{
"title": "微软CEO警告：企业使用AI可能需付两次钱",
"summary": "微软CEO萨提亚·纳德拉近日发表长文，指出企业在使用AI时可能面临“付两次钱”的困境：一次是购买Token、API和订阅费，另一次是向模型交付内部业务知识。他将这一现象称为“反向信息悖论”，强调企业在使用AI过程中产生的知识资产（如Prompt、Trace、Eval和人工纠正）可能随模型切换而流失。纳德拉提出Control、Capability、Choice、Cost和Compound五大原则，建议企业构建可迁移的学习循环，避免被单一模型或平台锁定。",
"content": "企业购买AI时，钱可能要付两遍。微软CEO萨提亚·纳德拉在7月12日发表的长文中，给科技行业算了一笔很少有人认真算过的账：第一笔是Token、API和订阅费，第二笔则是公司为了让模型真正可用而交出的业务知识。他将这种不对称称为“反向信息悖论”，直指当前AI部署中的隐性成本——企业花钱购买智能，却要倒贴自己的经验，才能让这份智能在公司里派上用场。\n\n纳德拉指出，最值钱的知识往往藏在每一次纠正里。当开发者对Agent说“不要改账务表”时，背后可能是一次线上事故；当要求“必须兼容旧接口”时，对应的是尚未迁移的客户。这些经验散落在员工的反应中，平时难以记录，却在AI的Prompt、工具调用和人工纠正中被一点点逼出来。纳德拉将这些交互统称为“exhaust”——模型答错时员工补上的内容，才是真实的工作流程。每一次纠正都在把人的判断压缩成组织知识，而竞争对手很难直接买到它，它却可能沿着Trace和Eval悄悄流走。\n\n问题在于，企业使用模型的过程本身就在生产新的智能，包括失败记录、验收标准、任务拆法和Agent接管决策。虽然OpenAI和Anthropic已承诺商业数据不用于模型训练，但纳德拉认为，企业仍可能失去自己的积累：团队若只能带走最终代码，而Prompt、Trace、Eval和Agent记忆全留在某个平台里，换模型时就要重新教一遍。模型厂商没有拿数据训练，企业依旧可能失去自己习得的学习过程。\n\n纳德拉给出的方案是五C原则：Control要求企业保留私有Eval、记忆、Trace和决策记录；Capability对应租户边界内的学习环境；Choice和Cost确保模型可切换，简单任务和复杂任务走不同路线；前四项连起来才有Compound，让成功和失败都能回到下一轮Eval中。这套理论也带着微软的商业立场——模型可以换，微软想留下总控台。对于企业而言，关键不在于选择哪个模型，而在于确保学习循环始终留在自己手里。"