专访纳德拉：穿越AI狂欢，微软如何押注下一个时代

划重点

• 单个Fairwater数据中心的算力已超越全球任何现有AI数据中心。微软正以“基建狂魔”的工业规模，为AGI时代铺设绝对领先的算力基础。

• 微软不自研所有模型，而是让所有模型都运行在Azure上。其战略是做AI生态的底座，成为像水电一样不可或缺的基础平台。

• 纳德拉确认，微软拥有OpenAI全部芯片和系统设计的知识产权。这为微软自研芯片提供了超高起点，形成了“开放合作”与“自主可控”的双重保障。

• 面对资本支出飙升，微软的核心优势是用软件优化效率。其通过系统调度和优化，能将芯片的“每美元每瓦特效能”提升数倍甚至数十倍。

• 当竞争对手疯狂圈地时，微软却主动暂停了部分数据中心建设，以避免被单一技术路线“锁死”，为未来更先进的芯片架构保留灵活性和资金。

当全球科技界沉浸于AI模型的激烈竞赛时，微软首席执行官萨提亚·纳德拉却以惊人的冷静姿态，带领我们首次探访了被称为"绝密基地"的Fairwater 2数据中心。

这次探访揭示了一个重大战略：微软正在以前所未有的基础设施投入，为迎接通用人工智能（AGI）时代进行一场豪赌。

纳德拉直言不讳地表示："这可能是工业革命以来最具颠覆性的技术革命！"

在这场独家专访中，纳德拉向我们展示了微软“壕无人性”的算力储备：每个Fairwater数据中心都配备数十万颗GB200和GB300芯片，总容量超过2吉瓦，单个数据中心的算力就已超越目前全球任何AI数据中心。

图：微软CEO纳德拉视察Fairwater数据中心

同时，纳德拉也深入阐释了微软如何在技术栈的各个层面为AGI时代进行全方位布局，并探讨了AGI的商业模式、与模型公司的竞合关系以及自研芯片的战略考量。

以下为纳德拉最新访谈精华版：

01 Fairwater 2与算力霸权，为AGI准备基础设施

问：微软正在建设的Fairwater数据中心展现出惊人的算力与网络带宽，这种规模的投资是否预示着未来需要跨区域训练"巨型模型"？

萨提亚·纳德拉：确实如此。我们的目标是能够聚合这些计算资源来处理超大规模训练任务，并实现跨站点协同。但实际应用中，这些资源不会仅限于单一工作负载。它们将同时用于训练、数据生成和推理等多种场景。我们的设计理念就是要确保足够的灵活性。

微软云与AI业务执行副总裁斯科特·格思里补充道：Fairwater 4将接入1 petabits的超高速网络，实现与现有数据中心的极速互联。通过AI广域网，我们还能连接至密尔沃基等其他在建的Fairwater数据中心。我们的目标是每18到24个月将训练容量提升10倍。以网络设备为例，这栋建筑内部署的光网络设备总量，就已接近两年半前整个Azure全球数据中心的规模。

问：在芯片选择和架构设计方面，你们有多大决策空间？是否担心会被特定技术路线"绑定"？

萨提亚·纳德拉：模型架构与物理基础设施之间确实存在紧密耦合关系。这也是令人警惕的一点，毕竟新技术层出不穷。以即将到来的Vera Rubin超级芯片为例，其功率密度和冷却要求都将截然不同。因此，我们绝不能局限于单一技术规格。我们追求的是随时间演进的能力，而非一次性投入后就被特定方案束缚。

02 AI应该成为人类的守护天使或认知放大器

问：你如何看待AGI时代的商业模式？当前业界对AI泡沫和高昂成本的担忧与微软过去的SaaS模式有何不同？

萨提亚·纳德拉：我相信，这可能是工业革命后最重要的技术变革，但同时我们也清醒地认识到其仍处于早期阶段。我们已经开发出具有实用价值的产品，观察到良好的技术特性，扩展定律仍在持续生效。我对其未来发展持乐观态度。

