--- area: "geopolitics" category: geopolitics companies_orgs: - Microsoft - OpenAI - Altimeter Capital - AWS - Azure - GitHub date: '2025-11-03' draft: true guest: '' insight: '' layout: post.njk people: - Satya Nadella - Sam Altman - Brad Gerstner - Bill Gates products_models: - GPT - Microsoft 365 Copilot - ChatGPT - GPT-4 - GPT-6 - Office 365 - Teams - SharePoint - Excel - PowerPoint - Codex project: [] series: '' source: https://www.youtube.com/watch?v=SW1siWSnq_E speaker: Best Partners TV status: evergreen summary: 本文深入探讨了微软与OpenAI之间独特的合作关系，从2019年一项直觉性的投资开始，逐步演变为一个全球性的AI生态系统。文章分析了双方复杂的资本结构、对AI社会影响的愿景，以及推动万亿级算力投资背后的经济逻辑。对话内容揭示了AI如何重塑SaaS架构、驱动一场新的工业复兴，并重新定义全球经济格局，强调了AI基础设施作为国家战略资产的关键作用。 tags: - ai-investment - infrastructure - llm - transformation title: 微软与OpenAI：3万亿美元AI建设计划背后的共生关系与工业复兴 --- ### 微软与OpenAI：智能与资本的重新定义 在全球科技叙事的中心，微软与OpenAI的关系已不只是合作，更像一次关于智能与资本的重新定义。过去六年，这两家公司共同缔造了AI产业里最具象征性的结构：非营利母体与商业子公司叠加，公有云与模型层深度绑定，资本投入与算力扩张彼此驱动。就在前两天，硅谷最活跃的成长型投资人之一，Altimeter Capital的创始人布拉德·格斯特纳（Brad Gerstner）以投资者的视角，促成了一场难得的深度对话。他邀请到了微软CEO萨蒂亚·纳德拉（Satya Nadella）与OpenAI CEO山姆·奥特曼（Sam Altman），共同拆解了这场被称为“3万亿美元AI建设计划”的全球重构。 在对话中，纳德拉与奥特曼共同回望了这场始于2019年的押注。那一年，微软向一家名不见经传的实验室投入10亿美元。如今，这笔投资已成长为价值1300亿美元的股权、1.4万亿美元的算力承诺，以及覆盖全球的智能生态。今天，我们将回顾这场对话的内容，看看这两位关键人物如何看待现在的关系变化。 ### 合作的起源与独特的资本结构 回忆起当初的合作，其实开始于一次几乎完全凭借着直觉的判断。2019年，微软决定向OpenAI投资10亿美元。那时候的GPT还只是一个研究项目，OpenAI也仍然是一个非营利的实验室。纳德拉回忆道，当奥特曼开始谈论**Transformer**（Transformer: 一种深度学习模型架构，尤其擅长处理序列数据，是GPT系列模型的基础）与**Scaling laws**（Scaling laws: 指在深度学习模型中，模型性能随计算量、数据量和参数量增加而呈现的规律）的潜力时，微软敏锐地意识到，语言将成为计算的新入口。他说：“我们当时并不知道它会走向哪里，但是我们知道自己不能缺席。” 于是，那笔10亿美元的投资，最终演化为了一套复杂的资本结构。OpenAI设立了非营利母体和**PBC**（PBC: Public Benefit Corporation，公益性公司，一种兼顾营利与社会公益目标的法律实体）子公司，而微软获得了大约27%的持股，投资总额至今累计大约135亿美元。纳德拉说：“我们既是投资人，也是合作伙伴，更是两大非营利机构的见证者。”在他看来，OpenAI基金会将与盖茨基金会并列，成为全球最具影响力的非营利组织之一。奥特曼对此也表达了相同的敬意，他说：“没有微软，就不会有今天的OpenAI。”当年，没人知道技术会走向何方，只是相信深度学习的方向正确，相信时间会给出价值。他笑称，希望微软未来能从这笔投资赚到一万亿美元，而不只是千亿美元。 现在我们能够看到的是，这种结构的独特性在于它让非营利体能够持续增长价值，而PBC则能够不断吸收资本，实现商业化。