微软董事长兼首席执行官萨提亚·纳德拉在互联网上分享了他对企业AI隐性成本的看法。

周日，纳德拉在X（原Twitter）上发布长文，将该问题描述为“逆向信息悖论”，认为AI颠覆了诺贝尔经济学奖得主肯尼斯·阿罗提出的经典信息悖论。

阿罗悖论聚焦于卖方面临的困境：如何在不披露信息的前提下展示其价值。纳德拉指出，企业AI将这一负担转移给了买方——买方必须分享专有流程和机构专业知识，才能让模型发挥最大效能。

“你实际上为智能支付了两次费用：一次是用金钱，另一次是用更宝贵的东西——为使智能真正有用而必须透露的专有知识，”他写道。“你希望模型表现越好，就必须向其输入越多此类知识。”

“你实际上为智能支付了两次费用：一次是用金钱，另一次是用更宝贵的东西——为使智能真正有用而必须透露的专有知识。”

当“尾气”变成竞争优势

纳德拉表示，每次与企业AI系统的交互都会产生他所称的“尾气”，逐步捕捉组织的运作方式。

“每一次修正都被提炼为机构知识，”纳德拉写道。“这是竞争对手永远买不到的知识，却几乎不易察觉地一点点泄露：一笔笔痕迹、一处处修正、一个个评估。”

“每一次修正都被提炼为机构知识。这是竞争对手永远买不到的知识，却几乎不易察觉地一点点泄露：一笔笔痕迹、一处处修正、一个个评估。”

久而久之，成千上万次交互形成了内部组织知识库，其价值可能超过最初用于训练系统的原始文档。员工使用AI越多，组织的专业知识就越深地嵌入这些系统的运作方式。

重新定义信任边界

在实际应用中，这些知识宝库可能会推动企业转向模型无关的AI技术栈，使提示词和记忆存储始终保持在企业控制之下——即使底层基础模型发生变化。

纳德拉还在帖文中抨击了当前的AI商业模式，指出模型提供商声称对公开数据享有广泛学习权，却限制客户重复利用或基于自身组织内部产生的知识进行构建。

一些观察者可能会觉得，这番言论出自微软CEO之口颇具讽刺意味。纳德拉警告企业有将宝贵组织知识泄露给AI系统的风险，但微软销售的Copilot产品，其价值部分依赖于对企业数据的广泛访问。Copilot通过遍历Microsoft Graph运行，可对用户已有权限访问的文档、邮件、聊天及其他信息进行推理。

安全研究人员对这类系统在访问控制过于宽松时可能暴露大量敏感信息表示担忧。Concentric AI的研究显示，2025年上半年，Copilot平均每家组织访问了近300万条机密记录；EPC Group的审计发现，约80%的企业Microsoft 365租户存在显著的过度共享风险，包括薪资信息、并购文件和客户数据，这些信息可能通过Copilot被检索。美国众议院也曾因数据安全担忧禁止员工使用Copilot，但随后撤销了该禁令。

微软的区分

不过，微软在“访问”企业数据以回答用户请求与“使用”这些数据训练基础模型之间做出了区分。该公司表示，通过Microsoft Graph检索的信息未被用于训练其AI模型，且Copilot尊重现有权限、身份控制和敏感度标签。

尽管如此，其商业策略仍显而易见：纳德拉周日发布的“逆向信息悖论”帖文实质上是一张通往Azure的路线图。纳德拉推荐构建的一切都运行在云基础设施上。本质上，企业可以更换基础模型，但不会更换云平台。

掌控你的AI学习循环

为应对将信息交给前沿实验室的趋势，纳德拉为企业AI架构提出了几项优先事项。他的建议包括：

  • 将组织记忆保留在企业租户内。
  • 构建私有评估与学习系统。
  • 将编排层与任何单一基础模型解耦。
  • 保留在不丢失已积累的组织知识的前提下切换模型的能力。

综合来看，纳德拉的核心观点是：企业应拥有自己的学习循环，而非将其中部分交给提供AI模型的公司。

纳德拉引用Palantir CEO亚历克斯·卡普的话强化了这一观点。卡普同样主张企业希望完全拥有自己的AI基础设施。

模型无关的编排正在兴起

最终，通过保持对生产资料的控制，企业才能确保AI投资产生的复合价值留在企业内部。LangChain和Haystack等工具正因允许工程团队将基础模型视为即插即用的商品而非硬编码依赖而获得关注。

“技术客户想要的是对其算力、模型、数据栈和Alpha的控制，”纳德拉引用卡普的话说。“他们希望知道自己拥有生产资料，而不是将其转让给他人。”

“他们希望知道自己拥有生产资料，而不是将其转让给他人。”

YOUTUBE.COM/THENEWSTACK

技术发展迅速，不要错过任何一集。订阅我们的YouTube 频道，观看所有播客、访谈、演示等内容。

Group Created with Sketch.