在2026年的世界經濟論壇上，微軟 CEO 薩提亞·納德拉（Satya Nadella）與貝萊德 CEO 拉里·芬克（Larry Fink）進行了一場對話。

這場對話探討的是一個非常宏偉的主題，當 AI 從一種「實驗性技術」轉變為社會的「基礎設施」時，我們該如何衡量它、管理它，並重新定義其中的競爭規則？

納德拉首先為當前的AI浪潮定調，他將其稱為一次歷史性的「平台級轉變」（Platform Shift）。

在他看來，AI並非憑空出現，實際上它是過去70年計算技術發展的自然延續。從大型機、PC 到移動雲，計算機發展的核心始終是「將世界數字化」。

但這一次有着本質的不同。納德拉指出，AI帶來的最大突破在於軟件的「延展性」和「自我轉換」能力。

過去，程序員編寫代碼，文檔就是文檔，網站就是網站。而現在，AI 賦予了軟件推理能力。你給它一份文檔，它能將其轉化為網站；你不滿意，它能通過推理重寫代碼將其轉化為 App。

這種能力正在快速進化。從最初僅僅是補全代碼的 Copilot，到能夠進行對話交互的助手，再到如今能夠7x24小時接管整個項目的Agents，AI正在成為每個知識工作者身邊的「無限頭腦」（Infinite Minds）。

納德拉借用喬布斯「思想的自行車」這一隱喻，認為今天的AI是認知能力的百倍放大器。

面對外界關於「AI 泡沫」的擔憂，納德拉的判斷是：「如果 AI 只是科技公司的狂歡，那它就是泡沫。如果它能像電力一樣擴散到各行各業，創造出真實的盈餘」Surplus），那它就是變革。」

他強調，「擴散」（Diffusion）是一切的關鍵。如果我們消耗了寶貴的能源，卻不能改善醫療、教育或提高公共部門的效率，那麼科技行業將失去使用能源的「社會許可」。

為此，納德拉提出了一個全新的宏觀經濟指標：「每美元每瓦特產生的tokens數量」（Tokens per Dollar per Watt）。

他認為，未來的 GDP 增長將直接取決於這個指標。這裏的Tokens不再是簡單的代碼單元，而是一種新的大宗商品。

一個國家或企業，能否以更低廉的能源成本、更高效的基礎設施生產出更多的智能通證，將決定其在全球經濟版圖中的競爭力。

因此，建設一個將「能源網」與「計算網」深度融合的基礎設施，就像傳輸比特一樣傳輸通證，是所有國家面臨的當務之急。

在這場對話中，納德拉重新定義了數字時代的「主權」（Sovereignty）。

長期以來，歐洲乃至全球的討論焦點都集中在「數據主權」上，即數據存儲在哪裏、由誰管轄。但納德拉直言，數據中心的物理位置（受限於光速）和加密技術只是技術問題，並非戰略核心。

真正的「企業主權」，在於對模型權重的控制。

納德拉批評了現在泛濫的AI套殼公司，他表示，如果一家公司只是單純調用外部的AI模型，而無法將自己公司內部獨特的、隱性的知識（Tacit Knowledge）蒸餾進一個自己可控的模型中，那麼這家公司實際上是在向外部模型提供商泄露其核心價值。

在AI時代，企業的主權意味着保留控制命運的能力，你的獨特知識必須轉化為屬於你的模型參數。企業護城河也有了全新的定義：從擁有數據，進化到擁有「懂業務的模型」。

AI的引入不僅改變了競爭規則，也正在重塑企業的組織形態。納德拉以微軟自身為例，描述了工作流的劇變。

過去，他參加達沃斯會議需要團隊層層準備簡報，信息是按科層制向上彙報的。而現在，他直接要求 Copilot 生成包含360度視角的會議簡報，並立即分享給所有跨職能同事。

