2025 年 10 月 29 日，旧金山 GitHub Universe 大会。
这是微软 CEO 萨提亚·纳德拉关于 OpenAI 合作最完整的一次公开阐述。
130 亿美元。这是微软自 2019 年起对 OpenAI 的累计投资，从最初的 10 亿一路追加到如今的 130 亿，成为全球最大规模的 AI 战略合作之一。
比尔·盖茨当年甚至警告他：“这 10 亿美元要打水漂的。”
但今天，GitHub Copilot 每天服务数百万开发者；M365 Copilot 成为 Office 的智能入口；Azure 成为全球 AI 模型部署的首选平台。
从账面上看，这笔投资得到了验证。
但当主持人问起这场合作的深层逻辑时，纳德拉给出的答案，远比外界想象的更复杂。
他没有谈 OpenAI 的模型有多强，也没有谈 AGI 何时到来。他谈的是一个更根本的问题：AI 现在最大的问题，不是模型是否足够强大，而是这种“锯齿状”的智能不够稳定。
“锯齿状的智能”，是纳德拉对当下 AI 状态的精准描述。
具体来说：某些能力增长很快，比如代码生成、对话生成；但一旦超出模型熟悉的边界，质量就突然掉下来，甚至完全失效。他用参差不齐的智能（spiky intelligence）来形容这种现象。
这不是聪不聪明的问题，而是靠不靠谱的问题。
在纳德拉看来，微软要解决的，恰恰是这个“不靠谱”：不是追求最强模型，而是构建一个足够稳、能长期用的系统：我们需要一个像编译器一样可靠的智能系统，而不是一个氛围感十足但不可控的助手。
他还引用了前特斯拉AI总监、OpenAI创始成员 Andrej Karpathy 的说法：即便某些能力上表现出指数级提升，但整体系统的可靠性，并没有同步提高。
这也是微软为什么不急于谈“AGI”的原因。
在纳德拉看来，AGI 的定义因人而异，已经变得模糊不清，也缺乏实际意义。微软更关注的是：AI 能否在真实场景中产生可靠结果。
这也是微软一系列动作背后的思路：从 GitHub Copilot 到 M365 Copilot，他们不是在打造一个“聪明的大脑”，而是要让 AI 像熟练工一样，融入每一个办公和开发流程，成为能被信任的可靠助手。
这不需要通用智能（General Intelligence），需要的是广泛智能（Broad Intelligence）：能覆盖足够多的任务场景，并在每个场景中，稳定地产生有用输出。
正如纳德拉所说，在达到可信赖的标准之前，谈 AGI 为时过早。
130 亿美元的投入，看起来像是押注某个模型的胜负。但纳德拉明确表示，这不是一场技术押注，而是一次组织判断。
他回忆，微软与 OpenAI 最初的合作是在 2016 年。那时 OpenAI 还是一个非盈利实验室，还在研究游戏里的智能体。真正让两家公司重新走近，是 2019 年。
Sam Altman 回来找他说：我们真的相信扩展规律是管用的。
纳德拉读了 Dario、Ilya 他们写的那篇关于扩展定律的论文后判断：这可能就是打开下一代智能的大门。
所谓“扩展规律”，是指：模型参数越多、数据越大、训练越充分，AI 的表现就会大幅提升。
但纳德拉看的不是技术本身，而是背后的逻辑：微软从 1995 年就开始研究自然语言。我们做 Office 的，是做知识工作工具的。所以当 OpenAI 说：“我们要认真做这件事”，我们当时就判断：这不只是模型突破，更可能是系统机会。
微软当时开出第一笔 10 亿美元投资，很多人觉得大胆，甚至不理性。连比尔·盖茨都说：“你这10亿美元会打水漂的。”
但纳德拉的判断标准很清楚：这不是一场关于强不强的评估，而是关于“值不值得做”的决策。
他说：
我们当时投这 10 亿的时候，没人会说这会成一个独角兽。
我们只是觉得这事值得做。
这背后，其实是微软长期以来的思维习惯：不追风口，而是判断一个方向是不是足够基础、足够深入； 不投短期结果，而是看能不能形成可复制的方法论。
比如他提到，真正让他意识到系统性突破的，是 GitHub Copilot：我第一次看到 Copilot 运行时，就觉得：天哪，这真的管用了。
从那一刻开始，微软不仅继续追加资金，还围绕这个方向重组了自己的 AI 战略，从产品团队、开发工具链到基础设施设计，都不是为某个模型服务，而是要搭建一个能持续运转的智能引擎。
所以今天微软再谈 OpenAI 合作，已经不是在说模型能力有多强。
模型只是原材料，真正重要的是能不能把这些原材料接入工作流程、变成可靠产出。
微软投的，是那个能构建、部署、集成模型的组织能力。
在 GitHub Universe 2025 上，纳德拉描述了 Copilot 的新形态：它已经不是一个模型，而是一个由多个模型、多个智能体组成的协作团队，在不同分支上并行工作，再统一交付。
过去我们理解的 AI 助手，是 ChatGPT 一类的对话机器人，或者帮你补代码的小工具。但在微软内部，这种认知已经彻底改变。
纳德拉用了一个新词：“Agent HQ”（智能体总部）。
他解释道，这个架构，有点像一个项目团队：
