納德拉：每間企業都應建立自己的AI模型

企業的未來取決於建立AI學習循環，而非挑選最好的基礎模型——微軟執行長如此論述。

薩蒂亞·納德拉（Satya Nadella）希望每間企業都建立自己的AI模型。在週五發表的一篇專訪中，這位微軟執行長向Applied Compute共同創辦人亞許·帕提爾（Yash Patil）表示，企業應根據自身獨特的業務數據與情境來打造專屬模型，並警告只依賴少數幾家頂尖AI供應商，等於是把企業的學習能力外包出去。

「我的觀點很簡單：世界上有多少家企業，就應該有多少個模型，」納德拉說。「因為歸根究柢，企業是什麼？企業就是一個學習系統。」

這番言論可說是納德拉迄今對企業AI策略最明確的闡述之一。微軟正透過Azure AI Foundry積極推行多模型策略，平臺上除了OpenAI之外，還託管了DeepSeek、Cohere等模型，而非僅依賴其130億美元的OpenAI合作關係。亞馬遜也透過Bedrock走類似路線，而Google Cloud則在Gemini之外，提供第三方與自有模型。

「你永遠可以買工具，甚至可以外包一項任務甚至一份工作，但你無法外包學習，」納德拉說。「如果你把學習外包出去了，那企業存在的意義是什麼？」

學習循環，而非模型本身

在X平臺上發表的一篇獨立文章中，納德拉主張，真正的機會不在於挑選最好的模型，而在於建立他所謂的「學習循環」（learning loop），讓人力資本與代幣資本隨著時間複利增長。他認為，真正的持久資產不是模型本身，而是圍繞模型建立的系統——即使底層模型被更換，這個系統仍能保留他所稱的「公司資深專家」知識。

這與過去兩年企業AI的討論方向截然不同——過去大家關注的是模型能力：哪個模型推理更強、哪個寫程式碼更好、哪個在基準測試中排名最高。隨著OpenAI、Anthropic、Google與Meta的前沿模型持續快速進步，智慧層正變得愈來愈普及。納德拉的論點將問題從「哪個模型最聰明」轉向「智慧如何在企業內部被組織、部署並持續改進」。

這一概念與先前的平臺轉移相似。過去，資料庫效能提升時，企業並不會重建ERP系統；處理器速度加快時，也不會重新設計CRM策略。持久價值始終存在於基礎設施層之上。納德拉認為，同樣的原則也適用於AI。

集中化的經濟困境

納德拉也警告，若所有價值都集中在少數基礎模型手中，這種局面無論在經濟還是政治上都是不可持續的。

「不能是『嘿，你看，我有兩個前沿模型或三個前沿模型』——某個有限的集合學會了經濟中所有具差異化的知識，然後整個系統就崩潰了，」他說。

這項擔憂並非純粹理論。培育出前沿AI公司的大型科技業者如今正面臨兩難。微軟、亞馬遜與Google已投入數千億美元建設資料中心基礎設施，以支援AI模型訓練，然而最先進的模型卻正逐步侵蝕它們的核心業務——從程式設計助手到辦公室軟體無一倖免。根據華爾街預測，今年美國四大科技公司的自由現金流預計將降至2014年以來最低水平，原因正是AI基礎設施支出造成的壓力。

微軟已在調整策略。該公司推出了Copilot Cowork，一款針對辦公室員工的AI代理產品，並正考慮將中國的DeepSeek——一個低成本、開放權重的模型——整合進其平臺。目標是提供價格親民的代幣定價，讓一般用戶也能使用AI，而非僅在前沿模型能力上競爭。

對投資人而言，這背後的好壞影響並存。微軟股價今年表現落後大盤，市場正在權衡AI基礎設施成本與不確定的營收回報。若全球每間企業都建立自己的AI模型，將擴大Azure等雲端平臺的整體潛在市場，但同時也會使模型層商品化，可能壓縮前沿AI提供商的利潤空間。最終定義下一階段企業AI發展的公司，或許並非打造最強模型的那幾家——而是那些建立能讓每個組織將智慧轉化為複合式機構知識的系統的企業。

本文僅供資訊參考，不構成投資建議。