面對這種變化，納德拉提出了企業轉型的「鐵三角」公式：

心態（Mindset）： 領導者必須主動思考如何用 AI 重塑工作流，而不是舊瓶裝新酒。

技能（Skillset）： 員工必須學會使用、信任並管理 AI，這需要全員技能升級。

數據集（Dataset）： 企業必須進行「上下文工程」（Context Engineering），確保餵給 AI 的數據包含企業獨有的背景知識。

他觀察到一個有趣的「槓鈴效應」：從零開始的小公司能100%基於AI構建，效率極高。擁有深厚數據積累的大公司如果轉型得當也能爆發巨大的規模效應。

反而是那些行動遲緩的中型或大型企業，如果不迅速跟進，將被利用新工具的小公司打敗。

展望未來5到10年，納德拉認為世界不會被單一的超級模型統治，而是一個「多模型世界」。

企業的核心競爭力將不再僅僅是擁有模型，而是編排（Orchestration）能力。企業需要學會整合閉源模型、開源模型和自建模型，結合自己的私有數據，通過AI編排來改變業務結果。

全文翻譯：

拉里：

我想談談人工智能（AI），我非常想談這個話題，因為它今天比幾乎任何其他話題都更牽動人心，它關乎商業、技術和社會的交匯點。薩提亞，我們正在將AI從一個實驗性的、總是在未來談論的東西，轉變為當下的現實。它現在變得更加基礎，不僅對公司如此，對國家和整個社會也是如此。我認為你比許多其他人都有優勢，因為你處於這場技術變革的最前沿。

因此，我想問幾個與此相關的問題。你曾將AI描述為一次「平台級轉變」（platform shift），這是什麼意思？這是第一個問題。其次，你認為未來幾年這種轉變將走向何方？最重要的是，第三個問題，快進幾年，比如五年後，有哪些在今天看來尚不明朗的事情，到那時會變得顯而易見？

納德拉：

首先，拉里，很高興能再次回到這裏。昨天你為論壇發布的信函，我有幸拜讀了。你在信中提到，對於AI，我們所有人面臨的真正問題是，如何確保AI的擴散能夠快速發生？你寫道，模型、數據和基礎設施如何更均勻地分佈，以便在任何地方都能創造盈餘（surplus）。

我理解這個問題的方式是，這其實一直是計算技術發展的軌跡。無論是過去30年還是70年，核心始終是：你是否能將關於人、地點和事物的信息數字化，然後建立分析和預測能力。

大型機是這麼做的，小型計算機、客戶端-服務器時代、Web時代、移動雲時代都是如此。無論哪種範式或平台，這都是一個連續的弧線，即通過數字形式更好地理解這個世界。因為一旦你將這些東西數字化，你就可以使用像軟件這樣更具延展性的資源——它沒有那種邊際成本經濟學的限制——來構建更多的洞察和能力。

在這個背景下，我認為AI至少與Web、互聯網、移動設備、PC或雲屬於同一級別，甚至可能更重要。我們現在所處的位置，可以拿軟件工程這個知識工作領域發生的事情為例。

我對這一代AI及其能力的信念，是在我第一次看到GitHub Copilot進行代碼補全時建立起來的。長久以來，我們一直夢想軟件開發者能夠預測下一個詞或下一行代碼，而這些模型突然讓它實現了。

然後我們想，如果這能做到，我們是否可以通過聊天會話，讓開發者提出任何問題並獲得答案，從而改善他們的編碼流程？這是下一步。接着我們又想，如果那也行，我們能給它分配小任務嗎？這就是Agent模式。

現在，我們有了完全自主的代理，你可以把整個項目交給它，它可以7x24小時工作。當然，要讓這些系統長時間保持連貫性還有很長的路要走，但它們正變得越來越好。

有趣的是，你會發現軟件開發者在這個過程中仍然擁有很大的主導權（agency）。這就是為什麼我認為，將這些AI系統看作是脫離人類主導權的存在，可能不是正確的思考方式。

打個比方，如果在80年代初，有人告訴我們，將有40億人每天早上醒來開始打字，我們可能會問「為什麼？我們有打字員，足夠了」。但事實就是這樣發生了，我們發明了一整類叫做「知識工作」的東西，人們開始真正使用計算機來放大我們想用軟件實現的目標。我認為，在AI的背景下，同樣的事情將會發生。

那些核心的編碼工作不會永遠保持原樣，抽象的層次會改變。但我們也會將代碼像文檔一樣視為一種輸出。實際上，從我92年加入微軟開始，比爾·蓋茨總是在問：文檔、網站和應用程序之間真正的區別是什麼？答案是缺少能夠自我轉換的軟件。

