“购买使用AI时，钱可能要付两遍！”
7月12日，Microsoft CEO Satya Nadella抛出了一个被很多人忽略的账单。他给企业算了一笔账：你为AI掏的钱，可能不止是Token、API和订阅费那么简单。还有一笔，是你交给模型的业务知识。
想象一下这个场景：一个Agent反复修改bug却总是不对。开发者不得不一步步告诉它相关模块在哪、哪些表是禁区、应该跑哪组回归测试。几轮下来，Agent终于改对了，代码顺利入库。但那个团队教给它的排障方法呢？很可能只留在了模型厂商的产品里。
Nadella把这个困境称为“反向信息悖论”。企业花钱买了智能，却还要交出自己的经验，才能让这份智能真正派上用场。
以下根据Nadella的长文《The Reverse Information Paradox》整理展开。
企业正在为AI付两次钱
“You essentially pay for intelligence twice.” Nadella这句话说得很直白：你为使用AI付了两次钱。一笔给模型厂商，另一笔则是不情不愿交出的专有知识——为了让模型变得有用，你必须主动贡献这些。
他借用了诺贝尔经济学奖得主Kenneth Arrow的“信息悖论”：买家没看到信息前，很难判断它值多少钱；等他看完了，交易已经完成。传统的信息交易里，卖家为了成交，得承担知识泄露的风险。AI则把方向彻底倒了过来。
企业买到一个模型，直接拿过来往往不好用。它不了解你的代码结构、客户规则、审批习惯，也不知道什么样的结果才算合格。想让模型干活，你得不断补充上下文，把内部知识一点点喂进去。
这就是Nadella在原文开头提出的“反向信息悖论”。
最值钱的知识，藏在每一次纠正里
很多企业知识并没有整齐地躺在数据库里。客服知道哪类投诉需要升级，财务知道什么异常值得深究，程序员知道某个看似多余的判断为什么绝对不能删。这些经验散落在人的反应里，平时很难被完整记录。Agent的出现，把它们一点点逼了出来。
Nadella指出：Prompt、工具调用和人工纠正，统称为“exhaust”。模型答错时，员工补上的那些内容，才是真实的工作流程。开发者对Agent说“不要改账务表”，背后可能是一次线上事故；强调“必须兼容旧接口”，对应的是一批尚未迁移的客户；要求“先跑这组测试”，则来自团队踩过的坑。
每一次纠正，都在把人的判断压缩成组织知识。竞争对手很难直接买到它，它却可能沿着一条条Trace、一轮轮Eval悄悄流走。
Nadella谈Prompt、工具调用、人工纠正和Eval形成的组织知识。
使用模型时，企业也在生产自己的智能
“what you create should belong to you.” Nadella的这句话，点出了问题的核心：你所创造的东西应该属于你。
企业调用模型的过程，本身就在生产新的智能。它包括失败记录、验收标准、任务拆法、工具选择，以及员工在什么情况下决定接管Agent。
这里得提一下训练政策。OpenAI公开表示，ChatGPT Business、Enterprise和API中的输入、输出默认不用于模型训练。Anthropic对商业产品也有相近的承诺。但问题依然存在：这些使用过程中形成的资产，企业能完整保存和迁移吗？
团队若只能带走最终代码，而Prompt、Trace、Eval和Agent记忆全留在某个平台里，换模型时就得重新教一遍。模型厂商没有拿数据训练，企业依旧可能失去自己积累的学习过程。
OpenAI商业数据页面说明，企业和API数据默认不用于模型训练。
模型可以替换，学习循环必须留在公司
Nadella给出的方案，浓缩为五个词：Control、Capability、Choice、Cost和Compound。
Control要求企业保留私有Eval、记忆、Trace、反馈和决策记录。Eval定义了公司眼中的“好”，这份标准一旦交出去，Agent就很难形成企业自己的判断。Capability对应租户边界内的学习环境。模型可以接触真实工作流，但Prompt、工具记录和业务反馈仍由企业管理。
Choice和Cost落在编排层。某个模型涨价、下线或表现退步，Agent应该能切换到其他模型。上下文也不必每次都全部塞给最贵的模型，简单任务和复杂任务可以走不同的路线。
前四项连起来，才有Compound。成功和失败都能回到下一轮Eval中，Agent每跑一次，公司的系统就多学一点。
Nadella列出的Control、Capability、Choice、Cost和Compound。
模型可以换，Microsoft想留下总控台
Nadella提出这套理论，自然也带着Microsoft的商业立场。Microsoft官方表示，任何公司都不该依赖单一模型或单一Harness。Microsoft IQ管理企业上下文，Agent 365负责权限、治理和可观测，Foundry承接模型调用与成本管理。
模型层可以放进OpenAI、Anthropic或其他供应商，编排、数据、身份和账单则留在Microsoft的控制平面里。这并没有让Nadella提出的问题失效，只是让他的答案多了一层商业含义。模型逐渐变成可替换的商品后，价值会往编排层和企业数据层移动——而Microsoft已经在那里等着。
TechCrunch提到，开放模型上个月已占Vercel AI Gateway流量的29%。开放权重、本地部署和多模型路由受到关注，也与这种“随时能换”的需求有关。
Nadella在LinkedIn发布《The Reverse Information Paradox》。
开发者该怎样把经验留在自己手里
Nadella的五个词落到开发团队，可以从现有仓库开始改。
·Prompt要进版本库。长期使用的系统提示、任务模板和边界条件，需要像代码一样记录变更。哪次修改让Agent变好，哪次修改引入了新问题，应该可以追溯。
·Trace要能回放。模型看过什么、调用了哪个工具、在哪一步失败、谁进行了人工接管，都要留在企业自己的可观测系统里。
·Eval要像测试。团队需要把“任务完成”写成可运行的验收条件。修Bug要跑哪些测试，生成报表要核对哪些数字，碰到哪些操作必须停下来等待审批，都不能只存在员工脑子里。
·模型层还要留接口。业务代码直接绑死一家SDK，后面每次换模都会牵动整条工作流。统一模型网关、工具协议和权限层，才能把Choice落到架构上。
最简单的检查方法，是把当前模型换掉跑一次核心流程。系统立刻停摆，说明团队依赖的已经包括一套带不走的隐形基础设施。
评论区把问题回给了Microsoft
Nadella的文章在LinkedIn引来不少讨论。欧洲从业者Francesco Sodano提到，私有Eval还承担合规作用。它可以向监管机构证明企业如何定义正确结果、如何控制Agent，以及出了问题后能否还原过程。
也有人把矛头指向Microsoft。一家公司先定义风险，再出售Agent控制平面，这套叙事需要保持警惕。还有评论担心，知识复制成本越来越低，企业和开发者积累多年的经验被快速吸收，归属和补偿却没有跟上。
评论区将私有Eval与企业控制、合规审计联系起来。
评论区对专有知识的归属和价值提出质疑。
写在最后
Nadella这篇长文谈的是资产边界。模型可以买，Token可以追加，但公司和开发者的学习循环却不能每换一家供应商就重新搭一遍。
对于开发团队，Agent交付的成果已经超出最终代码。Prompt、Trace、Eval、工具链和人工纠正，记录了这家公司如何判断、如何犯错、又如何把事情做对。这些东西留得住，AI才会越用越懂公司。
参考链接：
https://snscratchpad.com/posts/reverse-information-paradox/