微軟（紀要）：1900 億 Capex 不動，但簽單加速

以下為海豚君整理的 $微軟(MSFT.US) FY26Q4 的財報電話會紀要

一、財報核心信息回顧

1. 股東回報：本季度通過分紅與股份回購向股東返還 102 億美元；全財年累計向股東返還超過 430 億美元。

2. FY27 第一季度指引：總收入 898.5 億–909.5 億美元，同比增長 16%–17%；COGS 296 億–298 億美元，同比增長 23%–24%；運營費用 168 億–169 億美元，同比增長 7%–8%；運營利潤率同比基本持平。分部來看，生產力與業務流程收入 367 億–370 億美元（同比增長 11%–12%），智能雲收入 409.5 億–412.5 億美元（同比增長 33%–34%），更多個人計算收入 122 億–127 億美元。Azure 恆定匯率下收入預計同比增長約 45%；M365 商業雲調整後恆定匯率增速約 16%（報告口徑 15%）；Windows OEM 與設備收入預計下滑 20% 出頭；Xbox 內容與服務收入預計中個位數下滑，硬件收入同比下滑。剔除 OpenAI 投資影響後，其他收入與費用預計約為 -1 億美元；有效税率約 20%。資本開支預計超過 500 億美元（含使用年限調整帶來的租賃重分類影響）。

3. FY27 全年指引：公司層面預計仍將實現收入與運營利潤的雙位數增長，運營費用增長中到高個位數，運營利潤率同比下滑不到 1 個百分點，全年維持自由現金流為正，有效税率約 20%；資本開支同比繼續增長。M365 商業產品與服務器產品收入因去年同期高基數（產品發佈帶來的交易型採購）預計全年中個位數下滑；Windows OEM 與設備收入預計全年下滑接近 20%，受 PC 市場需求走弱、零部件漲價推高終端定價、Windows 10 停止支持帶來的高基數以及渠道庫存偏高影響。假設匯率維持當前水平，匯率預計拖累全年收入增速不到 1 個百分點，對 COGS 與運營費用增長無顯著影響。

4. 關鍵財務指標變化：本季度公司整體毛利率 67%，同比下降，主因收入結構向 Azure 遷移及 AI 基礎設施投入和產品用量增長，部分被 Azure 與 M365 商業雲的效率提升抵消；運營利潤率同比小幅提升至 45%；總員工人數同比下降 2%。資本開支 410 億美元（含指引中已提示的零部件漲價影響），其中約三分之二投向短週期資產（主要是 CPU 與 GPU），其餘為長週期資產；本季融資租賃合計 56 億美元，主要用於大型數據中心站點；購置不動產與設備的現金支出 358 億美元。經營性現金流 554 億美元，同比增長 30%；自由現金流 196 億美元。商業訂單（bookings）剔除 OpenAI 影響後同比增長 18%，含 OpenAI 的 Azure 承諾後同比增長 10%（恆定匯率 11%）；商業剩餘履約義務（RPO）同比增長 84% 至 6,780 億美元，剔除 OpenAI 後增長 25%，加權平均期限 2.3 年，其中約 30% 將在未來 12 個月確認為收入（該部分同比增長 37%），12 個月以後確認的部分同比增長 112%。

5. 重要財務政策變化：自 FY27 起，將數據中心與辦公樓宇的預計使用年限由 15 年延長至 25 年，以反映實際運營歷史與資產預期使用情況，該影響已體現在本次指引中。此項變更僅影響未來折舊的時間分佈，對 FY27 運營利潤的增益很小；更大的影響在資本開支口徑——未來更多數據中心租賃將從融資租賃轉為經營租賃（融資租賃計入資本開支，經營租賃不計入），因此 2026 自然年資本開支預期調整為約 1,750 億美元，但剔除使用年限影響後，2026 自然年的實際投資預期不變。

6. 本季一次性項目：與 4 月指引相比，若干一次性項目合計為攤薄每股收益帶來 0.27 美元的正貢獻，包括來自 Anthropic 投資的 32 億美元收益、自願退休計劃相關費用低於預期，部分被裁員補償費用及 Xbox 減值損失抵消。剔除上述項目後，收入、運營利潤與每股收益均超預期。每股收益 4.74 美元，剔除 OpenAI 投資影響後同比增長 23%；剔除 OpenAI 投資影響後其他收入與費用為 28 億美元，主要來自上述 Anthropic 投資收益。