我特别欣赏图灵奖得主拉吉·雷迪的比喻：AI应该成为人类的"守护天使"或"认知放大器"。这个比喻简洁地阐明了AI对人类的价值。从这个角度看，我将其视为一种工具。当然，它能够完成许多过去只有人类能胜任的工作，但历史上其他技术也经历过类似的过程。

在商业模式层面，我认为核心要素将保持稳定：广告、交易、设备毛利、订阅制和按量计费。这些都是经过验证的商业模式。订阅制之所以受欢迎，是因为便于预算管理，本质上是对特定使用权益的打包授权。因此，关键在于如何制定定价策略，确定用户可获得的使用额度。我相信这将形成分层化的定价和利润结构。

对微软而言，优势在于我们已经在所有这些计费模式上建立了业务布局。更重要的是，AI将像云计算一样，极大拓展市场空间。以编程领域为例，我们通过GitHub和VS Code耕耘数十年建立的生态，现在通过编程助手在一年内就实现了爆发式增长。这预示着市场将迎来大规模扩张！

03. 应用层攻防：Copilot与“脚手架”的价值保卫战

 问：Copilot作为微软AI战略的排头兵，市场表现亮眼。但面临日益激烈的竞争，微软如何保持优势？

图：编程智能体ARR对比，微软保持领先

萨提亚·纳德拉：我欣赏这张图表有几个原因：首先，我们仍保持领先地位；其次，榜单上的公司都是近四五年新成立的。这恰恰是最积极的信号，新的竞争者意味着新的发展机遇。现在与我们竞逐的是Claude、Cursor这些新兴力量，而不是过去的Borland。这证明我们正走在正确的道路上。

从零起步达到当前规模，本身就是市场扩张的最佳证明。编程与AI这个领域很可能成长为最大的技术类别之一，甚至可能超越知识工作本身。我们将直面竞争，但我们已经将现有资源投入这个领域，并且必须保持竞争力。值得高兴的是，我们刚过去的季度交出了不错的成绩单，订阅用户数从2000万增长到2600万。我对我们的用户增长和未来方向充满信心。

更值得关注的是，所有这些新兴代码公司的代码库托管在哪里？都在GitHub！GitHub在代码库创建、拉取请求等各项指标上都创下历史新高。据统计，每秒就有一位新开发者加入GitHub，其中80%会自然而然地进入GitHub Copilot的工作流程。

我们在最近的GitHub Universe大会上推出了Agent HQ概念产品，目标是打造"AI智能体的有线电视平台"，整合Codex、Claude、Cognition、Grok等各类智能体。用户可以发布任务，协调不同智能体协作，并实时监控进展。这将是未来最重要的创新领域之一，因为开发者需要同时运用多个智能体，需要整合它们的输出，更需要始终掌握代码库的主动权。

04. 模型战略：与OpenAI共舞，MAI自研之路

问：随着AI能力快速提升，未来模型或许能自主完成长达数天的工作，甚至像人类同事一样交流。这种情况下，模型公司是否会垄断大部分价值？像Office这样的应用平台重要性是否会降低？

萨提亚·纳德拉：价值会完全流向模型层面，还是在模型与应用平台之间分配？这需要时间验证。

但我坚信，即使模型能力持续进步，工具和应用平台仍然至关重要。以Excel智能体为例，它不仅是简单的UI封装，而是位于应用中间层的模型。我们运用GPT系列的IP，将其深度集成到Office系统的核心层，使其能够原生理解Excel的所有组件和操作逻辑。这不仅是像素级的识别，而是完整的语义理解，甚至能够纠正推理错误。这就像赋予它一套token语言，教会它成为资深Excel用户所需的所有技能。未来的Excel将内置智能分析师功能。

