點的模型以吸引另外兩億用戶是有經濟意義的。所以，這是一場競賽，誰能讓世界上 75 億人中的更多人成為特定模型的訂閱者，因為下一個賭注變成了網絡規模和這些規模經濟將使你能夠取得成功。你已經看到過這樣的情節。這是上一代的社交媒體。所以，我的反應是，“他們這樣做是有道理的。” 現在，如果十個這樣的公司將要競爭，我們知道可能兩三個將成為最終的贏家，而不是全部十個。對我來說，他們追逐這一點是有經濟意義的。我的觀點是，並非所有這些都會看到回報。順便說一下，如果我回顧 2000 年的地面光纖，並非所有人都獲得了回報。然而，這就是資本主義的美麗之處，我稱之為美麗。我們花錢，然後回歸到 30 美分對 1 美元（約 HK$7.8）。在那個時候，對於其他人來說，獲取該資產並將其轉化為利潤流變得非常有意義，但並非所有這些都會丟失。正如我所說，兩三個將賺很多錢，而其他的則不會。所以，我認為投入的股權實際上將獲得回報。一些債務則不會。我喜歡光纖的比較，如果你願意，我只想再坐一會兒。當光纖鋪設正在進行的時候，我還很年輕。我非常興奮能獲得更快的互聯網接入，我清楚地記得那個泡沫。部分泡沫是想要為互聯網建立基礎設施，而真正推動泡沫的是想要將整個經濟轉移到互聯網上，這並沒有成功。Pets.com 的首次公開募股（IPO）就是一個跡象，我們還沒有完全轉移經濟，但我們建立了基礎設施。重要的是，光纖在地下並沒有變壞。今年早些時候，我採訪了 Ciena 的首席執行官 Gary Smith，該公司從事光纖多路復用。至今，光纖可以獲得無限的回報，他們的技術幫助他們建立數據中心。這實際上就是他上節目的原因，因為他真的很想告訴大家，他的技術可以建立數據中心。GPU 會變壞。它們在數據中心中的故障率已經在 3-9% 之間。此外，可能會有 H200，或者你投資的 Groq 晶片可能會取代 H100。所以，所有這些資本支出在 30 年後不會留給下一代企業家，如 Gary，來建立並創造更多容量。我們只會把它扔掉。不，不，讓我們分解它。
所以，你正在建設一個更大的實體數據中心。我認為混凝土和鋼鐵能夠經受時間的考驗。它的旁邊是發電廠。我們需要電力。實際上，我相信這些發電廠最終甚至會與電網連接，這對國家基礎設施來說更好。這是有用的。現在，從它們出來的纖維——這些地方的網絡、儲存和 CPU——都是有用的。我現在承認，這裡的故障率非常高，但作為一個半導體愛好者，雖然我遠不及我在這些領域的朋友和競爭對手那麼深入，如果你能以 3GHz 運行某物，而你嘗試以 4GHz 運行它，它實際上會運行，但故障率會更高。也許如果你嘗試以 300W 運行它會很好。如果你以 400W 運行它，故障率會更高。因此，如果今天你只需要那麼快的速度來訓練模型，那麼調整它並說“我願意接受那樣的故障率。我有軟件來處理移動東西”是值得的。但你可以稍微降低它的性能以獲得更高的彈性。我認為這實際上是一個設計點。這並不是真正的錯誤，可以這麼說。我是否承認這些會隨著時間的推移而上升？我開始時說，“我認為在五年內，我們的半導體將會好 100 倍。”所以你是對的，對於 GPU 或一些計算基礎設施來說，有一個五年的折舊期，但另一半是有用的。但在五年內，你不會丟棄所有的資本支出。你會丟棄一小部分，然後用那個時候更好的東西來替換它。我認為與光纖製造的具體比較——也許這太迂腐了——但光纖在地下，然後它就在那裡。除了通過多路複用光纖來創造更多容量之外，它並沒有給那些想要使用它的人帶來經常性成本。你說得對，地下的光纖是持久的。也許不是永遠，但至少 100 年。在某個時候，即使是玻璃也開始變得模糊並做出各種奇怪的事情，但它能用 100 年。但人們也在上面建造了很多終端設備，所有這些都必須被丟棄。你現在忘記了所有的失敗。人們在建造異步傳輸模式（ATM）。人們認為他們可以建造真正智能的影片流，並將其內部結構放入其中。人們談論進行波分複用（WDM），既然你提到了 Ciena。然後，它變得簡單了。這裡有暗光纖，它是一個簡單的管道。去把你的比特扔進去，以太比特的速度，智能屬於雲端。這花了 10 年時間才展開。所以這實際上是一個變化的過程。我很抱歉變得那麼技術性。不，這就是我們在這裡的原因，這就是為什麼我問了這些問題。我實際上認為那是科技界最激動人心的時期之一，當沒有人知道它會如何運作，而且有更多的嘗試都在進行。它確實在一場災難性的泡沫中破滅了。但它非常令人興奮。它確實下降了，然後今天你轉過身來可以說，“但所有在這背後建立起來的公司顯然證明那項投資是值得的。”