二、財報電話會詳細內容

2.1 高管陳述核心信息

1. AI 平台與基礎設施

a. 本季度在五大洲新增 31 座數據中心，本財年累計新增 88 座，以應對持續加速的需求。容量上線速度也在加快，過去一個財年將最大區域內新 GPU 的"上架到通電"時間縮短了近 50%。本季度新增 1GW 容量，仍按計劃在兩年內將整體容量大致翻倍。

b. 在既有基礎設施上通過硅片、系統與軟件的跨層優化挖掘更多產出，例如 Copilot 類工作負載的吞吐量自年初以來提升 4 倍。

c. AI 主權（AI sovereignty）日益成為客户關注焦點，上週宣佈與 Mistral 合作，將其模型引入 Microsoft Sovereign Cloud，支持客户在公共雲、客户自控環境以及完全離網環境中運行。

d. 自研芯片與英偉達、AMD 最新產品並行推進機隊現代化。Maia 200 持續擴容，單位美元性能比機隊中最新一代硬件高 30%，目前已同時承載 OpenAI 與 MAI 模型；公司將成為首批部署基於 AMD Helios 與英偉達 Vera Rubin 的下一代規模化 AI 基礎設施的雲廠商之一。

e. 運行 Agent 時，CPU 與 GPU 同等重要。Cobalt VM 已同時支撐自有第一方工作負載與外部客户負載，客户包括 Adobe、ARM、Elastic、OpenAI、Sprinklr、TomTom 等；預計本月底 Cobalt 200 機架將部署在全球 25 個以上數據中心。

2. 模型層與 Foundry 平台

a. 模型選擇是平台起點。目前提供全雲端最廣的模型目錄，超過 11,000 個模型，涵蓋 OpenAI、Anthropic、Mistral、xAI 最新模型以及自研 MAI 系列。年初至今，使用多家供應商模型進行構建的客户數增長 5 倍。Levi Strauss & Co 在 Foundry 上同時使用 OpenAI 與 Anthropic 模型，將超過 1,000 個領域專用 Agent 收攏進統一的企業 AI 平台。

b. 自研模型開發加速，本季發佈十餘個覆蓋圖像、語音、轉寫、編碼、安全的新模型，包括首個推理模型 MAI Thinking 1，全部以面向企業場景的低成本推理為核心設計目標。模型與自研硅片協同設計，MAI 模型在 Maia 200 上運行的單位功耗性能提升 40%。

c. 更關鍵的是正在構建一套新的模型系統，將 harness、上下文、記憶與動作空間與任何單一模型家族解耦，從而推動"成本—產出"曲線的前沿外移。這不僅關乎成本，還帶來業務連續性與韌性，因為每個模型都是可替換的。

d. 該系統已在自有產品中驗證：數百萬開發者在 GitHub Copilot 上使用 MAI Code 1 Flash，代碼採納率更高、token 用量中位數下降 10%，同時仍可調用 OpenAI 與 Anthropic 的前沿能力；在 Excel 中，MAI Code 1 Flash 在最常見任務上的質量與 GPT-5.6 相當，但成本顯著更低；在安全領域，MAI Cyber 1 Flash 結合多智能體安全 harness 後，性能優於體量大得多的模型，成本僅為其一半。更廣泛地看，Dynamics 365 採用 MAI Voice 2 Flash 後 GPU 成本下降 89%，PowerPoint 採用 MAI Image 2.5 後 GPU 成本最多下降 84%。該系統作為 Foundry 的一部分向所有企業開放。

e. Foundry 正被打造為完整的應用與 Agent 棧，向 Agent 提供 IQ 層、工具、持久狀態與記憶、安全沙箱、rubrics 與 evals，甚至自我改進閉環。目前 Foundry 客户數達 10 萬家，收入同比增長超過一倍。Telefonica 將 Foundry 作為企業平台底座，首批 Agent 用於關鍵網絡運維。年化 token 運行速率達 1 萬億 tokens 的 Foundry 客户數量同比增長 4 倍。

f. 通過 Agent 365 提供控制平面，把企業既有的治理、身份、安全與管理框架延伸到其自建 Agent。上線僅兩個月，Agent 365 已在數萬家企業中註冊接近 4,000 萬個 Agent。