有趣的是，AI最終給了我們這個能力。我可以寫一份文檔，然後說：「不，我不要文檔，我想要一個網站。」AI就會用代碼將文檔轉換成網站。我再說：「哦，我不喜歡這個網站，我想要一個App。」它會編寫更多代碼來轉換它。這種推理能力、預測能力、以及採取行動並長期保持連貫的能力都在不斷提高。

我們的工作，就是將這種能力付諸實踐。就像你們貝萊德（BlackRock）正在做的那樣，將Copilot和你們的Aladdin平台結合起來，利用你們的數據來提高公司決策的生產力。

拉里：

我可以說，在我們公司，過去需要12個小時計算的事情，現在只需要幾分鐘。我們處理着14萬億美元的他人資產，有着成千上萬種不同的投資指令，我們現在可以即時完成這些工作。如果沒有今天的技術和AI，我們根本無法以現在的規模運作。

納德拉：

沒錯。所以對我來說，如果能一個公司、一個國家地，利用這些Tokens來扭轉生產力曲線，那麼任何地方都會產生盈餘，這纔是真正的目標。

拉里：

「盈餘」這個詞也可能令人擔憂。盈餘是否意味着更少的工人？我們說的盈餘到底是什麼？我將這個問題與我的第二個問題聯繫起來，即關於AI的擴散。

對我來說，任何社會要實現AI的價值，以及建立一個更平衡的世界，關鍵在於確保AI能夠在全球範圍內得到擴散、普及和應用。你能描述一下，這個在不同經濟體、公司、人群和國家之間的擴散過程將如何展開嗎？

納德拉：

我認為這纔是真正的問題。因為當前時代的精神，更多的是對AI作為一種抽象技術本身的讚賞。但我們作為一個全球社區，必須達到一個點，即我們用它來做一些有用的事情，改變人們、社區、國家和行業的產出。否則，這一切就沒有太大意義。

事實上，如果我們不能用這些「通證」來改善健康、教育成果，提高公共部門效率和所有行業的私營部門競爭力（無論大小），那麼我們很快就會失去使用能源這種稀缺資源來生成它們的「社會許可」。

所以，我認為擴散就是一切。

這個過程是如何發生的呢？讓我們從供需兩端來分析。

在供給側，每個國家需要實現的是，「每美元每瓦特產生的通證數量」必須持續變得更高效、更好。我們在全球的投資，某種程度上就是為了確保供給的存在——從芯片一直到部署在各地的「通證工廠」。

順便說一句，通證工廠不會只有一個，它將是第一個在全球擴散的東西，就像電力一樣。你需要一個無處不在的能源和通證網格，來為經濟的其他部分提供動力。

在需求側，每家公司都必須開始使用它。回想PC剛出現時，喬布斯有個很好的比喻，稱之為「思想的自行車」；比爾·蓋茨的比喻是「信息觸手可及」。這兩個比喻很棒，它們讓我們明白，這是一個我用來獲取信息、放大認知能力的工具。

現在，我們擁有的工具是這個的10倍、100倍。每個知識工作者現在都擁有了「無限的頭腦」。圖靈獎得主拉吉·雷迪（Raj Reddy）曾有一個很好的比喻，他說AI要麼是「認知放大器」，要麼是「守護天使」。

如果你這樣看待AI，那麼在全球勞動力中，當一個醫生可以花更多時間與病人相處，因為AI在做轉錄、錄入電子病歷、填寫正確的計費代碼，從而更好地服務於支付方、提供方和最終的病人時，這就是我們所有人都能受益的成果。

最終，這需要私營和公共部門的真正領導力來確保擴散的發生。還有一點我想提的是技能培訓。擴散的程度與一件事強相關，那就是人們使用這項技術的技能有多普及。

有趣的是，移動互聯網教會我們一件事，它與PC時代不同。我記得在全球南方國家長大時，學習Excel或Word技能與找到一份工作之間有直接關係。但移動互聯網雖然創造了同樣的機會，卻更多是消費導向的，比如創作者經濟。它並沒有真正帶來「這是你如何獲得一份醫療工作」或「如何獲得一份金融工作」的路徑。