即使是模型公司，也面临激烈竞争。如果定价过高，我们这些应用开发者就会寻求替代方案。只要存在充分竞争、多元化的模型选择和开源选择，在模型之上构建价值就有充足空间。微软将在超大规模计算、OpenAI合作、自研模型（MAI）和应用平台各个层面参与竞争。这不是简单的模型封装，而是将模型深度融入应用程序的每个环节。

问：微软最新发布的AI模型在行业基准测试中排名第36位，表现未达市场预期。考虑到微软与OpenAI的深度合作及IP授权优势，外界普遍认为微软应能更快推出顶尖模型。为何微软仍坚持大力投入自研模型？这是否意味着在核心模型领域，微软的战略存在滞后？ 

萨提亚·纳德拉：首先需要明确的是，我们对OpenAI技术的运用是全面且深入的。在未来七年里，OpenAI模型将继续作为微软全线产品的核心引擎。我们正在通过强化学习微调、中期训练以及独有的数据资产，对这些模型进行深度优化和功能扩展，使其更好地适应微软庞大的产品生态和用户需求。

关于我们自家的MAI模型，我们正在组建世界级的超级智能团队，并设定了极具雄心的目标。我们采取的是"双轨并行"策略：一方面最大化OpenAI模型的现有价值，另一方面将MAI团队的算力资源聚焦于"差异化创新"，避免重复建设。 

我们的图像模型已经在权威测试中位列前九。这些模型既用于提升Copilot和Bing等产品的成本效益，也服务于特定的应用场景。Copilot内置的音频模型不仅具备个性化交互能力，更针对产品特性进行了专门优化。而我们自主研发的文本模型LMArena，虽然首次亮相时排名第13，但仅使用了15,000颗H100芯片就实现了这一成绩，充分证明了其基础能力和指令遵循性能。这表明，只要投入更多算力资源，其潜力将不可限量。

我们的下一步是打造一个融合文本、图像和音频能力的全能模型，这将是MAI发展路线上的重要里程碑。我们将持续建设顶尖的超级智能团队，发布兼具成本效益、低延迟和特色功能的产品级模型，同时专注于前沿技术研究，为未来五到八年实现AGI的关键突破做好充分准备，同时始终保持与OpenAI的战略合作优势。

问：假设七年后续约失败，微软无法继续使用OpenAI模型，届时你们将采取哪些措施确保在AI领域的领先地位？

萨提亚·纳德拉：从根本上说，我们将继续建设世界级的研究团队，事实上我们已经组建了一支正在不断壮大的顶尖团队。我们将构建支持多种模型的基础设施体系。从超大规模计算的角度来看，我们希望建立全球最强大的基础设施集群，能够支撑全球所需的所有模型，无论是来自开源社区还是商业机构。

在模型能力建设方面，我们当然会继续在产品中使用OpenAI模型，同时加速发展自主模型研发。我们可能会采取类似GitHub Copilot集成Anthropic模型的策略，将其他前沿模型也整合到我们的产品体系中。归根结底，产品在完成特定任务时的实际表现才是最重要的评判标准。我们将以此为导向进行垂直整合，只要能够通过产品很好地服务市场，我们总能找到成本优化的方法。

05. 基础设施哲学：不赌单一技术，构建“可互换”未来

问：有一种观点认为，未来会出现一个"超级模型"，它能像人类一样持续学习，掌握经济体系中的所有工作技能。由于其能够整合所有学习成果，可能形成指数级进步的垄断优势。到那时，如果微软不是这个垄断模型的拥有者，现在"可以切换不同模型"的灵活性是否将失去意义？

萨提亚·纳德拉：这个问题确实触及了行业发展的核心。有人认为会出现一个全知全能的模型，能够处理所有数据并持续学习，然后市场竞争就结束了。但现实情况告诉我，事实可能恰恰相反。看看编程领域——可用的模型不是在减少，而是在不断增加。这就像数据库的发展历程，从来没有出现过所谓的"终极数据库"，只有最适合特定使用场景的解决方案。