3. 企業數據與上下文層

a. 數據資產正從"主要服務於人使用的應用"演進為"服務於 Agent"。客户加速採用 Cosmos DB、SQL 等 AI 優化數據庫，為 Agent 提供記憶與檢索所需的實時數據與上下文的快速安全訪問。PostgreSQL 收入同比增長 55%，為連續第三個季度加速；同時使用 Foundry 的 PostgreSQL 客户數增長 80%。新推出的 Horizon DB 是 Azure 上全託管的 PostgreSQL 服務，吞吐量為自管部署的三倍。

b. 分析側，Fabric 付費客户已超過 40,000 家，同比增長超過 60%；同時使用 Foundry 與 Fabric 的客户超過 17,000 家，同比增長 60%。本季推出 Rayfin——面向 Agent 優先的 SDK，為 Fabric 上的應用構建提供後端即服務，已有超過 2,500 家客户使用。

c. 在數據資產之上構建 IQ 層，將數據與模型能力結合以在恰當時點交付恰當上下文。包括近 90% 的《財富》500 強在內的數萬家客户，已在用 Foundry、Fabric 與 Work IQ 為其 Agent 注入企業上下文。本季推出 Web IQ，讓 Agent 獲得來自全網的真實世界情報，目前已被包括 ChatGPT 在內的最熱門 AI 助手採用。

4. 知識工作與 M365 Copilot

a. 付費 M365 Copilot 席位已超過 3,000 萬，淨新增席位環比增長超過一倍。Copilot 正快速從 chat 演進到 co-work 再到 autopilot：上月 co-work 正式商用，幫助客户在其工作數據基礎上完成多步驟任務，同時滿足企業安全與合規要求；本季推出 autopilots——具備完整企業合規能力的自主長時運行 Agent，包括由 OpenClob 驅動的常在個人 Agent。本季正在把這些 Copilot 體驗（含 code）整合進一個橫跨消費者與商業場景的超級應用（super app）。

b. 質量與性能持續改善：過去三個季度用户滿意度評分翻倍並創歷史新高，本季延遲再降 25%。這些改善疊加產品創新帶來了創紀錄的使用強度——人均對話數同比接近翻倍，周均活躍度已與 Outlook、Teams 相當；從部署到達到"高使用度"（客户員工基數中月活約 80%）的時間，過去一年從數月縮短到數天。

c. 席位規模超過 50,000 的客户數同比增長超過 7 倍；把 Copilot 部署到大多數知識工作者的企業客户數環比增長近 75%。NHS England 正向 505,000 名臨牀與後勤人員鋪開 Copilot，為同類中最大規模的醫療部署，此前試點顯示平均每天為員工節省 43 分鐘；KPMG 將部署擴展至全球超過 276,000 名專業人員；HSBC 承諾採購 200,000 席位以加速員工轉型；阿斯利康、波音、Infosys、Coke Inc、寶潔、Stellantis、塔塔諮詢服務、匹茲堡大學醫學中心、富國銀行等各自採購 60,000 席位以上。

d. 新推出的 E7 套件（整合 Copilot、E5、Entra 與 Agent 365）反響積極，發佈僅兩個月已有數百家企業客户採購數百萬席位；本季 EY 將 E7 部署至 400,000 名員工，為迄今最大單筆勝單。

e. 商業模式從"按席位"演進為"按席位 + 按用量"，進一步擴大 TAM。本月初為 co-work 增加了按用量計費，已有數千家客户付費並實際使用。

5. 業務應用（Biz Apps）

a. 圍繞 Agent 優先重構 Dynamics 365，已在銷售、財務、供應鏈、HR 與客户服務領域開放超過 650,000 個 MCP actions，使 Agent 能夠以與應用用户相同的數據模型、規則、權限、安全護欄與審計軌跡訪問業務上下文並執行動作。

b. 同樣從"席位"轉向"席位 + 用量"模式。客户服務是這一轉型的最前沿，該類別中基於用量的 credit 消耗環比增長 4 倍，Northern Trust 等客户正用相關工具驅動前瞻性智能服務。

