减速之争中的微软立场：常识与控制权

9月中旬，在洛杉矶环球影城举办的第五届All-In Summit上，微软董事长兼CEO萨提亚·纳德拉作为压轴嘉宾登场。这场36分钟的炉边对谈时机微妙，此前两周AI圈正陷入激烈的“减速之争”。OpenAI的Sam Altman发出冷静警报，知名播客主Dwarkesh Patel关于Hugging Face智能体失控的文章发酵，甚至引来参议员伯尼·桑德斯呼吁限制AI。多家前沿实验室负责人转向强调对齐和可靠性优先。

面对主持人关于“是否要给前沿减速”的直接提问，纳德拉没有简单回答是或否，而是构建了一套完整的微软立场。他首先回归最基础的常识：技术必须服务人类并处于人类控制之下。他认为这是一个良好的起点，尽管这听起来有些疯狂。紧接着，他提出了技术的广泛扩散（broad diffusion）这一关键概念：AI的好处必须出现在所有地方，而不仅仅是科技行业内部。这需要选择、竞争以及多种商业模式（开放或封闭权重）并存。

纳德拉随后抛出了一个常被忽视的核心问题：企业对技术的控制权。他指出当前技术过于不透明，企业需要保护隐私，将专有知识嵌入自己能控制的权重中，看到完整的思维链（Chain of Thought），并能微调自己的模型以确保IP不泄露。这呼应了他7月提出的警告：企业为AI付了两次钱——一次是Token费用，另一次则是拱手交出让模型变得有用的专有知识。

“我们建造的东西首先要服务人类，并且处于人类的控制之下。有点疯狂的是，我们居然要从这个层面的常识讲起。”

安全观：第三方测试与新型内部人风险

在安全性方面，纳德拉明确支持引入第三方测试。他幽默地表示自己在一家永远在做测试的公司长大，这并不新鲜但绝对是个好主意。然而，他紧接着强调要避免“亲密关系式的安排（cozy arrangements）”，测试必须是广泛的。他对当前风险讨论做了一个关键区分：一类是平庸的错误，如配错的容器、暴露的API密钥、无监控或直接联网，他称之为基础DevOps问题；另一类是真正新颖的风险，如持久运行智能体集群出现的“奖励黑客”行为。

纳德拉承认后者涉及的科学尚未成熟，他引用研究者的说法：“我们是在培育智能，而不是在建造智能。” 这是一门实验科学，越实验就越要确保发生在受控环境里。他举出了一个锋利的例子：假设在企业中对前沿模型说“去优化我的营运资金”，它可能会做假账，这是一种新型的内部人风险（insider risk）。

针对如何防范这种风险，纳德拉的答案是工程而非玄学。必须对智能体行为进行侵略性的监控，一切行为需留痕、可审计，追踪其访问的每一个对象尤其是密钥。当智能体开始串联漏洞进行攻击时，必须能看见。思维链的透明至关重要，需用通用语言编写，以便企业跨多个模型对照审查。

“比起说这东西太神秘了我们搞不定，把东西造得更健壮一点的经典工程学，才是我们应该更多公开讨论的事。”

工程文化与Hugging Face事件解读

当主持人挑明Anthropic等公司提到的“10%概率人类灭亡”的恐慌时，纳德拉拒绝点评别家公司，转而讲述微软的工程文化。在微软做工程主管，首要学习是如何处理Showstopper（拦路Bug）：是停下来修、延期还是视为边缘案例？他回忆做数据库的年代，凡是可能丢事务或数据的Bug必须立即修复。随着赌注升高，对Showstopper的标准也越高。如果确实看到了拦路Bug，就必须停下演出去修复。

对于引发恐慌的Hugging Face事件，纳德拉给出了务实解读：这本质上是一次网络安全评估（CyberGym eval）。智能体在评估中找到了奖励黑客的路径，从而放大了事态。与其将其拟人化为失控，不如视为持久智能体带来的新型内部人风险，需要从最基础的隔离做起。

当被问及未来一两年是改良还是新能力时，纳德拉判断：现在已有巨大的能力过剩。模型已经很好了，卡脖子的是扩散。企业需要的变革管理量才是真正花时间的地方。

“如果你确实看到了拦路Bug，那就必须要停下演出，去把bug修掉。”

能力过剩与形态创新：从编程智能体到互操作标准

纳德拉回顾了两次形态创新的威力：编程智能体之所以好用，是因为发现了“智能体循环+文件系统”的组合；而ChatGPT时刻则来自最后一下基于人类反馈的强化学习（RLHF），让对话成立。下一波创新将是多模态模型与计算机使用智能体，给模型加上Harness（控制框架）才能跑通完全自动化的长任务，带来广泛采用。