我想指出真正的风险所在：将基础设施赌注压在单一模型架构上。想象一下，当下一代技术突破来临时——比如像混合专家模型（MoE）这样的架构革新——你那些为特定模型优化的基础设施可能瞬间过时。这才是最令人担忧的。

因此我们选择了一条不同的发展路径：构建能够支持多种模型的基础设施。这不仅是技术选择，更是商业智慧。如果你想要建立真正的平台业务，就必须拥抱多样性，培育开发者生态系统。试图垄断所有技术层面反而会让你偏离平台公司的本质。

这个行业最终会走向专业化分工。我们的角色不是在某个单一层面追求垄断，而是在每个我们能创造价值的层面参与竞争。未来的赢家不是那些试图"终结比赛"的玩家，而是那些能够在不同层面持续创新的企业。

问：去年微软原本有望成为全球最大的AI基础设施提供商，甚至预计在2026年或2028年间超越亚马逊。然而，你们却在去年下半年突然"暂停"了部分数据中心的扩张计划，这些资源随后被谷歌、Meta、亚马逊乃至甲骨文等竞争对手获取。这一决策背后有何考量？

图：数据中心预租容量对比（兆瓦）

萨提亚·纳德拉：这实际上反映了我们对"超大规模业务"本质的重新思考。微软的关键决策在于将Azure打造成为能够适应AI全生命周期——从训练、中期调优、数据生成到推理——的平台。这要求整个计算集群具备高度的可互换性。因此，我们没有盲目建设大量仅适用于特定技术世代的计算容量。

我们必须认识到，保持每18个月为OpenAI模型提供10倍训练容量的增长轨迹固然重要，但更重要的是平衡训练能力与全球服务能力。毕竟，商业化效率才是支撑我们持续投入的关键动力，而基础设施必须能够支持多元化的模型需求。

现在，微软正在全球范围内启动更多项目，积极通过自建、租赁和"GPU即服务"等多种方式获取计算资源，但所有这些都严格以实际需求为导向。我们不想仅仅成为某家模型公司的托管服务商，局限于服务少数几个大客户。这不符合我们的业务定位！

OpenAI作为成功的独立公司，有其自身发展规划，而Meta等科技巨头最终都将建立自有的基础设施。微软的战略调整，是为了构建通用的"超大规模集群"和支撑自身研究计算的平台。

此外，我不希望被特定技术世代的大规模部署所束缚！考虑到GB200、GB300乃至未来的Vera Rubin等新一代芯片将带来完全不同的功率密度和冷却要求，盲目建设大量固定规格的计算设施可能会很快过时。因此，建设节奏、架构兼容性、区位布局、工作负载多样性和客户多元化，都是微软战略布局的核心考量。

我们还发现，AI工作负载不仅需要AI加速器，还需要大量配套资源。事实上，这些配套服务才是我们利润的重要组成部分。微软致力于将Azure打造成能够服务AI长尾工作负载的平台，同时在最高性能的裸机服务领域保持竞争力。 

06 Azure不做"模型房东"，要做"AI时代的水电煤"

问：如果AI行业最终将走向AGI，那么未来是否会形成以OpenAI、Anthropic等模型公司为核心平台，其他企业在之上构建业务的产业格局？在这种情况下，直接使用Azure的长尾客户将扮演什么角色？

萨提亚·纳德拉：所有这些模型都将在Azure平台上可用。一个真正的AI工作负载远不止是对模型的API调用，它需要数据库、存储、计算以及其他所有服务来构建或部署应用程序。模型公司自身也需要这些完整的服务来构建任何有意义的应用，这远不止是运行一个"token工厂"那么简单。这就是超大规模业务的本质，它不依赖于任何一个特定模型，而是服务于所有模型。

如果客户希望同时使用Grok、OpenAI和开源模型，他们可以来到Azure Foundry，配置所有需要的模型，并获取相应的数据库、存储和计算资源来构建应用程序。这才是完整的解决方案。

