微软的 AI 布局：Copilot 全家桶、Azure AI 基础设施与 OpenAI 合作关系的持续追踪。
微软正在推进一个数据中心扩张计划，目标是新增 26 吉瓦的算力，相当于把现有容量直接翻三倍。这个数字比之前公开的任何规划都大得多，甚至超过了很多国家的全国电网总容量。文章没有给出具体的时间表、选址或预算，但 26 吉瓦这个量级意味着，电力和散热才是真正的硬瓶颈。这基本是微软在押注 AI 推理和训练的需求会继续暴涨。
推荐理由：彭博独家爆出微软要新增 26 吉瓦算力，这个数字比之前任何公开规划都大得多，是个明确的行业信号。文章没给时间表、选址和预算，所以知道规模但不知道能不能落地，分数没给到 85 以上。
又有两家报社加入版权诉讼队伍。西雅图时报和 Newsday 指控 OpenAI 和微软在没打招呼的情况下，用他们的新闻报道训练 ChatGPT 和 Copilot。诉状里把生成式 AI 比作“一条吃自己尾巴的蛇”——靠吞掉人类写的内容活着，吐出来的却是原内容的复制品或仿制品，最后可能把生产内容的新闻机构搞垮。这案子有个特别的地方：微软和 OpenAI ...
推荐理由：西雅图时报和Newsday加入起诉OpenAI和微软，本身不算新鲜事，版权官司已经打了好几轮。但诉状里那个“吃自己尾巴的蛇”的比喻，把AI靠吞人类内容生存、最后可能搞垮新闻机构的逻辑讲得特别狠，有传播力。信息增量有限，没有披露新的训练细节或技术证据，所以分数维持在featured门槛，不往上调。
Greg Brockman 转发了微软 CEO Satya Nadella 的推文，说 GPT-6 Astra 已经在 Azure 上跑起来了，有早期客户在用。Nadella 附了一篇 Microsoft Foundry 的博客，把 Astra 定位成面向工作场景的前沿模型。博客正文没给出性能跑分、定价和具体客户名单——这点先别太激动，等更多细节出来再说。
推荐理由：GPT-6 Astra 第一次以产品身份出现，微软 CEO 确认已在 Azure 上线并有早期客户使用，这是行业级信号。扣分点在于博客没披露性能跑分、定价和具体客户，目前只有“它来了”这个事实，所以重要性停在 94，等更多细节出来再调整。
Satya Nadella 发帖说 GPT-6 Astra 已经在 Azure 上给早期客户用了，通过 Microsoft Foundry 开放。具体怎么收费、跑分多少、哪些客户在测，帖子里都没提，只确认了上线和分发渠道。
推荐理由：微软 CEO 亲自发帖说 GPT-6 Astra 上线了，这本身就是个行业级信号。帖子只给了两个硬事实：已经在 Azure 上跑、通过 Foundry 分发。至于跑分、价格、哪些客户在测，正文一个字没提，所以我会先打个折，分数停在 88。但“GPT-6”这个代号自带流量，光是确认存在和可用，就足够让从业者盯着看了。
特朗普政府向法院提交了一份利益声明，站队 OpenAI。核心争议是《纽约时报》2023 年 12 月起诉 OpenAI 和微软，指控他们未经许可拿自家文章训练模型，索赔金额高达数十亿美元。政府这次表态反对把“合理使用”解释得太窄，等于帮 OpenAI 说话——认为用版权文字训练大模型可以算合理使用。不过正文没披露政府完整的法律论证细节，只提了它反对《纽...
推荐理由：一条清晰的联邦层面政策信号，对行业合规预期有实质影响。分数压在 85 以下，因为文章只说了政府站队，没展开完整的法律论证逻辑，这点先别太激动。
你在自带算力的电脑上用画图工具生成图片，整个过程要在微软云端打两次卡。逆向分析显示，提示词先发往云端审核，服务器发回修改后的提示词和两个唯一编号——一个标记请求，一个充当隐形水印编号。本地芯片画完图后，水印模块把编号写进像素（画图应用里写入失败会直接报错不出图），最后图片还要传回云端申请微软签名的内容凭证。六家主流厂商的架构高度一致：算力可以下放设备，...
