## 01 触发事件 The Verge 基于 Musk v. Altman 诉讼披露的法庭文件称，早在 2017 年夏天、OpenAI 展示 Dota 2 bot 能击败职业选手后，Microsoft CEO Satya Nadella 与 OpenAI CEO Sam Altman 就已开始讨论更深合作；而微软内部高管明确担心的一件事是，OpenAI 可能会转去 Amazon，并对外 “shit-talk” Azure。 这不是普通的八卦式邮件泄露。 时间点很关键：2017 年，OpenAI 还远不是今天这个流量入口；Azure 也还没有因为大模型形成今天这种“AI-first cloud”叙事。微软当时担心的，不是一笔财务投资跑掉，而是一个潜在平台级工作负载会把基础设施层的话语权带去 AWS。 我没看过完整法庭证据链，The Verge 给到的是二手整理，所以对内部讨论语气和上下文，我可能会误判。但即便只看已披露内容，信号已经足够强：微软从一开始就把 OpenAI 视作 cloud distribution asset，而不是单纯的 research lab 股权标的。 微软担心的不是 OpenAI 成不成功，而是它成功之后替谁定义默认基础设施。 ## 02 这事的真正含义 表面上看，这是“微软押注 OpenAI 很早、眼光很好”的又一份旁证。 但这不是重点。 这事真正说明的是：在 AI 产业里，最值钱的资产未必是 model IP，本质上是 demand aggregation。谁能聚合最有价值、增长最快、最不价格敏感的 inference demand，谁就能反向塑造上游硬件采购、网络架构、KV cache 优化、训练排期，甚至 API 定价方式。 OpenAI 在 2017 年当然还没有今天的 GPT 流量，但它已经显示出一个罕见特征：它可能成为下一代计算范式的“需求组织者”。Dota 2 bot 不是收入，甚至不是产品；它是 capability proof，证明 OpenAI 有机会成为吸走顶级算力预算的那个黑洞。 微软真正害怕的，不是 Amazon 得到一个明星创业公司。 它害怕的是 Amazon 得到一个“标准制定者”。 如果 OpenAI 跑去 AWS，后果不是少了一单云合同，而是 AWS 可以对外讲一个更强的故事：最前沿模型训练和推理天然更适合跑在 AWS；Azure 只是 enterprise cloud，不是 AI-native cloud。那种 narrative 一旦成型，后面 developer 选型、startup 默认部署、资本市场预期，都会顺着这个叙事滑过去。 这才是 cloud 竞争里最隐蔽、也最贵的东西：不是 revenue share，而是心智默认值。 我没在 Azure 或 AWS 内部跑过大规模模型集群，所以对具体资源调度痛点只能基于行业公开信息判断。这点我可能看重了 narrative，低估了实际容量与供货协议的重要性。但在平台竞争里，叙事往往先于财务体现。 换句话说，微软投 OpenAI，买的不只是 upside。 买的是 OpenAI 不去帮助别人建立 AI moat。 这和很多 AI startup 今天看 lab API 供应商的方式也类似。你以为自己在采购 token，实际上你在把自己的用户体验、延迟、feature roadmap、甚至 gross margin，部分外包给上游模型厂商。上游一旦变成下游入口，双方关系就从 supplier 变成“合作中带替代”。 微软当年已经看见了这一层。 ## 03 历史类比 / 结构对照 这件事更像 2014 年前后的 AWS，而不是 2022 年的 ChatGPT。 为什么这么说。 ChatGPT 的历史意义，在于它证明了自然语言界面可以成为 mass-market product。那是应用层拐点。 而这次泄露文件折射出的，是更底层的平台拐点：云厂商开始意识到，AI lab 不只是买 GPU 的客户，而是可能决定“下一代云默认跑在哪里”的超级渠道。 类比 2014 年的 AWS，一个关键转折是 startup 先在 AWS 上长出来，然后 enterprise IT 才被迫接受“默认基础设施正在迁移”。不是因为 AWS 先去拿下 enterprise，而是因为开发者与新工作负载先完成了投票。 OpenAI 对 Azure 的价值，也在这里。 它不是传统意义上的大客户，而是“示范性工作负载”。只要最前沿模型训练、最复杂推理服务、最大规模 consumer AI traffic 默认在 Azure，Azure 就能向市场证明自己不是追赶者，而是 AI stack 的 first-class platform。这个证明会外溢到 GitHub Copilot、Azure OpenAI Service、企业采购、甚至数据中心资本开支正当性。 这和 iPhone 对 AT&T 也有一点相似。AT&T 当年拿到的不是一台手机，而是一个重写流量结构的终端入口。微软想拿到的也不是单一合作伙伴，而是把 AI 的增量需求锚定在自己云上的入口。 真正稀缺的不是模型本身，而是哪个模型先把开发者、消费者和企业推理需求带进你的地盘。 