文 | 字母 AI
在 2026 年的世界经济论坛上，微软 CEO 萨提亚 · 纳德拉（Satya Nadella）与贝莱德 CEO 拉里 · 芬克（Larry Fink）进行了一场对话。
这场对话探讨的是一个非常宏伟的主题，当 AI 从一种 " 实验性技术 " 转变为社会的 " 基础设施 " 时，我们该如何衡量它、管理它，并重新定义其中的竞争规则？
纳德拉首先为当前的 AI 浪潮定调，他将其称为一次历史性的 " 平台级转变 "（Platform Shift）。
在他看来，AI 并非凭空出现，实际上它是过去 70 年计算技术发展的自然延续。从大型机、PC 到移动云，计算机发展的核心始终是 " 将世界数字化 "。
但这一次有着本质的不同。纳德拉指出，AI 带来的最大突破在于软件的 " 延展性 " 和 " 自我转换 " 能力。
过去，程序员编写代码，文档就是文档，网站就是网站。而现在，AI 赋予了软件推理能力。你给它一份文档，它能将其转化为网站；你不满意，它能通过推理重写代码将其转化为 App。
这种能力正在快速进化。从最初仅仅是补全代码的 Copilot，到能够进行对话交互的助手，再到如今能够 7x24 小时接管整个项目的 Agents，AI 正在成为每个知识工作者身边的 " 无限头脑 "（Infinite Minds）。
纳德拉借用乔布斯 " 思想的自行车 " 这一隐喻，认为今天的 AI 是认知能力的百倍放大器。
面对外界关于 "AI 泡沫 " 的担忧，纳德拉的判断是：" 如果 AI 只是科技公司的狂欢，那它就是泡沫。如果它能像电力一样扩散到各行各业，创造出真实的盈余 "Surplus），那它就是变革。"
他强调，" 扩散 "（Diffusion）是一切的关键。如果我们消耗了宝贵的能源，却不能改善医疗、教育或提高公共部门的效率，那么科技行业将失去使用能源的 " 社会许可 "。
为此，纳德拉提出了一个全新的宏观经济指标：" 每美元每瓦特产生的 tokens 数量 "（Tokens per Dollar per Watt）。
他认为，未来的 GDP 增长将直接取决于这个指标。这里的 Tokens 不再是简单的代码单元，而是一种新的大宗商品。
一个国家或企业，能否以更低廉的能源成本、更高效的基础设施生产出更多的智能通证，将决定其在全球经济版图中的竞争力。
因此，建设一个将 " 能源网 " 与 " 计算网 " 深度融合的基础设施，就像传输比特一样传输通证，是所有国家面临的当务之急。
在这场对话中，纳德拉重新定义了数字时代的 " 主权 "（Sovereignty）。
长期以来，欧洲乃至全球的讨论焦点都集中在 " 数据主权 " 上，即数据存储在哪里、由谁管辖。但纳德拉直言，数据中心的物理位置（受限于光速）和加密技术只是技术问题，并非战略核心。
真正的 " 企业主权 "，在于对模型权重的控制。
纳德拉批评了现在泛滥的 AI 套壳公司，他表示，如果一家公司只是单纯调用外部的 AI 模型，而无法将自己公司内部独特的、隐性的知识（Tacit Knowledge）蒸馏进一个自己可控的模型中，那么这家公司实际上是在向外部模型提供商泄露其核心价值。
在 AI 时代，企业的主权意味着保留控制命运的能力，你的独特知识必须转化为属于你的模型参数。企业护城河也有了全新的定义：从拥有数据，进化到拥有 " 懂业务的模型 "。
AI 的引入不仅改变了竞争规则，也正在重塑企业的组织形态。纳德拉以微软自身为例，描述了工作流的剧变。
过去，他参加达沃斯会议需要团队层层准备简报，信息是按科层制向上汇报的。而现在，他直接要求 Copilot 生成包含 360 度视角的会议简报，并立即分享给所有跨职能同事。
面对这种变化，纳德拉提出了企业转型的 " 铁三角 " 公式：
心态（Mindset）： 领导者必须主动思考如何用 AI 重塑工作流，而不是旧瓶装新酒。
技能（Skillset）： 员工必须学会使用、信任并管理 AI，这需要全员技能升级。