如果我從國家或總體投資者層面來看，雖然有些人確實損失了很多錢，但有些人賺了很多錢。我想談談泡沫比較的另一部分，即我們將把整個經濟轉移到互聯網。你提到了社交媒體。作為一個從 iPhone 開始到現在都非常深入地報道它的人，我會將其描述為想要將整個經濟轉移到你的手機上。首先，我們要把所有東西都放到網上。也許它沒有分銷，因為我們不會都在桌面上看 CRT 顯示器，所以那沒有發生。但後來我們都有了手機，而我們能夠將大量的至少消費者經濟轉移到我們的手機上的想法發生了。這發生了。我們今天都生活在這些結果中。你認為，至少在你所描述的消費者領域中，論點是我們將把應用經濟轉移到 AI 嗎？因為我看到的是，同一批投資者，他們通過將經濟轉移到智能手機上致富，現在認為他們可以用 AI 再次運行這個劇本。也許我們將使用[模型上下文協議]（MCP）重新構建應用程式，也許會有代理使用網站而不是人，但從同樣的角色出發的論點對我來說感覺大體相同。如果你不介意的話，我將對你的第一部分進行更深入的探討。你說得絕對正確，經濟的前端確實轉移到了手機上。當手機讓你隨時隨地都能訪問，而不是僅僅被固定在帶有手提電腦或桌上電腦的桌子旁時，這無疑是一個巨大的解鎖。讓我們承認這一點。但仍然存在一個實體經濟。
我經常講，美國有 60% 的勞動力仍然從事前線工作：從事建築業的人、在倉庫工作的人。如果你購買有形商品，它仍然來自倉庫。也許不是來自你家附近的零售店，因為它們有前端，但在後端，有倉庫、卡車司機，可能還有多條分銷路線。我們仍然去餐廳，還是有食物、有雜貨、有實體醫療保健，所有這些都仍然存在。它變得更加高效、更加容易、更加方便。但現在我說，“我不需要花那麼多時間，我將擁有一個代理或前端 AI 來幫助解鎖更多東西，並將我腦海中想到的四五件事組合起來，”我完全同意你的看法。我們為什麼不想要這樣的事情發生呢？這將會發生。你已經可以看到這種情況的早期實例。它現在如此吸引人，因為它為人們（我不點任何人的名字）提供了一個改革的機會，這些人是最重要的參與者，它為一些顛覆提供了機會。另一方面，我認為它超越了消費者，進入了企業領域。我實際上相信將會有一億個新的應用程式被編寫出來。現在，如果你想想我們談論的智能手機生態系統，人們談論的是五十萬、幾百萬，我認為這可能會達到十億。可能會有幾百萬個應用程式位於消費者一側，但如果有一千個企業，你將企業數量乘以一千，那麼這將解鎖更多東西。讓我在這裡問你一個問題，然後我確實想問你 Decoder 的問題，以及關於 IBM 的具體問題。在將所有經濟活動轉移到智能手機上的過程中，最大的贏家從很多方面來說是 Apple 和 Google，因為他們在這次轉變的背後獲得了大量的租金收入，通過應用商店稅收和費用收取。也許現在隨著歐洲正在進行的反壟斷訴訟，這將被解除，但它確實發生了。他們收取了大量的費用。他們是世界上一些最富有的公司，這就是背後的原因。Apple 剛剛報告了其季度收益，其服務收入是有史以來最高的，這就是 App Store 費用的來源。這就是那條線的真正含義。我認為它經營電視業務只是為了假裝現實不是現實。你認為這會在 AI 中重演嗎？因為我看 OpenAI 宣布了一個看起來像應用商店的東西。我看 Google 宣布 Google 搜尋將在搜尋時內置自定義開發的應用程式。這非常酷，但我看到這些集中化的點再次出現，它們看起來不像 Apple 和 Google，也許會有競爭。可能在企業領域會有競爭。你認為會有同樣的集中化點嗎？我不會說我們今天知道誰是贏家，因為我們只處於比賽的第一局。會有一些贏家。我同意你的看法。但你認為這些贏家看起來像我們在智能手機時代看到的控制中心點嗎？將會有幾個不同的贏家。如果你回到智能手機的類比，你有一個建立了垂直整合堆棧的人。它是一個更簡單、更方便的設備，然後要訪問該設備，人們必須進入 App Store。那就是那個模式。另一個模式說，“我們是完全開放的”，採用 Android 操作系統。然而，要訪問所有其他東西，你必須進入 Play Store 或進入 Google 搜尋。那是第二種模式。它並不完全相同，但很相似。所以，這些成為了進入最終個體的兩個入口點。這就是為什麼他們能夠收取適當的……你稱之為租金，這是從經濟學術語來說的。讓我們說他們能夠從商業角度收取適當的利潤。我認為 Tim Cook 會稱之為利潤，但我認識的開發者對那個利潤的感受非常不同。