Satya Nadella 談開放與封閉模型：誰能勝出｜企業為何需要擁有自己的智慧

微軟執行長薩提亞·納德拉主張，AI 對齊不會隨著規模擴張自動浮現，因此企業應把前沿模型跑在精心設計的「零信任」圍堵層裡，而不是相信供應商的揭露。本集 23 分鐘大多花在這套架構、Token 流量與價值在開放與封閉模型之間會落在何處，以及 AI 時代的企業究竟擁有什麼；標題那句「該不該信任前沿模型」很早就給了答案，之後再擴充套件成關於模型競爭、推論需求與實作經濟的更大論述。

納德拉是在 20VC 節目上與 Harry Stebbings 對談，他難得直白地談到自己改變了哪些看法：他說自己曾相信對齊會從規模擴張中「自然掉出來」，那是他在 2018 至 2019 年前後與早期規模定律信徒共享的觀點，如今他已不這麼認為。讀者讀完應該帶走的是：他具體的圍堵設計（Agent 365、Perception、可檢視的思維鏈）、他對多數 Token 用量終將商品化的預測、他主張企業的核心 IP 會變成自家的私有評測，以及他認為 1,000 億美元訓練跑的真正瓶頸是世界 GDP 成長與電力供應，而非野心。

對齊不會從規模擴張中掉出來，所以要圍堵模型

納德拉的核心技術主張是：能力與對齊正在脫鉤。規模定律依然有效，但「對齊會順帶出現」這個假設並不成立，而學界對這類模型的機制性理解仍「難以捉摸」。他的結論不是暫停部署，而是別再把安全當成模型本身的屬性，改把它當成周邊系統的屬性。

他把業界常混為一談的兩件事分開：一是 AI 安全，他說這必須在訓練階段解決——「甚至可能在預訓練階段」——無法事後用強化學習補上；二是資訊安全，那是今天就能打造的普通工程。他的原話是：「我不認為你能靠強化學習一路 RL 到對齊。你必須讓對齊真正從一開始就嵌入權重之中。」正因為這件事沒做到，他要的是一個零信任環境，能夠「在故障代理造成任何傷害之前就把它圍堵住」，借用資安產業早已在用的架構。

微軟的實作，據他描述，有兩個具名元件：Agent 365 與 Perception：

flowchart TD
    A["Agent 365 — 為每個代理建立身分"] --> B["Perception — 記錄每一項活動"]
    B --> C["工具呼叫、模型呼叫、思維鏈單元"]
    C --> D["防竄改：代理無法編輯自己的日誌"]
    D --> E["在日誌之上設定政策"]
    E --> F["行為監控，偵測偏離政策"]
    F --> G["在造成傷害前圍堵"]

兩個細節撐起整套論證。第一，他要思維鏈以「英文、而非新版本格式」記錄——這是他要求推理保持可檢視、不要變成不透明內部格式的說法——並拿多個模型交叉檢查。第二，日誌必須防竄改，因為一個能改寫自己稽核軌跡的代理，會讓整套設計失效。他也坦承弱點：思維鏈「可能不忠實」，而當模型供應商承認它不忠實、卻仍把推理藏起來時，情況更糟。這正是他力推標準化的原因，讓可信任夥伴能檢視並稽核推理軌跡。

「我以前一直以為對齊會自然掉出來。我不再這麼相信了。」

封閉模型更強，但不透明會把客戶推向開放權重

納德拉說，封閉模型今天確實更強大，但如果它們拒絕向在其上打造應用的可信任夥伴保持透明，這種拒絕本身就會成為轉向開放權重的理由。他把這件事同時框成商業模式問題與安全問題：微軟自家的 MAI 模型不會是開放權重，而是「授權權重」，他希望這門生意看起來像「單純直接的軟體生意，而不是靠網路效應的智慧生意」。

談到地緣政治框架時，他拒絕順著顯而易見的擔憂走。他主張未對齊的模型對中國的威脅，和對美國或英國一樣大，所以安全不是零和的國家利益，還說他對西方開放權重模型的進展「相當滿意」。他沒有點名哪些中國模型主宰開源；這個前提是 Stebbings 提出的，納德拉繞著它回答，並未加以確認。

他對流量去向的預測刻意留了餘地。他預期前沿能力會不斷被重新定義——科學可能是下一個前沿——但他說「主流會是商品化的 Token 用量」。這個商品化市場可能由開放權重供應，也可能由便宜的封閉權重供應，因為價格競爭會非常激烈。他給的機制很具體：一旦企業能用自己的軌跡資料訓練，就不必再靠最新模型去解一個根本沒變的問題。他說，微軟在 Copilot 內部早已混用較便宜的閉源模型與開放權重模型。他也提到 GitHub 的「Hydrofusion」工作，以及由主代理派發子代理（其中一些是地端模型）的代理群。

企業的核心 IP 會變成自家的私有評測

這是本集最具擴散力的一個想法。納德拉用海耶克（Hayek）立論：經濟活動建立在分散於整個經濟體、在地且隱性的知識之上，這正是為什麼不可能有單一企業或單一智慧，也是價格發現之所以行得通的原因。在智慧時代，每家企業的任務是用 AI 以愈來愈大的規模累積知識，而不是讓知識外洩。

他把這種外洩稱為「反向資訊悖論」，反轉了 Kenneth Arrow 的框架。Arrow 描述的是賣方的難題：在沒有專利、營業秘密或著作權保護下揭露秘密，價值就會外洩。納德拉說，現在需要保護的是買方，因為買方的資料——甚至使用模型產生的「排氣」，也就是按讚、倒讚的訊號——是在為模型公司創造價值，而不是被企業自己留下。要讓這個安排穩定，使用智慧所產生的剩餘，必須有更多留在企業手上。

