•
2025 年 12 月 9日，新德里。
微軟 CEO 納德拉會見印度總理莫迪後，在社交媒體上宣佈：微軟將在 2026 至 2029 年間，向印度投入 175 億美元。
這是微軟在亞洲迄今為止最大的一筆 AI 投資。
次日，納德拉站上主題為 Leading in the New Age of AI 的活動現場，詳細解釋了這筆投資背後的邏輯。
目標很清楚：在印度已有的數字基礎設施上，再建一層 AI 應用基礎設施。錢為什麼這樣投？他給出了答案：India Stack。
這不是一個簡單的國家項目，而是政策、程序、技術、市場自洽運行的良性飛輪，別的國家幾乎沒法照搬。微軟下注的，正是這個飛輪轉起來的速度。
在納德拉看來，AI 時代的勝負不是誰先造出模型，而是誰能最快用起來。
這篇文章，就從這 175 億美元說起。
納德拉在演講一開始就做了區分： AI 不是智能助手（assistant），而是代理系統（agentic system）。這不是概念升級，而是使用方式和組織邏輯的徹底重構。
不是你在用 AI，而是你在調度它、部署它、協調它。
在這場演講中，納德拉表示：今天的 Microsoft Copilot，已經不僅僅是回答問題或潤色文件的工具，而是被打造成一個可指派角色、具備流程參與能力的組織成員。
他用了幾個真實的例子來說明：
在 GitHub 項目中，不同的大模型（如 GPT-4o、Claude、Gemini、Qwen 等）擔任不同決策職能的角色專家，對某個議題進行平行研究、投票選擇、集體辯論。
他說：我不是在寫程式碼，我是在建構一個團隊，這個團隊由 AI 模型組成。
這都是納德拉在感恩節周末親自做的項目。他的目標不是測試 Copilot 功能，而是驗證：一個普通開發者能否用現有微軟工具，在一台筆記本上，快速部署一個 AI 決策中樞系統？
答案是肯定的。
他用 Copilot Studio 和 Foundry 平台，建構了一個由多個角色組成的代理系統，還為它們設定了權限、任務分配邏輯和角色互評機制。
更重要的是，他在現場演示這個項目時，不是說 AI 很強，而是這樣定義它的角色：AI 不只是工具，它是我工作團隊中的一個角色，我每天都會安排它工作、稽核它的輸出、讓它參與決策。
這意味著什麼？
這對於普通企業而言，從用 Copilot 寫文件到讓 AI 承擔角色職責，中間的差距不是技術差距，而是思維認知差距：你有沒有把 AI 當成會做事的成員，而不是自動化的工具。
AI 工具的升級，本質上是組織內部角色的重塑。
未來，一個營運團隊的標準配置，可能包括一個人類市場分析師和一個 AI 市場分析代理；一個項目負責人身邊，不是實習生，而是一個模型審查員。
納德拉已經給出藍圖：AI 不是助手，是副總裁；不是外包，是組織內部的一部分。
但要讓 AI 真正成為組織的一部分，光有意識還不夠。你需要給它準備好工作環境。
Copilot 能不能用，不取決於它的能力，而取決於你的系統是否運行穩定。
納德拉在演講中提到：AI 部署不是像過去部署一套 ERP 系統那麼簡單，它是一個持續進化的學習系統。你不能只把它當作一段程式碼接進去，你要給它搭建上下文結構。
這句話指向了一個關鍵詞：IQ 層（Intelligence Quotient Layer）。
他在這場演講中第一次系統講解了微軟內部建構 AI 部署體的三層結構：
第一層：Work IQ - 人與資訊的關係網路
這是 Microsoft 365 使用者內部的知識關聯式資料庫。它識別每個員工與誰協作、管理那些文件、使用那些系統，構成了一個組織腦圖。 納德拉說：AI 不該是從外部接入的智能，它必須知道你是誰、你在做什麼、你正在處理什麼內容。
Copilot 能理解你的會議紀要，是因為它讀取了 Work IQ
