摘要

Microsoft单日上涨15%、市值增加4500亿美元，市场奖励的是一套围绕服务前沿模型、而非主导前沿模型开发的战略。 Ben Thompson的框架是：Microsoft保住OpenAI的推理业务，训练能力则转移到其他地方，随后把自己放在客户与OpenAI或Anthropic之间，充当值得信赖的企业服务层。
超大规模云厂商的风险梯度，从Amazon的实体基础设施一路延伸到Microsoft暴露度更高的软件业务：“越物理，越安全；越数字化，越受威胁。” Google兼具前沿野心与受威胁的搜索业务；Meta没有云业务，但AI占用用户时间对它造成的威胁没那么直接。
Microsoft的模式就是1990年代的IBM：承认垄断时代的规模削弱了产品卓越性，再把业务广度、咨询能力和既有客户关系转化为优势。 按Lou Gerstner的逻辑转述，“我们擅长的就是做大”，这套打法又给IBM赢得了20至25年的发展期。
Microsoft希望把前沿模型还原为处理器：充当Microsoft提供或客户自建编排层之下的无状态组件，就像Windows之下的Intel或AMD芯片。 这套主张偏防御性，但逻辑自洽：把专有工作流和元数据隔离在模型公司之外，避免后者掌握“人们实际如何工作”，并最终替代其上层软件。
战略风险在于时机：早期技术因为“还不够好”而奖励一体化，模块化供应商通常在后期才胜出。 企业若直接选择OpenAI或Anthropic，或许会接受锁定，却能大幅加速，使Microsoft的多模型编排框架变成一种最低公分母式的约束。
Ben自己的经历进一步放大了这一风险：帮助模型5.5在extra high档位下工作的脚手架，在5.6上却适得其反，因为新模型已经内化了更多规划和复核能力。 与此同时，行业公开信传递的是恐惧而不是实力：“赢的人不会签公开信”；如果OpenAI和Anthropic成为唯一真正有规模的芯片买家，NVIDIA可能面临利润率压缩。

精读

1. Microsoft的上涨掩盖了AI对其软件业务的威胁

Andrew Sharp先给出市场结论：Microsoft单日上涨15%，市值增加4500亿美元；据彭博报道，这是市场历史上单日市值增幅最大的一次，尽管Microsoft已经从前沿模型竞赛中退居二线。
Ben按照云业务地位、前沿模型野心和AI敞口为超大规模云厂商排序。Amazon处在更安全的一端，因为“AI不会替我送包裹”；其电商核心业务或许比以往任何时候都强，云业务表现良好，而且对较低利润率的适应能力，在算力利润率被压缩时可能有所帮助。Google同时拥有云业务和前沿模型，但搜索业务受到威胁；Meta没有云业务，仍在追逐前沿模型，但受到的直接冲击小于Microsoft。
持久有效的规则是实体业务与数字业务的敞口差异：“越物理，越安全；越数字化，越受威胁。”Microsoft拥有Azure，但其生产力软件越来越容易被重新做出来；Ben和Andrew的团队已经用自研软件，替换掉一套范围狭窄、基于Teams的播客工作流。

2. Microsoft正在重演IBM的生存策略

Ben把类比拉回到1990年代的IBM。当时投资者希望拆分这家 conglomerate，Lou Gerstner却给出了反常识的答案：拆开的业务单独生存会很困难。“我们其实没什么真正擅长的……我们擅长的，就是做大。”
IBM把业务广度转化为额外20至25年的发展期，成为企业在互联网时代寻求转型时所信任的对象，同时建设咨询能力，并为网站和电子商务提供中间件。Microsoft同样可以把销售团队、前线部署的工程能力，以及延续数十年的客户关系组合起来。
令人不适的前提是：昔日垄断者在变得“肥大松弛”后，可能已经“失去了做到卓越的能力”。因此，Microsoft的优势不再主要来自某个单一产品的绝对领先，而是让自己在各个方面都成为可接受的选择；这正是Nadella早先将重心从Windows转向云和服务如此重要的原因。
Nadella对Build主题演讲异常亲力亲为，在Ben看来透露出紧迫感：“我们的实际处境比人们意识到的更糟。”技术威胁传导到财报结果需要多年，Intel的问题就花了大约10年才显现；但等损害出现在业绩里时，“已经太晚了”。