这里还有一个更深的结构矛盾：cloud provider 想要稳定、可预期、高毛利的基础设施租赁业务；frontier lab 想要的是极端弹性、定制化硬件协同、战略自主权，以及必要时对 cloud partner 施压的能力。两者天然互相需要，也天然互相提防。 所以微软担心 OpenAI “storm off to Amazon”，并不说明合作脆弱，恰恰说明这类合作的本质从来不是普通 vendor contract，而是半垂直整合、半相互绑架。 我可能把这种张力说得过于结构化，毕竟很多合作在具体执行层面还是靠人和 deal terms。但今天看 OpenAI、Anthropic、Google、Amazon 之间的交叉绑定，你会发现这种模式已经成为 AI infra 的常态，而不是例外。 ## 04 对 AI builder 意味着什么 对 AI builder 来说，这件事最直接的启发不是“微软很有远见”。 而是：不要把 model access 当成纯商品。 如果连 Microsoft 这种级别的玩家，都在 2017 年担心“谁来定义默认 AI cloud”，那应用层团队今天更该问的是：自己的 distribution、cost basis 和 switching cost 被谁控制。 这周和这个月，至少有四个决策值得重看。 第一，重新审视单一模型依赖。 如果你的产品体验、Agent workflow、tool calling 逻辑、长上下文表现，全都围绕单一模型供应商调优，那么你以为自己拥有用户，其实只是拥有一个被上游 API 托管的壳。尤其当上游同时做自有应用、企业销售、Agent 平台时，你的议价能力会快速下滑。 第二，把 routing 能力当成产品核心，而不是 infra 附件。 model routing 过去像是“省点钱”的工程优化，现在更像战略保险。不同任务在不同模型之间切换，不只是 token 成本问题，还关系到供应稳定性、区域可用性、速率限制、context window、prompt caching 兼容性。OPCX.AI 这类网关本质上卖的也正是这层抽象：把上游模型政治学，尽量折叠成可控的接口层。 第三，看 cloud partner 时，不要只比较单价。 真正会被定价的是确定性供给。便宜模型、便宜 GPU、便宜 batch API，在容量紧张时都可能失效。builder 更该关心的是，谁能持续给你稳定 latency、明确 SLA、可迁移接口和足够透明的计费颗粒度。我没在你们各自的 production 环境里测过实际故障率，所以这点我可能低估了具体场景差异，但供给确定性通常比报价表更重要。 第四，区分“能力领先”与“平台中立”。 最强模型供应商，不一定是对你最安全的合作方。如果对方未来要做你的 IDE、Agent、workspace、vertical app，那你接入得越深，未来被抽走 margin 或被复制功能的概率越高。builder 需要的是 optionality，不是情感站队。 短一点说：在 AI 里，接口层就是生存层。 ## 05 反方观点 / 风险 我前面的判断，最大的风险是把一份法庭文件中的内部担忧，上升成了过度宏大的行业结构解释。 也许事实更简单：任何大公司在谈战略投资时，都会担心标的转投竞争对手；“storm off to Amazon” 未必是 AI 时代特有信号，只是常规 deal paranoia。若是这样，这篇文章的重要性就会被高估。 第二个反方观点是，OpenAI 对 Azure 的意义可能并没有我说的那么不可替代。今天回头看，真正决定 cloud AI 竞争格局的，也许不是绑定一家 lab，而是谁能拿到更多 GPU、谁能自研更强 accelerator、谁能把 networking、storage、KV cache、serving stack 调得更好。如果 capacity 才是核心瓶颈，那么 narrative 的价值会低于我上面的判断。 第三，builder 也可能高估“多模型 routing”的现实收益。很多产品最终还是会收敛到一两个主力模型，因为 eval、prompt、tool schema、输出稳定性、compliance 都会让切换成本非常高。理论上的 portability，常常在真实系统里被 provider-specific optimization 吃掉。我没跑过你团队的全链路评测，这点我可能偏战略化，低估了工程复杂度。 第四，微软自己的例子也说明，深度绑定上游未必带来长期控制权。即便微软给了算力、资本和 distribution，OpenAI 依然在争取自主性、接口权、品牌权、甚至多云空间。也就是说，平台方未必真能把 frontier lab 变成自己的 moat；反过来，lab 也可能只是暂借平台之力，等长成后再重谈权力边界。 所以更冷静的结论应该是： 这起披露不证明微软已经赢了，也不证明 OpenAI 会成为任何一家 cloud 的附庸。 它真正提醒 builder 的，是另一件更朴素、也更残酷的事：AI 产业链里最危险的依赖，往往在增长最快的时候最不显眼。等你发现自己不是在消费 API，而是在替别人巩固 distribution，切换成本通常已经形成了。