7 月 12 日，微软 CEO Satya Nadella 在个人博客 snscratchpad.com 发表《The Reverse Information Paradox》，讨论企业使用 AI 时如何保护业务知识。他把企业付出的代价分成两部分：token 费用，以及为了让模型完成工作而提供的专有知识。他担心，提示词、纠错和评估中积累的经验可能被模型提供商学走。这个观点也让微软的身份受到关注：它既经营 Azure 云服务，也投资了 OpenAI 和 Anthropic。
为了让模型做好工作，企业要提供多少内部知识
Nadella 的论证起点是诺贝尔经济学奖得主 Kenneth Arrow 经典的"信息悖论"：信息的买家在了解信息内容之前无法判断其价值，但一旦了解，就相当于已经免费获得了它——卖家面临在出售过程中就把商品送出去的风险。
Nadella 认为，AI 带来了一个方向相反的问题。Arrow 的悖论中，卖方为了出售知识而承担泄露风险；使用 AI 时，买方为了让模型理解业务，也要提供内部流程、专业术语、业务逻辑和评估标准。模型获得的业务上下文越充分，就越有机会给出有用的回答，但企业也要决定这些知识允许怎样被使用。
"随着时间的推移，信息不对称会越来越严重。卖家在你使用产品的过程中越来越了解你，而你几乎不知道卖家从你身上学到了什么。"Nadella 写道。
提示词、纠错和评估也承载着企业经验
Nadella 特别关注日常使用 AI 留下的记录。他把提示词、智能体的工具调用和人工纠错称为「exhaust」：这些看似附带产生的数据，包含员工如何判断问题、调整流程和衡量结果的经验。
"每一次纠错都被蒸馏为机构 know-how。"Nadella 写道，"这是一个竞争对手永远无法购买的知识，它几乎不可察觉地泄漏：一次次痕迹、一次次纠正、一次次评估。"
他的担忧是，多年积累的运营经验和评估标准可能随着日常交互进入外部提供商的学习过程。是否会发生这种用途，取决于服务条款、部署方式和客户授权；向模型提供业务上下文，并不意味着它就会自动更新权重或把知识交给其他客户。
Nadella 主张客户有权用模型输出训练自己的模型
Nadella 还质疑模型提供商对蒸馏的限制。蒸馏是利用一个模型的输出训练或改进另一个模型；他主张，企业应当有权用自己任务和查询产生的输出，训练或微调自有模型。他将限制这类用途、同时保留从客户交互中学习权利的安排，视为不对等的学习关系。
"虽然模型提供商基于合理使用原则训练公共数据是必要的创新，但我认为讽刺的是，现状是他们反过来施加严格的蒸馏限制条款，并保留从客户使用和交互数据中学习的权利。"
今年 2 月，Anthropic 曾指责中国模型开发商通过发送数百万条提示来「蒸馏」Claude，并敦促美国政府加强出口管制。在 Nadella 看来，模型商利用公共数据训练、客户却受到蒸馏限制，这两者之间存在矛盾。他提出的是对学习权利的主张；具体服务限制哪些训练用途，仍由各自条款决定。
Nadella 的判断是，如果学习只流向一个方向，经济价值就会更多集中于学习基础设施的所有者，而非知识的创造者。
部分企业采用多模型，也尝试本地部署
一些企业的部署选择与 Nadella 对控制权的关注相呼应，多模型和本地部署也有成本、性能等方面的考虑。
据 TechCrunch 引用的 Vercel 数据，6 月开放模型占其 AI Gateway 路由流量的 29%。Vercel 另在 5 月发布的生产指数中，分析了截至 4 月、覆盖超过 20 万个团队的七个月流量，规模达数十万亿 token。其中，月请求量超过 1000 万的团队平均经常使用约 35 个模型。Vercel 据此认为，对这类团队，切换模型更接近配置变更，而非完整迁移供应商。这反映的是该网关上的使用情况。
Solo.io 创始人兼 CEO Idit Levine 对 TechCrunch 描述了类似的趋势：企业客户在试用闭源模型后，开始转向本地部署的开源方案。"我能拿一个开源模型在本地跑吗？它能做大模型 90% 的事，成本低得多。他们明白这一点，而且可以自己控制。"Solo.io 的技术已被 Linux Foundation 的 Agentgateway 项目采用，客户包括 T-Mobile、ADP 和 SAP。
企业自建学习环境，也给 Azure 带来业务机会
媒体也从微软的商业利益解释这篇文章。The New Stack 将它形容为一张 Azure 路线图：企业若按 Nadella 的建议建设学习环境，往往需要云基础设施。The Next Web 则评论，他既在提出问题，也在出售解决方案。
Nadella 提出五项建议：Control，保留自有评估、业务记录和模型输出的使用权；Capability，在租户范围内训练或调整模型；Choice，让任务调度可以切换不同模型；Cost，按任务组合模型和上下文来控制成本；Compound，把这些能力结合起来，持续改进企业自己的 AI 系统。这些工作都可能使用 Azure 提供的基础设施。
微软自己的 Microsoft 365 Copilot 同样依赖企业数据：它通过 Microsoft Graph 获取用户有权访问的邮件、文档和聊天记录。Concentric AI 对这类产品的分析指出，如果企业原有权限过宽，Copilot 可能让敏感信息更容易被不适当的人找到。这里涉及的是内部访问与共享管理。
微软文档说明，Microsoft 365 Copilot 的提示词、回答和通过 Microsoft Graph 获取的数据，不用于训练底层基础模型；产品遵循现有访问权限。企业因此要分别处理数据的访问范围和学习用途：前者检查谁能看到什么，后者明确提供商能否保留、分析或用于训练。
微软既投资模型公司，也发展自有模型和云服务
Nadella 的观点也反映了微软同时参与几项业务的处境。Azure 为企业提供云计算基础设施，微软又是 OpenAI 和 Anthropic 的投资方，并向客户提供这些公司的模型。
从云服务商的角度，企业建设受控的模型运行和微调环境，会增加基础设施需求。从模型投资方的角度，Nadella 对学习权利的批评，也触及合作伙伴的商业条款。这两种利益同时存在。
6 月初的 Microsoft Build 大会上，微软发布了自研 MAI 模型的新进展，包括中型推理模型 MAI-Thinking-1。《The Information》将其形容为「微软的 AI 独立日」。结合这些产品动作看，Nadella 的博文延续了微软强调企业控制能力的方向：既提供外部模型，也让客户在自己的业务环境中评估、选择和调整模型。
Nadella 在文中引用了 Palantir CEO Alex Karp 的话：「技术客户想要的是对自己的算力、模型、数据栈和 alpha 的控制权。他们想知道自己拥有生产资料，而不会被悄悄转移给别人。」这也概括了 Nadella 的主张：企业更换模型时，应能保留已经积累的评估标准和工作经验。
截至发稿，OpenAI 和 Anthropic 尚未对 Nadella 的文章做出公开回应。