這種情況需要改變。人們需要能夠說：「我掌握了這項AI技能，現在我能更好地在實體經濟中提供某種產品或服務了。」

拉里：

我們很容易看到移動技術及其擴散如何改變了經濟，尤其是在全球南方。但最近我讀到一份研究報告說，到目前為止，AI的應用嚴重偏向於受過良好教育的人群或發達經濟體。

這是否會造成更大的分化和兩極化？我們如何確保擴散是均勻的？如何確保我們不會把社會或世界的主要部分拋在後面？我認為這將是我們未來面臨的重大問題。

納德拉：

這是一個有趣的問題。這一次，由於移動網絡和連接性已經建立的基礎設施，我們有能力將AI「通證」比PC時代或移動時代初期更均勻地傳送到世界各地。智能手機在全球的普及也花了很長時間，但現在情況不同了，這些模型及其輸出幾乎在任何地方都可以獲得。

所以對我來說，問題在於哪些用例是有意義的。我總會回到2023年初的一個演示：一個印度農村的農民，能夠使用一個基於早期GPT模型（甚至是GPT-2.5）構建的機器人，用當地方言查詢他聽說過的農業補貼政策，並且在那個非常早期的階段，它甚至能表現出一些代理行為，比如「幫我填好表格」。在某種意義上，它為那些可能因為技術門檻而沒有主導權的人帶回了主導權。

所以我確實認為，即使在全球南方，我們也可以利用它來創造更多機會。但必要的條件仍然是：是否有資本投入？是否有吸引資本的環境？作為超大規模雲服務商，我們正在全球各地進行投資，包括全球南方。只要有一個能吸引資本投資的環境，並且有需求，事情就會發生。

問題在於，如何制定一套政策，既能讓資本進入，又能與本地需求結合。有些事情私有資本可以做，但有些事情只有公共資本能做，比如電網。在大多數國家，電網基本上是由政府和公共部門驅動的。如果你沒有一個現代化的電網方案，那就會拖後腿。

雖然有很多關於「表後發電」（behind the meter）的討論，我們自己也能做一些，但這並非長期的可擴展解決方案。一個長期的方案是讓所有這些「通證工廠」成為實體經濟的一部分，連接到電網和電信網絡，就像我們傳輸比特一樣，傳輸「通證+比特」。這將推動規模化的發展，無論是在全球南方還是發達世界。

拉里：

很多人在談論可能存在的AI泡沫。作為投資者，我們看到最重要的事情是技術的民主化和擴散確實能改變需求。那些擴散技術最快的公司或國家將成為最終的贏家，而不是技術的創造者。

納德拉：

要讓它不成為一個泡沫，根據定義，它的好處就必須更均勻地分佈。如果它是一個泡沫，一個明顯的跡象就是我們談論的都是科技公司。如果所有話題都只關乎技術供給側，那最終是行不通的。

如果我們談論的不是「哇，這款藥物因為AI加速了臨床試驗而成功上市」，那麼它就是泡沫。順便說一句，這種情況正在發生。這就是為什麼我更有信心，這項技術將建立在雲和移動的軌道上，更快地擴散，扭轉生產力曲線，並在全球範圍內帶來本地盈餘和經濟增長——而不僅僅是由發達世界的資本支出驅動的增長。

我們現在看到的更多是後者，但要記住，我們的資本支出雖然大部分在美國，但也有50%分佈在世界其他地方。這取決於全球的需求，而全球的需求只有在世界各地都有本地盈餘的情況下才會存在。

拉里：

讓我們再深入一點。隨着AI的擴散，組織、公司、政府顯然將不得不進化。我現在談的是需求側。你認為在AI世界中，組織的結構——跨角色、跨團隊、跨管理層——會如何改變？我相信微軟自身已經經歷了變革，所以向觀衆分享一下，你如何看待這種擴散在企業或政府層面的應用，最終創造出那種能消除泡沫恐懼的需求？

納德拉：

我認為這可能是所有這些新技術帶來的最大挑戰之一：當工作產物和工作流程改變時，我們作為公司就必須改變我們的工作方式。我記得幾年前見過Generali的CEO，他描述了自己在PC時代之前加入公司時，他們如何通過傳真、內部備忘錄與外勤人員合作。

突然間，PC出現了，人們開始將電子表格放在電子郵件裏傳來傳去，整個工作流程和過程都改變了。

同樣，我認為隨着AI的到來，你將開始看到工作流程的實際變化。對我來說，來達沃斯參加大約50場雙邊會議，準備工作的流程已經完全變了。過去，我的現場團隊會準備筆記，然後發到總部進一步完善，從我92年加入公司到幾年前，這個流程基本沒變。