推荐理由：一篇逆向工程文章，把微软端侧 AI 的控制面细节摆到了台面上。有具体的工程事实、编号机制，还有画图和照片应用的行为差异，三个维度都踩中了。没给更高分是因为这还只是一次逆向分析报告，不是多源交叉验证的行业定论，我会先打个折。
比尔·盖茨在《纽约时报》采访和一篇近 6000 字的文章里说，AI 行业私下对就业和人类生存的威胁非常紧张，但因为涉及数万亿美元的利益，公开场合都在刻意淡化。他举了三个真正让他震惊的技术时刻：1980 年的图形界面、2022 年 OpenAI 在 ChatGPT 发布前的演示，以及今年 Anthropic 的 Claude Code。他认为 AI 对就...
推荐理由：比尔·盖茨发了一篇近6000字的文章，直接说AI行业因为几万亿美元的利益，在公开场合刻意淡化对就业和人类生存的威胁。他拿自己经历的三次技术冲击当参照系，把行业私下紧张、公开装没事的温差讲得很清楚。有名有姓、有立场、有细节，HKR三条全中。分数停在86，因为文章本身没给出新的解决方案或数据，更多是捅破窗户纸。
盖茨在他的博客上发了一篇长文，聊 AI 的社会影响。他支持让 AI 发展慢一点，但也觉得这很难长期维持。文章里比较新的部分是两条具体的政策建议。第一条是机器人税：现在企业买机器人可以立刻全额抵税，但雇人要交工资税，这等于在用税收政策鼓励公司用机器换人。他提议取消机器人的即时全额抵扣，把多收的税拿去给被替代的人做再培训和安全网。第二条是设立“人类专属”岗...
推荐理由：盖茨这篇博客不是技术发布，而是他个人对 AI 社会影响的政策建议。我会先打个折，因为这是评论而非产品或研究，但内容本身够硬。他提了两条很具体的招：一是改税法，不让企业买机器人立刻全额抵税，把多收的税用来培训被替代的人；二是划出“人类专属”岗位，比如儿童保育，不让机器碰。这两点都直接回应了 AI 抢饭碗的焦虑，而且给出了可讨论的抓手，不是空谈。TechCrunch 首发，信源权威，话题性、信息量和共鸣感都到位，所以给到 featured 和 82 分，但因为是观点而非实证，分数没再往上走。
比尔·盖茨最近发了一篇将近 6000 字的文章，标题叫“动荡的 AI 时代来了，现在的选择很关键”。他以前是 AI 的坚定乐观派，现在态度明显变了，在文章里直接说世界对 AI 的冲击“远远没有准备好”，而且“我们根本没在准备”。这篇文章目前只放出了开头部分，他具体提出的解决方案在片段里没有展开，所以还不知道他打算怎么应对。
推荐理由：盖茨从乐观派变成公开警告，这件事本身比文章细节更值得关注。我会先打个折，因为文章只放出了开头，他提出的解决方案还没披露，信息有缺口，所以分数没给到 85 以上。
OpenAI 第一次亮出了自家推理芯片 Jalapeño 的跑分数据。在跑 GPT‑OSS 120B 的公开测试 InferenceX 上，它每千瓦能处理的峰值吞吐量比对比的商业系统更高，生成每个词的延迟也更低；在 DeepSeek R1 和 Kimi K2 上表现同样不错。这意味着 OpenAI 现在有了一条能用的自研芯片路线，可以直接控制模型服务的...
推荐理由：OpenAI 终于把自家推理芯片 Jalapeño 的底牌亮出来了。在公开测试 InferenceX 上跑 GPT-OSS 120B，每千瓦吞吐量比对比的商业系统高，每个词的延迟还更低，DeepSeek R1 和 Kimi K2 上也没拉胯。这等于告诉外界，OpenAI 现在有了一条能用的自研芯片路线，以后不用完全看英伟达脸色，推理服务的成本和响应速度都能自己说了算。不过正文没披露具体对比的是哪家商业系统、测试环境细节和量产时间表，所以实际落地效果还得再观望。
Latent Space 梳理了一条从 2022 年延续至今的暗线：AI 训练管线里的每一个环节，都在从人造转向模型造。最早是奖励信号，InstructGPT 用模型代替人来打分；接着是训练数据，微软 Phi 系列证明模型生成的教科书数据能让小模型越级打怪；然后是老师角色，Alpaca 用几百美元蒸馏出接近前沿模型的表现；2024 年 Meta 的自奖...
