纳德拉发出警告：企业使用AI正在"双重付费"

在所有关于AI潜在风险的争论中，有一种担忧在硅谷AI圈引发了最多焦虑——那些销售专有模型的大型AI实验室，是否正在扮演"特洛伊木马"的角色。

这种担忧的核心在于：当初创公司和企业使用来自OpenAI、Anthropic等实验室的AI模型时，这些实验室得以持续获取客户最敏感的商业信息。模型提供方随后可能将这些知识为己所用，最终演变为客户的竞争对手。对此发出警告的人士，从风投人士贾森·卡拉卡尼斯到Palantir首席执行官亚历克斯·卡普，不乏其人。

如今，微软首席执行官萨蒂亚·纳德拉也加入了这一阵营。本周一，他发布了一篇令人意外的博文，警告AI用户（他称之为"买方"）实际上在为AI支付双重代价：一次是明面上的Token使用费，另一次则是在不知不觉中交出了宝贵的数据资产。

"你本质上为智能付了两次费，一次用金钱，另一次用更有价值的东西——为了让智能发挥作用，你不得不披露的专有知识。你希望模型表现越好，就必须喂给它越多这样的知识！"纳德拉写道。

他认为，最危险的是，企业实际上正在手把手地教会这些模型自己业务的细节与规律。

"模型从'废气'中学习——人们输入的提示词、智能体使用的工具，尤其是当模型出错时人们所做的纠正。每一次纠正都会被蒸馏成机构的核心知识。"他写道。

这是"竞争对手永远无法花钱买到的知识"，然而企业却在白白拱手相让。

纳德拉认为，既然AI公司可以自由爬取互联网数据来训练模型，那么企业理应有权反过来"蒸馏"这些模型。所谓"蒸馏"，是指利用模型自身的输出来理解其工作原理，并据此训练出一个通常成本更低的新模型。今年2月，Anthropic曾指控某中国开源模型通过向Claude发送数百万条提示词来提升自身模型的能力，并呼吁美国政府加强出口管制。

纳德拉的观点是，模型提供商不能两头通吃。一边自由地在全球数据上训练模型，一边又限制他人对自家模型做同样的事，这本身就是一种双重标准。

"模型提供商凭借合理使用权在公共数据上训练模型，这带来了重要的创新价值，这一点我认可。但讽刺的是，现状却是他们转过头来，对蒸馏行为施加严苛限制。"这位微软CEO写道。

纳德拉尤其对那些"保留从客户使用和交互数据中学习的权利"的模型提供商深感警惕。

对此，纳德拉给出的解决方案，正是一位大型云服务商CEO所自然会提出的建议。他主张企业应"保留对自身数据的所有权"，包括提示词和反馈数据等，并建议企业在云端（即数据本就存储的地方，不排除正是微软Azure）构建属于自己的"专有学习环境"。他还提倡企业建立所谓的"编排层"——一种能在不同AI模型提供商之间灵活切换而非被单一平台绑定的机制。目前，可实现这一功能的AI"网关"工具正变得越来越受欢迎。

纳德拉虽未明确提及"开源"是保留数据所有权的具体路径，但这层含义显而易见。与此同时，另一层背景同样值得关注。

许多大型企业除了使用云服务外，自身仍保有部分数据中心，它们正在逐步转向部署在本地的开源模型（业内称为"私有化部署"或"on-prem"）。Solo.io的创始人兼CEO伊迪特·莱文表示，她在自己的客户中正亲眼目睹这一趋势的演变。Solo.io专注于帮助企业管理AI系统的网络与安全软件。她告诉TechCrunch，这些企业在尝试使用专有模型提供商一段时间后，开始问自己："我能不能用一个开源模型在本地运行？它能实现大模型90%的功能，成本却低得多。他们意识到这一点，而且这样他们能掌控一切。"

Solo.io的技术去年被选为Linux基金会Agentgateway项目的底层支撑技术。该公司的企业客户包括T-Mobile、ADP和SAP。莱文观察到，越来越多的企业正在私有化部署开源模型，并将其视为企业AI应用的下一轮重大浪潮。

持相同看法的不止她一人。以构建和托管网站平台著称、近期新增AI模型切换工具的Vercel，以及帮助开发者在不同AI模型之间路由请求的OpenRouter，都观察到流向开源模型的流量显著攀升。事实上，上个月通过Vercel网关路由的总流量中，开源模型已占据29%的份额。

微软是OpenAI和Anthropic的重要投资方，而如今连微软CEO都公开提醒企业对使用专有模型保持警惕，这一趋势料将继续深化。"在消费智能的同时，你也在创造智能。而你所创造的，理应属于你。"纳德拉写道。

Q&A

Q1：纳德拉所说的企业"双重付费"具体指什么？

A：纳德拉指出，企业在使用AI模型时实际上支付了两次代价：第一次是显性的Token使用费用；第二次则是隐性的数据代价——为了让模型更好地服务于业务，企业必须向模型输入大量专有的业务知识、操作流程和纠错反馈，这些信息会被模型"学习"并固化为其能力的一部分，企业却对此浑然不觉。

Q2：企业应该如何保护自己的数据不被AI模型提供商利用？

A：纳德拉建议企业采取三项措施：一是在云端构建属于自己的"专有学习环境"，确保提示词、反馈等数据的所有权归属于企业自身；二是建立"编排层"，实现在不同AI模型提供商之间灵活切换，避免被单一平台绑定；三是考虑使用开源模型进行本地私有化部署，从根本上掌控数据流向。

Q3：开源模型本地部署的趋势现在发展到什么程度了？

A：根据文章提供的数据，这一趋势已相当明显。上个月，通过Vercel网关路由的AI请求中，开源模型已占总流量的29%。Solo.io的CEO也表示，客户在尝试专有模型后，越来越多地选择转向本地部署的开源模型，因为后者能实现约90%的功能，成本却大幅降低，且企业拥有完全的掌控权。