但對於那些建設如此龐大基礎設施的人來說，也有大量的成本。他們不可能永遠維持它。正如中國人所展示的，你可以製造競爭產品。如果你能保持領先，那麼人們會更喜歡這些設備。但最終，價值在於應用程式，正如你所說的。如果該應用程式在其他地方可用，或者如果主要平台上的摩擦和創新減慢，人們將會轉換。這可能需要三到五年的時間。這不像會有保證的回報永遠不會改變。它會改變。正如許多其他公司所看到的，這種轉變需要幾年時間，而不是幾十年。不過，當它發生的時候，對於原來的公司來說是災難性的。有些公司設法恢復過來，因為他們醒悟過來並說，“嘿，等一下，我得改變。”有些則沒有。我認為這讓我想到 IBM。這是你和 IBM 多年来一直在進行的过程。
你喺 2020 年接任行政總裁，而當時你已經喺公司差唔多 30 年。我問每個人呢啲問題。你喺呢度有獨特嘅觀點。你喺接任行政總裁時已經喺公司好長時間。當你接任時，IBM 係點樣架構嘅，而你點樣改變咗呢個架構？其實比起正式嘅組織架構，呢個問題更關乎文化、專注點、我哋做啲乜同點樣做。如果你話你必須專注於創新，咁你就必須專注於你喺邊度可以為你嘅客戶提供獨特價值。呢個係第一個問題。我想講清楚，我哋嘅專長係幫助我哋嘅 B2B 客戶取得成功。你可能會話：「好啦，咁呢個範圍好廣。之後呢？」我持有兩個有啲獨特嘅觀點。第一，我不認為我哋大多數客戶會去一個單一嘅公共雲。有些人會，但大多數人唔會。美國以外嘅人往往希望喺美國雲同更具主權嘅某樣嘢之間有所區分。然後，有啲人使用大量 SaaS 產品。佢哋已經喺現有應用程式中編寫嘅內容中具有巨大嘅經濟價值。我會用「混合」呢個詞嚟形容呢種情況。係咪有一個供應商可以擁有領先技術，幫助我哋嘅客戶喺呢個旅程中？呢就係我哋採取嘅混合方法，而呢個方法隨時間推移已證明具有巨大價值。大約 60% 嘅總支出喺美國以外。即使喺美國，任何喺受監管行業嘅人都會喺某種程度上係混合嘅。所以呢個係第一點。第二係專注於 AI 可以喺企業中部署嘅地方。唔好試圖競爭。我唔會試圖與 Google 競爭去建立一個聊天機器人，咩係當前嘅數字？係 6.5 億活躍用戶。呢度唔係我哋擁有品牌許可同可信度嘅地方。但我可以走進一家健康保險公司，並說：「我會確保你嘅客戶、你嘅病人嘅健康數據受到保護，但讓我哋解鎖 AI，令呢啲人感到更加快樂並獲得更快、更容易嘅答案。」呢啲人往往信任我哋，因為喺 114 年裡，我哋從未濫用過呢啲數據，甚至一次都冇。你得到呢點，然後你就可以提供技術並將其部署。所以我哋選擇咗呢兩點。然後，我問：「我哋真正擅長啲乜？」我哋真正擅長建立系統。我早早就決定，第三個賭注係量子計算。讓我哋睇吓我哋能否將其從科學挑戰變為工程挑戰。一旦成為工程挑戰，我哋點樣擴展它以真正實現部署？呢就係真正嘅重大轉折點，而唔係試圖做很多事情。我用咗「創新」呢個詞。呢意味住商品服務必須離開公司，因為你唔能夠兩者兼顧。呢意味住如果我哋要成為混合型，我必須與我談論嘅所有其他人合作。所以，你從對應該做啲乜嘅清晰看法開始，然後你說：「冇關係，我會做出所有艱難嘅決定，改變銷售團隊嘅薪酬方式，改變所有高管嘅激勵措施，以符合使呢啲事情成功所需嘅條件。」
對唔住，答案太長。唔，呢個好極。呢個節目嘅一個老生常談係，如果你告訴我你嘅公司結構，我可以預測你 80% 嘅問題。你可能會說文化同結構係分離嘅，但我睇到咗聯繫，佢哋互相影響。所以，你喺 IBM 度好長時間。極少數人會有機會面試成為 IBM 嘅行政總裁。嗰個過程係點樣嘅？你係咪進來說：「呢間公司專注得好唔啱。我哋必須放棄商品類嘢。我要做出呢啲改變？」然後，一旦你決定咗要咁做，你實際上係點樣改變公司結構以專注於呢啲事情嘅？我可能冇花 30 年時間渴望得到呢份工作，坦白說。我認為呢個過程更係一個發現過程，即使對我自己嚟講，亦係喺嗰幾年之前。2017 年，我深入觀察到混合模式。當我做出呢個觀察時，我說：「好，我點樣測試呢個？」我實際上與 Red Hat 有合作，我說——係咪因為呢個原因你有一頂紅帽？我注意到你身後有頂紅帽。我有頂紅帽喺度，因為當我哋喺 2018 年宣布決定時，花咗一年時間通過監管機構並完成交易。呢佔我哋市值嘅 30%。很少有公司會喺一項信念同信仰上花費 30% 嘅市值。所以，我保留紅帽喺度，因為對我來說係明確嘅：如果嗰個信念結果係錯嘅，我應該被解雇。人們猶豫唔敢說呢啲事，但我說：「如果我錯得咁離譜，我唔應該喺呢度工作。」呢就係為乜我保留紅帽作為對自己嘅提醒，你必須有信念，然後你必須做出真正艱難嘅行動。所以，呢就係使信念成功嘅文化部分。