推荐理由：Latent Space把‘模型生成数据替代人工标注’这件事，从2022年一路串到现在，每个节点都有具体论文和产品落地支撑，不是泛泛聊趋势。扣分点在于这是付费newsletter的周五综述，不是独家爆料或新发布，信息密度高但时效性一般。我会先打个折：对还没系统梳理过这条技术线的从业者来说，是一份很好的阅读清单；对已经跟得很紧的人，可能只是复习。
微软的 GitHub Copilot 用户数突破 2000 万，但 M365 Copilot 在企业客户里的付费渗透率只有 3.3% 左右，已购席位中每周实际使用的比例也仅有两到三成。两款产品技术底子差不多，差别在生意账本上：GitHub 的 agent 让开发者产出更多代码，直接推高后台算力和存储的用量收入，干得越好公司赚得越多；M365 的 age...
推荐理由：这篇文章没在讲模型能力，而是在拆微软同一套技术底子、两种 agent 产品完全不同的商业回报。GitHub Copilot 用得越多，后台算力和存储消耗越大，微软赚得越多；M365 Copilot 帮企业省人力，但按人头收订阅费，省下来的人头反而让微软少收钱。这个矛盾直接卡住了大公司推 agent 的意愿。对正在做 AI 产品定价和 GTM 的人，这篇比大多数技术评测都更有参考价值。评分定在 82，是因为它只分析了微软一家，没展开其他大厂的类似困境，但切入角度和数字足够硬。
Mustafa Suleyman 发推说这是微软从零开始训的推理模型，现在通过 Microsoft Foundry 能用。正文没给参数量、跑分、价格和任何技术细节，所以模型到底多大、推理强不强、贵不贵都还不知道。我会先打个折——没有基准测试对比，光说“自研推理模型”还看不出实际水平。
推荐理由：微软首次自研推理模型，由 Mustafa Suleyman 本人宣布，话题信号够强。但零跑分、零参数、零定价，信息密度太低，没法打更高分。先放在 featured 门槛上，等有真实数据再调整。
Ben Thompson 把英伟达现在的处境直接对标 1873 年铁路债券崩盘。他讲了 Jay Cooke 怎么靠 12% 的佣金和每卖 1000 美元债券送 200 美元股票，把北太平洋铁路的债券卖给散户，最后在 1873 年 9 月资金链断裂，引发持续多年的经济萧条。Liaquat Ahamed 的新书《1873》把当年每年 5 亿美元的铁路债券换...
推荐理由：Ben Thompson 的 Stratechery 文章自带行业关注度，用 1873 年铁路债券崩盘来类比英伟达是个新鲜框架，不是炒冷饭。但正文只放了个开头，完整论证锁在付费墙后面，没法验证他后面有没有给出扎实的数据或反方观点，所以分数停在 78 不上调。
FT 翻了三家云巨头的财报附注，发现它们为 AI 算力签下的长期采购承诺高得离谱。微软一家就超过 3000 亿美元，是它账上负债的 6 倍多。这些钱不算在资产负债表里，但未来必须付。如果 AI 赚不回本，这些隐形杠杆会直接吃掉利润。文章没披露违约条款，但市场现在盯着资本开支狂欢，对这笔账的关注明显不够。
推荐理由：FT翻了三家云巨头的财报附注，把AI算力长期采购承诺这个隐形杠杆拎出来算账。微软一家就超3000亿美元，是账上负债的6倍多，这些钱不算在资产负债表里，但未来必须付。文章没披露违约条款，但核心判断很直接：如果AI赚不回本，这笔隐形杠杆会直接吃掉利润。市场现在盯着资本开支狂欢，对这笔账的关注明显不够，这个视角对从业者判断AI泡沫风险有直接参考价值。
Agent Plugins 1.0.0 是一个开源、不绑定厂商的规范，用来把智能体的技能（Agent Skills）和 MCP 服务器（给模型调外部工具的服务）打包成一个可移动的目录。谷歌加入了由亚马逊、Cursor、微软、OpenAI 和 Vercel 组成的核心维护组。这个格式刻意做得很轻：plugin.json 只声明名字和规范版本，技能放在 s...