问：谷歌在自研TPU方面处于领先地位，预计将生产500-700万颗芯片。亚马逊也计划生产300-500万颗芯片。相比之下，微软自研芯片的订单量明显较少，尽管项目启动时间相近。请问微软的芯片自研战略进展如何？

萨提亚·纳德拉：首先需要认识到，任何新加速器最主要的竞争对手甚至包括英伟达的上一代产品。在规划计算集群时，我们关注的是总体拥有成本（TCO）。即使对我们自研的芯片，我们也设定了极高的标准。

通过在核心计算领域引入AMD、Cobalt等多元方案，我们积累了丰富的自研芯片经验。但重要的是要认识到，即使是谷歌和亚马逊也在采购英伟达芯片。这是合理的，因为英伟达持续创新，提供通用性强的解决方案，所有模型都能在其平台上运行，客户需求也确实存在。如果你选择自研芯片路线，最好拥有自己的模型体系，并能够自主创造需求或进行补贴。

我们的策略是在自研MAI模型与自研芯片之间建立紧密的闭环。这为芯片自研提供了充分的理由，你可以基于具体工作负载设计微架构，并与自有模型协同演进。更重要的是，我们能够访问OpenAI的项目资源，包括除了消费级硬件之外的所有芯片设计和系统架构知识产权。我们共同构建了这些超级计算机，我们将首先为它们部署其设计的系统，然后再进行扩展优化。

因此，微软希望成为英伟达卓越的、"光速执行"的合作伙伴，同时在系统设计层面与OpenAI技术体系和MAI体系协同创新，确保我们在整个技术栈都拥有知识产权优势。

07 合作模式：厘清"平台"与"应用"的边界

问：在与OpenAI的新协议中，微软拥有其无状态API调用的独家权利。随着未来AI工作负载日益复杂（例如ChatGPT需要存储会话状态），这是否会影响微软的竞争优势？

萨提亚·纳德拉：这是一个战略决策，同时也考虑了OpenAI需要的灵活性。可以将OpenAI的业务分为平台即服务（PaaS）和软件即服务（SaaS）两部分。SaaS业务包括ChatGPT等应用，而PaaS业务则是他们的API服务。这些API服务是Azure平台独占的。至于SaaS业务，他们可以在任何平台上运行。

如果OpenAI希望与合作伙伴构建SaaS产品，而该合作伙伴需要使用无状态API，那么Azure是他们获取这些API的唯一平台。即使是需要状态管理的定制协议，除了少数特例外（如美国政府项目），也都必须通过Azure部署。这体现了我们对合作伙伴关系的重视，同时也确保了OpenAI所需的运营灵活性。

问：微软在过去两年中资本支出增长了两倍，正在从软件公司向"工业企业"转型。如何平衡资本密集与知识密集这两种业务特性？

萨提亚·纳德拉：这是一个根本性的结构转变。我将此描述为我们正在同时成为资本密集型企业和知识密集型企业。实际上，我们必须运用专业知识来提高资本支出的投资回报率。

硬件厂商在推广摩尔定律方面做得非常出色，这确实令人钦佩。但即使只看我在财报电话会议中提到的数据，针对特定的GPT模型系列，我们通过软件优化在每美元每瓦特的token吞吐量上实现的季度和年度提升是巨大的——达到5倍、10倍，在某些情况下甚至是40倍。这就是知识密度驱动资本效率的明证。

传统托管服务商与超大规模云计算公司的本质区别是什么？是软件能力。虽然这是资本密集型业务，但只要你拥有系统专业知识、能够按工作负载和集群进行优化的软件能力，也就是当我们谈论"可互换性"时，其中蕴含的深厚软件功底。我们仍然是一家软件公司，只是业务形态发生了变化，我们将妥善管理这种转变。微软强大的现金流使我们能够在这两个领域都保持卓越运营。（文/腾讯科技特约编译金鹿，编辑/木木）