数据集（Dataset）： 企业必须进行 " 上下文工程 "（Context Engineering），确保喂给 AI 的数据包含企业独有的背景知识。
他观察到一个有趣的 " 杠铃效应 "：从零开始的小公司能 100% 基于 AI 构建，效率极高。拥有深厚数据积累的大公司如果转型得当也能爆发巨大的规模效应。
反而是那些行动迟缓的中型或大型企业，如果不迅速跟进，将被利用新工具的小公司打败。
展望未来 5 到 10 年，纳德拉认为世界不会被单一的超级模型统治，而是一个 " 多模型世界 "。
企业的核心竞争力将不再仅仅是拥有模型，而是编排（Orchestration）能力。企业需要学会整合闭源模型、开源模型和自建模型，结合自己的私有数据，通过 AI 编排来改变业务结果。
全文翻译：
拉里：
我想谈谈人工智能（AI），我非常想谈这个话题，因为它今天比几乎任何其他话题都更牵动人心，它关乎商业、技术和社会的交汇点。萨提亚，我们正在将 AI 从一个实验性的、总是在未来谈论的东西，转变为当下的现实。它现在变得更加基础，不仅对公司如此，对国家和整个社会也是如此。我认为你比许多其他人都有优势，因为你处于这场技术变革的最前沿。
因此，我想问几个与此相关的问题。你曾将 AI 描述为一次 " 平台级转变 "（platform shift），这是什么意思？这是第一个问题。其次，你认为未来几年这种转变将走向何方？最重要的是，第三个问题，快进几年，比如五年后，有哪些在今天看来尚不明朗的事情，到那时会变得显而易见？
纳德拉：
首先，拉里，很高兴能再次回到这里。昨天你为论坛发布的信函，我有幸拜读了。你在信中提到，对于 AI，我们所有人面临的真正问题是，如何确保 AI 的扩散能够快速发生？你写道，模型、数据和基础设施如何更均匀地分布，以便在任何地方都能创造盈余（surplus）。
我理解这个问题的方式是，这其实一直是计算技术发展的轨迹。无论是过去 30 年还是 70 年，核心始终是：你是否能将关于人、地点和事物的信息数字化，然后建立分析和预测能力。
大型机是这么做的，小型计算机、客户端 - 服务器时代、Web 时代、移动云时代都是如此。无论哪种范式或平台，这都是一个连续的弧线，即通过数字形式更好地理解这个世界。因为一旦你将这些东西数字化，你就可以使用像软件这样更具延展性的资源——它没有那种边际成本经济学的限制——来构建更多的洞察和能力。
在这个背景下，我认为 AI 至少与 Web、互联网、移动设备、PC 或云属于同一级别，甚至可能更重要。我们现在所处的位置，可以拿软件工程这个知识工作领域发生的事情为例。
我对这一代 AI 及其能力的信念，是在我第一次看到 GitHub Copilot 进行代码补全时建立起来的。长久以来，我们一直梦想软件开发者能够预测下一个词或下一行代码，而这些模型突然让它实现了。
然后我们想，如果这能做到，我们是否可以通过聊天会话，让开发者提出任何问题并获得答案，从而改善他们的编码流程？这是下一步。接着我们又想，如果那也行，我们能给它分配小任务吗？这就是 Agent 模式。
现在，我们有了完全自主的代理，你可以把整个项目交给它，它可以 7x24 小时工作。当然，要让这些系统长时间保持连贯性还有很长的路要走，但它们正变得越来越好。
有趣的是，你会发现软件开发者在这个过程中仍然拥有很大的主导权（agency）。这就是为什么我认为，将这些 AI 系统看作是脱离人类主导权的存在，可能不是正确的思考方式。
打个比方，如果在 80 年代初，有人告诉我们，将有 40 亿人每天早上醒来开始打字，我们可能会问 " 为什么？我们有打字员，足够了 "。但事实就是这样发生了，我们发明了一整类叫做 " 知识工作 " 的东西，人们开始真正使用计算机来放大我们想用软件实现的目标。我认为，在 AI 的背景下，同样的事情将会发生。
那些核心的编码工作不会永远保持原样，抽象的层次会改变。但我们也会将代码像文档一样视为一种输出。实际上，从我 92 年加入微软开始，比尔 · 盖茨总是在问：文档、网站和应用程序之间真正的区别是什么？答案是缺少能够自我转换的软件。