3. 真正的争夺是企业工作流数据的所有权

Ben仍然怀疑模型是否真的具备泛化能力：“我还没有看到泛化能力的证据。”但这个问题可能已经无关紧要，因为足够多的任务数据、反馈和可验证结果，能够教会系统执行越来越广泛的工作类别。
使用Claude Code、Cowork、Codex或其他模型公司提供的编排框架，暴露的不只是提示词。即便相关内容不被纳入训练数据，服务商也能看到员工使用哪些工具、哪些方法有效、哪些方法失败——这就是“公司最核心的资产”，因为这些元数据描述了企业实际如何运作。
Microsoft的反向方案，是让模型像Windows之下的Intel或AMD处理器：每次计算只向模型发送所需上下文，再接收结果，而编排留在Microsoft提供或客户自行构建的框架中。Microsoft想要的是无状态模型；OpenAI和Anthropic则“什么都想做”。

4. 模块化到来前，一体化可能先击败Microsoft

Ben认为Microsoft的战略合乎逻辑，尤其适用于希望保留模型选择权、不愿交出专有上下文的企业。但Clayton Christensen的框架在初期恰恰与之相反：技术尚不成熟时，一体化方案更容易胜出，因为控制更多层级可以改善性能。
Microsoft受益于这样一种论点：模型成本极高，而工作负载需要在便宜和昂贵的选项之间进行路由。Ben认为这套叙事“有点像人为造出来的”，因为模型能力更像上限而不是下限——能力很强的模型同样可以快速回答简单问题。
Andrew指出，企业最终可能要在向Microsoft付费，还是把OpenAI或Anthropic作为平台直接付费之间做选择。Ben提出了另一种情景：一家企业若全押某个前沿模型供应商，即便接受锁定，也可能加速得快得多，以至于谨慎竞争对手的产品“和你的相比简直不行”。
尚未解决的问题是，编排框架本身是否重要。如果模型吸收了大部分智能，而编排变得可以互换，Microsoft就会受益；但如果它的控制机制截留了有用上下文、把工作流设计得过度复杂，让客户“根本接近不了”模型的能力，Microsoft就会输。

5. 模型进步正在抹去脚手架，而行业巨头释放恐惧信号

Ben的具体例子始于5.5的extra high档位，并配合一套名为“Superpowers”的技能包，强制执行规划和复核。到了5.6，这些行为本身已经做得过了头，同一套脚手架变得“失控”：改进后的模型已经内化了过去由编排框架完成的工作。
名为Pie的编排框架提供了相应的设计原则：只做最低限度的工作，只添加必要工具。否则，围绕今天的技术局限搭建的系统，3个月后就会变成负担，因为“你的编排框架正在与模型竞争”。
在Ben看来，行业公开信说明市场正在警惕OpenAI和Anthropic的渗透。连OpenAI都签了名——这尤其说明问题，因为它并不希望开放模型竞争者出现——但更广泛的信号非常明确：“赢的人不会签公开信……签公开信，是因为你们怕得要命。”
NVIDIA的参与暴露了其中的经济利益。如果真正有规模地采购芯片的只有OpenAI和Anthropic，NVIDIA就会沦为被买方呼来喝去的供应商，超大规模云厂商则变成融资工具，利润率随之收窄；如果成功的创业公司在1至2年内就能被替代，Ben问道，一个能够长期存在的创业公司生态究竟还剩多少空间。

追逐万亿美元公司、创始人野心、Token预算与监管俘获 Leo Aschenbrenner 的 Situational Awareness 引爆｜Moonshot AI 以350亿美元估值融资35亿美元