到2025年初,这一愿景却遭遇了严峻的现实考验。Microsoft 在其 AI 布局中面临着多重挑战:大规模缩减数据中心计划、相较于其他科技公司股票表现落后、与 OpenAI 的关系日趋紧张,以及市场对 AI 热情可能正在降温。对于这家在过去50年里成功驾驭每一次技术革命的公司来说,这些警告信号表明其最大的押注可能正在动摇。
股市的反应尤为严厉。据 CNBC 报道,Microsoft 股票仅通过3月21日的最后时刻反弹,才勉强避免了自2008年金融危机以来的首次连续八周下跌。自2024年7月创下467.56美元的收盘新高以来,Microsoft 股价已下跌约16%。更值得注意的是,当其他专注于 AI 的科技巨头股价大涨时,Microsoft 今年却下跌了7%,成为"科技七巨头"中唯一一个过去一年没有实现增长的公司。
在幕后,Microsoft 已悄然收缩其雄心勃勃的 AI 基础设施计划。公司取消了原计划建设的、用于支持下一代 AI 系统的数据中心。据 TD Cowen 报道,Microsoft 已放弃了可能使其计算能力提升约14%的设施建设——这相当于像东京这样的全球科技中心的整体计算容量。据 Semafor 报道,Microsoft 还放弃了向云计算公司 Coreweave 购买价值120亿美元数据中心容量的选择权。
对于一家曾反复声称"AI 需求超过供给"的公司来说,这些撤退显得格外引人注目。Nadella 本人最近在一档播客中也暗示了这一现实,承认"在 AI 相关的数据中心建设方面可能会出现过度建设"。
加剧 Microsoft 困境的是与 OpenAI 日益恶化的关系。据 The Information 报道,Microsoft 的 AI 负责人 Mustafa Suleyman 肩负着双重使命,反映出公司日益增长的不确定性:既要维持与 OpenAI 的合作关系,同时还要让 Microsoft 在 AI 领域实现"自给自足",不再无限期依赖 OpenAI 的技术。Microsoft 已经在开发自己的 AI 模型系列 (内部代号为 MAI),并正在测试包括 Anthropic、xAI、DeepSeek 和 Meta 在内的竞争对手的模型,作为 Copilot 替代 OpenAI 的潜在选择。
在 Copilot 方面,Microsoft 面临着艰巨的任务,因为该产品在市场上难以获得实质性突破。Gartner 的一项调查发现,很少有公司将 Copilot 计划推进到初始测试阶段以外,"切实的业务影响难以实现",而且实施"需要比预期更多的努力"。一位政府 IT 主管将 Copilot 描述为"落后得令人沮丧"。
但 Microsoft 可能并非独自面对这些挑战。有越来越多的迹象表明,所有 AI 工具可能都在努力寻找更多用户。根据2024年秋季 Slack 劳动力指数,美国工人的 AI 采用增长率在过去三个月仅增长一个百分点,相比之下,去年同期增长近两位数。Gartner 的一份报告指出,CIO 们对 AI 支出越来越紧张,一位 Gartner 分析师告诉英国科技出版物 The Register,2025年可能是"下滑之年"。
在庆祝50周年之际,Microsoft 发现自己正处于十字路口。其 AI 战略——提高价格同时强制将 AI 整合到产品中、开发竞争模型的同时维持与 OpenAI 的合作关系、缩减基础设施同时声称需求空前——表明这是一家试图对冲风险,而不是坚定地押注下一次技术革命的公司。
对于一家通过不断自我革新而蓬勃发展的科技巨头来说,Microsoft 在 AI 方面的矛盾做法可能是最清晰的信号,表明即使是行业领导者也不确定 AI 革命是否能实现其万亿美元的炒作预期。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。