Microsoft首席执行官Satya Nadella近日公开发文，就企业在AI时代对外部模型的依赖风险发出警示。他认为，如果企业长期将关键能力建立在外部模型之上，核心知识产权可能难以保住，甚至会在使用过程中持续流向模型提供商。

Satya Nadella近日在社交平台X上表示，如果AI模型训练长期呈现“单向流动”，经济价值最终将更多集中到掌握训练基础设施的一方，而非真正生产知识的一方。基于这一判断，他主张应让更多企业掌握训练基础设施，并拥有对自身训练闭环的控制权。

在他看来，当前AI产业的结构性矛盾在于：模型提供商通常被默认可以使用公开数据训练模型，却往往限制客户基于自身数据进行蒸馏或复用；与此同时，这些提供商仍试图保留从用户使用数据中继续训练模型的权利。

为说明这一问题，Satya Nadella在文章中援引了诺贝尔经济学奖得主Kenneth Arrow提出的“信息悖论”。按照Kenneth Arrow的观点，信息购买者在真正验证之前，无法准确判断信息的价值；但一旦完成验证，信息本身实际上已被获取。对信息出售方而言，这意味着在促成交易的过程中，始终存在价值被无偿带走的结构性风险。

不过，Satya Nadella认为，在AI场景下，风险承担方反而发生了反转。因为企业要真正用好AI，往往必须先投入自身积累的知识、经验和业务语境，作为模型输入的一部分。

他表示，企业使用AI实际上是在支付“双重成本”：一部分是明确可见的金钱成本，另一部分则是代价更高的隐性成本，即为了让模型更有用而不断提供的企业独有知识。

Satya Nadella进一步指出，随着时间推移，这种信息不对称还会持续加剧。使用AI的企业很难知道模型究竟学到了什么，但模型开发方却会随着使用次数增加，越来越了解客户的数据、流程和判断方式。他将这种现象概括为“逆信息悖论”（Reverse Information Paradox）。

他同时表示，专利制度在一定程度上缓解了Kenneth Arrow所说的信息悖论，为发明者提供了在不必无条件交出想法的情况下进行公开和交易的制度路径。相应地，“逆信息悖论”也需要类似的制度安排来加以应对。

在Satya Nadella看来，仅靠传统的数据保护措施并不足以解决问题。模型不仅会从企业提交的数据中学习，也会从用户留下的各种操作痕迹中不断吸收信息，包括提示词、智能体调用的工具，以及人类纠正模型错误的过程。

他举例称，当员工逐条修正AI输出中的错误时，这些修改、判断和反馈会逐渐积累为企业特有的经验与诀窍，竞争对手即便愿意付费也未必能够获得。但对模型提供商而言，这些痕迹、修正和评估结果，可能在用户并未充分察觉的情况下持续被吸收。换言之，企业在使用AI的过程中，本身就在持续生成新的“智能”，而这部分成果理应归企业所有。

Satya Nadella还援引了Palantir首席执行官Alex Karp此前在X上的表态。Alex Karp曾表示，技术客户真正看重的，是对自身算力资源、模型、数据栈以及“alpha”的控制权，并希望确认自己并没有把生产手段交到别人手中。

Satya Nadella认为，当前产业结构正在朝着Alex Karp所担忧的方向演进。企业若想同时提升人力资本和“token资本”，就必须建立清晰、可信且可执行的边界。在他看来，企业需要一个可控空间，用于集中管理并持续优化组织数据、对话记录、评估结果、调整后的模型权重以及积累的记忆。

他将这一边界形容为“一条未经同意任何内容都不能跨越的坚固界线”，并预计未来企业将越来越要求获得相关权利，包括基于模型生成结果对自有模型进行微调或训练的权利。