他提出承接這份剩餘的容器，就是私有評測。每家企業都會維護自己的基準測試作為核心 IP，每個模型進來都要在它上面「爬坡」。這些知識不必只存在於權重裡，也可以存在於上下文與評測本身。

他明白指出，這一切先從一小群稀有物種開始——Stebbings 點名的 AI 原生公司，例如 Harvey 與 Legora——然後才擴散出去。他的類比是 1980 年代末到 1990 年代初的個人電腦與試算表：在 Excel 裡做預測、用電子郵件而非傳真送出，當時感覺很神奇，花了大概十年才變成日常。雲端走的是同一條曲線，從「雲端原生」是一種勳章，到有 500 年歷史的 Lloyd's 也成為雲端原生。他的預測是：「五年後，這會顯得相當過時。」

推論需求是意外；電力與 GDP 才是真正的天花板

被問到有什麼是現在知道、希望一年前就知道的，納德拉點名「推論需求的無限性」，並說他會做出「一些非常不同的投資」決策。這是本集最接近承認押錯產能的一刻。

對於 Mustafa Suleyman 所稱 1,000 億美元訓練跑即將到來、只有少數幾家實驗室出得起，納德拉把問題從「銀彈多厚」拉回損益表。一次訓練跑是研發支出的一個百分比；研發花得兇的企業，研發約佔營收 15–20%。所以天花板在於：AI 能否把世界 GDP 拉得夠高，讓企業分到的那份成長足以支應下一次訓練跑。供給面上，他把電力短缺與矽晶片短缺列為長交期專案——發電廠或晶圓廠不是說有就有——並說每個人都在對著沒人預測得準的需求蓋產能。他對穩定狀態的假設是：損益表會重新變得平凡，就是營收、營業成本、獲利。

對於 AI 能在哪裡推動 GDP，他講得比「何時」更具體。醫療保健是最清楚的案例：在英國國民保健署（NHS）部署 Copilot，若能改善病患結果並降低成本，按定義就是對英國 GDP 的貢獻，而醫療保健正好是「取代最少、效益最大」的組合。軟體開發排第二：那裡的需求已被證明有彈性，意味著大家習以為常的 IT 待辦清單，比任何人以為的都更大。他把這個模式延伸到晶片設計——更快的設計定案（tape-out）與電腦模擬，意味著第一次投片就能做對——以及維修排程：他舉勞斯萊斯（Rolls-Royce）的維修報告最佳化為例，那是個存在已久、如今終於可解的問題。

沒有單一層能通吃；預期水平分工、多層多贏家

Stebbings 問，從晶片、模型到應用的全棧垂直整合是否已成必要。納德拉的答案是這取決於產業結構，而他的判讀是每一層的競爭都在加劇，而非走向整合。他預期會有五、六個封閉模型與五、六個開放權重模型相互競爭，這讓應用開發者可以跑一個帶決策引擎的路由器，把每個任務送到最合適的模型。他承認從晶片到應用的單一垂直整合棧是可能的——他以前甚至認為很可能——但他說「真要說的話，方向反而是相反的」。他明言偏好水平分工、每層多個贏家，並讓客戶能自行組合。

實作層另有專章。系統整合商一向是技術擴散的載體，但這一波把商業顧問與技術顧問混在一起，既不像傳統管理顧問，也不像傳統 SI 或傳統支援服務。他的例子是聯合利華（Unilever）：它打造了一套代理系統來自動化訂單到收款（order-to-cash）與貿易折讓申請，一開始跑在前沿模型上，後來把貿易折讓移到 MAI 模型以壓成本，並靠訓練自家軌跡資料來控管系統。微軟派了一些前線部署工程師（forward-deployed engineer，FDE），但現在是聯合利華自家的 IT 團隊在維運。他的預測是，今天的 FDE 角色會變成新的系統整合。

至於寫程式的成功能否轉移到財務、業務與行銷，他態度謹慎。寫程式受惠於可驗證的獎勵，這讓在預訓練模型之上做強化學習格外有效。知識工作更難，不過他舉客服中心、供應鏈與現金到訂單系統為例，證明並非不可能。他認為整體而言，科學與工程或許能像寫程式一樣有彈性。

他改變了哪些看法，以及他把這個十年押在什麼上

快問快答的答案簡短，卻是承重牆。他的運動習慣已維持約 25 年：每天早上半小時，現在因為膝蓋不能跑而改成爬坡走，無論時差照做。被問到什麼今天看起來瘋狂、五年後會變正常，他又回到私有評測——「一家企業的 AI 基準測試會是什麼。」

他最後的答案最為個人。他希望這項通用技術的擴散速度比任何前身都更快、橫跨更多產業，讓成長能拉抬所有人，而不是留下一張贏家與輸家的帳單。他把這件事連結到他的父親——一位發展經濟學家——以及全球南方何時能得到這種助力的大匯流問題：「我希望就是這一次。」

圍堵層與私有評測，押的是同一個注

本集有兩條線指向同一個方向。納德拉的資安架構假設模型不可信，於是把身分、日誌與政策放在模型之外；他的經濟論述則假設模型公司會把企業的學習成果吸走，除非企業握有自己的評測與軌跡。兩者都是同一種主張：價值會流向企業能掌控的那一層，而不是引數最多的那一層。未解的張力在於，他的圍堵設計依賴思維鏈忠實且可檢視，而他自己說並非如此——所以稽核軌跡的好壞，取決於一條模型可能藏起來的推理軌跡。值得觀察的是：他為可信任夥伴推動的標準化，最後能否產出任何可強制執行的東西；以及他那句「推論需求的無限性」，日後會不會以產能減損或毛利率意外的方式回頭出現。