#模型时代# 算力即王权：萨提亚·纳德拉拆解微软的“行星级”的2GW AI工厂

微软CEO萨提亚·纳德拉（Satya Nadella）最近做了一期比较特殊的播客，罕见地向科技分析师Dylan Patel（SemiAnalysis创始人）和播客主持人Dwarkesh Patel展示了微软最新的Fairwater 2数据中心——这是目前全球最强大的AI数据中心。

在位于亚特兰大的算力中心，纳德拉不仅展示了微软如何为AGI做准备，更透露了这家软件巨头如何转型为"资本密集型+知识密集型"的工业公司。

这次对话的背景极其特殊：微软正在建设多个Fairwater数据中心，每个都配备数十万个GB200和GB300芯片，总容量超过2GW。作为对比，即使单个Fairwater建筑的算力也超过了目前存在的任何其他AI数据中心。

纳德拉在参观做了一次自嘲："我的天，声音真大（噪音）。我经营的是软件公司，欢迎来到软件公司。"

访谈中，他还提到这个AI工厂耗电相当于一座城市。我用最新的GPT5.1算了一下，2GW 按全年算，大概就是一个晋江这样级别的中等城市的全年用电量，或者上海平均用电的十分之一。

---

1、【“欢迎来到（这样的）软件公司”】

“我以为我经营的是一家软件公司。欢迎来到（这样的）软件公司。”

当纳德拉走进轰鸣的Fairwater 2数据中心时，他发出了这样的感慨。这里所展现的物理规模是惊人的：
• 10倍速扩张： 微软云与AI部门EVP斯科特·格思里（Scott Guthrie）透露，“我们试图每18到24个月将训练能力提升10倍。这（Fairwater 2）将是GPT-5训练规模的10倍。”
• 惊人密度： 纳德拉补充道，“这里有大约五百万个网络连接。”
• 行星级互联： Fairwater 4（在建）将通过1 PetaBit的网络与Fairwater 2相连，然后再通过AI WAN连接到密尔沃基的多个其他Fairwater中心。“你可以真正地运行一个跨越所有这些中心的训练任务。”

但这种规模也带来了“可怕之处”。纳德拉指出，模型架构与物理规划之间存在紧密的耦合。“可怕的是，新芯片总会不断出现。比如Vera Rubin Ultra，它的功率密度和冷却要求将截然不同。”

这引出了微软算力投资的第一条核心原则：“你希望的是‘按时间扩展’（scaling in time），而不是‘一次性扩展’（scale once），然后就被套牢。”

2、【5000亿美元的“新工业革命”】

短短三年内，AI市场的资本支出（Capex）规模已经飙升到超大规模厂商（Hyperscalers）明年将投入5000亿美元的程度。

纳德拉将这一转变描述为“结构性的”。“我们现在是一个资本密集型业务和知识密集型业务，”他说，“我们必须用我们的知识来提高资本支出的投资回报率（ROIC）。”

他认为，软件公司在算力竞赛中的真正优势，恰恰在于软件。

“硬件厂商在营销‘摩尔定律’方面做得非常出色，”他说，“但如果你看看我们在财报电话会议上公布的数据，对于同一个GPT系列（模型），我们通过软件改进在‘每美元每瓦特产出的Token数量’上获得的吞吐量提升是巨大的……季度环比、同比，在某些情况下是5倍、10倍，甚至40倍。”

这，就是一家“超大规模厂商”与一个“老式托管商”的根本区别——利用软件知识来驾驭资本密集型的硬件。

3、【“大暂停”之谜：为什么微软选择“不”建设？】

但就在2023年下半年，微软出人意料地踩下了“大暂停”的刹车。他们放弃了许多租赁的数据中心站点，导致其在基础设施规模的预测上被亚马逊、谷歌甚至Oracle超越。

他们为什么这么做？纳德拉首次正面回应了“暂停”背后的战略考量：
拒绝成为“单一托管商”
“我们做出的一个关键决定是，我们需要机群的‘可替换性’（Fungibility）。”纳德拉解释说，这意味着基础设施不能只为训练服务，还必须能灵活支持数据生成、推理等所有AI阶段。
“我们不想只成为一家公司的‘托管商’……那不是一门生意。”他强调，微软的超大规模业务是一个服务于AI工作负载的“长尾业务”（long tail business），而不是仅仅为五家大客户提供裸机服务。
紧跟摩尔定律的“节奏”
“我不想被一代产品的大规模库存所困住。”纳德拉指出，芯片迭代极快，每一代的冷却和供电要求都不同。
他提到了英伟达CEO黄仁勋（Jensen）给他的两个建议：一是“实现‘光速’执行”（Get on the speed-of-light execution），这就是为什么亚特兰大中心从接收到交付工作负载只用了90天；二是按代际扩展，保持平衡。
地缘政治与位置
暂停的另一个关键原因是“位置”。“我们意识到我们想建的东西，在工作负载类型、地理类型和时机上都有些不同。”纳德拉指出，由于数据主权的需求，他必须在阿联酋、印度、欧洲等地建设，而不仅仅是在美国本土。

“你必须考虑的不是未来五年做什么，”他总结道，“而是未来五十年做什么。”

4、【芯片底牌：英伟达的利润与OpenAI的IP】

一个无法回避的问题是：当数据中心75%的TCO（总拥有成本）都流向了英伟达，微软为什么不全力自研芯片（如Maia）来摆脱依赖？

纳德拉的回答揭示了微软在芯片层面的多重布局：
• 高标准的自研： “任何新加速器的最大竞争对手，甚至是上一代的英伟达。”他承认自研芯片的门槛极高，因此微软的策略是将自研芯片（Maia）与自研模型（MAI）紧密耦合，实现垂直优化。
• 与英伟达的“光速”合作： 微软首先要成为英伟达“光速执行的合作伙伴”。
• 真正的王牌——OpenAI的硬件IP： 接着，纳德拉投下了一颗重磅炸弹。他透露，微软与OpenAI的新协议中，包含了对其硬件项目的访问权。

主持人追问：“什么级别的访问权限？”
纳德拉：“全部（All of it）。”
主持人：“所以你们唯一没有的IP是消费级硬件？”
纳德拉：“没错（That’s it）。”

这意味着，微软不仅是英伟达的最大客户，不仅在自研Maia芯片，它还获得了OpenAI在系统设计和芯片创新上的全部IP。“我们将首先帮助他们（OpenAI）将正在构建的技术实例化，然后将其扩展。”

5、【终局：算力、主权与信任】

算力竞赛的终局，战场甚至不在技术本身，而在地缘政治。

访谈最后探讨了“主权AI”的崛起。在一个美中“两极世界”，欧洲、印度都要求建立自己的AI基础设施，微软如何应对？

纳德拉指出，美国科技（占全球4%人口，50%市值）之所以能占据主导地位，核心在于“信任”。“如果这种信任被打破，那对美国来说不是个好日子。”

因此，微软的算力战略必须超越技术，成为一种地缘政治的承诺：
• 全球化建设： “我希望美国政府为美国公司在世界各地的外国直接投资（FDI）揽功。”他认为，在各国建立AI工厂是建立信任的第一步。
• 构建主权云： 微软正在法国和德国建立“主权云”，提供包括机密计算（Confidential Computing）在内的服务，以满足欧洲的数据主权需求。