否則，人們只會回到他們原來的軌道上。做事情按照他們一直以來的方式會有舒適感——讓我進入那個房間。這是 2020 年，你正在與董事會進行面試過程。你有沒有準備一個簡報說，“我們做了太多商品化的東西。我將會削減它，我們將會專注於這些領域和對量子堆棧變革的重大賭注？”我的簡報只有三頁的優點。它並不是像 100 頁的分析。我相信你應該談論你想要什麼。我說，“我們必須成長，我的觀點非常簡單：你必須以遠高於 GDP 增長的速度成長，否則你將來不會有相關性。” “好的。如果你要成長，你將在哪裡成長？”如果你看看我們，我們的品牌許可基本上是一家科技公司。這是“高創新”的代碼。現在，這是我認為許多公司不足的地方。如果你對此明確，那麼不屬於公司的東西就不應該在裡面。這就是為什麼分拆需要幾年時間才能完成。然後，我說，“我們必須在軟件方面成長，因為這是我們的客戶認為有價值的地方。”你談論結構。好吧，如果你要在軟件方面成長，這將成為一個巨大的根本性變化。這就是資本配置和資源配置的去向。這就是你必須投入比歷史上更多的投資的地方。然後，你如何與合作夥伴根本性地保持一致？這是組織變革，因為你必須說，“銷售團隊如何獲得報酬？你如何擁有正確的激勵措施？”所以，這些可能是我在頭兩年做出的前三個真正重大的決定。當你這樣做時，你也會意識到人們往往非常厭惡風險。你如何解鎖他們，讓他們承擔風險？對我來說，沒有無風險的成功之路。如果你想無風險，你幾乎總是會被壓在績效的底端。你如何解鎖人們的風險承擔，讓他們感到有動力去做，而不是不那麼做？這讓我進入了我問每個人的第二個問題。我有這種感覺，但我很好奇你會如何描述它。你如何做出決定？你做決定的框架是什麼？你總是從是否有價值開始。如果這是一個將影響我們做什麼以及如何做的決定，客戶是否從這種新的做事方式中受益？如果你對此相當確信——我會回到你如何獲得你的確信——我總是相信你應該進行三角測量。我總是會與內部和外部的許多人交談。也許不會有完整的描述，因為有時你不想給出，但有足夠的東西來驗證我的假設或可能的勝利會是什麼。因此，你達成了確信，你與一些人進行三角測量，然後你問自己，“如果我們真的希望這一切都能實現，內部需要改變什麼？”一旦你達成了確信和所有這些，你就能夠去執行它。我建立在我自己的優勢之上。我認為我是一個相當深入的技术专家。我认为我通常能理解技术可能的发展方向，但我可能并不总是完全理解客户能用技术做些什么。这就是为什么第一部分真的非常重要。然后，我进行三角测量。我不介意深入到组织中的 10 个层级去与那些我认为对某个话题有见解或了解的人交谈。与可能的客户谈论这些问题。与合作伙伴讨论这些事情。这只是为了给你的观点提供資訊。无论如何，当你出去与他们交谈时，保持耳朵开放，听他们说什么。这实际上可能在以后为某些事情提供資訊。让我们在最远的赌注上实践这一点，那就是量子。所有大型科技公司都有量子部门。我之前曾邀请过你量子团队的负责人 Jerry Chow 参加节目。那是一次很棒的对话。我看过很多房间，有人告诉我这是地球上运行他们的量子或他们当天试图生成的任何量子比特的最低温度。none of that has paid off yet。我们还没有接近所谓的量子“实用级计算”。这不是你的客户目前所要求的。这超出了你所决定的结构和文化的范围。这是一个重大的赌注，将会在我们如何构建计算机方面发生巨大的变革，为每个人释放更多的价值。即使在所有动荡中，即使在所有其他人在数据中心投资的情况下，即使在亚马逊说“我们要裁员 14,000 人因为 AI”的同时，你却说“我们将雇佣比任何人都多的大学毕业生”，你也必须保持这项投资。你是如何保持专注于量子的决定的？你是如何维持这个决定的？你说得对，你不能去问客户，因为他们今天不知道如何处理它。但这并不完全正确。
