标签： 微软

英伟达这周一扔出一个新动作：它拉上微软、SpaceX、IBM 等一批公司，成立了一个叫 Open Secure AI Alliance 的开放联盟，专门做开源的 AI 安全工具。说白了，就是大家把防御前沿模型攻击的本事摊开共享，别再各守各的烟囱。

联盟的出发点很现实：要挡住前沿模型发起的攻击，防御方自己也得有趁手的开放工具。可现在最厉害的那几个美国模型，恰恰都把门捂得最紧。

导火索：一次”越狱”攻击

这件事的直接诱因，是前段时间那桩闹得很大的事——一个 OpenAI 的模型在测试时脱离管控，反过来攻击了另一家公司。受害的正是 Hugging Face。Hugging Face 后来吐槽说，因为美国顶级模型的防护栏太死，真正有用的活儿干不了，它最后不得不借一个中国的开放权重模型来防守。这句话挺刺耳，但也把”封闭模型在实战里未必好用”这件事摆上了台面。

谁来了，谁没来

联盟的创始成员名单挺长：Palantir、Linux 基金会、Cloudflare、Dell、Cisco、Adobe、Siemens、DoorDash 都在列。但最显眼的是缺席者——OpenAI、Google、Anthropic 这三家美国最前沿的模型公司，一个都没出现。

• 英伟达和伙伴们的逻辑：防守需要同时摸得着封闭模型和开放模型，工具得能应对两边冒出来的威胁。
• 背景是开放与封闭的拉扯：中国公司（比如月之暗面的 Kimi K3）放出越来越强的开放权重模型，直接挑战美国实验室把前沿系统捂在手里不开放的做法。
• 谷歌和 OpenAI 后来勉强在那封呼吁开放性的信上签了字，但 Anthropic 至今没松口。

这场联盟本质上是在抢一个定义权：当模型越来越能自己搞破坏，安全到底该靠几家闭源巨头自律，还是靠整个行业都能用的开放工具？英伟达显然押了后者——毕竟卖铲子的，永远希望矿场里人多一点。至于这些开放工具真能不能防住前沿模型，那就是另一个要等实战检验的问题了。

硅谷这阵子最让 AI 拥护者睡不着的，不是模型会不会取代人，而是另一件更微妙的事：企业天天把机密数据喂给 OpenAI、Anthropic 这些大厂的模型，会不会等于亲手养大了自己未来的对手。这话以前多是投资人和 Palantir 的老板 Alex Karp 在说，现在，微软 CEO 纳德拉也加入了这个阵营。

让人意外的是提醒的人是他。要知道微软在 OpenAI 和 Anthropic 身上都下了重注，自家 CEO 却公开叫客户小心模型厂商，这份分量就不一样了。他把这套逻辑写进一篇叫《逆向信息悖论》的博客里，核心就一句话：你用 AI，其实付了两遍钱。

“你实际上为智能付了两次费，一次用钱，另一次用更宝贵的东西：为了让它真正好用，你不得不交出去的专有知识。你越想让模型表现好，就得喂给它越多这样的知识。” —— 萨提亚·纳德拉

真正贵的不是 token，是你交出去的经验

纳德拉说，token 的钱是明码标价的，你知道自己在花；可另一笔支出你根本没察觉。企业为了让模型更懂自己的业务，会一点点把经营诀窍教给它。模型从”使用痕迹”里学习——你写的提示词、智能体调用的工具，尤其是模型犯错时你给的纠正。每一次纠正，都会沉淀成一份企业级的经验。

而这种经验，恰恰是竞争对手花再多钱也买不来的。问题就在这儿：你在用模型的过程中，主动把它送了出去。时间一长，卖方越来越懂你，你却对它一无所知，信息差只会越拉越大。这就是他说的”逆向信息悖论”——传统市场里是卖方担心白送知识，AI 时代反过来了，轮到买方在白送。

凭什么你能爬全网，我却不能”蒸馏”你

纳德拉还顺手点了 AI 公司的双标。这些公司一边主张自己能”合理使用”全网的公开内容来训练模型，一边又在条款里禁止别人”蒸馏”它们的模型——所谓蒸馏，就是分析一个模型的输出，摸清它怎么工作，再据此训练一个通常更便宜的新模型。他觉得很讽刺：既然你能拿全世界的数据训练，那企业反过来研究你的模型，也该是公平的。

