纪要｜微软 23 年策略： all-in GPT

微软 23 年策略： all-in GPT；砍掉了一些产品线，比如 VIVA、工业元宇宙与数字孪生团队解散；

关于 4 月 18 号的国内Teams 发布会：与 Copilot 的推出没有必然联系， 22 年 11 月就规划好了 (去年没发布是因为 国内数据中心没落定)，有无 copilot 功能不确定， copilot 这个功能 22 年就已测试成熟。

MS Office 整合 GPT 以后的 ARPU 值展望： ToC 端预计不会有 ARPU 值增长； 目前给企业级合作伙伴 24 年的报价单 也没提价；大中华区主要客户为 C 端与 SMB ，C 端 copilot 是比较通用化/标准化的 feature，不需要基于用户数据做特别训练，端侧算力就能满足需求，且微软在国内的数据中心能满足轻量化模型部署需求； SMB 与大 B 关注运营效率， 模型的定制化/调优属于增长服务，但不会通过提高年费方式实现收入，而是根据客户需求为功能的使用付费(流量/模型调用次数等) 。

大中华区策略： 短期侧重提高市占与渗透率，促进正版化提升 ，拉升用户留存与使用时间， 目前没有涨价的诉求。

数据监管面临的问题：

• 1) 数据安全：用户隐私数据/访问权限问题可以通过技术手段短期解决；
• 2)合规/数据出境问题： 得看当地的监管政策， 目前是灰色地带；
• 3) ESG 与伦理问题：滞后与前两个问题解决；

跟意大利的沟通/GPT 封禁亚洲账号：大概率通过罚款形式解决； 封禁账号与意大利、三星、中美关系都没必然联系； 主要是保障用户行为合规， 在监管方面微软目前较谨慎；

GPT 在大陆可用性问题： 短期在大陆开放使用的可用性不高。 原因有三： 1) 算力/存储问题： 国内数据中心资源不够， 考虑到中国区收入与经济回报比， 未来 3-5 年在国内大规模建设数据中心本地化训练的可能性不大；2) 数据出境： 大模型训练在美国，涉及数据出境问题； 3) 需要遵守美国的法规：尖端技术不可能立刻引进中国，比较典型的例子是 Teams，国内有一堆竞品才决定来中国， 怕被国内友商 copy，需要保持技术先进性；

国内企业出海/海外企业进入国内的 GPT 使用问题： 看数据中心所在地， GPT 可以私有化部署。国内企业出海数据中 心在海外可用； 海外企业进入国内，数据中心在国内也可用；

国内 AI 芯片好坏：寒武纪 MLU370 买得多， A100 的 60-70%；寒武纪服务态度与体系好；对接效率高；断货风险小； 壁仞宣传做得好，但实测的卡不太拿得到，量产能力可能不够。海光量也够、参数也不错，技术与供货角度都比较好 但海光在美国黑名单里面，有出海生意的厂商不敢用 ，容易被连坐。

问与答Q&A：

Q：OpenAI 为什么 17 年转向 PyTorch 框架？
A：API 迭代稳定性比 Tensorflow 好，开发者调用/使用 GPT 的门槛更低。

Q：GPT4.0 的参数规模？ GPT5.0 什么时候推出？
A：万亿水平。 GPT5.0 已经训练完成，具体推出的时间点网上查到是啥就是啥(网上传的是 23 年底)。 GPT5.0 的参数 规模未知，得到 PR 文出来。目前大中华区 AI 实验室模型的参数调整已经暂停，什么时候重启不确定。

Q：GPT5.0 较之 4.0 主要提升的地方还是多模态的能力？
A：除了多模态能力提升外，还有一些垂直应用场景的延伸&跟 partner 在应用场景的整合与细化。官方的 GPT5.0 信 息在 PR 没出来之前没有准确的数。ChatGPT 出来之前已经在做一些垂直场景的应用功能， 比如语音生成文本、虚拟 现实中的语音、文本生成、视觉交互、低代码开发等之前都有相关解决方案。