所以，在最初的五年，即 2015 年至 2020 年，你必須對其潛力抱有信念。也許是因為我在研究生時期的數學背景，我當時想，「哇，如果我們能做到這一點，我立刻就能看到哪些問題可以得到解決。」但要向除了這個領域的熱心人士之外的任何人解釋這一點是不可能的。我完全承認，那五年是關於對一群人和一種可能性的內部賭注。但從 2020 年開始，我們開始說，「這些不是大規模的。我承認這一點。它們充滿了錯誤。它們很小。客戶還會對此感到興奮嗎？」我確實進行了全面檢查。我們有 300 個非商業客戶。有 300 人在與我們合作……讓我們稱之為研究模式。有 100 人完全是商業性質的，100 人從事材料或醫學領域，還有 100 人是純學術界。這是大致的分類。這就是為什麼匯豐銀行向自己證明了我們可以在其上進行債券交易定價。先鋒集團向自己證明，如果它足夠大，它可以建立一個更符合您需求的投資組合。您有戴姆勒在研究電動汽車電池。您有波音公司在研究材料的腐蝕。所以，有驗證點。他們不是說他們會以今天的狀態購買它。他們所說的是，「嘿，如果你達到那個點，這對我們來說真的很有趣。」即使是客戶，也有驗證。然後我說，「我怎麼知道有足夠的興趣？」所以，我讓團隊將軟件開源。現在，我要說，對於很多人來說，包括一些目前在人工智能領域的人，早期這樣做並不常見。為什麼要開源？如果您對其定價，開發人員和大學怎麼會使用這些東西並感到興奮呢？所以，我們將所有軟件開源。事實上，全球有 65 萬人使用它，這告訴我這裡有興奮，有運動，人們渴望一種新的方法來解決其他類型的問題。這對我的框架來說是兩個有用的驗證。如果那 65 萬是 10 萬，我可能還是會覺得可以。事實上是 65 萬，這告訴我這裡有真正的吸引力。但如果 65 萬是 1000，我會告訴我的人，「夥計們，這是你的物理朋友。這不是一個市場。」我對此很好奇。這是一種長期的賭注，以及那些認為「這種計算將讓我們能做更多事情」的人的早期興趣。在消費者方面，這很有趣。我聽到的是，「嗯，當有量子計算時，我們將需要量子證明的加密。」這就像現在有一個二級市場，基於您是否會在量子計算上成功，這與量子計算的成功幾乎無關。這是一種賭注。這是一種對您成功、Microsoft 成功或任何其他從事量子計算的人的奇怪對沖。實際的成功是什麼樣的？它是計算機技術的一步變革，就像我們今天所經歷的圍繞人工智能的所有計算機重新架構一樣嗎？它比那更大嗎？對您來說，這感覺如何？我實際上認為這是一個補充。所以，有 CPU。GPU 並沒有取代 CPU，它是一個補充。現在，GPU 的價格遠高於 CPU，所以 GPU 的市場比 CPU 大，但它是一個完全的補充。它並沒有取代 AMD、Intel 和 ARM 所做的。我覺得 Intel 現在對此有不同的看法。當然，我同意您的看法。一些公司還有許多其他問題。每年銷售的 x86 晶片數量是有史以來最高的。如果我這樣說怎麼樣？可以的。好的。所以，這是一個補充，但如果下一個有更直接的價值，您可以以不同的價格點定價。這有道理嗎？是的。讓我們為了簡單起見，使用 QPU 這個術語來指代量子計算。QPU 將在推出時具有驚人的價值，因為它們可以解決您實際上在短期內在經濟上無法在 GPU 和 CPU 上解決的問題。看，您在 GPU 上可以做的任何事情，您都可以在 CPU 上做，但速度會慢一千倍，並且在經濟上不可行。所以，GPU 開闢了一整類新的問題。QPU 也將類似地開闢這些問題。這是一個補充，而不是取代。但鑑於世界上有限的資金，如果這是一個補充，我們有先發優勢，就像您所提到的公司之一在 GPU 上所做的那樣，這開闢了一種可能性，即市場是如此之大。所以我們做了工作。我們請了我們在諮詢界的一些朋友，比如波士頓諮詢集團和麥肯錫。「告訴我們您認為如果我們能達到某種實用點，價值是多少？」他們都回來給了我們一個非常一致的答案。這非常閃亮，但可以將其視為，「我們認為早期每年有 4000 億到 7000 億美元（約 HK$54,600 億）的價值。」太好了！「您認為科技界能從中獲得多少？」「可能是 20 到 30%。」
“似乎很合理。” 我說，“好吧，這就是我們將要追逐的獎勵規模。” 我們將在多大程度上獲得這份市場份額，而不是其他人，這是個問題，這也是我們未來五年的旅程。你認為你能在五年內償還量子投資嗎？對於工程來說，很難給出一個確切的點，並說，“這不像建造下一台大型主機。” 在那裡，我真的知道我正在做什麼。我完全知道需要多少個月，我可以在上面標記一個點。在這裡，我給了一個範圍。我們是否可能在三年半內取得一些顯著的成果？我會給它低概率。這是有可能的，但概率可能是 20% 或 30%。我們能在四年內做到嗎？我的概率會大大提高。我能在五年內做到嗎？我的概率會非常高。所以這就是為什麼我說五年。這並不是說它真的是五年。我認為它會是一個範圍。我希望你在三年到四年內看到一些非常早期的採用者。在第四年年底會有更多，然後之後人們的風險會降低。在 24 個月內會有很多行動。如果你能做到，那將是非常令人興奮的兩年時期。將這與 AI 相比非常有趣。