【對談】納德拉：AI安全是工程除錯題，不是末日預言

這場談話值得留意的地方有四個。第一，納德拉對AI安全的態度比外界以為的務實：他不否認風險，但把問題拆成工程問題而非玄學。第二，他對token價格崩跌的回應出乎意料坦然，直接說這是正常競爭，反而對微軟的應用層有利。第三，微軟的AI佈局比買了OpenAI就沒事複雜得多：他們在自建模型，分散晶片來源，同時押開放與封閉權重。第四，他拿出一個小鎮20年的具體數字，試圖替科技業的資料中心爭取社會許可。合起來看，這是一個老派工程文化的掌門人，在用他最熟悉的語言——除錯，測試，可稽核性——回應一場整個產業還在用神學語言討論的風險辯論。

◎AI安全不是玄學，是DevOps問題

訪談裡有一段很乾脆。主持人問他怎麼看那些喊著文明終結的研究員，他沒有附和，也沒有嘲諷，而是說：這讓他想起早年做工程主管時學的第一課——怎麼處理會讓產品停擺的致命錯誤。遇到致命錯誤，你就停下來修，這是101。他把整個AI安全辯論分成兩層：一層是沒配好的沙盒，放在公開儲存庫裡的API金鑰，缺乏監控——這些是普通的工程懈怠；另一層才是真正新穎的問題，也就是長時間運作的自主代理在追求目標時出現reward hacking，也就是AI找到鑽漏洞的捷徑而非真正完成任務。他的結論是：後者需要更嚴格的受控實驗，而非更多神秘化的宣告。你信不信他？他的邏輯至少是自洽的。

◎token價格崩跌對微軟是好消息，不是壞消息

主持人追問得很直接：前沿模型的token費用差了近百倍，那些收高價的公司商業模式還成立嗎？微軟作為雲端供應商又站在哪裡？納德拉的回答讓人有點意外地輕鬆——他說這就是開放原始碼對封閉原始碼的正常制衡，他在微軟見過太多次了：SQL Server旁邊有PostgreSQL，MySQL，Windows旁邊有Linux。制衡讓價格維持在應用層可以賺錢的水位。他的推論是：模型層的利潤被壓縮，反而讓在模型之上蓋應用的公司更有生存空間，而微軟恰好在那裡——Copilot，企業工作流，行業應用。這個邏輯說得通，但有一個前提他沒有多談：Copilot的市場滲透率他自己說是全球企業知識工作者約2.5億人裡的3,000萬，這個數字看起來不小，但他也承認Copilot早期評價並不理想。

◎企業用AI，資料主權才是真正的問題

納德拉講了一個比喻，簡單但刺中要害：如果有人賣給你一套資料庫，然後告訴你存進去的資料是他的，授權一撤資料就不見了，你能接受嗎？他說現在很多企業使用前沿AI模型就是這個處境——用了模型，產生了大量資料，但這些資料與模型的互動記憶，可能根本不屬於企業自己。他給企業的建議非常具體：任何時候都要用對自己重要的評估基準跑遍所有模型，然後做一個測試，把其中一個模型抽掉，看看評估結果能不能維持。如果抽掉一個模型你的系統就垮了，那你就是在一個你根本掌控不了的東西上蓋房子。這是他全場說得最實用的一段話。

◎微軟的AI佈局不只是OpenAI代理商

主持人問得很坦白：微軟沒有自己的前沿模型，靠的是對OpenAI的投資，這算什麼佈局？納德拉的回答分了幾層。第一，微軟在資料中心建設上比多數人更早動手，累積下來的資本支出不輸人，只是時間點分散，不像Meta和Google那樣在同一個財報週期裡衝出驚人數字。第二，他們確實在自建叫做MAI的模型系列，目標是從基礎訓練做起，不是蒸餾別人的模型，並在特定領域——網路安全，程式碼——已經能和前沿模型競爭。第三，在晶片上，他們同時使用輝達的GPU，OpenAI自建的晶片，AMD的產品，目標是讓各種模型跑在異質硬體組合上，不被任何一家廠商綁住。這個策略的邏輯是分散風險，但代價是每一層都只是二軍，沒有哪一層是碾壓性的第一。

聽完這整場，有一件事很清楚：納德拉是場上最不需要靠末日論吸引注意的人。他有客戶，有收入，有資料中心，有30年的工程文化。他用這個底氣說了一句值得記住的話：AI要獲得社會許可，光靠台上的人說好話沒用，要讓Quinsey這樣的小鎮居民自己說出口才算數。這個道理放到任何一家想在台灣落地AI基礎建設的公司，一字不用改。