現在，我直接去問Copilot：「嘿，我要見拉里，請給我一份簡報。」它會給我一份360度的信息——它知道我們作為你的客戶在做什麼，我們作為你的供應商在做什麼，以及我們作為投資對象的一切。它捕捉信息的方式是前所未有的。然後我把這份簡報立即分享給所有跨職能的同事。

想一想，這是對組織內信息流動方式的徹底顛覆。它不再是傳統的那種「我們有組織、有部門、有專業分工，信息逐級上報」的模式。不，它實際上扁平化了整個信息流。一旦你開始擁有這種能力，你就必須在結構上進行重新設計，因為當前的結構可能不再合理。

所有這些讓我得出一個公式：

心態（Mindset）：作為領導者，我們必須思考如何用技術改變工作和工作流程。

技能（Skillset）：你不能空談，你必須去用它。你必須信任它，學習如何設定護欄來信任它。

數據集（Dataset）：你必須確保你餵給AI的上下文是正確的。這就像你有一個新的智能層，但這個智能層的質量取決於你給它的上下文。

人們稱之為「上下文工程」（context engineering），但這正是公司所做的事情——我們通過人在不同部門工作、傳遞信息所積累的隱性知識。問題是，如何讓AI也擁有這些上下文。

這些是需要滲透到整個組織的新事物。這就是為什麼你會看到「為什麼我沒有立即看到生產力提升」的挑戰，因為你必須做那些艱苦的變革工作。這最終將取決於一個組織內領導層的意願。

拉里：

你看到的應用是在大公司、中型公司還是小型公司之間分佈？還是說目前仍然主要是大公司的領域？

納德拉：

我認為你看到的是一個「槓鈴效應」（barbell）。如果你是白手起家，採用這些工具會更容易，你可以圍繞這些工具來構建你的組織。所以，剛起步的小公司會100%使用這個平台。

對於大型組織來說，這是一個根本性的挑戰。除非你的變革速度能跟上技術的可能性，否則你就會被那些因為這些工具而能夠實現規模化的小公司「教做人」。當然，大型組織有其固有的優勢：客戶關係、數據、專有技術。但底線是，如果你不將這些優勢與新的生產函數結合起來，你就會被困住。

因此，大型組織的變革管理挑戰更大，而小型組織如何克服規模問題的結構性挑戰更難。這是一個非常競爭激烈的世界，無論是新進入者還是現有企業，都不能掉以輕心。

拉里：

國家與國家之間呢？你是否看到在應用方式上存在巨大差異？AI仍然是發達國家的領域，還是正在迅速成為所有國家的領域？

納德拉：

當我在世界各地旅行時，我看到兩件事。首先，無論是技術知識、軟件開發者、初創公司，還是大型組織的質量，差異並不大。無論你是在雅加達、伊斯坦布爾還是墨西哥城，與在西雅圖或舊金山相比，並沒有那麼大的不同。這是第一次，因為獲取信息的渠道是開放的。

然而，在大規模應用方面——對使用的承諾、風險資本的存在、大公司的力推——美國的活力確實更強。例如，金融行業對AI的採納速度與對雲的採納速度相比，簡直是天壤之別，AI要快得多。

所以，在西方，尤其是在美國，確實有一股更強的能量去使用它。但這項技術在全球範圍內的傳播比我見過的任何技術都更加均勻。

拉里：

但你提到了電力和電網，這會成為可及性的決定性因素之一嗎？如果你沒有廉價的電力，需求成本就會很高。

納德拉：

100%是的。如果你看「每美元每瓦特產生的通證數量」這個指標，我認為任何地方的GDP增長都將與此直接相關。如果你認同我的論點——我們有了一種新商品，叫「通證」，而每個經濟體和公司的任務就是將這些通證轉化為經濟增長——那麼，商品越便宜越好。

這涉及到很多因素，不僅僅是生產側。這就是為什麼擁有電網很重要，建築成本也很重要。如果你考慮總擁有成本（TCO），一切都關乎：你是否是廉價的能源生產者？你能否建造數據中心？芯片和系統的成本曲線是怎樣的？再看看通證的定價，它基本上每三個月就會下降一半。所以你可以規劃如何利用這些價格持續快速下降的通證來創造盈餘。

