2026年10月26日，微软董事长兼CEO萨提亚·纳德拉做客风投播客20VC，与主持人哈里·斯特宾斯进行了一场24分钟的对话。

（左：微软董事长兼CEO萨提亚·纳德拉；右：20VC主持人哈里·斯特宾斯）

这场访谈的时间点需要留意。五天前，10月21日，纳德拉在伦敦ExCeL会展中心的Microsoft Frontier Tour现场做开场演讲，6500名合作伙伴与客户到场。他提出企业部署AI必须解决三件事：把人留在决策回路中、掌控自己的知识、建立信任。这场播客是同一套判断面向投资人的展开版本。

针对市场最关心的算力成本和模型竞争格局，纳德拉直言，从技术规律来看，绝大多数特定场景的业务任务，模型能力很快就会触碰到边际效应的饱和点。他强调：

一旦能力饱和了，开源模型或者极其廉价的轻量级闭源模型就会迅速占领市场。

算力将沦为大宗商品，“底层一定会经历极其惨烈的价格战”

随着模型推理成本的下降，市场一直担忧基础大模型的商业护城河。纳德拉对此毫不讳言，他预判前沿模型只属于少数塔尖市场，而日常算力将彻底走向大宗商品化。

纳德拉表示：

因此我的预判非常明确：最前沿的顶级模型永远会有其独特的塔尖市场，比如突破性的科学探索，前沿基线会不断被拔高；但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。

当被问及底层流量是否会被开源模型吃掉时，他给出了肯定的方向：

可能是开源模型，也可能是那些价格极度内卷的轻量化闭源模型。底层一定会经历极其惨烈的价格战。

最能印证这一趋势的是微软自身旗舰产品的调度机制。纳德拉坦白：

看看我们自己在微软 Copilot 内部的真实调度机制就知道了：我们每天都在大量混用便宜的闭源模型与开源模型。

这一表态实际上动摇了行业为前沿模型稀缺性支付溢价的基础，也揭示了微软正从单一模型提供者，转型为利润空间更稳定的模型调用编排者与治理者。

推翻安全对齐“涌现论”，采用激进的“零信任架构”

过去几年行业的默认前提是，模型能力越强，安全对齐会自然跟上。纳德拉说自己当年是这个前提的信徒，现在已经放弃。

纳德拉强调，传统的后期强化学习无法实现彻底对齐，对齐必须从最底层直接写死在模型权重里。他说：

我过去曾以为模型的“对齐”会自然而然地随着参数规模的扩大而自动涌现。现实证明并没有。

他连后期补救的路径也否定了：

我根本不相信你能靠后期的强化学习一路修修补补走向彻底对齐。对齐必须从最底层直接写死在模型权重里。

基于底层模型无法保证绝对可信的现状，他提出了一种全新的工程化防御思路：

今天使用先进模型的最安全姿态，就是假定这个模型已经被攻陷。

他主张：

既然底层模型无法保证绝对可信，我们就在模型身外建一座铜墙铁壁般的信任围栏，在策略配置和异常行为监控上做到极其激进。

此外，对于近期行业内部分模型厂商隐藏“思维链”的做法，他予以严厉批评，认为“这让问题变得更加严峻”。他警告称：

坦率讲，如果闭源模型厂商不认识到这种“对可信伙伴保持透明”的必要性，这种不透明性反而会成为开源生态的最大助推器。

微软为这一层准备了Agent 365和Purview：给每个数字员工分配独立身份，强制记录全部行为轨迹与完整思维链，思维链记录必须是人类可读的纯英文，不可篡改的日志交由多个独立模型交叉审查。

作为同时销售模型、编排框架和治理工具的公司，微软在这三层都有产品可卖。把安全定义为外置的信任工程，等于把企业预算引向自己已经站好位的治理层。

警惕“反向信息悖论”，五年后企业的核心是“专有评测基准”

在AI赋能企业B端市场的商业逻辑上，纳德拉提出了“反向信息悖论”。

阿罗的经典信息悖论是，技术拥有者把商业秘密完全披露给买家，没有专利保护，商业价值会瞬间蒸发；纳德拉说这个关系颠倒了，现在要保护的是作为买家的企业客户。

纳德拉提醒道：

企业在与大模型交互时，哪怕是微小的业务痕迹，都在无偿为大模型公司提供强化学习的养料。你实际上是在为模型厂商创造增量价值，而不是把价值截留在自己体内。

那么，AI时代企业的核心资产究竟是什么？纳德拉给出了明确的答案，即私有业务评测集。所有外部模型都必须在企业的这套私有指标体系上跑分，谁性价比高就用谁。

纳德拉说道：

我极其坚信的一点是：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。

在被问及五年后什么会变成常识时，他重申：

五年后所有人都会意识到：一家企业的核心资产与本质，就是一套属于它自己的专有 AI 评测基准。

联合利华是样板。他们先用前沿模型跑通从销售订单到资金回款的流程，再用业务交互轨迹训练，目前索赔处理已换成成本更低的MAI，业务逻辑留在了自己手里。这个案例出自他10月21日的伦敦演讲。

千亿美元训练成本的硬约束：必须由“全球GDP增长”买单

面对目前全行业都在疯狂扩张基建、单次模型训练成本甚至被喊出高达千亿美元的现状，市场对这种“军备竞赛”的商业回报率充满担忧。纳德拉从宏观经济的角度给出了终极账本。

纳德拉表示：

这笔钱最终必须由全球实际 GDP 的增长拐点来买单。

他阐述道，任何财务利润表都不可能凭空失效，企业最终都要面对收入和净利润的硬约束。如果一家公司能支撑千亿美元研发，“那前提必然是——这家公司为全球经济带来的增量价值，已经大到足以让它合法分得如此庞大的商业回报。”

他给出了最核心的观测指标：

AI 到底能否让全球 GDP 的增长率发生实质性向上跳升？

他对此持乐观态度，特别提及公共医疗深水区的降本增效，以及软件开发本身无尽的潜在需求弹性。

最后，针对行业是否会走向从芯片到应用“全栈垂直一体化垄断”的问题，他认为可能性极低。

他预判行业将走向水平专业化分工，“产业链的每一个层级都在爆发更加充分的竞争”，在堆栈的每一个细分层级都有多个赢家共存，客户将拥有自由拼装的自主权。