有趣的是，AI 最终给了我们这个能力。我可以写一份文档，然后说：" 不，我不要文档，我想要一个网站。"AI 就会用代码将文档转换成网站。我再说：" 哦，我不喜欢这个网站，我想要一个 App。" 它会编写更多代码来转换它。这种推理能力、预测能力、以及采取行动并长期保持连贯的能力都在不断提高。
我们的工作，就是将这种能力付诸实践。就像你们贝莱德（BlackRock）正在做的那样，将 Copilot 和你们的 Aladdin 平台结合起来，利用你们的数据来提高公司决策的生产力。
我可以说，在我们公司，过去需要 12 个小时计算的事情，现在只需要几分钟。我们处理着 14 万亿美元的他人资产，有着成千上万种不同的投资指令，我们现在可以即时完成这些工作。如果没有今天的技术和 AI，我们根本无法以现在的规模运作。
纳德拉：
没错。所以对我来说，如果能一个公司、一个国家地，利用这些 Tokens 来扭转生产力曲线，那么任何地方都会产生盈余，这才是真正的目标。
" 盈余 " 这个词也可能令人担忧。盈余是否意味着更少的工人？我们说的盈余到底是什么？我将这个问题与我的第二个问题联系起来，即关于 AI 的扩散。
对我来说，任何社会要实现 AI 的价值，以及建立一个更平衡的世界，关键在于确保 AI 能够在全球范围内得到扩散、普及和应用。你能描述一下，这个在不同经济体、公司、人群和国家之间的扩散过程将如何展开吗？
我认为这才是真正的问题。因为当前时代的精神，更多的是对 AI 作为一种抽象技术本身的赞赏。但我们作为一个全球社区，必须达到一个点，即我们用它来做一些有用的事情，改变人们、社区、国家和行业的产出。否则，这一切就没有太大意义。
事实上，如果我们不能用这些 " 通证 " 来改善健康、教育成果，提高公共部门效率和所有行业的私营部门竞争力（无论大小），那么我们很快就会失去使用能源这种稀缺资源来生成它们的 " 社会许可 "。
所以，我认为扩散就是一切。
这个过程是如何发生的呢？让我们从供需两端来分析。
在供给侧，每个国家需要实现的是，" 每美元每瓦特产生的通证数量 " 必须持续变得更高效、更好。我们在全球的投资，某种程度上就是为了确保供给的存在——从芯片一直到部署在各地的 " 通证工厂 "。
顺便说一句，通证工厂不会只有一个，它将是第一个在全球扩散的东西，就像电力一样。你需要一个无处不在的能源和通证网格，来为经济的其他部分提供动力。
在需求侧，每家公司都必须开始使用它。回想 PC 刚出现时，乔布斯有个很好的比喻，称之为 " 思想的自行车 "；比尔 · 盖茨的比喻是 " 信息触手可及 "。这两个比喻很棒，它们让我们明白，这是一个我用来获取信息、放大认知能力的工具。
现在，我们拥有的工具是这个的 10 倍、100 倍。每个知识工作者现在都拥有了 " 无限的头脑 "。图灵奖得主拉吉 · 雷迪（Raj Reddy）曾有一个很好的比喻，他说 AI 要么是 " 认知放大器 "，要么是 " 守护天使 "。
如果你这样看待 AI，那么在全球劳动力中，当一个医生可以花更多时间与病人相处，因为 AI 在做转录、录入电子病历、填写正确的计费代码，从而更好地服务于支付方、提供方和最终的病人时，这就是我们所有人都能受益的成果。
最终，这需要私营和公共部门的真正领导力来确保扩散的发生。还有一点我想提的是技能培训。扩散的程度与一件事强相关，那就是人们使用这项技术的技能有多普及。
有趣的是，移动互联网教会我们一件事，它与 PC 时代不同。我记得在全球南方国家长大时，学习 Excel 或 Word 技能与找到一份工作之间有直接关系。但移动互联网虽然创造了同样的机会，却更多是消费导向的，比如创作者经济。它并没有真正带来 " 这是你如何获得一份医疗工作 " 或 " 如何获得一份金融工作 " 的路径。
