微软CEO纳德拉：大模型底层将经历惨烈价格战
算力不再是护城河
微软CEO萨提亚·纳德拉（Satya Nadella）在最近的公开演讲中给出了一个极其悲观的判断：“在绝大多数企业日常场景中，算力的消耗绝大部分都会走向大宗商品化，沦为极度廉价的基础原料。”他进一步断言，大模型底层一定会经历极其惨烈的价格战。
这个判断的背景并非空穴来风。当前大模型的研发与部署已进入重资产时代，全球巨头每年在数据中心、芯片采购和电力基础设施上的投入动辄高达数百甚至上千亿美元。然而，这种巨额的资本开支是否一定能转化为长期的垄断利润，目前仍存在巨大的不确定性。
当通用能力逐渐触达边际效应饱和点，所谓的“技术壁垒”可能只是一道脆弱的防线。未来的商业竞争，很可能不再是谁的模型“最聪明”，而是谁能以更低的成本提供“够用”的智能。
纳德拉指出，看看微软自己就知道答案。在日常调度中，微软已经大规模采用了开源和廉价闭源模型的组合策略——这意味着即便是科技巨头，也在主动拆解自身的技术神话。当最强大的玩家都在拼命降低成本时，整个行业的利润池必然会急剧压缩。
Copilot的“拆合”逻辑
在微软自家的 Copilot 产品中，这种降本逻辑已经落地。过去我们以为大模型的竞争是“越强大越好”，但在实际应用场景中，“够用且便宜”才是王道。
微软的策略是在不同场景下灵活分配不同的模型能力。高端任务（如复杂的代码生成或专业咨询）使用最强、最昂贵的模型；而日常任务（如简单的文案润色或格式转换）则切换到更便宜的替代品，其中甚至包括大量来自开源社区的轻量级模型。
这背后反映了一个深刻的行业悖论：越是追求极致能力的研发，最终越要回归到成本控制。因为无论你的模型多么先进，如果它无法以合理的单位成本提供服务，就无法形成可持续的商业闭环。据华尔街见闻报道，微软内部每天的大量调用其实都在混用便宜的闭源模型与开源模型。
目前这一调度机制的具体模型名单尚未完全公开，但业界推测其涵盖了 OpenAI、Anthropic 以及各类开源社区的高性价比模型。对于上游供应商而言，这既是一种压力也是一种机遇——如果你的模型不够便宜，就会被自动降级为备用选项，或者被完全排除在核心调度列表之外。
打破“规模即安全”的神话
纳德拉还提出了一个更为激进的安全理念：推翻了“安全对齐随规模自动涌现”的假设。他主张“零信任”架构，即假定模型已被攻陷，在此基础上构建防御体系。
这一转变的背后，是企业对 AI 安全认知的根本性变化。过去人们认为只要模型足够大、经过足够的对齐训练（RLHF），就能实现稳定可靠的输出。但现在看来，安全不能依赖于规模的堆砌。随着模型接入更多外部数据和应用场景，幻觉和安全漏洞的风险呈指数级上升。
“规模即安全”这一假设之所以被推翻，是因为我们发现：更大的参数规模并不能防止模型在被恶意诱导时产生有害输出。相反，模型规模越大，攻击面就越广。因此，必须建立一套独立于模型规模之外的安全审核机制——这就是零信任的核心。
更重要的是，纳德拉发出了一个警告：企业不可沦为模型厂商的数据养料。在与大模型交互的过程中，用户输入的专有信息和反馈数据，极有可能被用于后续的模型迭代训练。如果缺乏有效的截留手段，企业的专有知识实际上是在无偿为竞争对手的服务商做贡献。这种现象被称为“反向信息悖论”——你花钱买服务，却在免费帮服务商升级产品。
企业核心资产的重构
基于上述风险，纳德拉给出了应对方案：“未来每一家企业都会构建起一套专属于自己的私有评测基准，这将成为企业最核心的商业知识产权。”
这句话的含义非常深远。在 AI 时代，企业不再靠购买现成的模型来获得竞争优势，而是要依靠自己独特的数据和业务理解，建立起能够筛选外部高性价比模型的“过滤器”。
这套过滤器的本质，就是企业对自身业务的深度认知——而这恰恰是无法被外部通用模型轻易替代的稀缺资源。只有你了解自己的业务痛点，才能判断哪个模型最能解决这些问题，并在调用过程中保护好自己的数据不被滥用。
具体来说，一家公司需要构建哪些评测基准？首先是功能性测试集：涵盖日常业务流程中最常见的任务类型；其次是准确性验证集：针对特定行业标准的输出质量要求；最后是安全性审查集：确保模型在敏感场景下不会输出有害内容。当有了这三套基准，企业就可以在每月或每周定期测试所有可用的外部模型，选择性价比最高的那一个。
换句话说，未来的核心竞争力不是拥有最强的模型，而是拥有最精准的评测基准。
留给产业的投资信号
对于关注 AI 产业链的投资者和 CIO 来说，这场价格战意味着什么？
首先，上游硬件供应商（如 GPU 制造商 Nvidia 和 ASIC 设计公司）将面临巨大的利润率压力和去库存风险。当算力成为“白菜价”大宗商品时，硬件投资的超额收益将被大幅稀释。过去几年，这些公司享受着近乎垄断的高毛利水平，但随着下游客户开始精打细算地使用多种廉价模型，硬件需求的增长曲线可能会明显放缓。
其次，软件应用层的采用门槛将进一步降低。这将加速 AI 在医疗、法律、制造等传统行业的渗透速度。当推理成本趋近于零时，很多曾经因为太贵而无法落地的应用场景突然变得可行。
最后，那些能够提供高质量、高特异性数据的中间层服务商（例如专注行业微调、数据清洗或标注的公司）将获得更高的估值溢价。因为在这个“反哺模型”的时代，干净的、带有企业私有属性的数据才是最硬的通货。
当然，这一切的前提是“价格战”如期而至。从目前各大科技巨头的资本开支来看，短期内供给侧仍将维持高压态势。一旦供需格局发生逆转，我们或许会看到比预期更早到来的“低价时代”。