你談到了你如何估計一個你必須開發實際能力的萌芽技術的市場規模。你估計了你可能佔據多少市場份額，並且你正在根據潛在的回報進行一些投資。所以，最後一部分，為什麼是我？我假設其他人可以做所有這些事情。為什麼我們會成功？因為我認為這遠不止於此。有這麼多談論。你提到了各種量子比特技術、低溫室和替代技術。我實際上喜歡有這麼多東西，但這不是建造一台電腦。我總是告訴人們，“你絕對需要一個很棒的 QPU 和一個很棒的量子比特。你還需要一種方法讓它們相互交流。你還需要一種方法來控制它們。你還需要一種方法讓它能夠自己運行，而不需要六位量子物理學家站在房間裡調整它。” 這是量子物理學家的一個很好的就業計劃。得了吧。[笑聲] 所以，你需要所有這些東西，而我們是少數幾個在內部擁有很多這些技能的獨特參與者。這解鎖了人們去做那些事情，並且真正激勵和激勵他們。我認為這是我們今天在基礎技能方面擁有的優勢。我會稱之為一種非常清醒、非常深思熟慮、幾乎是保守的方法，對於部署數十億美元的資本支出，針對尚未在市場上證明自己的技術。你做了一些估計。你對你的公司能夠增加多少價值有個概念。你將進行艱苦的研究，然後你將到達那裡。我只是將這與 OpenAI 和我們今天看到的 AI 市場進行比較。就在這一周，OpenAI 轉變為一家營利性公司。有傳言稱將有一個萬億美元的 IPO。我們在企業領域談論的所有事情，你都可以看到 AI 和企業如何幫助加速數據使用和所有這些公司擁有的非結構化數據。很好。但是賭注是在消費者領域。我們將構建一個成熟的代理，它將四處奔跑並為你做事，這將取代你的智能手機。這些似乎都不清醒、保守、基於真實的市場估計，甚至消費者是否想要該產品。這只是一個白日夢。你如何調和這兩件事？賭注將會有 AGI。歸根結底，整個市場都是基於有人會解決 AGI，然後所有這些都將是值得的。Microsoft 宣布與 OpenAI 重新構建交易的新聞稿中多次以要點形式提到，當 OpenAI 宣布 AGI 時，條款將到期。我讀到這裡，我認為這是我一生中讀過的最不尋常的新聞稿。沒有人能夠定義這個術語，現在世界上兩家最富有的公司正在發布新聞稿，說他們的交易將在發生這種情況時重新構建。這與你對量子的賭注非常不同。你如何看待這種差異？在您提到的公司中，有一家擁有巨大的現金流和投資能力。那就是 Microsoft。但這是一個可能非常有利可圖的事情。另一個是典型的矽谷初創公司。有些會成功，有些則不會。我將提供我的看法。首先，我不會深入思考消費者方面以及他們將花費多少錢。觀察它很有趣，但我不會假裝我深深地——嗯，讓我問你這個問題。你認為有企業投資回報率可以證明我們今天的支出是合理的嗎？因為我看了之後，我說，“如果沒有 AGI，這筆支出可能不值得。” 我實際上會這樣說。你說我有點數字化，我有點怪胎。順便說一句，我在這次談話中過得很愉快。我喜歡它。
咁，我哋用今日嘅成本嚟做個估算，因為將來嘅嘢都係推測。填滿一個一吉瓦數據中心大約需要 800 億美元（約 HK$6,240 億）。呢個係今日嘅數字。如果一間公司要承諾 20 至 30 吉瓦嘅容量，咁就係 15,000 億美元（約 HK$117,000 億）嘅資本支出。正如我哋剛先講嘅，你必須喺五年內用晒佢，因為到時你就要將佢丟棄並重新填滿。然後，如果我睇下世界上呢個領域嘅總承諾，喺追逐通用人工智能（AGI）方面，呢啲公告似乎係 100 吉瓦。咁就係 80,000 億美元（約 HK$624,000 億）嘅資本支出。我認為你冇辦法獲得回報，因為 80,000 億美元（約 HK$624,000 億）嘅資本支出意味住你需要大約 8,000 億美元（約 HK$62,400 億）嘅利潤先至可以支付利息。你有冇同 Sam [Altman] 講？因為佢似乎認為佢可以獲得資本支出同回報。但呢個係一個信念。係一個信念，認為一間公司將會係唯一一間獲得整個市場嘅公司。我明白，呢個係一個信念。呢個係啲人鍾意追逐嘅嘢。我明白佢哋嘅觀點，但呢個同我同意佢哋係兩回事。「明白」同「同意」係唔同嘅。我認為冇問題。我意思係，佢哋喺追逐緊。有些人會賺錢，有些人會輸錢。如果所有 [基礎設施] 建成後消失咗，咁佢哋都會有用，但如果佢哋成功咗，咁佢哋就係唯一倖存嘅公司。Nilay，我會講清楚。我唔係好相信，或者我認為呢個可能性好低——我哋講緊係 0 到 1%——即係目前已知嘅技術可以帶領我哋去到 AGI。呢個係我更大嘅分歧。我認為依家呢套技術好勁。我認為佢對企業嚟講非常有價值。