6. 開發者與 GitHub

a. GitHub Copilot 用户數達 5,000 萬。本季引入按用量計費，商業與企業席位繼續增長，新模式生效後消費型收入亦顯著增加，Copilot 收入環比加速增長超過 60%。

b. GitHub 整體用户數達 2.25 億，包括超過 90% 的《財富》500 強企業選擇 GitHub 進行 AI 驅動開發。Agent 時代正建立在 GitHub 之上——每一個主流編碼 Agent 都運行在該平台上，GitHub 上每三個 pull request 就有一個涉及 Agent。

7. 安全

a. 既幫客户保護其 AI 部署，也用 AI 強化其安全態勢。截至目前 Purview 已審計超過 500 億次 Copilot 交互以滿足合規義務，同比增長近 360%。

b. 本週推出 Project Perception，一套完整的多模態 Agent 化安全系統，由多組 Agent 協同模擬攻擊、調查威脅並推動修復。Perception 走出私有預覽後，計劃以基於用量的方式向客户提供。

8. 醫療與科學

a. 醫療領域，本自然年有望自動化超過 1 億次患者就診記錄，其中本季度 2,800 萬次，同比增長 2 倍。Mass General Brigham 已向超過 4,000 名醫護鋪開 Dragon Copilot，一項研究顯示 Ambient AI 使職業倦怠下降 21%。

b. 科學領域，Microsoft Discovery 已廣泛可用，為科學與工程場景提供構建與治理 Agent 工作流的完整平台，早期客户包括 BHP、GSK、太平洋西北國家實驗室。

9. 交付組織：Microsoft Frontier Co

a. 世界上最全面、最有價值的數據都在客户各自的租户內，因此把客户的工作流、領域知識與積累的判斷力轉化為可隨使用不斷學習改進的 AI 系統存在巨大機會。本月推出 Microsoft Frontier Co，行業內規模最大的以結果為導向的工程組織，將派駐 6,000 名行業與工程專家與客户共同設計、共同創新並持續改進 AI 系統。

b. 該模式過去一年已在 164 家客户中完成超過 330 個項目。例如 FDE 團隊與諾和諾德合作構建了在嚴格合規要求下分析臨牀數據的 Agent；與 LSEG 合作把 AI 嵌入 LSEG Workspace，幫助金融專業人士在結構化與非結構化金融內容中快速找到複雜問題的答案。

10. 設備與消費者

a. Xbox：正在內容組合、平台與運營層面做出必要決策，為長期增長重置業務。公司擁有業內最好的 IP 與全球優秀工作室，預計 2027 財年該業務恢復增長。

b. Windows：投入確保質量與基本功能，同時使其成為運行安全邊緣 AI 的最佳載體，看到 Windows 成為"無計量智能"（unmetered intelligence）承載層的重大機會——把強大的端側算力與企業級安全結合。

c. 搜索與廣告：Bing 與 Edge 已連續五年獲取份額。LinkedIn 平台參與度保持強勁，會員數連續第五年雙位數增長；超過 20,000 家企業的招聘方正在使用其 AI 解決方案縮短招聘週期、改善候選人匹配，相關席位環比增長 140%。

2.2 Q&A 問答

Q：開放模型與自定義模型在未來一兩年的採用能有多大量級（考慮到很多企業最初對開放模型有顧慮），以及在自身對前沿實驗室敞口不小的情況下微軟如何從這一轉變中受益？

A：我們的出發點是，最終目標是讓企業掌控自己的命運——即建設屬於它自己的"人力資本"和"token 資本"。如果一家企業本身是一台學習機器，那它需要擁有自己的學習機器。模型是一種輸入，而不是對企業知識的抽取。每家企業最終都會評估：哪些供應商真正在幫助我實現結果、幫助我創造知識。這一點現在已經比較清晰，而且會一天比一天更清晰。這不會變成"我進來把你的知識全部拿走、自己受益，而你什麼都得不到"的模式。

