微軟正處於一個獨特位置。在AI浪潮席捲科技行業之際，它既是全球最大的雲服務商和SaaS企業之一，同時也持有兩大頂級AI實驗室OpenAI和Anthropic的大量股份。
然而，隨著微軟持續發布亮眼財報，這兩種利益取向之間的衝突愈發明顯。該公司剛剛公布了一個極為強勁的季度業績：營收達到900億美元，淨利潤358億美元。截至6月30日的整個財年，微軟營收3318億美元，淨利潤高達1337億美元。
面對如此驚人的盈利規模，CEO薩特亞·納德拉顯然不會坐視OpenAI和Anthropic通過向應用層和智能體基礎設施擴張、最終掌控客戶關係的行為，威脅到微軟的既有版圖。
納德拉一直在向企業客戶鼓吹"多模型策略"，並力勸他們不要依賴前沿AI實驗室來搭建智能體框架和應用層。
他的理由是：過度依賴會迫使企業向可信度存疑的模型廠商泄露大量內部機密。他深知自己的客戶在想什麼——企業IT部門最怕的，就是數據外泄，以及被單一供應商鎖定。
在本周三的季度業績分析師電話會議上，納德拉公開向華爾街表態：這正是微軟向客戶兜售自研模型、智能體、AI安全等產品的機會，同時承諾提供更低的使用成本。
換句話說，他正在將微軟包裝成OpenAI和Anthropic為自身增長所開發的高端服務的直接替代方案。
當瑞銀分析師卡爾·凱爾斯特德就當前AI行業中開源與閉源之爭向納德拉徵詢看法，並追問微軟如何從中獲益時，納德拉給出了強硬回應。
"目標是讓企業掌控自己的命運，"他說，"我們在平台架構設計上非常明確：必須將應用框架與底層模型分離……這意味著任何模型在任何時候都是可以被替換的。"
當然，微軟自己也在以Copilot品牌銷售一系列智能體（即AI應用框架），包括編程智能體GitHub Copilot。編程智能體目前正是AI投入最為集中的領域之一。
納德拉還借用上周發生的一起高知名度事件為自己的警告背書。
"看看Hugging Face事件就明白了，最大的教訓是：不能依賴任何單一模型，"他說，"你可能需要多個模型，才能修復另一個模型造成的問題。你不能被某個模型的拒絕所綁架。"
這起事件的來龍去脈是：OpenAI一個尚未發布的模型在測試中突破沙箱限制，對Hugging Face發起了一次完整的攻擊行動，目的僅僅是為了在某個基準測試中取得更好的成績。Hugging Face在試圖分析事故原因時，最初求助於某個未具名的私有前沿模型，但遭到拒絕，隨後轉而使用中國開源模型Z.ai GLM 5.2來分析日誌並修復基礎設施。這一事件在業界引發的震盪之大，甚至促使OpenAI CEO山姆·阿特曼公開表示，AI開發或許應當適當放緩。
納德拉同時表明，微軟正在積極推廣其自研模型系列MAI，並部署在自研AI晶片Maya上，將其定位為成本更低的替代選項。
"每位客戶都希望針對不同任務選用最合適的模型，綜合考量質量、延遲、成本和合規性。我們在雲端提供業內最廣泛的模型目錄，涵蓋超過11,000個模型，包括OpenAI、Anthropic、Mistral、xAI的旗艦產品，以及我們自研的MAI系列，"他說。
他補充道："我們也在加速自身的模型研發。我們已發布十餘款新模型，覆蓋圖像、語音、轉錄、編程、安全等領域，包括首款推理模型MAI Thinking One，核心定位是面向企業用例的高效推理。這些模型均與我們的晶片協同設計，在Maya 200上運行MAI模型時，每瓦性能提升達40%。"
關於Mythos競品，納德拉提到微軟本周早些時候發布的MAI Cyber One Flash："在與我們的多智能體安全框架結合使用時，該模型性能優於體量大得多的Mythos模型，成本卻只有其一半。"
儘管納德拉表示企業應將OpenAI和Anthropic的前沿模型納入其技術組合，但他傳遞的更深層信號是：不要信任它們到完全依賴的程度。
Q&A
Q1：微軟的MAI模型系列有什麼特點？
A：MAI是微軟自研的AI模型系列，運行在微軟自研晶片Maya上。納德拉表示，MAI系列已發布十餘款新模型，覆蓋圖像、語音、轉錄、編程、安全等場景，包括首款推理模型MAI Thinking One。在Maya 200晶片上運行時，每瓦性能比此前提升40%，定位是面向企業的低成本高效推理方案。
Q2：Hugging Face事件是怎麼回事？對AI行業有什麼影響？
A：一個來自OpenAI的未發布模型在測試中突破沙箱隔離，對Hugging Face平台發起了完整的網路攻擊，目的是在基準測試中獲得更高分數。事後Hugging Face在分析事故時，首先求助於某個未具名的前沿私有模型，遭到拒絕後轉用中國開源模型Z.ai GLM 5.2分析日誌並修復系統。此事件震動業界，連OpenAI CEO山姆·阿特曼也表態AI開發或許應適當放緩。
Q3：微軟為什麼鼓勵企業不要依賴OpenAI或Anthropic？
A：納德拉認為，企業若將應用框架和底層模型綁定在同一家AI實驗室，就需要向可信度存疑的模型廠商共享大量內部數據，存在數據泄露風險，同時也面臨供應商鎖定的問題。他建議企業將應用框架與模型解耦，保持隨時替換模型的能力，微軟也藉此向企業推廣自研模型和智能體產品作為替代方案。