這不是呼叫模型，而是讓模型進入你的組織上下文。
第二層：Fabric IQ - 資料層全結構化
在 Work IQ 之上，微軟又擴展出了 Fabric IQ。它把企業內部的 ERP、CRM、財務系統、Power BI 等資料分析平台全部接入，構成一個統一的結構化資料語義層。
換句話說，不是把資料上傳給 AI，而是建構一整套讓 AI 可以理解、可以調取、可以嵌入的資料地圖。
第三層：Foundry IQ - 非結構化資料的搜尋與決策層
Foundry IQ 負責處理企業中大量的非結構化資料，如合同、市場報告、客戶通話記錄等內容。它是 Copilot 在灰度資料場景中能做總結、分類、歸因的關鍵所在。
納德拉強調：Work IQ + Fabric IQ + Foundry IQ，才是真正的 AI 企業。不是你部署了 Copilot 就是 AI 公司，而是你有沒有建好這個基礎設施。
有了 IQ 層作為地基，微軟正在用 App Builder、Copilot Studio 和 Foundry 讓企業快速建構應用。想做一個客服代理？用自然語言描述需求，系統自動生成，無需寫程式碼。想讓會議紀要自動總結並生成決策建議？Work IQ + Copilot 外掛直接呼叫，即插即用。
但這些工具必須建立在 IQ 層之上。
部署得快的企業，是從組織系統內部開始準備的。這套IQ體系不是一天建成的，但印度已經開始了。
理解了什麼是 AI 部署體，就能看懂微軟為什麼選擇印度。
納德拉這次去印度，不是去談技術合作，而是宣佈一個實際動作：微軟將在印度追加 175 億美元基礎設施投入，這是公司在亞洲歷史上最大一筆 AI 相關投資。
1、為什麼選印度？
不是因為這裡有最強模型、最多大牛，而是因為它有一件別的國家暫時沒有的東西：一個能快速部署 AI，並確保可控的主權架構體系。
不是誰造得出模型，而是誰先把模型接入系統、讓它投入使用。
在他看來，印度政府和產業聯合打造的 AI 國家棧，做對了三件事：
這些，正是納德拉所說的 AI 落地真正的治理能力。
2、微軟下注的，是印度在落地上的執行力
納德拉在演講中點名了一系列項目：
納德拉本人稱讚這些項目在全球都屬於極致執行力的 AI 落地案例。
他說：我們最怕看到的，是一個國家擁有頂級模型，卻什麼也沒部署出來。
3、主權不是封閉，而是能力邊界的清晰設計
很多國家在談 AI 主權時，只講監管，不談落地。
納德拉給出的建議是：你不能一邊強調主權，一邊放棄部署彈性。 他強調必須做到：
為什麼強調最後一點？
因為如果失去了全球網路安全情報，只剩主權本地環境，那其實就是一個更弱的系統，無法防禦最新的網路攻擊。這是很多國家在追求主權時容易忽視的風險。
這就是微軟印度棧的設計思路：不是複製版 Azure，而是一個既保證主權可控，又接入全球安全防護體系的 AI 作業系統。
4、最終落點：
微軟投資的核心不是模型，不是市場，而是部署速度：誰能又快又穩地部署 AI，誰就能率先進入下一個生產力周期。
175 億美元不是投給政府，也不是投給開發者，而是投給一種國家級組織能力：AI 棧建構能力 + 快速落地能力 + 合理治理能力。
對中國企業來說，這意味著：不是等更強的模型，而是先搭好部署體系。 我們不缺技術儲備，缺的是從組織到資料到治理的系統性準備。這可能是比模型參數更值得投入的地方。
這場 175 億美元的投資，微軟看重的不是印度的技術潛力，而是它的落地執行力。
未來不是技術紅利，而是應用紅利。誰先讓 AI 進入流程、變成結構、參與決策，誰就先獲得下一輪增長。
企業如果還在等更成熟的模型，只會錯過整個部署周期。組織如果沒有能力建構 AI 角色、系統、權限的結構，就永遠只能圍觀別人的轉型。
不是用得起，而是用得快。 (AI深度研究員)