这种情况需要改变。人们需要能够说：" 我掌握了这项 AI 技能，现在我能更好地在实体经济中提供某种产品或服务了。"
我们很容易看到移动技术及其扩散如何改变了经济，尤其是在全球南方。但最近我读到一份研究报告说，到目前为止，AI 的应用严重偏向于受过良好教育的人群或发达经济体。
这是否会造成更大的分化和两极化？我们如何确保扩散是均匀的？如何确保我们不会把社会或世界的主要部分抛在后面？我认为这将是我们未来面临的重大问题。
这是一个有趣的问题。这一次，由于移动网络和连接性已经建立的基础设施，我们有能力将 AI" 通证 " 比 PC 时代或移动时代初期更均匀地传送到世界各地。智能手机在全球的普及也花了很长时间，但现在情况不同了，这些模型及其输出几乎在任何地方都可以获得。
所以对我来说，问题在于哪些用例是有意义的。我总会回到 2023 年初的一个演示：一个印度农村的农民，能够使用一个基于早期 GPT 模型（甚至是 GPT-2.5）构建的机器人，用当地方言查询他听说过的农业补贴政策，并且在那个非常早期的阶段，它甚至能表现出一些代理行为，比如 " 帮我填好表格 "。在某种意义上，它为那些可能因为技术门槛而没有主导权的人带回了主导权。
所以我确实认为，即使在全球南方，我们也可以利用它来创造更多机会。但必要的条件仍然是：是否有资本投入？是否有吸引资本的环境？作为超大规模云服务商，我们正在全球各地进行投资，包括全球南方。只要有一个能吸引资本投资的环境，并且有需求，事情就会发生。
问题在于，如何制定一套政策，既能让资本进入，又能与本地需求结合。有些事情私有资本可以做，但有些事情只有公共资本能做，比如电网。在大多数国家，电网基本上是由政府和公共部门驱动的。如果你没有一个现代化的电网方案，那就会拖后腿。
虽然有很多关于 " 表后发电 "（behind the meter）的讨论，我们自己也能做一些，但这并非长期的可扩展解决方案。一个长期的方案是让所有这些 " 通证工厂 " 成为实体经济的一部分，连接到电网和电信网络，就像我们传输比特一样，传输 " 通证 + 比特 "。这将推动规模化的发展，无论是在全球南方还是发达世界。
很多人在谈论可能存在的 AI 泡沫。作为投资者，我们看到最重要的事情是技术的民主化和扩散确实能改变需求。那些扩散技术最快的公司或国家将成为最终的赢家，而不是技术的创造者。
要让它不成为一个泡沫，根据定义，它的好处就必须更均匀地分布。如果它是一个泡沫，一个明显的迹象就是我们谈论的都是科技公司。如果所有话题都只关乎技术供给侧，那最终是行不通的。
如果我们谈论的不是 " 哇，这款药物因为 AI 加速了临床试验而成功上市 "，那么它就是泡沫。顺便说一句，这种情况正在发生。这就是为什么我更有信心，这项技术将建立在云和移动的轨道上，更快地扩散，扭转生产力曲线，并在全球范围内带来本地盈余和经济增长——而不仅仅是由发达世界的资本支出驱动的增长。
我们现在看到的更多是后者，但要记住，我们的资本支出虽然大部分在美国，但也有 50% 分布在世界其他地方。这取决于全球的需求，而全球的需求只有在世界各地都有本地盈余的情况下才会存在。
让我们再深入一点。随着 AI 的扩散，组织、公司、政府显然将不得不进化。我现在谈的是需求侧。你认为在 AI 世界中，组织的结构——跨角色、跨团队、跨管理层——会如何改变？我相信微软自身已经经历了变革，所以向观众分享一下，你如何看待这种扩散在企业或政府层面的应用，最终创造出那种能消除泡沫恐惧的需求？
我认为这可能是所有这些新技术带来的最大挑战之一：当工作产物和工作流程改变时，我们作为公司就必须改变我们的工作方式。我记得几年前见过 Generali 的 CEO，他描述了自己在 PC 时代之前加入公司时，他们如何通过传真、内部备忘录与外勤人员合作。
突然间，PC 出现了，人们开始将电子表格放在电子邮件里传来传去，整个工作流程和过程都改变了。
同样，我认为随着 AI 的到来，你将开始看到工作流程的实际变化。对我来说，来达沃斯参加大约 50 场双边会议，准备工作的流程已经完全变了。过去，我的现场团队会准备笔记，然后发到总部进一步完善，从我 92 年加入公司到几年前，这个流程基本没变。