今年微软商业战略有些调整：把几条产品线取消， 比如微软 Viva (企业内部的 CRM、员工管理、知识库管理)、 hololens 事业部(商用混合现实技术产品线)中的 AR/VR/MR 原来是有针对工业元宇宙、数字孪生等场景有整合的解 决方案， 去年年底把工业元宇宙与数字孪生团队取消， 23 年 all-in GPT。
微软有 3 朵云：Azure 云服务(目前 GPT 部署在上面)、 GPT 将拓展到另外两朵云： 办公全家桶(MS 365、Teams、VIVA 等)、 Bussiness Application (PowerBI 等产品) 都会整合 GPT 能力。

Q：4 月 18 号世纪互联推广 Teams 与 MS 365？
A：Teams 登陆中国去年 8 月就已经规划了，跟 Copilot 的发布没有必然联系。

Q：要发布的 Teams 国内版没有集成 Copilot 能力？
A：这次会议的主题是“强 AI 时代的组织效能升级”，Teams 与 MS 365 套件本身就有些 AI 功能， copliot 是在原有 AI 能力基础上加持 GPT 能力，比如语音文本生成、格式/内容生成等。这些都在 Roadmap 上，去年 11 月已经在做战 略规划与小范围测试了。4 月 18 号这个节点与 Copilot 没有必然关系，去年就规划了这件事。

Q：4 月 18 号不会有 copilot 插件？
A：不是因为 copilot 开的会，但这个功能什么时候发布不知道。开这个会是我们去年已经确定的“Win back”战略， 国内过去盗版昌盛、市占率也低， 也催着世纪互联来加速推这个事， 去年没发布是因为世纪互联在国内的数据中心建 设不够完备，微软在国内的北三数据中心落地后存储与算力上来了， 今年才要回到中国。总部本来也是不 care 的，但 大中华区有收入增长的诉求。 Copilot 这个 feature 去年已经测试的比较成熟了，18 号有发布可能，feature 全部ready。

Q：MS 365 之类的产品集成 copilot 能力后， 短/中/长期 ARPU 的展望？
A：定价属于微软产品策略，由微软总部来定。中国产品价格也是总部设定。微软收入大头是 Modern Work Solution (全家桶)。报价模式：云计算服务是按流量付费，云计算服务截止今天没看到提价倾向。

Copliot 集成的 MS 365 后我不认为会有 ARPU 值增长，包括我们企业级的合作伙伴，在做报价单的时候目前明年价格 也没有明显变化。我们目前大中华区的策略是“Market Winback”，在国内我们市占不是很高，核心目标是拉升用户 留存与使用时间，单价目前没有涨价的诉求。ARPU 概念来自于电信运营商， 比如你用了 4G、5G 套餐，标准是 50 块 钱，但最后你的账单远高于 50 快，因为你的使用超出了套餐范围。云计算是一样的道理， 我们不是通过 ARPU 提升来 抬客单价，MS 365 与 Dynamic 365 我们的策略是维持当前 ARPU 的情况下，推出些增值的 feature 让客户买单。 C 端用户用通用的功能就能有较好的体验，我们训练好的模型通过插件/微服务的方式推给 C 端客户就行，比如网上传得 比较多的给 copliot 个大纲，生成个 PPT，这是比较通用的微服务。对于 B 端用户，模型要调优、要训练，训练过程中 就需要有增值服务，比如现在按 tokens 收费的方式，客户用量越大价格可能越高。中国区目前的策略是追求市占提升 与渗透率，针对的客户主要为中小型企业与 C 端客户，这些客户还是在力争开账户的阶段，体量还不大，能训练的数

据量没那么大。这方面担心两个问题： 1)中国区算力不够；2)监管问题，可能牵扯数据安全；

总结： 我们涨不涨价跟 C 端用户关系不大， C 端用的是标准化的产品与 feature、通用化的微服务； 对于 SMB 与 To 大 B 客户， 他们最关心的是 Opex，虽然有新增付费的功能点，但 B 端客户整体运营成本是降低的， 比如设计费用、人工 费用都会节省，对于微软是增收， 对于客户也有好处，但也不是通过直接提高产品年费的形式实现，而是客户根据需 求为新功能的使用付费。大企业的 IT 团队很强， 诉求也差异化，我们也只需要把 API 开放给他们， 定制调优他们自己 做， API 调用收 license/流量费这个我们会去做。