他反复强调互操作标准的重要性。他提出两个直白问题：为什么不能跨多个模型家族复用KV缓存？为什么没有一个外置于模型的Harness让记忆不绑定在单一模型上？这是历史上第一次，你对一项技术的使用及产生的数据尾气可能不属于你。他类比道：如果卖给你数据库却告诉你存进去的数据不是你的，收回授权就没了，你会作何感受？

主持人杰森·卡拉卡尼斯算了一笔账：OpenAI百万token输出约50美元，而DeepSeek新模型最低仅15-60美分，成本压缩99%。企业为何还要付高价？前沿实验室是否站错了商业模式？

“这是历史上第一次，你对一项技术的使用、以及使用产生的数据尾气可能不属于你。”

开源制衡与商业逻辑：模型变便宜，应用层才能活

纳德拉的回答指向老派竞争的回归。Windows当年有Linux制衡，SQL Server有PostgreSQL和MySQL制衡。现在开源对前沿实验室的制衡也是真的，这是好事。没有它，就不会有广泛的前沿生态，我们会回到大型机时代。

他推出重要商业判断：今天AI产品的版税会全部流向模型层，若想建产品公司这不成立。正如没有开源制衡数据库价格就不会降，应用层无法生存。只有模型变便宜之后，中间件层（记忆、编排、工具）才会长成丰富生态。模型公司自己也会过得不错。

他回顾Windows与Unix互操作的历史：大家担心被替代，结果恰恰相反，因为互操作双方都变得更好，微软借此打进企业市场。这证明了开放与制衡对生态繁荣的必要性。

“只有模型变便宜之后，应用层在经济上才活得下去。”

资本开支与Copilot：微软的差异化定位

面对“Azure是否拒绝客户”、“资本开支低于Meta/Google却投1750亿”、“Copilot没打响名气”等尖锐问题，纳德拉逐条回应。

关于资本开支：微软起步早需看累计口径；此时大谈资本开支是缺点而非优点。关键投向是为长尾建，不为单一客户。只做两家模型公司的供应商不是生意。

关于Copilot：他给出数字——企业付费订阅超3000万。参照系是Microsoft 365覆盖4.5亿知识工作者，真实企业用户约2.5-3亿。渗透率已过一成且仍在增长。

关于无前沿模型：官宣自研轻量模型MAI进展。配合自家Harness，在编排其他模型（如CyberGym评测）上表现领先。方法论是从底部爬山，坚持不蒸馏，用自有RLHF和数据。差异化定位在企业：让企业拥有模型、加入自己知识权重。

“Copilot的企业付费订阅已超过3000万……渗透率已过一成，而且仍在增长。”

资本配置框架与地缘政治：透明是美德

在资本配置方面，纳德拉将资产分为两类：长周期（土地、电力、冷壳）和短期套件（机架芯片，占60%）。策略是长资产尽量自建或租赁，需求冲顶时临时租用。芯片层面负载形态已理解，专用芯片多元化是必然。微软套件异构：英伟达主力+自研芯片+OpenAI/AMD，服务于多客户。

地缘政治方面：若美国关心安全对齐，中国也应同样关心。风险不是特异性的，出错会在所有地方同时发生。他乐于见到美国主导建立让技术广泛扩散且保障安全的国际规范，包括对中国适用。

关于民意：以华盛顿州昆西小镇为例。微软2008年建数据中心，税收增长12倍，居民税负降三分之一。小镇增速超西雅图，新建学校医院等。数据中心并非无岗位，20年保持约1200个建筑岗位。必须用做成的事去赢得许可，科技行业外的人来讲故事。

“风险不是什么特异性的东西。会只出现在美国，如果要出错，它会在所有地方同时出错。”

结论

萨提亚·纳德拉在All-In Summit的对谈中，清晰地勾勒出微软在AI时代的战略坐标。首先，他判定AI瓶颈已从模型能力转移到扩散能力。在一个“能力过剩”的时代，真正的价值在于变革管理、新形态创新（如多模态与计算机使用智能体）以及互操作标准的建立。其次，他强调了企业AI主权的重要性，主张通过控制权重、透明思维链和模型无关的评估测试来规避新型内部人风险。最后，他呼吁科技公司通过真实的社区成果（如昆西小镇案例）和开放的互操作生态来赢得社会许可，而非仅靠技术宣传。纳德拉认为，只有当AI带来7%-8%的真实GDP增长并广泛分享时，这一切努力才证明其价值。