现在，我直接去问 Copilot：" 嘿，我要见拉里，请给我一份简报。" 它会给我一份 360 度的信息——它知道我们作为你的客户在做什么，我们作为你的供应商在做什么，以及我们作为投资对象的一切。它捕捉信息的方式是前所未有的。然后我把这份简报立即分享给所有跨职能的同事。
想一想，这是对组织内信息流动方式的彻底颠覆。它不再是传统的那种 " 我们有组织、有部门、有专业分工，信息逐级上报 " 的模式。不，它实际上扁平化了整个信息流。一旦你开始拥有这种能力，你就必须在结构上进行重新设计，因为当前的结构可能不再合理。
所有这些让我得出一个公式：
心态（Mindset）：作为领导者，我们必须思考如何用技术改变工作和工作流程。
技能（Skillset）：你不能空谈，你必须去用它。你必须信任它，学习如何设置护栏来信任它。
数据集（Dataset）：你必须确保你喂给 AI 的上下文是正确的。这就像你有一个新的智能层，但这个智能层的质量取决于你给它的上下文。
人们称之为 " 上下文工程 "（context engineering），但这正是公司所做的事情——我们通过人在不同部门工作、传递信息所积累的隐性知识。问题是，如何让 AI 也拥有这些上下文。
这些是需要渗透到整个组织的新事物。这就是为什么你会看到 " 为什么我没有立即看到生产力提升 " 的挑战，因为你必须做那些艰苦的变革工作。这最终将取决于一个组织内领导层的意愿。
你看到的应用是在大公司、中型公司还是小型公司之间分布？还是说目前仍然主要是大公司的领域？
我认为你看到的是一个 " 杠铃效应 "（barbell）。如果你是白手起家，采用这些工具会更容易，你可以围绕这些工具来构建你的组织。所以，刚起步的小公司会 100% 使用这个平台。
对于大型组织来说，这是一个根本性的挑战。除非你的变革速度能跟上技术的可能性，否则你就会被那些因为这些工具而能够实现规模化的小公司 " 教做人 "。当然，大型组织有其固有的优势：客户关系、数据、专有技术。但底线是，如果你不将这些优势与新的生产函数结合起来，你就会被困住。
因此，大型组织的变革管理挑战更大，而小型组织如何克服规模问题的结构性挑战更难。这是一个非常竞争激烈的世界，无论是新进入者还是现有企业，都不能掉以轻心。
国家与国家之间呢？你是否看到在应用方式上存在巨大差异？AI 仍然是发达国家的领域，还是正在迅速成为所有国家的领域？
当我在世界各地旅行时，我看到两件事。首先，无论是技术知识、软件开发者、初创公司，还是大型组织的质量，差异并不大。无论你是在雅加达、伊斯坦布尔还是墨西哥城，与在西雅图或旧金山相比，并没有那么大的不同。这是第一次，因为获取信息的渠道是开放的。
然而，在大规模应用方面——对使用的承诺、风险资本的存在、大公司的力推——美国的活力确实更强。例如，金融行业对 AI 的采纳速度与对云的采纳速度相比，简直是天壤之别，AI 要快得多。
所以，在西方，尤其是在美国，确实有一股更强的能量去使用它。但这项技术在全球范围内的传播比我见过的任何技术都更加均匀。
但你提到了电力和电网，这会成为可及性的决定性因素之一吗？如果你没有廉价的电力，需求成本就会很高。
100% 是的。如果你看 " 每美元每瓦特产生的通证数量 " 这个指标，我认为任何地方的 GDP 增长都将与此直接相关。如果你认同我的论点——我们有了一种新商品，叫 " 通证 "，而每个经济体和公司的任务就是将这些通证转化为经济增长——那么，商品越便宜越好。
这涉及到很多因素，不仅仅是生产侧。这就是为什么拥有电网很重要，建筑成本也很重要。如果你考虑总拥有成本（TCO），一切都关乎：你是否是廉价的能源生产者？你能否建造数据中心？芯片和系统的成本曲线是怎样的？再看看通证的定价，它基本上每三个月就会下降一半。所以你可以规划如何利用这些价格持续快速下降的通证来创造盈余。