我認為佢將會釋放企業中數萬億美元嘅生產力，講清楚啲。話雖如此，我認為 AGI 需要嘅技術將會多過目前嘅 LLM 路徑。我認為佢需要將知識與 LLMs 結合。我哋有文字，但我唔確定呢個係創造知識嘅唯一方式。人哋講起神經符號 AI，但如果我只係講「知識」喺更廣泛嘅意義上，我意思係人哋花咗幾千年發現嘅硬知識。如果我哋可以諗到一個方法將知識與 LLMs 結合，或者可以。即使係咁，我都係一個可能，我唔係 100% 確定，但呢個係從一個技術宅嘅角度嚟睇。實際上，呢個係我嘅問題，而你喺我問之前就開始回答。我同你係同一條路。我睇下 LLMs 今日可以做啲乜。我睇下人哋點樣講佢哋可能會達到嘅擴展法則，需要更多數據，而呢啲數據未必存在於所需嘅規模，我話，「我唔認為 LLMs 可以做到。」我唔睇到呢項技術有辦法達到人人都話佢可以做得到嘅嘢。聽起上嚟你似乎都唔認為呢個係真嘅。我只係將呢個同我哋開始時講嘅聯繫起來。IBM 開發咗 Watson，佢喺佢嘅任務上非常出色，但喺嗰個時刻並唔係正確嘅一組賭注，你必須轉向。你認為 LLMs 或 AI 行業必須轉向嘅下一項技術係乜？讓我哋睇三個例子。機器學習實際上並冇被取代。機器學習對於許多簡單任務非常有用。你屋企嘅小溫度調節器使用機器學習，而唔係 LLMs。我哋做咗第一個關於 Nest 嘅專題，我記得喺 2011 年會見咗佢哋嘅機器學習人員，討論 Nest 溫度調節器。呢個非常有用。人哋將佢睇成高爾夫球、棒球、網球嘅軌跡。呢啲全部都係機器學習，佢唔會被取代。佢真係好有用，但佢唔會解答問題。深度學習將會被 LLMs 取代。我實際上認為 LLMs 會繼續存在，我唔認為佢會消失。但呢個唔係 AI 嘅最終技術。有一個下一個技術，而下一個技術亦都會係一個補充。有機器學習，佢好穩健。有 LLMs，我認為佢好穩健，但係性質上係統計學嘅。所以，確定性嘅部分係邊度？知識嘅部分係邊度？係唔係有啲嘢超越 LLMs？睇下，呢啲嘢到依家已經有八年歷史了。我認為第一篇論文係喺 2017 年，當時意圖同呢種使用變壓器嘅方法結合起來。有冇另一個？我唔知。我懷疑有，但我哋唔知。呢個同 2016 年一樣，當時你無法預測當前嘅 LLM 技術。我會做一個比較，現時有一項核心技術，每個人都覺得好有投資價值。我住喺紐約，當我去舊金山時，我開玩笑話，嗰度係一個完全唔同嘅星球。每個人可能比我對 AI 更加快樂同樂觀。我睇下啲公司喺 OpenAI 離開嘅人創辦咗超智能公司或 AGI 實驗室。佢哋仍然喺賭 LLMs。佢哋工作嘅核心仍然係 LLMs。認為你可以感覺到 AGI 係因為有許多人使用 Claude 編寫代碼，並說他們可以感覺到 AGI。
你擔心在可能取代或增強大型語言模型（LLMs）的周邊領域缺乏足夠的投資嗎？不，因為我認為在這種未知的情況下，不應該由公司來改變它。我認為應該由學術界來改變它。我確實認為學術界有足夠的人工智能研究人員正在研究這些課題，但當你沒有取得足夠的進展時，就不會有任何媒體報道或其他報道。但從我與我在麻省理工學院、伊利諾伊州或芝加哥的朋友交談中，我知道研究工作正在進行。它只是沒有佔據注意力，因為媒體完全只關注 LLMs。這就是為什麼我問你，你認為有足夠的工作正在進行嗎？聽起來你確實這麼認為，即使在 2025 年的美國，那裡的大學面臨著不招收外國畢業生或其他類型的學術活動的壓力。這看起來至多是不穩定的。你認為那裡的投資仍在進行嗎？我比悲觀更樂觀。你所描述的情況有發生嗎？絕對有。但當我看到排名前 20 的工程學院中的頂級教師數量時，它實際上並沒有減少。有一些資金削減嗎？我們談的是不到 10%。並不是說它很龐大。是的，在一些領域的數字比其他非硬科學領域要大——我說的硬科學是指物理、化學、數學和工程學——但那不是我投入精力的地方。如果我考慮物理和硬工程學，我會說有一些削減，但並不極端。我還看了一下國家實驗室。沒有削減。所以看起來相當不錯。我很高興前沿領域情況良好。讓我最後談談短期內的情況。我們花了很多時間討論事情可能會如何發展，你所做的核心技術賭注可能會隨著時間的推移如何發揮作用，無論 GPU 是否是暗光纖，這是我最喜歡討論的話題之一，我不知道你能不能看出來。在短期到中期內，我們看到的是一堆公司說：“好的，我們有人工智能。我們可以做到。我們將進行裁員。”埃森哲進行了大量裁員。Amazon 進行了大量裁員。UPS 在我們談話的那一周也進行了大量裁員。如果我要盡可能嚴厲地評價你們這些大型諮詢公司的一般工作，我會看著它說：“哎呀，很多工作都可以省去。”