Posted by 三個想法：
- 軟體變現隱憂仍在，須持續關注：LLM訂閱還有API需求是高的（貢獻在OpenAI還有Anthropic本身），但是軟體藉由AI增加ARPU的變現模式還沒有那麼明顯（從微軟還有CRM財報可以看到），這會是長期隱憂，有可能在未來某一時點造成壓力，但也不排除推出更強新品、或是算力瓶頸解決之後，可以在微軟身上先看到Office 365的營收加速。
- 公有雲加速是事實將延續下去，有助資本支出維持強勁：雲端投資和公有雲走，目前企業因AI重啟「資料轉雲」，各家公有雲都看到長期合約的提升，因此擴張資本支出，預計會延續至少三季。（但要注意，通常出現一季調升10%的資本支出後，接下來兩季頂多上調3~5%）
- 所以NVDA法說會強調需求強勁，當企業即刻就要算力時，就沒有營收凹洞。（買算力和買消費型新品不一樣，「時間成本」在搶算力時很重要）
- 所以NVDA法說會強調需求強勁，當企業即刻就要算力時，就沒有營收凹洞。（買算力和買消費型新品不一樣，「時間成本」在搶算力時很重要）
- AI仍是一場贏家全拿的遊戲，預期未來三年頭部大公司報酬率將勝指數：NVDA. TSM. MSFT. AMZN. GOOG。
專訪內容－整理Nadella核心思想
資料來源：Ben Thompson 對微軟 CEO Satya Nadella 的訪談，訪談主要圍繞微軟在 AI 領域的戰略佈局和思考。（原文、華爾街見聞）
Nadella核心思想：把握AI歷史性機遇，圍繞系統創新進行產品整合和平台構建，並為AI技術堆疊的演進做好準備。
- 架構一致性和平台構建：
- Nadella強調微軟要在各層技術棧(silicon， OS， app platform等)進行系統創新，為消費者和開發者提供有吸引力的產品。微軟要能滿足終端用戶、開發者和IT的需求，三方平衡才能成為成功的企業公司。
- 他認為單純的整合是不夠的，每一層都要有競爭力。微軟要成為 infrastructure provider，支援第三方開發。
- Windows方面，專注於工作和家庭跨界使用的PC市場，並在硬體、續航力、效能等方面精進。
- 隨著AI浪潮到來，要重新設計作業系統和硬體。Copilot+ PC 就是朝這個方向的一步。
- 消費市場很廣泛，微軟會專注於遊戲和生產力領域。
- 把握AI歷史性機遇做出對應的資本投資：
- Nadella認為未來世界最需要的是無處不在的超大規模算力，新的經濟增長公式是更多可再生能源、更高效電網和更強算力。
- 他對微軟在AI上的大規模資本支出充滿信心，目前最大限制是supply，而非需求。需求非常強勁，如果能投入更多資本支出，一定會去做。
（Copilot等產品的客戶參與度創下歷史新高，API業務也在迅速增長。這些都顯示出強勁的市場需求。而當前的支出規模並未達到微軟的能力上限，而是受到供給端的制約，如運算資源、資料中心能耗等。） - 雖然資本支出很高，長期來看對AI的投入是必要的，短期內不擔心過度。AI被視為微軟未來發展的關鍵戰略方向，需要持續的大規模投資才能維持領先地位。短期內的高支出是為了換取長期的競爭優勢。
- 系統思考和完整思考：
- Nadella提到，對科技公司而言，"完整思考"很重要，要從系統創新出發，全面考慮硬體、作業系統到應用平台。
舉例：今天微軟推出的Windows Copilot就是一個很好的例子。這項創新綜合考慮了AI芯片(硬體)、Windows操作系統對NPU的優化(系統)、面向開發者的應用平台(軟體)等各個方面。正有影響力的創新，往往需要在技術棧的各個層面進行系統性的設計和優化，單一層面的突破是不夠的。這就是"完整思考"的內涵。 - 他也提到很多人號稱理解AI技術正在以指數級的速度快速發展，但真正面對時會力不從心。
舉例：如果用一個圖表來展示近年來機器學習算法的發展，你會發現增長曲線的斜率在2010年後變得更陡，而且每6個月就會翻一番，遠超過了摩爾定律的18個月週期。面對這種指數級的變化，很多人或組織雖然在口頭上說自己理解，但在制定戰略、分配資源時，往往還是以線性的思維模式在應對，難以跟上變化的節奏。
- Nadella提到，對科技公司而言，"完整思考"很重要，要從系統創新出發，全面考慮硬體、作業系統到應用平台。
- AI發展與技術堆疊的演進：
- OpenAI合作對微軟非常關鍵，對產業也有定義性影響，類似過去與Intel的關係。雙方需要長期、互利共贏的夥伴關係。
- AI正成為一個新的平台，涉及從硬體到使用體驗到第三方開發的各個層面。各層都必須具備競爭力，單純整合是不夠的。雲端、網頁和邊緣運算要協同運作。
- 微軟要成為OpenAI的infrastructure provider，自己也要開發應用，還要支援第三方開發。
- 相信模型會出現水平專業化，而非單一贏家通吃。即使谷歌等公司選擇垂直整合，仍會有其他模型創新。
- 微軟的企業級應用會用到GPT-4和自家的Phi等不同模型。企業客戶最感興趣的是Models-as-a-service。
- 合作是必要的，單打獨鬥已不可能完成這麼龐大複雜的平台建設。
- 微軟推出 Copilot Runtime，開發者可以在本地使用JavaScript和WebNN調用NPU來實現AI功能。他還提到要優化整個軟體堆疊，利用新的資料格式。
企業客戶最感興趣的是“Models-as-a-service"(模型即服務)：
- 專注於應用，而非模型開發
企業客戶通常沒有能力或資源自行開發大型AI模型。他們更關注如何將AI應用到自身業務中，創造實際價值。Models-as-a-service允許他們直接使用現成的強大模型，無需投入大量資源進行模型開發和訓練。 - 靈活選擇合適的模型：
不同的AI應用場景對模型的要求不盡相同。有了Models-as-a-service，企業可以根據自身需求，靈活選擇合適的模型。微軟可以提供如GPT-4、Phi等不同特點的模型，滿足企業多樣化的AI需求。 - 降低技術門檻和成本：
自行開發AI模型需要大量硬體資源、專業技術人才和時間成本。Models-as-a-service顯著降低了企業使用AI的技術門檻和成本。企業可以按需付費，不必購買昂貴的硬體設備或組建大型AI團隊。 - 持續獲得模型升級和優化：
AI模型需要持續升級和優化，以提升性能和應對新的任務。Models-as-a-service使企業能夠立即獲得模型的升級，無縫對接更強大的AI能力。這確保了企業能夠在AI應用上保持競爭力。 - 專注於垂直行業解決方案：
很多企業客戶需要針對垂直行業開發定製化的AI解決方案。Models-as-a-service可以作為基石，結合行業資料和知識，快速開發出滿足特定行業需求的AI應用，幫助企業在各自領域取得突破。
FinSight 趨勢觀點 