微软的AI战略:成为所有模型进入企业的入口

• 微软的核心判断：AI价值不会长期停留在模型层。模型会越来越多、价格下降、可替换性增强，长期价值更可能沉淀在算力基础设施、企业数据、工作流和应用入口。
• 微软的战略：Azure负责算力，Foundry负责模型和Agent编排，Microsoft 365、GitHub等负责进入企业工作流。无论哪家模型领先，微软都希望企业继续留在自己的平台上。
• AI下一阶段的瓶颈：模型能力可能已经领先于企业吸收能力。真正困难的是权限、数据、流程和组织重构，能否把AI转化为真实生产率。
• 资本开支更谨慎：微软倾向于建设长期基础设施，同时对GPU等短周期设备保持灵活，避免过度押注未来两三年的算力需求。
• 最终检验标准是经济增长：Nadella认为，AI如果真是工业革命级技术，必须最终体现为广泛生产率提升和真实GDP增长。
• 对中国科技公司的启示：即使不掌握最强基础模型，也可以依靠算力、Agent平台、数据、工作流和用户入口成为AI时代的重要平台。

9月15日，微软CEO Satya Nadella在2026年All-In Summit上的发言，给出了一个越来越清晰的AI产业判断：模型能力仍然重要，但未来的价值不会全部停留在模型层。模型会越来越多，价格下降，也会更容易替换。长期稳定的价值，很可能向上下两端迁移——下面是算力和基础设施，上面是企业数据、工作流与应用。

这也是微软正在做的事。

微软仍在训练自己的MAI模型，也与OpenAI保持深度合作。但Nadella描述的AI战略，已经超出了“谁能训练出最强模型”的竞争。Azure负责大规模生产Token，Foundry管理不同模型和Agent，Microsoft 365、GitHub和安全产品则把AI嵌入企业日常工作。

无论未来GPT、Claude、Gemini还是开源模型领先，微软都希望企业继续运行在自己的平台之上。

模型正在成为可以替换的组件

Nadella反复强调，未来一定是一个多模型世界。

一家企业可能同时使用OpenAI、Anthropic、Google、开源模型和自己的专用模型，同一项任务甚至可能调用几个不同模型。选择模型会越来越像选择数据库：不同工作负载使用不同工具，很难由一种产品统一所有需求。

由此产生一个重要问题：企业究竟拥有自己的AI系统，还是依赖某一家模型公司？

Nadella给出的判断标准很简单：把当前模型拔掉，换成另一个模型以后，企业的评估体系、记忆、数据、业务逻辑和工作流能否继续运行？

如果整个系统都依赖某一个模型，企业实际上并没有真正掌握这套AI。

因此，模型之间的互操作性会越来越重要。模型调用、Agent协议、记忆、工具使用、安全和评估体系，都需要逐渐形成稳定接口。

微软希望控制的正是这一层。

它很像AI时代的应用服务器：企业提出任务，平台负责选择模型、调度Agent、连接数据、管理权限和评估结果。最终用户甚至不需要知道后台运行的是GPT、Claude还是微软自己的模型。

这也符合微软过去几十年的能力特点：它未必在每个技术周期都拥有最强的单项产品，却非常擅长把复杂技术封装成企业可以使用的平台。

AI现在的问题，已经不只是模型够不够聪明

Nadella提出了另一个值得注意的判断：模型能力可能已经领先于很多企业吸收这些能力的速度。

今天的前沿模型已经能够写代码、分析文件、调用工具、操作软件和执行多步骤任务，企业生产率却远没有同步增长。

中间缺少的是组织重构。

企业需要重新设计权限、数据结构、流程和软件界面，还要决定哪些任务可以交给Agent、如何监督，以及出了问题由谁负责。

过去的问题是模型能不能完成任务。以后更重要的问题可能是：企业能不能把已经存在的模型能力真正转化为生产力。

Nadella在医疗行业看到的正是这种变化。

医生大量时间花在病历录入、电子病历系统、回复信息以及保险和行政流程。微软的DAX Copilot把其中一部分记录工作自动化以后，医生可以把更多时间用于看患者。

AI还可以进一步处理医生收件箱、患者信息、保险流程和医院行政工作。这里的价值不只是“医生写病历快了20%”，而是整个工作流重新组织之后，同样数量的医生能够服务更多患者。

这也是Nadella衡量AI价值的核心尺度：AI最终需要创造新的生产力，而不仅是让现有任务稍微快一点。

微软正在同时控制AI产业的上下两端

Nadella把Azure形容为“Token工厂”。

未来的大规模AI系统需要持续生产Token，Azure首先解决的是计算、电力、网络和芯片问题。

微软也不准备长期只依赖NVIDIA。Nadella认为，AI基础设施会越来越异构：NVIDIA和AMD的GPU、微软自己的ASIC以及其他专用芯片，将根据不同工作负载组合使用。

早期AI任务变化快，GPU的通用性非常有价值。随着推理逐渐分解为相对稳定的Prefill、Decode、内存访问和网络通信等环节，就可以针对特定任务设计专用芯片。工作负载越稳定，ASIC的经济性越强。