格斯特纳提到，这个非营利机构一开始就持有了大约1300亿美元的OpenAI股权，是全球最大的PBC之一，并且计划首先将250亿美元投入健康、AI安全与社会韧性等方向。这意味着，让**AGI**（AGI: Artificial General Intelligence，通用人工智能，指能够理解或学习人类所能执行的任何智力任务的AI）造福全人类这句话，第一次有了一个可操作的资金体量。奥特曼则认为，资本主义依然是一个最有效的价值创造机制，而非营利基金的意义在于补全市场无法高效覆盖的领域。他提到，AI将让科学进入自动化的发现阶段，能够以远超人类的速度生成新的知识。如果AI能用来加速治愈疾病、推动科研数据的开放，那是值得全力投入的事。 纳德拉则将这种双层结构视作企业与社会利益之间的一座桥梁。微软不仅获得了分红权与分成收益，更重要的是在核心算力、模型、专利及API层面实现了长期绑定。他认为，从某种意义上说，微软现在等于拥有了一个前沿模型的免费授权。这让微软得以在**Github Copilot**（Github Copilot: 由GitHub和OpenAI共同开发的AI编程助手，能根据代码上下文提供建议）、**Microsoft 365 Copilot**（Microsoft 365 Copilot: 微软推出的AI助手，将OpenAI技术集成到Office 365应用中，提升办公效率）等高毛利产品中，可以无缝地嵌入OpenAI模型，形成持续的价值循环。更何况，整个合作的收益还不只体现在股权上。微软因为独家托管OpenAI的主力模型，吸引了大量的企业客户从**AWS**（AWS: Amazon Web Services，亚马逊云计算服务，全球领先的云计算平台之一）迁移到了**Azure**（Azure: 微软云计算服务，微软提供的云计算平台，与AWS竞争）。就像纳德拉说的，Azure、GitHub、Copilot、ChatGPT这四个产品的联动，构成了地球上最大的AI产品体系。 从最初的实验室合作到今天的千亿市值，双方在算力、模型、分成、生态四个层面也形成了一定程度上的共生关系。微软在基础设施层面提供计算，OpenAI在模型层面释放价值。这种对称的合作形式，已经成为了云计算2.0时代的标准模板。纳德拉也坦言，这笔投资在董事会上并不是没有争议。当时的结构太新，就连微软自己都不完全明白它是什么。甚至连比尔·盖茨也持有怀疑态度，直到他看到了GPT-4的演示之后，态度才彻底转向，表示那是他认为继**Xerox PARC**（Xerox PARC: 施乐帕洛阿尔托研究中心，一个著名的研究机构，对现代计算机技术发展有深远影响）之后最震撼的演示。如今回看，那个决策不仅改变了微软，也重塑了整个科技产业的资本逻辑。软件即服务进化到了智能即服务，微软押注的也不再是某个产品，而是智能的生产资料。 ### 算力投资的万亿级挑战与能源瓶颈 2025年，OpenAI的年营收大约为130亿美元，却计划在未来五年投入高达1.4万亿美元的算力建设。格斯特纳抛出了一个很直白的问题：“一家收入百亿的公司，怎么能够支撑万亿级资本的开支呢？”对于这个问题，奥特曼并没有回避。他笑着说：“我们的收入其实比那个更多，如果你想卖出你的OpenAI股份，我可以帮你找到买家。”他语气轻松，却透露着十足的底气。他解释道，OpenAI在押注未来的收入曲线，而不是过去的报表。算力投入的背后，其实是三条主线：第一，成为全球最重要的AI云服务提供商；第二，发展面向消费者的AI设备；第三，推动AI科学家项目，实现自动化科研。如果不提前准备这些算力，就无法生成足够的收入，也无法打造下一代的模型。纳德拉对这番话也表示认同，他说：“我没见过OpenAI有一份商业计划，没有超额完成。”他回忆道，从最初的模型迭代到商业化落地，OpenAI的执行力几乎没有过失手，这也是微软敢于持续加码的根本原因。 当谈到算力约束的现状时，奥特曼把这个问题类比为能源经济学。他说，算力的需求不能脱离成本曲线来讨论，如果明天每单位智能的算力成本下降了一百倍，那么需求就会增长超过一百倍。他认为，AI的社会价值取决于两条曲线，分别是计算成本下降的速度，以及与智能能力提升的速度。当这两者叠加的时候，就会形成一个被他称作为“危险的指数曲线”。纳德拉接着指出，现在最紧缺的并不是芯片，而是电力。AI面临的最大问题不是算力不足，而是无法快速获得足够的电能。许多数据中心项目被卡在了供电审批，或者能源分配的环节，而且全球范围都在经历同样的瓶颈。这一点在投资层面尤为的关键，因为无论芯片的供应如何改善，电力始终会成为新的约束边界。