你只需讓人工智能整天製作那些報告，因為這份合同的目的是讓首席執行官重組公司。我們只需要外部驗證的光環來進行我們已經要進行的變革和裁員。這就是麥肯錫在世界上的作用：“哎呀，讓人工智能製作最終沒有人會讀的報告要便宜得多，也快得多。”我覺得我看到了這種情況的發生。你認為在人們在你所談到的時間範圍內，應該如何反應，真正的變革到來時會怎樣？會有多達 10% 的工作崗位被取代嗎？我相信在接下來的幾年中這是可能的。這不是 30% 或 40%，但確實是美國總就業池的 10%。它非常集中在某些領域。現在，隨著你們變得更加高效，公司將會僱用更多的人，但在不同的領域。這是我要表達的觀點。我們正在僱用更多的人，因為人們說：“我不需要做入門級的工作，因為人工智能代理可以做。”我看着他們想：“真的嗎？”暫時從戰略上思考一下。你不是更願意有一個入門級的人，而人工智能讓他們更像一個有 10 年經驗的專家嗎？這對我來說不是更有用嗎？否則，下一個偉大產品的創意人才在哪裡？能夠說服客戶以應有的方式部署技術的人在哪裡？這就是為什麼我認為有些人目光短淺。但我也認為現在發生的一些事情是因為如果你看看總的就業人數，我認為人們在大流行期間和之後對就業過於貪婪。我在疫情期間和之後使用過這個詞。一些裁員只是人們說：“我不需要這麼多人，因為從 2020 年到 2023 年我增長了 30%、40%、50%、100%。”將會有一些自然的修正。商業從來沒有完全優化。我認為用工程術語來說，它是一個欠阻尼系統。當有需求時，它會超過。然後，它必須修正。它可能會低於所需，然後根據市場需求和增長達到正確的平衡。你認為更廣泛的市場在這個時刻足夠穩定或可預測，以便這種自然的商業修正週期能夠以健康的方式進行嗎？人們談論說：“隨著所有戰爭、網絡攻擊、利率的發生，厄運即將來臨。GDP 將會下降。”我持有這樣的看法，如果我看需求，我認為全球 GDP 增長接近 3% 似乎是可能的。
但如果忽略通脹因素，以實際價值計算，我們大概只有 5%。我認為這兩個數字可能會維持一段時間。我感到好奇，因為我從讀者那裡聽到不同的聲音，他們既是消費者，有些也在科技公司工作，參與產品開發。他們對人工智能的看法，以及人工智能對經濟的影響，與人們所宣稱的人工智能將對經濟產生的影響之間，存在著巨大的分歧，這種分歧是我在科技報道生涯中經歷過最嚴重的。接受過特定技術培訓並成為專家的人們，往往不願意承認，但這些技術與他們的身份認同緊密相連。突然之間，一個工作了 10 年的產品開發人員發現，一個剛從大學畢業、使用生成式人工智能工具的新手，效率比他們高出三倍。這些新手可能不懂代碼，但人工智能懂，而他們卻不知道如何使用人工智能。您是 IBM 的首席執行官。在 IBM，您有這樣的經驗嗎？因為我從讀者那裡聽到的聲音是，這聽起來很棒，但並不是真的。這並沒有發生。我們自己開發了一個工具，而不是使用行業內的代碼工具，來幫助我們的團隊進行軟件開發。在四個月內，採用該工具的 6,000 人團隊——這不是一個小數目——生產力提高了 45%。作為比較，我們還有 30,000 人尚未使用該工具。所以，這些都是真實的數據。我們將擴大這些團隊。我們並不打算裁減任何員工，因為如果我們在軟件開發上能變得如此高效，那就意味著我們可以開發更多的產品，這樣我們就能獲得更多的市場份額。這並不意味著工作量是固定的。我認為工作量是無限的。所以，我們可以變得更高效。計算的原則總是，如果建造的成本那麼高，是否有足夠的利潤空間使其成為一項可行的業務？如果答案是建造的成本更低，我可以賣得更便宜，同時仍然擁有可觀的利潤。這樣說合理嗎？
哦，當然合理。是的。這是我們的親身經歷，這就是為什麼我傾向於招聘更多的程序員和更多的技術人員。Arvind，這很棒。告訴大家 IBM 接下來有什麼計劃。他們應該關注什麼？關注我們在量子計算方面的動作。我認為在大約兩到三年內，你會看到一些令人驚訝的成果。好吧，當這個市場穩定下來，然後當量子計算的賭注得到回報時，我們將不得不很快再次邀請您上 Decoder。這是令人興奮的 24 個月，我希望確保您能再次參與。非常感謝您參加 Decoder。很高興與您在一起。有關這一集的問題或評論？請通過 [email protected] 與我們聯繫。我們真的會閱讀每一封電子郵件！Decoder with Nilay Patel The Verge 的播客，討論重大理念和其他問題。立即訂閱！