每个 Agent 负责一个子任务，比如写代码、查资料、格式化文档；
不同模型可以被派去不同的任务，比如 Claude 写总结、GPT 做翻译、Grok 查系统信息；
最后，所有内容自动汇总成一个输出结果，由人类开发者（或者是你）来审核确认。
微软把这整套流程称为“任务控制系统”（Mission Control）。它不是一个插件系统，而是一个真正可以被调度、协作、管理的 AI 工作组。
简单说，微软正在构建的是一种把多个模型组织起来工作的方式，而不是单纯提升某一个模型的性能。
GitHub Copilot 是第一个验证这个架构的产品。开发者已经可以在 VS Code 中调用多个智能体，分别在不同分支工作。每个代理都有上下文、有职责分工，还可以回看过程，就像在管理一个 AI 团队。
这套架构可以适配不同的模型。
纳德拉说： “Codex、Claude、Grok，你喜欢哪个模型，就让它在你的工作流程中执行一段任务。”
过去我们说 AI 辅助人类，现在在微软的设想中，是 人类调度 AI 团队，就像管理一个远程项目组。
这套 Agent HQ 架构背后，是微软产品组织方式的重大转向： 不是做一个越来越聪明的 AI， 而是做一个能整合多个智能、让它们协同工作的平台。
有了 Agent HQ 这样的协作系统，谁来支撑这些代理的运行？
纳德拉给出了一个公式：
智能，就是每美元、每瓦特能产出多少 token。
AI 的竞争，不只是模型能力，更是生产效率。
他甚至说：我现在对数据中心冷却系统的了解，远超十年前的预期。冷却、电力、网络等基础设施，才是 AI 时代的核心竞争力。这就是“token factory”（ AI 工厂）。
✅ 微软怎么搭建“Token Factory”
微软在 AI 基础设施上的投入是实打实的。根据微软官方报告，2025 财年，微软计划投入约 800 亿美元用于 AI 相关基础设施建设，其中超过一半将投资在美国：
你想用 GPT、Claude，还是 Gemini？纳德拉表示都没问题，关键是基础设施能够支撑。微软要构建的，是一个最灵活、可互换的系统。
✅ 模型不是主角，调度能力才是核心
这也是为什么微软内部也在研发自己的模型。Mustafa Suleyman 领导的 Microsoft AI 团队已经推出了三个自研模型：
这不是为了自研更强的模型，而是为了确保平台本身不依赖某一家。
纳德拉说得很直接：我很满意 OpenAI 做的事。但我也欢迎 Anthropic、Mistral，甚至 Gemini 放到 Azure 上运行。
这不是谁赢谁输的比赛，而是微软希望所有模型产品都能在它的“工厂”里上线。
✅为什么工厂比模型更关键
纳德拉真正看重的，不是谁的模型更聪明，而是谁能更快、更便宜地生产出可信的结果。
这就像传统制造业，不是光有好设计图，而是要有能力建出高效产线。微软的目标是：让每一个计算、每一瓦电，都产出更多有价值的 token。
换换句话说，微软要建的不是“最聪明的大脑”，而是一座能让所有大脑高效运转的工厂。
你不能只想要结果，还得有能力产出这个结果。
这，就是微软眼中真正的竞争力。
OpenAI，也许是过去十年科技圈最有争议的合作对象之一。
但在纳德拉眼中，它只是起点，不是终点。
130 亿美元不是豪赌，而是一次战略判断：微软要的不是一家模型公司的成功，而是一整套能持续产出的智能系统。
从解决“锯齿智能”，到构建多智能体协作的 Agent 总部；从 GitHub Copilot，到 800 亿美元投入数据中心和网络基础设施。微软要解决的核心问题是：如何把越来越多的模型，组织成真正可用的生产力。
这不是模型能力的问题，而是系统能力的问题。真正能落地的 AI，不是工具，不是插件，而是一套能长期运行、不断进化的系统。
模型是组件，微软构建的是平台。
这，就是 130 亿换来的东西：不是模型，是能力。
原文链接：
https://www.youtube.com/watch?v=0d8dA8GtE8U&t=3s
https://x.com/satyanadella/status/1974281794565615825?referrer=grok-com
https://www.cnbc.com/2025/10/29/microsoft-open-ai-investment-earnings.html
https://www.nytimes.com/2025/10/29/business/microsoft-quarterly-earnings.html
https://x.com/unwind_ai_/status/1973568633378115967?referrer=grok-com
来源：官方媒体/网络新闻
本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，编辑：深思，36氪经授权发布。
发布时间：2025-10-31 10:00
立即订购
在线咨询
返回顶部