拉里：

我們現在身處歐洲，這裏存在一種真實的擔憂，因為歐洲沒有自己的能源，大部分需要進口。對此，你對歐洲有什麼見地嗎？

納德拉：

我認為有兩方面。第一，我們現在在瑞士，看看這裏的製藥或金融行業，它們不僅在這個國家，在歐洲都很重要，而且它們是國際品牌和國際化運營。

所以，歐洲的競爭力在於其產品在全球的競爭力，而不僅僅是在歐洲。有時來到歐洲，會聽到很多隻關於歐洲的討論。但歐洲經濟的繁榮，是因為他們能夠生產世界需要的東西。這是第一點。

為了做到這一點，你必須投資。這裏的人力資本是世界一流的。你必須投資於在這裏生產能源和通證。我們和其他公司都在這裏投資數據中心。問題是，下一代從這裏產出的是什麼？我總會想到德國的「隱形冠軍」（Mittelstand）。

當我去美國的珠寶商或牙醫那裏時，我周圍都是德國的精密儀器。這是那個國家令人難以置信的工程實力的體現。

現在的問題是，他們生產的工業產品，今天也需要內置所有的智能和數據。我知道每次我們來歐洲，大家都在談論主權、數據。但歐洲其實應該更關心其工業公司和金融服務公司如何獲取來自美國和世界其他地方的數據，而不是僅僅認為通過保護歐洲就能保持競爭力。你只有在歐洲的產品具有全球競爭力時，你才具有競爭力。

歐洲在隱私方面領先，在AI安全方面也領先，這很好，這是一個特點。但你也必須通過在本地建設，並思考這個大陸能為世界其他地方做出什麼貢獻來補充它，因為它在歷史上一直是領導者。

拉里：

你認為關於數據主權的想法被誤解了嗎？

納德拉：

我認為當人們談論主權時，首先它非常重要。但你必須思考主權意味着什麼。例如，在AI領域，一個最少被談論但我覺得今年會被最多談論的話題是公司的「主權」。

想象一下，如果你的公司無法將公司的隱性知識嵌入到一個你控制的模型權重中，那麼根據定義，你就沒有主權。這意味着你正在將企業價值泄露給某個模型公司。有趣的是，沒人談論這個。大家都在談論其他外部的事情，而最重要的事情是：你是否能控制包含你公司獨特知識的模型。

數據中心在哪裏運行，老實說，是最不重要的事情。數據中心會因為光速的限制而分佈在各地。你可以加密一切，自己持有密鑰，這些都是技術上可以解決的問題。但唯一隻能由你自己解決的問題是，你是否對你的隱性知識和模型有更多的控制權，而不是一個單向的企業價值轉移。

對我來說，主權需要真正思考什麼是「控制命運」。這意味着你生產獨特產品的能力得到了保留。大衛·李嘉圖（David Ricardo）沒有錯，國家有比較優勢，公司也有比較優勢。在AI時代，這些優勢需要被保留下來。這纔會給你真正的主權。

拉里：

最後一個問題，我知道我們時間不多了。五年或十年後，會不會有一個我們都在使用的主導模型？或者微軟是如何為此做準備的？我們會為企業使用一個模型，為其他領域使用其他模型嗎？

納德拉：

即使在過去三四年我們從事這項工作的過程中，現實也表明，這是一個多模型的世界。

實際上，訣竅在於如何利用這些多樣的模型，並通過「蒸餾」（distilling）它們來構建你自己的模型。你可以把這些模型看作是你用來編排（orchestrate）和構建自己模型的基礎。更重要的是，你要做所謂的「編排」或「駕馭工程」（harness engineering）。

任何應用程序或公司的知識產權（IP）都在於：你如何利用所有這些模型，結合「上下文工程」（即你的數據）。

就是這三部分：我能否引入所有模型（閉源的、開源的、自建的），編排它們，並餵給它們我的數據，來改變我關心的某個結果的軌跡。這就是全貌。

你可以把它應用到具體場景中，比如「我要在銷售上做得更好」、「在研發上做得更好」或「在財務上做得更好」。你確定那個目標，然後問：我能否使用所有模型，編排它們，餵給它們我的上下文，最終讓其推理軌跡導向我所控制的、作為我IP的能力和模型。只要公司能回答這個問題，它們就會取得領先。

拉里：

女士們，先生們，讓我們感謝我的朋友薩提亞。希望這是我們在世界經濟論壇上許多精彩對話和交流的開始。謝謝大家。

納德拉：

謝謝。