我们现在身处欧洲，这里存在一种真实的担忧，因为欧洲没有自己的能源，大部分需要进口。对此，你对欧洲有什么见地吗？
我认为有两方面。第一，我们现在在瑞士，看看这里的制药或金融行业，它们不仅在这个国家，在欧洲都很重要，而且它们是国际品牌和国际化运营。
所以，欧洲的竞争力在于其产品在全球的竞争力，而不仅仅是在欧洲。有时来到欧洲，会听到很多只关于欧洲的讨论。但欧洲经济的繁荣，是因为他们能够生产世界需要的东西。这是第一点。
为了做到这一点，你必须投资。这里的人力资本是世界一流的。你必须投资于在这里生产能源和通证。我们和其他公司都在这里投资数据中心。问题是，下一代从这里产出的是什么？我总会想到德国的 " 隐形冠军 "（Mittelstand）。
当我去美国的珠宝商或牙医那里时，我周围都是德国的精密仪器。这是那个国家令人难以置信的工程实力的体现。
现在的问题是，他们生产的工业产品，今天也需要内置所有的智能和数据。我知道每次我们来欧洲，大家都在谈论主权、数据。但欧洲其实应该更关心其工业公司和金融服务公司如何获取来自美国和世界其他地方的数据，而不是仅仅认为通过保护欧洲就能保持竞争力。你只有在欧洲的产品具有全球竞争力时，你才具有竞争力。
欧洲在隐私方面领先，在 AI 安全方面也领先，这很好，这是一个特点。但你也必须通过在本地建设，并思考这个大陆能为世界其他地方做出什么贡献来补充它，因为它在历史上一直是领导者。
你认为关于数据主权的想法被误解了吗？
我认为当人们谈论主权时，首先它非常重要。但你必须思考主权意味着什么。例如，在 AI 领域，一个最少被谈论但我觉得今年会被最多谈论的话题是公司的 " 主权 "。
想象一下，如果你的公司无法将公司的隐性知识嵌入到一个你控制的模型权重中，那么根据定义，你就没有主权。这意味着你正在将企业价值泄露给某个模型公司。有趣的是，没人谈论这个。大家都在谈论其他外部的事情，而最重要的事情是：你是否能控制包含你公司独特知识的模型。
数据中心在哪里运行，老实说，是最不重要的事情。数据中心会因为光速的限制而分布在各地。你可以加密一切，自己持有密钥，这些都是技术上可以解决的问题。但唯一只能由你自己解决的问题是，你是否对你的隐性知识和模型有更多的控制权，而不是一个单向的企业价值转移。
对我来说，主权需要真正思考什么是 " 控制命运 "。这意味着你生产独特产品的能力得到了保留。大卫 · 李嘉图（David Ricardo）没有错，国家有比较优势，公司也有比较优势。在 AI 时代，这些优势需要被保留下来。这才会给你真正的主权。
最后一个问题，我知道我们时间不多了。五年或十年后，会不会有一个我们都在使用的主导模型？或者微软是如何为此做准备的？我们会为企业使用一个模型，为其他领域使用其他模型吗？
即使在过去三四年我们从事这项工作的过程中，现实也表明，这是一个多模型的世界。
实际上，诀窍在于如何利用这些多样的模型，并通过 " 蒸馏 "（distilling）它们来构建你自己的模型。你可以把这些模型看作是你用来编排（orchestrate）和构建自己模型的基础。更重要的是，你要做所谓的 " 编排 " 或 " 驾驭工程 "（harness engineering）。
任何应用程序或公司的知识产权（IP）都在于：你如何利用所有这些模型，结合 " 上下文工程 "（即你的数据）。
就是这三部分：我能否引入所有模型（闭源的、开源的、自建的），编排它们，并喂给它们我的数据，来改变我关心的某个结果的轨迹。这就是全貌。
你可以把它应用到具体场景中，比如 " 我要在销售上做得更好 "、" 在研发上做得更好 " 或 " 在财务上做得更好 "。你确定那个目标，然后问：我能否使用所有模型，编排它们，喂给它们我的上下文，最终让其推理轨迹导向我所控制的、作为我 IP 的能力和模型。只要公司能回答这个问题，它们就会取得领先。
女士们，先生们，让我们感谢我的朋友萨提亚。希望这是我们在世界经济论坛上许多精彩对话和交流的开始。谢谢大家。
谢谢。