海外跟大中华区又不一样，海外我们的 SAAS/微服务比较好卖， 海外客户希望开箱即用。

海内外的策略规划与战略执行的思路类似， 只是中国区短期侧重市占与正版化多些。

Q：关于数据安全的问题，目前我们跟大陆监管机构如何沟通的？
A：没有直接沟通。有关安全与合规问题，我们在中国的策略落地较之海外有时延，主因： 1)市场规范化程度； 2)地 缘政治/中美关系问题；合规问题目前还游走在灰色地带。

Q：目前我们面临哪些数据监管的问题？
A：三个问题： 1)数据安全：用户隐私数据/数据访问权限问题；这是技术层面能解决的问题，比如通过网络访问节点 的权限控制能进行规范化，这是微软安全技术/合规体系比较成熟的部分，也已经融入三朵云的底座中去了，比如端点/OS/网络控制，我们只要进一步对数据访问进行规范化， 这个问题就能解决。我们已经做过实验，在 linux 服务器上， 针对 GPT 模型进行针对数据访问的微调， GPT 在用户访问时能反映某些问题涉及的数据是没有经过授权的， GPT 会终 止操作。 2)合规/数据出境问题： 不止是微软的问题，阿里、腾讯也有这个问题，全球也没有特别好的监管方法； 3) ESG 与伦理问题：系统性因素，需要技术与宏观监管体系都比较成熟后能克服。好的点是很多类似的问题以前也遇到 过，比如 4G、5G 普及过程中也有很多问题，后续都陆续解决。现在可以明确的是数据安全涉及的技术问题我们能很 快解决， 监管要求的变化需要等待与跟随。

Q：跟意大利目前是怎么沟通？
A：现在还在沟通中，意大利其实算特例。全球范围内大型互联网企业 CEO 在当地被判刑的只有意大利，意大利对新 技术引进比较左派/排外。 当年也解决过很多 GDPR (一般资料保护规范)涉及的合规问题。归根到底这种问题的解决 最终就是罚款， Google 当年也面临过数据安全与反垄断的罚款，这个问题最终会解决。

Q：亚洲地区 GPT 账号出现大面积封禁的原因？
A：有几件事是一起发生的： 1) 我们现在在查 1 人多账号、用户行为合规的问题； 2) 意大利、三星反馈 GPT 有数据 安全隐患；这些问题有些关联，我们规范账号与行为合规也是为了解决安全隐患，我们走在行业最前端，很多监管问 题最先遇到，从微软过往的运营角度来说，都是比较保守的， 在用户合规与监管方面我们暂时是比较保守的，通过安全审查后，账号访问权限还会放开。

关于 GPT 在大陆的可用性问题：一段时间内在大陆可用的可能性不高 ，两个原因： 1)算力/存储问题：在国内的数据 中心资源还不够；2)监管问题： GPT 模型目前不是在中国训练，涉及数据出境问题；还是可以翻墙出去用，但单个 IP 能有几个账号、整个收费模式如何还得看，当前以应对合规审查为第一优先级。(商业模式： funing-model：免费使 用，为流量/特定功能调用付费； Subscrption-model：订阅)。

Q：如果我们数据中心能满足几千上万 PD 的算力需求，可不可以在国内训练不出境，还会有监管问题？
A：理论上可行。但我们在国内是要看收入与经济回报性价比的，这些投入在国内如果收不回成本就不值当。从中国区 对微软的收入贡献来看，未来 3-5 年在中国训练大模型的可能性不是很高。除了经济回报的问题，我们也遵从美国方 面的法规要求， 最先进的技术不能在大陆应用，就像 Teams ，国内出了这么多竞品后， Teams 才登陆中国， 就是因为 最先进的技术不能立刻来到国内。中国市场变化也特别快，有顶尖研发人才&相对便宜的工程师，我们的先进技术如果 马上带到大陆，被 copy 的可能性很大，不能保持技术先进性。腾讯与字节跳动都是微软头部客户，我们采用的是竞合 策略，我们希望在比较长的时间跨度能把优势技术赋能给他们， 而不是很短的时间就被他们学会我们的核心竞争力。

