萨提亚·纳德拉（Satya Nadella）：微软如何看待AGI

（原标题：Satya Nadella – How Microsoft thinks about AGI）

🎯 战略定位与核心逻辑

• 微软将自身战略重心从单纯的软件工具业务全面转向支持智能体（Agents）工作的基础设施业务，定位为“超大规模基础设施提供商”。
• 核心观点认为 AI 是继工业革命后最大的变革，但当前仍处于早期阶段，需保持务实态度，反对为单一模型优化基础设施，主张构建灵活架构以应对技术快速迭代和模型商品化风险。
• 微软坚持“长尾业务”模式，拒绝成为单一模型公司的专属托管商，通过 Azure 提供数据库、存储等全套服务，而非仅出售裸金属算力，以平衡训练与推理需求。
• 战略上并行推进两条路线：利用 OpenAI 模型进行产品创新，同时通过 MAI 团队构建自有前沿模型，确保在模型层、基础设施层和应用层均具备组合优势。
• 微软将自身定义为资本密集与知识密集型业务，核心在于利用软件优化提升资本回报率（ROIC），通过优化吞吐量（每美元/瓦特的 Token 数）实现效率提升，软件改进在季度或年度间可实现 5 倍至 40 倍的效率提升。
• 超大规模云服务商与传统托管商的区别在于软件能力，包括按工作负载调度、驱逐及重新分配资源，这是保持软件公司本质的关键，也是应对重资产工业业务转型的核心竞争力。

🏭 基础设施与算力布局

• Fairwater 2 数据中心训练容量较前代提升 10 倍，拥有约 500 万个网络连接，旨在支持跨区域的模型并行与数据并行训练，体现基础设施规模的显著扩张。
• 微软暂停部分数据中心建设以避免被单一硬件世代（如 GB200/GB300）锁定，强调算力“可互换性”（fungibility），以灵活应对不同模型架构的需求变化。
• 针对 Oracle 等竞争对手，微软认为其业务逻辑不同，微软更关注 50 年维度的资本回报与业务多样性，而非短期市场份额，这种长期主义视角指导其基础设施投资决策。
• 微软欢迎 NeoCloud（如 Nebius、Lambda Labs）进入其市场生态，通过 Azure 整合第三方算力，实现客户与供应商的双赢，而非单纯自建所有产能，这种开放策略有助于扩大整体市场空间。
• 微软资本支出（CapEx）在过去两年内增长约三倍，行业整体自由现金流趋近于零，Meta 等公司甚至需通过 200 亿美元贷款融资，显示 AI 基础设施正从软件业务转变为重资产工业业务。
• 为满足数据主权法规及电力成本差异，微软需在全球多地（如阿联酋、印度、欧洲）布局基础设施，这种地理分散化策略是应对地缘政治风险和合规要求的关键举措。

💻 芯片研发与 OpenAI 协同

• 微软内部芯片（Maia 200）策略是保持与 NVIDIA 的“光速执行”伙伴关系，同时利用与 OpenAI 的 IP 共享协议（除消费硬件外全权获取）优化自研硅片，形成技术闭环。
• 明确 OpenAI 的 API 业务（PaaS）在 Azure 上具有排他性，任何合作伙伴若需调用 OpenAI 无状态 API 或进行联合部署，必须通过 Azure 平台，这强化了微软在生态中的核心枢纽地位。
• 微软拥有 OpenAI 系统级创新的 IP 权利，并计划将 OpenAI 的模型架构与微软自研硅片形成闭环优化，这种深度绑定确保了技术迭代的协同效应。
• 微软引入 Mustafa、Amar Subramanyam（Gemini 2.5 后训练负责人）及 Nando（DeepMind 多媒体负责人）组建世界级团队，旨在提升自研模型的研发能力，减少对单一外部模型的依赖。
• MAI 图像模型在 Arena 排名第 9，文本模型以 15,000 张 H100 训练，在 LM Arena 首发排名第 13，显示自研模型在特定领域已具备竞争力，为多模型共存战略提供了技术支撑。
• 微软认为不存在单一模型通吃所有场景，类似数据库市场，多模型将在不同领域、地域和细分市场中竞争，这种认知指导其芯片和基础设施设计需支持多模型架构的灵活部署。

