给 OpenAI 账上打了 130 亿美元的微软，正在内部组装一台把供应商踢出核心业务的机器

给 OpenAI 账上打了 130 亿美元的微软，正在内部组装一台把供应商踢出核心业务的机器。 外界还在紧盯两家巨头的联合声明。 微软自家的超级智能团队，已经在用自研小模型接管关键产品线。 写代码有自研模型，网络安全有自研模型，医疗诊断甚至拉着梅奥诊所单独训。 掌舵这支团队的人，叫阿里·法尔哈迪（Ali Farhadi）。 他 2020 年把边缘计算创业公司 Xnor.ai 以 2 亿美元卖给苹果，随后在苹果负责了三年机器学习；后来回到西雅图艾伦人工智能研究所（Ai2）担任首席执行官，主导开源大模型。 2026 年初他被微软挖来，带走了一批顶尖研究员。 他公开给团队定的长期任务只有四个字：自给自足。 这件事反常在哪里？ 微软手里已经拥有全球公认最强的前沿大模型底座。 为什么还要在人工智能部门主管苏莱曼（Mustafa Suleyman）麾下另起炉灶，自己砸巨资重训一套模型？ 商业史上这台机器早在 2003 年就被哈佛商学院学者克里斯坦森（Clayton Christensen）在《创新者的解答》里命名过。 它叫利润守恒定律。 规律极其冷酷：当一个价值链中某个关键模块的技术能力开始超过主流客户的日常需求，这个模块就会走向标准化与微利化；而丰厚的利润，会立刻平移到紧挨着它的、尚未被满足的控制层。 过去三年，硅谷在前沿实验室里疯狂军备竞赛。 所有人都在赌谁能把通用大模型的基准跑分再往上拉高几个百分点。 但对大企业的真实业务来说，这种通用能力早就过剩了。 一家医院不需要一个会写诗的万亿参数巨无霸，它需要一个懂病历隐私、绝不胡言乱语、调用成本只有千分之一的专用模型。 一家跨国银行不需要大模型在公开榜单上做智力表演，它需要能嵌入既有权限系统、符合合规审计的自动化代工。 跑分是实验室的游戏，分发才是商业的重力场。 通用大模型越庞大，它的边际推理成本就越难向大规模日常部署妥协。 垂直领域精调的小模型，在具体任务上完全能交出同等甚至更稳的答卷，综合成本却只有前者的零头。 过去模型公司以为自己手里握着新时代的电网。 它们以为只要牢牢把住模型底座，微软这种分发巨头就只能永远当一个高价采购算力通道的渠道商。 现实刚好颠倒了过来。 微软拥有全球 500 强企业的身份认证体系、云基础设施、合规体系和办公软件入口。 当基础模型架构在学术界和开源社区逐渐透明，训练高水平专用模型的门槛就在持续下移。 真正难跨过去的护城河，从来不在于怎么把模型堆大。 在于怎么把模型无缝接进几万家企业的合规报表和生产系统里。 渠道从来不会替内容打工。 当分发霸主用你的技术完成了全市场的客户认知教育，它转过身去自研平替，甚至连一声招呼都不需要打。