纳德拉认为，未来两到三年内，几乎不可能出现算力过剩。真正的竞争将集中在能否最快建好接近电源的数据中心。 而奥特曼则从另一个层面提醒道，一定会有算力过剩的时刻，这只是个时间问题。他认为，这种波动是人性的一部分，当资本的建设周期远远长于需求周期的时候，泡沫的形成几乎不可避免。他说：“也许两三年，也许五六年后，我们都会看到有泡沫破裂，但是每次泡沫过后，世界都会变得更大。”他指出，人类的每一轮技术的基础设施扩张，无论是从铁路、电网、互联网到现在的AI，都经历过同样的周期性过建。不同的是，这次的变量是指数级的学习曲线，因此，如果智能的单位成本持续下降，那么需求将永远在前面。纳德拉则表示，微软观察到OpenAI在**GPU**（GPU: Graphics Processing Unit，图形处理器，一种专门用于处理图像渲染和并行计算的微处理器，广泛用于AI训练）推理效率上的提升速度，甚至超过了**摩尔定律**（摩尔定律: 由戈登·摩尔提出，指集成电路上可容纳的晶体管数量大约每两年翻一番，性能也随之提升）。简单来说，就是软件的效率改进远比芯片本身还要快。这意味着AI经济正在进入所谓的双重复利阶段，硬件降本与算法效率的叠加，正在推动智能能效的跃迁。算力的经济逻辑正在从稀缺资源转向基础能源，AI训练中心也不再只是数据工厂，而是下一代的电厂，为整个智能社会供能。未来的云计算中心，可以说就是智能时代的发电站，算力不再只是成本，而是我们扩展人类边界的燃料。 ### AI重塑SaaS架构与软件价值 随后，纳德拉还提到，如今的**SaaS**（SaaS: Software as a Service，软件即服务，一种通过互联网提供应用软件的模式）架构正在被重写。过去的软件是数据+逻辑+界面的三层耦合结构，而现在AI不再尊重这种耦合。新的逻辑层被**Agent**（Agent: 在AI语境下，指能够感知环境、进行决策并执行行动以达成特定目标的智能实体或程序）所取代，业务逻辑也不再是固定在代码中，而是被上下文与目标动态生成。传统的SaaS应用像是一个固定流程的系统，而Agent是一种具备反馈循环的生产单元。Github Copilot就是最好的例子，模型会根据提示，选择合适的算法路径、评估结果，并且自动修正。所以他认为，新一代SaaS的核心不再是写死的逻辑，而是实时优化的Agent。这让微软的所有产品架构都在被重新设计。 纳德拉说，Office 365、Teams、SharePoint这些长期稳定的、低客单价、高使用率的产品，天然地适合承接这种变化。它们每天产生的海量数据，成为了训练与嵌入的底层素材，让AI可以在组织的知识图谱中获得上下文。因此，微软的产品不是在被AI取代，而是在被AI放大。他特别强调，虽然每个用户的**ARPU**（ARPU: Average Revenue Per User，每用户平均收入，衡量公司从每个活跃用户获得的平均收入）可能并不高，但是使用的频率极高，而且这种低ARPU、高使用率的结构，反而会让AI成为最佳的加速器。当模型可以访问数十亿个PowerPoint、Word、Excel文件的时候，这些人类行为的数据本身，就成为了模型推理的基石。 格斯特纳顺势追问道：“AI的边际成本在上升，软件的毛利率会不会因此而下降呢？”纳德拉直接回答道：“会有影响，但是不会坍塌。”他指出，真正重要的不是降低算力成本，而是提升单位智能的效率。微软的策略是同时建设两个工厂，分别是**Token 工厂**（Token 工厂: 指底层算力体系，包括硬件、系统软件、虚拟化管理与调度能力，旨在最大化单位算力产出的智能密度）与**Agent 工厂**（Agent 工厂: 指上层软件生态，负责将智能打包成具有具体业务目标的工具）。Token工厂的目标是最大化单位算力产出的智能密度，让GPU不再是固定成本，而是动态的智能生产要素。Agent工厂则负责把这些智能打包成有具体业务目标的工具，比如Copilot在Office、Github、Security中的形态。Agent将会是新的席位（Seat），每一个Agent都能代表一个工作的完成，而Agent会让软件重新获得利润空间。虽然推理成本依然存在，但是只要Agent能够以更高的产出率驱动工作的完成度，AI软件的利润结构就会回到正循环。未来的软件价值不再取决于订阅数量，而取决于Agent的完成效率。这意味着SaaS行业的估值逻辑正在迁移。过去10年，软件公司被用订阅数与留存率来定价，而未来衡量的标准可能会变成模型的使用效率与Agent的执行成功率。格斯特纳用一句话总结了这场转变，那就是AI让软件从存储价值变成了创造价值。