Satya Nadella 的 AI 策略：企業該自己打造模型，而非租用

Nadella 的論點並非將模型視為護城河，而是指向一個能透過組織使用而不斷進步的持續系統。他告訴《Business Today》：「組織不能將學習過程本身外包出去」——你可以外包一項任務，但不能外包公司的學習曲線。

為何外包 AI 有風險：「產業空心化」警告

Nadella 提出了兩個相互關聯的理由，說明為何企業僅依賴第三方前沿模型是危險的。

1. 競爭優勢流失與價值被掏空。 Nadella 警告，如果一家公司只租用模型，而沒有建立任何專屬的系統，那麼這個模型就不是它的競爭優勢——這家公司可能已經在失去競爭力。 他在文章中引用了一句直白的話：「我們最不想要的，就是一個所有產業、所有公司都將價值讓渡給少數幾個『吞噬一切所見』的模型的世界。」

他認為，強大的 AI 模型正變得非常擅長吸收專業的企業知識，可能將整個產業的專業技能商品化，然後再賣回給當初產生這些知識的公司。 未能建立自身 AI 回饋系統的企業，可能會將價值拱手讓給外部模型提供商，而不是累積自身的機構知識。

2. 集中風險與供應商依賴。 完全依賴單一前沿模型，會讓企業暴露於外部提供商的限制、定價與策略選擇之下。 Nadella 的框架強調建立內部學習循環——這些系統可以在不流失累積智慧的狀況下，切換底層模型。 他認為，「為單一模型優化 AI 基礎建設是危險的」，因為競爭對手在模型架構上的突破可能讓整個投資變得過時。

與微軟多模型策略的一致性

Nadella 的論點與微軟自身的策略轉向直接吻合。在與 OpenAI 深入合作多年後，微軟正刻意擴大其 AI 模型策略，並導入更多自家的 AI 能力。

在 2026 年 6 月初的 Microsoft Build 大會上，微軟推出了新的專屬 AI 模型（MAI 基礎模型系列），旨在減少對 OpenAI 的依賴並降低開發者成本。 微軟也正在建立第一方系統，例如 Project Polaris——被描述為微軟自有的程式碼 AI，預計在 2026 年 8 月取代 GitHub Copilot 中的 GPT-4。

微軟推出了價格親民的 AI 模型，以及一個多引擎的 Copilot 平台，支援 Anthropic、Meta（Llama）、Mistral AI、DeepSeek 和 Cohere 等模型，與 OpenAI 並列——讓使用者可以在多個 AI 引擎之間選擇。 Anthropic 的 Claude 現在已成為 Azure AI Foundry 中的第一方選項，與 OpenAI、DeepSeek、Llama 和 Mistral 並列。

其中的策略邏輯很直接：如果企業需要連接到自身數據、工作流程與機構知識的客製化 AI 系統，那麼承載這個生態系統的雲端平台——Azure——就變得至關重要。 因此，Nadella 的「建立你的學習循環」建議，既是架構指導，也與微軟更廣泛的雲端與 AI 平台策略高度契合。

Nadella 早就預見了這波商品化趨勢。2025 年底，他直言不諱地描述了這個動態：「如果你是一家模型公司，你可能會陷入『贏家的詛咒』……只要被複製一份，就立刻被商品化。」

新的企業 AI 框架：人力資本 + 代幣資本

Nadella 在他 2026 年 6 月的文章中引入了兩個概念，已成為企業 AI 對話的核心：「人力資本」與「代幣資本」。

什麼是代幣資本？

代幣資本是「企業建立並擁有的 AI 能力」，來自於其自身的工作流程、數據、評估與累積的專業知識。 這是企業圍繞自身營運系統所發展的專屬 AI 資產——而非僅僅從外部供應商租用通用能力。 代幣資本包括公司隨時間開發的系統、模型、提示詞、評估以及微調後的工作流程。 Nadella 形容它會以「複利」的方式在自我強化的學習循環中增長。

人力資本變得更重要，而非更不重要

Nadella 提出了一個反直覺的主張：隨著 AI 能力（代幣資本）的提升，人力資本的價值反而會上升，而非下降。 人力資本涵蓋公司員工的知識、判斷力、關係、創造力與模式辨識能力。

他的論點是：沒有人類的引導，「你只會讓算力空轉。」 人類的專業知識是引導學習循環、評估輸出結果、並將 AI 能力轉化為有用組織優勢的關鍵。 Nadella 將其描述為轉向「人與數位系統之間真正的認知循環」——這是與過去技術革命的根本斷裂，過去的數位系統僅被用來增強人類生產力。

持續疊加的學習循環

Nadella 將理想狀態描述為：「在模型之上建立一個學習循環，讓人力資本與代幣資本持續疊加。」 在這個循環中：

• 人力資本（專業知識、判斷力）引導 AI 輸出的創造與評估
• 代幣資本（擁有的 AI 能力）將該專業知識捕捉並操作化
• 每一次強化都讓雙方隨時間變得更有價值

如果你無法在不喪失累積智慧的情況下更換通用模型，那麼你並不擁有你的學習循環——你只是在租用它。

對企業 AI 採用的實務啟示

基礎設施：靈活、多模型的平台

企業不能再將單一前沿模型視為整個 AI 策略。 他們需要靈活的基礎設施，能夠支援多個模型家族、專屬數據連接、工作流程整合與持續的回饋循環。 Nadella 的框架暗示，勝出的基礎設施將是幫助企業建立並運作這些生態系統的平台——這也正是微軟定位 Azure 及其 Copilot 服務的方式。

人力資本：對人才的更深投資

Nadella 的論點與「自動化優先」的敘事背道而馳。如果人類的判斷力隨著 AI 成長而變得更有價值，那麼公司就需要在員工的專業知識、領域知識與創意決策上投入更多，而非更少。 2026 年約有 117,000 個科技職位被裁撤，AI 被視為因素之一——Nadella 的框架隱含地警告，若這股趨勢剝奪了公司引導學習循環所需的人力資本，後果堪憂。

代幣資本：建立，而非只是購買

關鍵的策略轉變是從「消費」AI 轉向「擁有」AI 能力。這意味著開發專屬模型、在內部數據上進行微調、建立評估系統，以及創建能將組織知識以可重複使用形式捕捉下來的工作流程。 那些僅僅訂閱最佳前沿模型就止步的公司，面臨被掏空的風險——因為它們持久的優勢不會來自於租來的模型本身，而是來自於圍繞模型建立的專屬學習循環。

策略總結

對於企業領導者而言，Nadella 主張 AI 時代的公司必須同時投資於：

• 基礎設施： 靈活、多模型、基於雲端的平台，允許圍繞專屬工作流程與數據建立客製化 AI 系統。
• 人力資本： 對員工判斷力、關係、創造力與領域專業知識的更深投資——現在比以往更重要。
• 代幣資本： 透過公司獨特的數據、回饋循環與營運流程訓練和改進的專屬 AI 能力。

訊息很明確：如果你的 AI 策略始於也終於選擇一個前沿模型提供商，你可能已經在失去競爭優勢，輸給那些擁有並疊加自身學習循環的公司。