推荐理由：五家大厂联手推一个统一的 agent 插件规范，跨源信号很强，对生态有实际影响。但毕竟只是规范发布，不是能跑的产品，落地效果还得看，所以分数先打个折，定在 78。
微软在最新文件里第一次把 OpenAI 的账单独拆出来：AI 收入里大约 70% 来自 OpenAI。241 亿美元的大头是 OpenAI 在微软数据中心训练和跑 ChatGPT 的云账单，剩下是模型开发成本和 OpenAI 自己销售的分成，微软把这些都并表算进收入。微软还往 OpenAI 投了 119 亿美元。
推荐理由：微软头一回把 OpenAI 的账单独亮出来：AI 收入里大约七成来自 OpenAI，其中 241 亿美元是 OpenAI 在微软云上训练和跑 ChatGPT 的账单，剩下是模型开发成本和 OpenAI 自己销售的分成，微软把这些都并表算进收入了。另外微软还往 OpenAI 投了 119 亿美元。这几个数字以前都没公开过，70% 的比例说明微软 AI 收入高度集中在一家外部公司身上，241 亿和 119 亿则是实打实的财务硬数据，对判断微软 AI 业务的真实成色和风险很有用。
微软最新披露的文件把 AI 收入拆开了：Azure AI 服务年化收入跑到约 430 亿美元，其中 350 亿是转售 OpenAI API 赚的，占比超过 80%。Copilot 全家桶（M365、GitHub、Dynamics、安全）加总年化约 180 亿美元，但文件没按产品拆细。一句话，微软现在的 AI 生意主要是个 OpenAI 经销商，自家 C...
推荐理由：Bloomberg 拿到了微软内部披露文件，把 AI 收入拆成两块：Azure AI 年化约 430 亿美元，其中 350 亿来自转售 OpenAI API；Copilot 全家桶（M365、GitHub、Dynamics、安全）加总年化约 180 亿，但没按产品拆细。数字硬、来源权威，直接打脸'微软 AI 巨头'的叙事。没给 85 以上是因为 Copilot 没拆开，不知道各产品线真实贡献，而且文件本身没公开，只能靠 Bloomberg 转述。我会先打个折——内部文件可能有口径美化，但 80% 这个比例就算有水分也够震撼。
SpaceXAI 上市后第一份季报显示，单季总资本开支 183.7 亿美元，其中 158.3 亿砸在 AI 基础设施上，远超市场预期的 132 亿。这个 AI 投入规模已经接近微软同期全部资本开支的四成。花钱的速度跟上了亚马逊、谷歌这些大厂，但钱从哪来完全是另一回事：微软的经营现金流能覆盖资本开支的 155%，Meta 是 106%，SpaceXAI ...
推荐理由：SpaceXAI 第一份季报扔出 158.3 亿 AI 资本开支，超预期且规模直逼微软四成，但经营现金流覆盖率只有 12%，这个反差太扎眼。三个维度都打中：数字具体、对比尖锐、直接戳中基础设施玩家的资本开支焦虑。没给更高分是因为正文没披露融资或债务细节，现金流缺口到底怎么补还是未知数。
这篇文章是微软几位研究员写的，他们用内部数据和过往研究，一条条反驳了现在业界对生成式 AI 和软件工程的八个流行说法。核心事实是：开发人员真正花在写代码上的时间只占 14% 左右，所以 AI 代码生成哪怕再快，能帮到的也只是工作里很小的一块。如果只盯着 AI 生成了多少行代码来当成绩，这个指标十年前就被统计研究判了无效，现在还在用只会逼着大家刷量，把压...
推荐理由：微软研究员用内部数据和过往研究，一条条反驳了 GenAI 在软件工程里的八个流行说法。核心证据很扎实：写代码只占开发时间 14%，代码行数作为指标早就被统计研究判了无效，这给现在过热的 AI 编程预期泼了盆有用的冷水。没给更高分是因为它本质是观点文章，不是一手实验或产品发布，但作为现实检验，值得从业者读一读。