基於這個演進方向，我們對平台的架構設計非常明確：必須把 harness 與模型分離。harness 會確保你的記憶、你的上下文都是外部化的，這意味着任何給定模型在任何時點都是可替換的。你應該、也完全可以使用前沿模型，沒有理由不用；但你同時也可以使用多個前沿模型。看我們給出的那些數據就是很好的例子——在前沿模型擅長的地方用前沿模型，在低成本模型能勝任的地方用低成本模型；而當你不想使用任何外部模型時，甚至可以訓練自己的模型，因為畢竟所有的輸出、所有的 trace、所有的上下文都在你手裏。這就是我們要向企業推廣的架構設計範式，我們自己就在用它——Copilot 是這樣構建的，GitHub Copilot 是這樣構建的，我們的安全 Copilot 也是這樣構建的。我們希望把這一設計模式民主化，讓每一家企業都能使用。在這個框架內，會是開放權重與閉源權重的混合。

順便説一句，回想一下前一段時間那次 Hugging Face 事件，最大的啓示就是你不能依賴任何單一模型。你甚至可能需要多個模型來修復由某一個模型引發的問題——也就是説，你不能被某一個模型的拒答行為所綁定。所以這裏的設計空間還很大。我們談"前沿"時常常把它當成一個東西，但真正的前沿是每一家企業都擁有自己的前沿，以及它為掌控自身命運所需要的選擇權、成本控制力與能力。

補充回應問題的後半部分：正因如此，平台必須建成能夠在名為 Azure 的架構上為正確的任務交付正確的模型。鑑於我們看到需求持續增長，無論客户選擇什麼模型、什麼模型家族，還是運行自己的模型，Azure 平台在交付這些能力上都相當高效。所以可以把這套基礎設施理解為具有很強的可複用性（fungible）。

Q：Azure 增速從 43% 進一步加速到 45% 左右，底層驅動因素是什麼？我們仍處於同樣的容量受限環境中，還是説微軟在約束下執行得更好？

A：首先，系統中依然存在約束。我們已經連續多個季度表示需求持續超過可用供給，這一點確實仍然成立——甚至可以從現貨市場上相關資產的定價中看到這一現象。

至於為什麼能交付得更好，我們首先聚焦的是效率，也就是從機隊裏已有的一切中挖掘更多產出，這既包括 CPU 機隊的效率提升，也包括 GPU 機隊的效率提升。本季度工程團隊做了很好的工作，儘可能把這些能力釋放出來。而由於我們一直在談的供需失衡，一旦獲得效率提升，它們會在當季被迅速變現，這個動態對本季度形成了正面影響。

另外，我們在流程上也做了改進，把 CPU 與 GPU 從到貨到接入上線的前置時間大幅簡化，過去 90 天內這方面也有改善。這些改進同樣能被很快變現。以我們在整個超大規模機隊上的運營體量來看，能被迅速變現的效率改進就帶來了當季的增速加速。這也是我們對 Q1 所預期和所討論的一部分。

Q：如果真的出現數據中心與芯片的過度建設、產能過剩，微軟如何保護自己；反過來，面對當前的硬件與零部件漲價，如何避免大幅提價或損傷利潤率？

A：兩個問題有一定關聯，先説第一個。當前情形顯然是需求在一個相對極端的時刻超過了可用供給。但如果放到更長的時間維度看，我經常提醒大家：很大一部分支出（尤其體現在資本開支上）已經明顯轉向我稱之為"短週期資產"的部分，也就是前置時間相對更短的 CPU 與 GPU。因此一旦需求環境變化，你只要放慢這個最大的組成部分——它也正是 COGS 的驅動項。而土地與數據中心建設的投資其實相當靈活，佔整體成本結構的比例更小，而且其中很多環節的時間安排是可以調整的，特別是建設進度；你也可以錯開原計劃投入的 GPU 與 CPU 的上量節奏。

超大規模廠商在管理這類需求變化上已經做了很長時間，具備相應的靈活性與理解。另一個重要的點是，我們擁有按地域、按客户分層、按行業高度多元的業務盤子。看我們本季度的在手訂單或 RPO 新增，它來自微軟產品組合與客户組合的廣度。所以當你能夠在短期內對更昂貴的部件做"晚綁定"，又有一個足夠大且靈活的業務盤子，再加上一塊同樣會消耗你所建容量的龐大第一方應用業務（而非只有 Azure 平台），我們就擁有更大的調整空間。