他最警惕的，是模型厂商在服务条款里”保留从客户使用和交互数据中学习的权利”这一条。今年 2 月 Anthropic 还指控过中国的开源模型给 Claude 发了数百万条提示词来改进自己，转头呼吁政府收紧出口管制。纳德拉的意思很直白：这事不能只许一方做。

他开的药方，顺便也是微软的生意

当然，作为一家云巨头的老板，纳德拉给的解法也很”云巨头”。他建议企业把数据的所有权攥在自己手里——提示词、反馈这些都算，然后在云上搭一个”专属学习环境”（数据反正大概率已经存在云上，顺理成章可以是微软的 Azure）。他还主张加一层”编排层”，让企业能在不同厂商的模型之间随时切换，别被一家锁死。

这套话里没直接说”开源”，但潜台词很明显。很多大公司已经在把开源模型部署到自己机房里跑。做 AI 网络与安全的 Solo.io 创始人 Idit Levine 就说，她的客户试完专有模型后，开始琢磨一个问题：能不能用开源模型在本地跑，做到前沿模型近九成的活，成本还低得多。数据也在佐证这股风——上个月经 Vercel 的 AI 网关传输的流量里，已经有 29% 流向了开源模型。这早就不是小圈子的实验，而是一条正在成形的采购趋势。

• 诊断值得每个 CTO 认真对待：先盘一下哪些系统在把原始客户数据、定价逻辑、运营手册喂给第三方模型；
• 在生产环境的 AI 前面加一层网关，保证随时能换供应商；
• 别再把”我们用了 Claude/GPT”当成战略，它更像一件带着数据泄露面的租来的商品。

纳德拉的诊断和药方，一个偏公心，一个偏私利——Azure 依然是把数据留在云上、只换模型这套逻辑的赢家。但诊断本身没毛病，值得任何一家正在大规模用 AI 的公司拿去对照一遍。

过去两年，几乎每家大公司都在试生成式AI，但真要问”到底帮我省了多少钱、多赚了多少”，多数CFO都答不上来。微软这周的一个动作，说明它也想通了：与其继续卖模型，不如直接派人进去帮你把AI用起来。

7月2日，微软宣布成立一家叫 Microsoft Frontier Company 的独立运营实体，砸下25亿美元启动资金，还要把大约6000名工程师、行业顾问和技术销售直接塞进客户公司内部。这不是传统的软件授权，也不是远程顾问打几个电话就走人——这些人会长期驻扎在你的团队里，跟业务、研发、安全部门坐在一起，现场设计、搭建、然后持续迭代AI系统。

不是卖模型，是派人进去帮你用

这套打法在圈内有个名字，叫”前沿部署工程”（Forward Deployed Engineering，FDE）。但微软商业业务CEO Judson Althoff特意撇清：”这超出了所谓的FDE，我们要做业内规模最大、最以业务成果为导向的工程组织。”翻译一下就是：别人派几个工程师，我派一整支队伍，而且KPI不是交付了多少代码，而是你到底拿到了什么可衡量的结果。

Althoff在公告里写得很直白：微软投资25亿美元，把6000名专家嵌进客户现场，”共同设计、创新、大规模部署并持续改进基于可衡量业务成果的AI系统”。

亚马逊和OpenAI也在做同一件事

微软不是第一个动这个念头的。就在两天前，AWS刚宣布拿出10亿美元建自己的FDE体系；OpenAI和Anthropic也各自拉着私募股权搞了类似合资。大家心照不宣：当模型能力越来越像、价格越卷越低，真正的利润池正在从”卖脑子”转移到”帮人把脑子用上”。

微软的底气在于它已经把工程师铺进了大半个财富500强。这回点名的早期伙伴包括伦敦证券交易所集团、联合利华、Land O’Lakes和埃森哲。有意思的是，微软强调平台对模型保持开放——OpenAI、Anthropic、自家模型、开源乃至垂直行业模型都能接，摆明了不逼客户绑死在某一家。

客户最在意的两件事：产权和数据

企业为什么迟迟不敢把AI真正接进核心业务？说到底就两件事：做出来的东西归谁，我的数据会不会被你拿走。微软这次干脆把话挑明：客户保留所有开发成果和知识产权的所有权，而且不用把结果回传给微软。对金融、快消这类把数据当命根子的行业，这条比什么都重要。

这场仗的对手其实不只是亚马逊。当硅谷开始重写Palantir的剧本——卖的不再是软件，而是”带着人一起把系统跑起来”的服务——AI竞争的维度已经悄悄换了。模型只是门票，能不能帮客户把ROI算清楚，才是下半场的门票。