先说一个最让人坐不住的观点，它正在硅谷AI圈里引发最多焦虑——那些销售专有模型的大型AI实验室，会不会是某种“特洛伊木马”？

这种担忧的核心其实是：初创公司和企业客户在使用OpenAI、Anthropic这些AI模型的时候，实验室那边就能源源不断地拿到客户最敏感的商业信息。模型提供方之后完全可能把这些知识收为己用，最后摇身一变，成了客户的竞争对手。为此敲响警钟的，从风投人士贾森·卡拉卡尼斯，到Palantir首席执行官亚历克斯·卡普，已经不止一两个了。

现在，微软首席执行官萨蒂亚·纳德拉也站到了这个阵营里。本周一，他发了一篇博文，措辞让人有点意外——他警告AI用户（他管他们叫“买方”），实际上是在为AI掏双份钱：一份是明摆着的Token使用费，另一份呢？是你不知不觉交出去的数据资产，这东西可比钱值钱多了。

“你本质上为智能付了两次费，一次用金钱，另一次用更有价值的东西——为了让智能发挥作用，你不得不披露的专有知识。你希望模型表现越好，就必须喂给它越多这样的知识！”纳德拉是这么写的。

在他看来，最危险的地方在于，企业正在亲手教会这些模型自己业务的细节和运行规律。

“模型从‘废气’中学习——人们输入的提示词、智能体使用的工具，尤其是当模型出错时人们所做的纠正。每一次纠正都会被蒸馏成机构的核心知识。”他写道。

而这些东西，恰恰是“竞争对手永远无法花钱买到的知识”。问题是，企业现在正白白把它们拱手送人。

纳德拉的逻辑是，既然AI公司可以自由爬取互联网数据来训练模型，那企业凭什么不能反过来“蒸馏”这些模型？所谓“蒸馏”，简单说就是利用模型自己的输出来搞懂它的工作原理，然后自己训一个更便宜的新模型。今年2月，Anthropic曾经指控一个中国开源模型通过向Claude发几百万条提示词来提升自身能力，还呼吁美国政府加强出口管制。

纳德拉的态度很明确：模型提供商不能两头都吃。一边在公共数据上随便训练模型，一边又禁止别人对自家模型做同样的事——这不是双重标准是什么？

“模型提供商凭借合理使用权在公共数据上训练模型，这带来了重要的创新价值，这一点我认可。但讽刺的是，现状却是他们转过头来，对蒸馏行为施加严苛限制。”这位微软CEO写道。

尤其值得警惕的，是那些“保留从客户使用和交互数据中学习的权利”的模型提供商。

关于对策，纳德拉拿出来的方案，当然也带着一位大型云服务商CEO的天然立场。他主张企业应该“保留对自身数据的所有权”，包括提示词和反馈数据，并建议企业在云端（说白了就是数据本来存的地方，不排除就是微软Azure）搭一个属于自己的“专有学习环境”。他还主张企业搞一个叫“编排层”的东西——说白了就是能在不同AI模型之间随意切换，别被某一家平台绑死。实际上，能实现这个功能的AI网关工具，现在越来越受欢迎了。

纳德拉没说“开源”就是保留数据所有权的具体路径，但意思已经很明显了。同时，还有一层背景也值得留意。

很多大型企业除了用云服务，自己还留着数据中心，现在正慢慢转向部署在本地跑的开源模型（业内叫“私有化部署”或“on-prem”）。Solo.io的创始人兼CEO伊迪特·莱文说，她在客户那边亲眼看着这个趋势在变。Solo.io专门帮企业管理AI系统的网络和安全软件。她跟TechCrunch说，这些企业在用了一阵专有模型之后，开始问自己：“我在本地跑一个开源模型行不行？它能实现大模型90%的功能，成本却低得多。他们慢慢明白过来了，而且这么一来，所有东西都捏在自己手里。”

Solo.io的技术去年被Linux基金会选为Agentgateway项目的底层支撑。他们的企业客户包括T-Mobile、ADP和SAP。莱文的感觉是，越来越多的企业正在把开源模型私有化部署，这很可能会成为企业AI应用下一轮的大浪潮。

和她看法一致的人不在少数。以建站和托管平台闻名的Vercel，还有帮开发者跨模型路由请求的OpenRouter，都观察到流向开源模型的流量在大幅攀升。上个月，经Vercel网关路由的总流量里，开源模型已经占了29%。

微软是OpenAI和Anthropic的重要投资方，而如今连微软CEO都公开出来提醒企业别对专有模型太放心——这个趋势啊，估计还会继续加深。“在消费智能的同时，你也在创造智能。而你所创造的，理应属于你。”纳德拉这话，说得确实挺重。

Q&A

Q1：纳德拉说的企业“双重付费”到底指什么？

说白了就是：企业在用AI模型的时候，掏了两份钱。第一份是明面上的Token使用费，这个大家都懂。第二份是隐性的——为了让模型给自己干好活，企业得把大量业务知识、操作流程、纠错反馈统统喂给模型。这些东西被模型学走，变成它能力的一部分，企业却一点没察觉。这才是真正值钱的代价。

Q2：企业怎么才能保住自己的数据不被AI模型提供商拿走？

纳德拉给了三条路。第一，在云端搭自己的“专有学习环境”，确保提示词、反馈这些数据的所有权归企业自己。第二，建一个“编排层”，能在不同模型提供商之间灵活切换，别被一家绑住。第三，也是最彻底的——直接上本地部署的开源模型，从根儿上把数据流向掐在自己手里。

Q3：开源模型本地部署这股风，现在刮到什么程度了？

数据很说明问题。上个月，Vercel网关上的AI请求里，开源模型已经占了29%。Solo.io的CEO说得更直白：客户在试过专有模型之后，越来越多地转去本地跑开源模型，因为能实现大模型约90%的功能，成本却低得多，而且啥都自己说了算。这方向，看来是越来越清晰了。