纳德拉则回应得更加具象，他认为过去的软件是固定资产，而现在它们是生产线。 ### 竞争格局、未来计算与工业复兴 谈到竞争格局，纳德拉认为微软的优势在于规模。Azure、Copilot、Github、M365构成了一体化的智能生产网络，在推理与训练端可以实现最大化的利用率。因为在规模面前，没有哪一层是纯粹的商品，只有能同时控制算力、模型与应用的企业，才能在新一轮的价值分配中立于上游。AI经济的毛利不会被卷到零，而是会被转移到系统效率之中。硬件的竞争仍然会非常激烈，但是真正的壁垒其实是运营规模与学习曲线。他打了个比喻：“要想成为一个超级算力平台，你就得像运营发电厂一样来运营GPU。”奥特曼也补充了一句意味深长的话：“总有一天，我们会做出能在本地运行GPT-6级模型的消费设备。”他说，那将是一个全新的计算时代，用户不再被云端所束缚，而是可以随身携带一个能思考、能执行的智能伙伴。这句话也让纳德拉深有共鸣，认为未来的计算形态会彻底改变。他说：“设备不再是入口，而是延伸。”从ChatGPT到Codex，再到即将到来的智能终端，AI正在重新定义软件这个词的含义。 最后，格斯特纳把话题拉回到宏观层面：“AI的浪潮是否真的能够带来新的工业复兴呢？”美国科技巨头在未来五年计划投入大约4万亿美元的资本支出，这个规模是当年**曼哈顿计划**（曼哈顿计划: 二战期间美国主导的秘密核武器研发计划）的十倍。纳德拉点头称，这是一场全新的智能再工业化，AI基础设施的建设本身，正在成为美国制造业的复兴引擎。外界往往只看到了数据中心的冷光，却忽略了它背后的供应链。就拿微软在威斯康星新建的2GW数据中心来说，动员了上百家本地承包商和材料供应商，从钢结构、光纤到冷却系统，每一个环节都在本土生产。人们以为数据中心是一个自动化的仓库，但是建造它的过程，其实是一次现代工业的重组。纳德拉说，这不仅是能源与计算的再分配，更是技能与就业的再分布。 他还补充道，在AI时代，电力、数据与算力是新的工业三要素。从晶圆厂到GPU集群，再到全国性电网的改造，美国正在以超越传统制造业规模的速度来建设智能能源的体系。这其中既包括特斯拉、英伟达、微软等企业的硬件投资，也包括核聚变、储能、冷却材料等配套领域的突破。如果用一个更现实的视角来描述微软的策略，那就是不仅在美国本土建厂，也要在欧洲、亚洲、拉美和非洲布局计算工厂。美国将是全球最大的算力投资者，美国的资本将在全球铺设基础设施，把美国的技术带出去，也吸引海外的资本进来。这样就可以形成一种双向循环，一方面帮助美国重建制造业，另一方面让全球市场在可控、可信的体系下接入美国的技术栈。不过，在他看来，这种输出并不是一种单向殖民，而是一种可信任的共建。当地国家不仅获得了基础设施，也能在上层创造新的应用与产业。也就是说，这次输出的不是数据中心，而是创新的能力。纳德拉强调，美国在这轮全球智能化浪潮中的角色，不再只是造工厂，而是要定义标准、建立信任。 格斯特纳顺势提到，美国的再工业化并不是一个偶然，而是政治、产业和资本的共同协调。白宫在过去一年重新签订了与日韩及东南亚的高科技协议，为美国带来了数万亿美元的投资承诺，包括韩国财团在美国追加的3500亿美元项目。AI工厂已经成为了美国新的国家战略资产。纳德拉表示，他从微软总裁布拉德·史密斯（Brad Smith）的汇报中，其实看到了一种更底层的结构性变化，那就是围绕数据中心的地方经济正在迅速兴起。这些建设不是抽象的GDP，而是新的制造业社区。电力公司、电缆厂、冷却设备制造商、工程队、大学培训机构，都被重新纳入到了一条更新的产业链里。美国正在为智能经济打造新的工业地基。这种基础设施既包含了算法和模型，也包括了钢筋、水泥与能源。可以说，AI不只是一个产业，更是推动整个经济体系重写的催化剂。 对于未来三年的看法，纳德拉没有再提模型、芯片或者是云计算，而是说：“我们正在见证人类与机器共同学习的过程，这让生产率曲线重新转弯向上攀升。”AI将让劳动的定义发生改变，组织不再依赖人数的增长来扩张，而是开始依赖Agent来提升产出。AI也不会让工作消失，而是会让每个人都能够以更高的杠杆去完成工作。正如他所说，在微软内部，所有的员工都已经被要求全面使用Copilot与Github工具，并且建立新的工作流。过去Word、Excel教会了我们如何协作，而现在AI正在教会我们如何与Agent协作。 好了，以上就是这次对话的主要内容了。如今我们可以清晰看到的是，就像纳德拉所说的，AI和AI数据中心正在成为美国的国家战略资产。在如此大的投入和投资面前，AI的发展速度不仅很难停滞下来，反而会加速地向上抬头。没有人愿意在这场竞争中落败，也没有人会想要错过这次千载难逢的机会。