Google的TPU、Amazon的Trainium以及微软自己的芯片，都在沿着这个方向发展。

在算力之上，微软建立Foundry、Agent平台、模型路由、评估、记忆和安全系统；再往上是Microsoft 365、GitHub、安全产品和企业应用。

微软实际上占据了模型两端：

下面是算力，上面是企业工作流。

模型处在中间。

如果模型竞争加剧、Token价格持续下降，这种结构甚至可能对微软有利。更便宜的推理会扩大AI使用量，Azure和企业应用也因此承载更多工作负载。

Copilot真正需要守住的是企业入口

外界经常认为Microsoft Copilot早期表现并不理想。Nadella给出了另一个观察尺度。

Microsoft 365的企业知识工作者用户大约为2.5亿至3亿，而Copilot付费企业用户已经接近3000万。按这个口径，它已经覆盖了相当一部分企业用户。

微软的优势也不完全来自Copilot本身有多聪明。

Word、Excel、Outlook、Teams、GitHub原本就是大量企业工作的入口。微软不需要重新创造用户场景，只需要把AI逐渐插入已有工作流。

长期来看，企业的数据、权限、历史记录和业务流程也大量集中在这些系统里。

因此，Copilot的竞争力可能越来越少取决于单个模型的benchmark，越来越多取决于它能调用多少企业上下文，以及能否真正完成工作。

对AI资本开支，微软其实比表面看起来谨慎

Nadella对数据中心投资的解释，也透露出明显的资本纪律。

他把AI数据中心资产分成两类。土地、电力、建筑和连接基础设施属于长期资产，可以使用很多年；GPU、服务器、机架和网络设备的生命周期明显更短，而后者大约占AI数据中心成本的60%。

微软因此倾向于提前建设长期基础设施，同时对短周期设备保持灵活。根据需求，可以购买，也可以租赁，甚至临时使用外部算力。

原因很直接：今天大量购买的GPU，两三年以后还有多大的经济价值，很难准确预测。

Nadella还给Azure设定了另一个约束：一个真正的Hyperscaler不能只成为两三家大模型公司的基础设施供应商。

OpenAI当然可以是Azure的大客户，但如果整个数据中心体系主要服务于少数模型公司，需求结构就会非常脆弱。微软需要大量企业、开发者和应用产生的长尾需求。

这也是AI基础设施投资能否长期成立的关键：最终必须有广泛的实际使用来支撑资本开支。

AI最终必须出现在GDP里

整场访谈中，Nadella给AI设定的最高标准不是模型测试成绩，也不是Token数量，而是经济增长。

他提出，如果如此庞大的AI投资最终能够成立，应该看到大约7%—8%的真实、广泛GDP增长。

这并不是预测美国下一年GDP增长8%。Nadella想表达的是：如果AI真的接近工业革命级别的技术，它最终必须改变整个经济的生产函数。

几家科技公司的收入增长、程序员效率提升，甚至几十亿美元的软件订阅收入，都不足以证明这一点。

医疗、制造、金融、中小企业、科研和公共服务都需要出现实际生产率改善。AI还需要把一些过去因成本过高而无法普及的能力，变成普通企业和个人可以负担的服务。

例如一家小企业过去没有能力建立完整的数据团队，现在却可能让AI持续分析发票、库存、邮件、现金流和客户订单，并自动优化营运资金。

只有这种能力大规模普及，AI的影响才会真正进入宏观经济统计。

这也给当前AI资本热潮设定了很高的检验门槛：数万亿美元的数据中心、芯片、电力和网络投资，最终必须对应足够大的真实经济新增价值。

微软不需要知道最后谁赢

把Nadella这场发言串起来，微软的AI战略已经相当完整。

底层建设大规模、异构的Token工厂；中间建立能够接入不同模型的企业平台；上层控制数据、权限、工作流和应用。微软继续开发自己的模型，却不需要把未来全部押在MAI或者OpenAI一定成为最终赢家上。

当底层技术快速变化、赢家尚未确定时，微软选择先成为各种模型进入企业的入口。

模型价格下降，可以接受；开源模型变强，可以接受；OpenAI、Anthropic、Google轮流领先，也可以接受。

只要企业继续在Azure上运行模型，在Foundry中管理Agent，在Microsoft 365、GitHub和安全系统里完成工作，微软依然处于价值链的核心位置。

Nadella真正押注的，是模型之下的算力和模型之上的企业世界。

对中国互联网公司的借鉴意义

以下是我的延伸判断，不是Nadella在访谈中的原话。

中国AI产业很大程度上依赖开源模型，这与微软的处境有一定相似性。微软虽然与OpenAI深度合作，却不掌握OpenAI和Anthropic等所有前沿模型，因此必须建立一套不依赖单一最强模型的AI战略。

这对中国科技公司有直接参考价值。如果开源模型持续逼近前沿水平，竞争重点就可能逐渐转向模型之外：低成本算力、Agent平台、企业数据、工作流、用户入口和应用场景，而这些恰恰是大型互联网公司的优势所在。

微软提供了一个很有价值的参照：不掌握全球最强基础模型，并不意味着无法成为AI时代的核心平台。模型会不断更替，真正难以替换的，是算力、数据、工作流、用户关系和应用生态。