Q：如果说我们不能在国内训练模型，要应用 GPT 的话数据出海不可避免， 怎么赢回市场？
A：ToB/ToC 是两个策略。“Win-back”是针对 ToC/SMB，用得多是通用功能，copilot 也不需要特别多定制化训练， 通过 API/微服务开放通用模型就可以。

Q：copilot 不需要针对国内用户数据训练？
A：C/B 端客户用 Copilot 不涉及大规模数据训练，大 B 客户要定制化训练要上云。 Copilot 本质是订阅制产品的一个 功能，是我们“Win-back “市场的一个工具。

Q：copilot 通过目前啊流通的通识知识训练已经很成熟，不需要来自用户的增量数据？
A：其实现在的 office 365 已经有很多 AI 功能，比如一键换肤/生成模版等等，copilot 只是进一步提高自动化水平， 你可以把这些 AI 功能全部集成， 通过对话式的方式快速实现， 文生图、语音生文本这些功能原来都不是集成 copilot 里的，而是要用到工业元宇宙等场景。 而且即使 copilot 需要做些推理，也不需要在 Azure 上专门推理，算力需求不 大，结构化的图片/文本不太占用太多算力，端侧可能就能满足算力需求。而且我们在世纪互联的数据中心上也部署了 轻量级的大模型(中模型)。

Q：我们内部觉得 ToC 这种模式不会涉及数据合规？
A：不太会。

Q：国内企业出海/海外企业进国内的 GPT 使用问题？
A：微软的合规体系在世界范围内都是最健全的，微软这套体系被安全审查的概率较小。我们反黑客/安全风险的能力 也是很强的。技术、架构体系、信誉都比较好。中国厂商出海会有美国贸易部门的黑名单问题，比如如果国内公司出 海，海外子公司不可能用华为云， 华为在黑名单里，再者有些芯片厂商可能也在黑名单里，那用这些芯片的服务器也 没法出海。国内企业出海直接用微软云与骨干传输网络就好，比如腾讯，是微软在大陆最大的游戏客户，腾讯在中东 没有数据中心与传输网络，在中东的生意是基于微软基础设施起步。腾讯后来做了自己的数据中心，他们的反攻击、 反入侵、社区运营等等很多东西是跟微软很类似的。做 ToB 大客户会涉及到利益交换。国内企业出海肯定可以用 GPT。 在华的外企方面，比如欧莱雅、一汽大众我们在谈 GPT 的使用。

Q：欧莱雅为什么能用？
A：数据中心在中国，可以私有化部署。比如星巴克中国的数据中心在国内。

Q：国内厂商的算力储备？
A：国内算力储备最多的是阿里(阿里云 A100 上万片左右；整个集团是 A100 阿里云 5 倍左右； 外部算力+集团+阿 里云差不多能到 10 万片算力 (1万片阿里云，其他 A100 是各业务线)； 阿里今年 A100 有 30%+增速 ，8-9 个大客户 有大模型训练需求；已经在下单了，今年到明年初阿里集团能达到 10 万片量级)； 大模型最好的是文心一言(Bert 体 系，年初 3000 台 A800 8 卡服务器；全年5 万张)； 国内看好百度、字节，有算力、算法/模型团队、聚合数据能力强。

Q：国内 AI 芯片哪些比较好？
A：寒武纪 MLU370 买得多，A100 的 60-70%；寒武纪服务态度与体系好； 对接效率高； 断货风险小；壁仞宣传做得 好，但实测的卡不太拿得到， 量产能力可能不够。海光量也够、参数也不错，技术与供货角度都比较好但海光在美国 黑名单里面，有出海生意的厂商不敢用，容易被连坐。昇腾没那么了解。

文章来源于网络，如有侵权请联系删除