關於定價問題，這在很多方面對所有廠商的影響是等同的。我們現在要做的，就是儘可能把效率工作做好，從而繼續為客户提供優質價值。我們也在提醒客户：與自己在本地採購服務器相比（那種情形下價格上漲對客户的衝擊更大），雲依然提供了巨大的收益。所以在這類環境下雲仍然帶來很好的 ROI。我們在增加容量的同時，很多容量也在新籤合同中銷售，能夠把定價反映進去；長期來看，你希望定價對客户和對自己都成立，我們會繼續聚焦這一點。

補充一點：在我看來，你必須把產品形態做對，這也是我們大量精力所在；你必須把產品組合做對——無論是 Copilot、把所有形態整合起來的超級應用，還是一路到 Azure 以及 Azure 中 Agent 優先的原語，你需要讓整個組合真正協同起來。客户結構也極其重要，你必須認識到地域結構、客户分層結構、工作負載結構的廣度，甚至在建設容量時就要把這些都考慮進去。然後你還得把這門生意運營得高效——效率不是最後自然出現的東西，你必須持續不斷地去做，這也是我們非常關注的。我們知道這個週期一定會有起伏，但長期的結構性轉變是明確的，我們對自己能以正確的業務結構、正確的利潤率結構，最重要的是以正確的客户價值走出來非常有信心。

Q：M365 Copilot 本季付費席位超過 3,000 萬且明顯加速，客户從試點走向大規模部署的進展如何；從這裏往後，變現的主要驅動是新增席位、向 E7 等更高價值 SKU 遷移，還是消費型收入？

A：還是要從產品形態説起。可以看到，僅在本季度內產品形態就發生了相當大的變化——現在有 chat、co-work、autopilot、code，它們都會匯入這個將成為旗艦的超級應用，供不同角色使用。

從使用側看也有很多有意思的數據：從買下許可到真正開始使用的時間大幅縮短，過去要幾個月，現在是幾天；使用強度本身顯著上升，我們現在談的使用強度已經與 Outlook、Teams 這樣的日常溝通工具處在同一量級。

第二點是整個企業級"接線"（wiring）。它不是一個孤立擺在某處的工具，而是被接入企業體系：比如你提到的 E7，它接入了 Agent 365 的治理組件，於是 SecOps、FinOps 全都接了進來；同時也接入了所有業務流程——比如你的 CRM 系統、ERP 系統，它們都成為進入 co-work 的技能與插件。你因此能把企業級工作流接進超級應用，這會推高使用量，而這些效應會複合疊加。

第三點是商業模式。我們現在同時擁有按席位與按用量兩種模式，即"席位 + 用量"。E7 這類產品帶來的 ARPU 增長已經在發生。但更重要的是，隨着我們為客户交付更多價值和企業級成果——回頭看歷史，Office 相比今天的 Copilot 覆蓋面要窄得多——這是第一次真正出現一個企業級全域工具，同時具備按席位與按用量的定價方式，因此 TAM 的擴展性大得多。我們會非常專注於驅動客户價值，並隨之擴張。

補充財務側的觀察：今年以來 ARPU 的部分增長來自 E5 加 Copilot 的授權組合，接下來 E7 會帶來更多貢獻。E7 中價值感最強的是 Agent 365 部分——具備 SecOps 與 FinOps 能力；總體而言，所有人都會需要對全部業務流程中的 token 支出具備可觀測性與可管理性，這正是 E7 提供的。E7 本季只在市場上銷售了一部分時間，客户對該 SKU 所看到的價值讓我們相當受鼓舞，全年會繼續聚焦於此。最後是不斷擴大的 TAM，也就是我們所説的用量與消費型增長；隨着越來越多體驗被接入、IT 部門更深地參與這一過程，人們對 M365 能力的認知會發生相當大的改變。

