微软正在通过建设算力超过 2GW 的新一代数据中心，为通用人工智能（AGI）时代做准备。其核心战略是建立一个多层次的生态系统，涵盖从支持多模型的超大规模基础设施，到自研模型 MAI 和与 OpenAI 的合作，再到像 Copilot 这样的 AI 应用。面对 AI 带来的高昂成本，微软认为市场将急剧扩张，从而改变现有的商业模式。在地缘政治和数据主权的挑战下，微软强调在全球范围内建立信任和遵守法规，致力于成为一个开放、多元且值得信赖的 AI 平台。
为 AGI 时代构建超大规模基础设施
微软正在建设名为 Fairwater 的新一代数据中心，其规模和算力远超现有水平，旨在为未来的大型 AI 模型训练和推理提供支持。
- 前所未有的规模： 每个 Fairwater 数据中心都将拥有数十万个英伟达 GB200/GB300 芯片，总容量超过 2GW。
- 互联设计： 这些数据中心不仅在园区内部互联，还通过广域网（WAN）连接到其他地区的中心，能够将多个站点的算力聚合起来，用于单个大型训练任务。
- 灵活的工作负载： 这种设计不仅用于模型训练，还可灵活地用于数据生成、模型推理等多种任务，确保计算资源得到充分利用。
我们试图每 18 到 24 个月将训练能力提高 10 倍。因此，这实际上是从 GPT-5 的训练能力基础上再增加 10 倍。
AGI 时代的商业模式转型
AI 的出现正在改变传统的软件即服务（SaaS）模式，因为其高昂的运营成本（COGS）打破了过去低增量成本的优势。然而，微软认为这更像是一次市场扩张的机会。
- AI 作为工具： 微软将 AI 视为一种认知放大器或守护天使，其根本价值在于提升人类的效用和生产力。
- 市场扩张效应： 就像云计算极大地扩展了 IT 市场一样，AI 也会如此。例如，AI 编码助手在一年内创造的市场规模，是微软用几十年时间建立的开发者工具市场的好几倍。
- 多元化的商业模式： 未来的商业模式将是多样的，包括广告、订阅、消费和设备销售。微软的优势在于其业务组合已经涵盖了所有这些模式。
工业革命用了 70 年才看到经济增长。如果幸运的话，我希望将工业革命 200 年发生的事情压缩到 20 年内。
Copilot 与激烈的市场竞争
在 AI 编码助手领域，尽管微软的 GitHub Copilot 率先起步，但市场竞争正迅速加剧，出现了 Claude Code、Cursor 等强有力的对手。
- 竞争是好事： 微软认为，新竞争者的出现证明了这是一个正确且充满活力的市场。
- 平台优势： 微软的策略是利用 GitHub 的核心地位。无论哪个编码助手胜出，生成的代码仓库（repo）最终都会流向 GitHub。
- 构建代理中心（Agent HQ）： 微软计划将 GitHub 打造为一个平台，集成包括 Codex、Claude、Grok 在内的多种 AI 代理。用户只需一次订阅，就能调度和管理多个代理协同工作，从而形成一个强大的生态系统。
价值归属：模型公司 vs. 平台公司
一个核心问题是，未来 AI 价值链的利润会流向模型公司还是应用平台？微软认为，价值不会仅仅集中在模型本身。
- 脚手架的重要性： 能够处理模型缺陷、提供上下文和拥有数据流动性的“脚手架”（应用平台）将具有巨大价值。拥有强大平台的公司可以利用开源模型或自研模型进行垂直整合。
- 模型的商品化风险： 领先的模型公司可能面临“赢家的诅咒”，因为其创新成果很容易被复制。一旦出现强大的开源模型，拥有数据和应用场景的平台就能迅速跟上。
- 微软的多层次布局：
- 基础设施层： 建立支持多种模型的超大规模云服务。
- 模型层： 既利用与 OpenAI 的合作，也发展自有的 MAI 模型。
- 应用层： 在安全、办公、开发等领域构建深度集成 AI 的应用，而不是简单的模型封装。
微软自研模型（MAI）与 OpenAI 合作
微软采取双管齐下的策略来确保其在模型技术上的领先地位。
- 充分利用 OpenAI： 在未来七年内，微软将继续在其所有产品中最大化地使用 OpenAI 的模型，并在此基础上进行微调和增值开发。
- MAI 的差异化定位： 发展 MAI 团队的目标是建立世界级的超智能研究能力。其产出的模型将专注于特定领域（如图像、音频），或针对成本和延迟进行优化，以补充 GPT 系列的能力，避免资源浪费在重复性工作上。
我们将利用 OpenAI 模型，同时，我们的 MAI 团队将专注于那些能够带来独特价值的研究，无论是成本优化、特殊能力，还是为下一次突破做准备。
超大规模计算业务的战略调整
微软近期调整了其数据中心的扩张步伐，这并非削减投入，而是一种战略优化。
- 追求机队通用性（Fungibility）： 微软的目标是建立一个灵活的计算集群，能够支持从训练到推理的各种 AI 工作负载，而不仅仅是为单一客户或单一模型提供托管服务。
- 跟上硬件迭代步伐： AI 芯片技术（如英伟达的 GB200、Vera Rubin）更新换代非常快。微软希望避免在某一代技术上过度投资，从而被锁定。通过分阶段、按需建设，可以更好地利用摩尔定律的优势。
- 全球化布局： 考虑到全球数据主权和监管需求，微软需要将资源投向欧洲、印度等关键市场，而不仅仅是集中在美国本土。
我们不想只成为一家公司的托管商，只与一个客户进行大规模的业务往来。那不是微软的业务。我们的目标是成为一个服务于 AI 工作负载长尾市场的超大规模云平台。
全球信任与主权 AI 的挑战
在地缘政治日益紧张的背景下，单纯的技术领先已不足以赢得全球市场。建立信任成为关键。
- 信任是核心竞争力： 微软认为，美国科技行业能否持续领先，关键在于能否在全球范围内建立对其技术堆栈的信任。
- 尊重主权需求： 微软通过在世界各地进行直接投资，并提供符合当地法规的“主权云”（Sovereign Clouds）来满足各国对数据驻留、隐私和安全的要求。
- 避免集中风险： 通过支持多模型生态（包括开源模型），微软让各国不必担心被单一模型锁定，从而拥有选择的自主权。这降低了地缘政治风险，促进了技术的广泛应用。
最终，赢得世界的可能不是模型能力本身，而是‘我能否信任你这家公司，能否信任你的国家及其机构，让你成为一个长期的供应商？’