📊 市场格局与竞争动态

• AI 编码代理市场从去年的约 5 亿美元运行率增长至今年 Q4 的 50-60 亿美元，竞争者包括 Cursor、Codex 等，微软市场份额从主导地位降至 25% 以下，显示市场竞争加剧。
• 尽管面临竞争，GitHub 仓库创建量、PR 数量及开发者增长（每秒约 1 人）均创历史新高，80% 新用户自然融入 Copilot 工作流，表明微软在开发者生态中仍保持强大吸引力。
• 大量企业为自主 Agent 配置 Windows 365，表明 Agent 基础设施需求正在爆发，微软通过提供计算、身份及安全基础设施，为 AI 智能体提供运行环境，开辟新的收入来源。
• 模型层与应用层（Scaffolding）并非零和博弈，模型公司虽拥有高毛利（如 Anthropic 推理毛利从低于 40% 升至 60% 以上），但应用层通过深度集成创造独特价值，两者存在互补关系。
• 微软认为模型公司可能面临“赢家诅咒”，即创新极易被复制和商品化，而拥有数据流动性和脚手架（Scaffolding）优势的平台更具长期价值，这种观点指导其战略重心向应用层和基础设施层倾斜。
• 在美中竞争背景下，长期供应商的信任度（公司、国家及制度）可能比模型能力更具决定性，开源模型的存在至关重要，它提供了替代选项，帮助各国规避单一模型或供应商的集中风险。

💰 商业模式与资本效率

• 微软计划通过“Agent HQ”和“Mission Control”构建多智能体协作平台，允许用户同时调度 Codex、Claude 等多种代理，并监控其输出，这种平台化策略提升了用户体验和粘性。
• 未来商业模式将从“按用户收费”转向“按 Agent（智能体）收费”，订阅制本质是封装的消费权，未来定价将基于消费层级（如 Pro/Standard 层级）进行分层，涵盖广告、交易、设备毛利及订阅等多种计量方式。
• 建议将大规模 AI 算力投资视为研发（R&D）支出，而非单纯资本开支，以匹配长期技术演进，维持高“研究人员与 GPU 比率”是成为领先研发公司的必要条件，需依靠资产负债表支撑长期投入。
• 市场需求预测需平衡：独立实验室为融资可能夸大营收预期（如预测 2027-28 年达 1000 亿美元），但微软需确保需求计划不偏离实际，避免产能过剩，这种审慎态度有助于维持资本效率。
• 微软通过优化吞吐量（每美元/瓦特的 Token 数）提升资本回报率，软件改进在季度或年度间可实现 5 倍至 40 倍的效率提升，这种软件驱动的效率优化是其应对重资产业务挑战的核心手段。
• 微软认为 AI 基础设施正从软件业务转变为重资产工业业务，需在全球多地布局以满足数据主权法规及电力成本差异，这种战略调整反映了其对长期资本回报的重视。

🌍 主权 AI 与全球信任

• 美国科技业需在全球建立信任，以维持其占全球 50% 市值的地位；信任比单纯的技术领先更关键，微软通过在欧洲等地建设主权云、提供密钥管理及机密计算服务，满足数据驻留与隐私合规需求。
• 面对地缘政治风险，各国追求供应链韧性（Resilience）与主权，微软需尊重各国政策，将本地化部署作为一级业务要求，这种策略有助于其在不同司法管辖区保持竞争力。
• 各国将追求经济价值最大化与主权安全的平衡，微软需适应这种“双极”世界下的多元化市场结构，通过提供符合当地法规的解决方案，赢得政府和企业客户的信任。
• 微软认为技术扩散至经济价值转化需要时间，预计工业革命 200 年的进程可能在 20-25 年内压缩完成，企业需重视工作流变革带来的管理挑战，这种长期视角指导其战略规划和资源分配。
• 微软通过构建支持多模型家族的基础设施，避免被单一架构突破（如 MoE）淘汰，确保在模型层、基础设施层和应用层均具备组合优势，这种多元化策略有助于其在复杂的地缘政治环境中保持韧性。
• 微软认为设计空间足够大，多模型共存是长期常态，若某模型实现全经济领域的持续学习闭环，将形成巨大壁垒，但微软通过平台化策略和生态整合，确保其在任何技术路径下都能保持竞争力。