再舉一個具體例子：賣方有一份關於 ROIC 的研究文檔，我把這份 PDF 丟給 Copilot，讓它給我搭一個類似 Power BI 的新儀表盤。關鍵在於，它構建了一個豐富的語義模型進入我的 Fabric 與 OneLake，把所有外部來源的數據都拉了進來，甚至同步了 MAG 7 全部公司的 SEC 文件；在此之上，代碼倉庫本身在 GitHub 裏，而產出物則落在我的站點裏。對我來説這就是企業級全域工作流的典型例子：我作為一名知識工作者可以去創建一個儀表盤，數據工程師可以到 Fabric 裏找到相應的資產，專業開發者可以到 GitHub 倉庫裏找到代碼；而且這一切都在 Agent 365 中完成註冊。這正是一種新的工作方式的成型，同時又帶來了 IT 側的安全與可管理性。

Q：隨着最新前沿模型發佈，網絡安全的競爭格局在改變，本週又推出了 Project Perception，這一時刻對微軟的安全業務具體意味着什麼，對更廣義上客户對微軟的信任又意味着什麼？

A：確實如你所説，網絡安全產品需要具備什麼能力、以及安全運營本身該怎麼做，其底層"物理規律"都發生了相當大的變化——歸根結底，你必須在產品層面轉型，也必須在公司如何運營以保護自身的層面轉型。

我們的重點首先還是沿用在知識工作與編碼上採取的同一套方法：從"智能優先、模型前置"的路徑出發。Perception 的本質是確保你擁有會持續做紅隊、持續發現漏洞的 red team agent，擁有持續做分診的 blue team agent，以及負責修復的 green team。這樣你就構建出一個持續運行的 Agent 化體系來形成所需的網絡防禦。它會充分吸收各類信號——身份 Entra 信號、Defender 信號、網絡信號、應用安全信號，這些共同構成上下文，從而真正生成有效的防護。

另一點是，在網絡安全領域，採用多模型路徑變得尤為關鍵，這也回到第一個問題。原因不只是成本。我們用 Cybergym 中的 MDASH 數據證明，藉助 MAI Cyber 1 Flash，可以在成本降低 50% 的情況下達到同等水平的性能。之所以能做到，是因為 90% 的任務由 Cyber Flash 1 完成，只有 10% 的任務仍然交給前沿模型。所以在本質上屬於流水線作業的任務中，把正確的模型匹配到正確的任務是一個極其重要的特性。

還有一點是韌性視角：無論出於什麼原因，如果某個模型不可用了，你不能被撂在半路上，你必須仍然能繼續你的網絡安全運營。所以成本與韌性兩者都是重要標準，這也是我們在編碼、網絡安全、知識工作中都要構建進去的能力。我們對 Perception 以及它對我們安全業務的意義感到非常興奮。

Q：把資本開支側與變現側結合起來看，你們當下對資本開支決策所跟蹤的 ROI 與一年前相比如何，以及包括自研硅片在內還有哪些可以拉動增量變現的槓桿？

A：坦率説，我不認為過去一年裏我做這套算術的方式發生了變化。對我而言，更值得關注的是對 TAM 擴張的信心，以及我們在產品改進和基礎設施改進兩端所掌握的利潤率槓桿。今天電話會上已經談到了一些——我們在應用層與基礎設施層都有繼續獲取效率的槓桿。

但確實還有一些沒有覆蓋到的部分。我們顯然仍有機會在硅片上繼續追求最佳性價比，包括我們在第一方（自研）上的投入。此外，模型多元化本身也是一個利潤率改善機會——能以更高效的方式交付最優結果，無論是 token 使用效率還是成本結構效率，都是利潤率槓桿。

所有這些都會提升我們對投入資金 ROIC 的信心。再從組合結構看，我們能夠在知識工作、編碼、安全，以及我稱之為 Agent 365 的 Agent 層上擁有相當寬的資源池，這本身也是機會。當然還有 Azure 側我們談到的模型效率、硅片與零部件效率（包括第一方方案的投入），以及以超大規模運營帶來的整體效率。所以我們還有相當多的槓桿可以持續改善，這也是我們的關注點。但正如前面提到的，這是一門"苦功"——每天進步一點、再進步一點；而我們其實很擅長這種苦功，並確保能把成果交付給客户。

<正文結束>

本文的風險披露與聲明：海豚研究免責聲明及一般披露