微软 M12 合伙人 Alan Du：AI 时代真正的护城河在企业防火墙后面

一、M12 是什么

M12 是微软的战略投资基金，直接从微软资产负债表上出资。每年投资额约 1.5 亿美元，单笔 500 到 1000 万美金，聚焦 A 轮到 B 轮。

覆盖方向很广：基础算力、芯片硬件、水平软件（数据库）、垂直应用、网络安全，甚至游戏和前沿技术。

M12 通常跟投而非领投。Alan 的理由很务实：财务投资人在定价和条款上更专业，而且战略基金有自己的商业考量，由财务投资人领投更合适。但 M12 能提供的不只是钱——背后是整个微软生态的商业价值。

二、初创公司不用怕大厂

一个常见的担心：我的 idea 会不会被大厂一个 feature 就淹没了？Alan 认为这个担心被过度放大了。

原因有三：

• 大厂内部也是小团队在做事——微软、Google、Amazon 体量再大，具体到某个产品线，能调动的资源是有限的
• 速度优势——大厂有既有产品要维护，有赚钱的业务不能随便革自己的命。创业公司没有包袱，可以跑得更快、用最新技术、反复试错
• 垂直专注——大厂做的是 80% 用户的通用技术。你可以做一个很窄的垂直，你非常懂的那 1%-2%，一样能做很大

三、哪些软件最容易被颠覆

Alan 把软件分了几层，最危险的是这些：

• "搬运工"型软件——纯粹把数据从 A 搬到 B，技术太浅，Agent 时代根本没有存在的必要
• RPA——从录制回放到 AI 推理执行，这个跨越是颠覆性的。绝大多数 RPA 公司会被取代
• 单功能软件——只做一件事的薄软件层。Alan 举了个例子：朋友拿到 MRI 的 CD，需要一个几百美元的专用软件才能读。他把 CD 扔给 Claude，Claude 实时写了一个程序把数据读出来了。这种单功能软件没有存在的理由了
• 咨询和市场调研——咨询师读二手资料的速度，不可能跑过一个能在几分钟内读完所有公开资料的 Agent

四、什么才是真正的护城河

那什么东西很难被颠覆？Alan 的答案很直接：企业防火墙后面的东西。

部署 Agent 需要大量上下文，需要真实的数据（ground truth）。而提供 Agent 的公司是从外往里看的——它们拿不到企业内部的数据流。

还有一个更实际的原因：成本账算不过来。一个服务医疗行业的公司，核心竞争力不是搭 AI Agent。要取代现有供应商，得招专门的人才、做合规、测试、维护——出了问题责任还在自己。而买 ServiceNow 的服务，出了问题对方负责回滚和修补。这笔账算下来，大多数企业会选择继续买现成的。

Alan 还举了一个震撼的数字：GPT-4 训练用了 1.5 PB 数据。听起来很大。但 JP Morgan、PayPal 这类公司，防火墙后面都有 15、20、30 PB 的数据。当企业能把自己的数据利用起来，对 AI 性能的提升是质变——不是一点点。真正的 model 在防火墙后面。

五、微软的护城河变强了

回答这个问题时 Alan 没有犹豫：变强了很多。

理由同样回到数据和工作流。微软服务全世界所有企业和大多数个人，积累的数据和生产流程 knowhow，很少有公司能比。虽然速度可能没有创业公司快，但真正搭起来的 Agent，使用体验可以做得非常好。

还有企业采购的惯性。上一套新软件有非常复杂的流程，很多决策不是发生在技术层面——是销售团队懂不懂怎么卖给大企业、懂不懂卖给中小企业，这是完全不同的语言。已有的渠道和 distribution，是一个极难跨越的护城河。

六、AI 投资的巨大落差

资本市场一直在讨论大厂资本开支和 AI 收入之间的落差。Alan 给出了一组很具体的数字：

这个 gap 有人估算在 8000 亿到 1 万亿美元之间。未来三到五年，AI 公司需要产生约 8000 亿的总营收才能 justify 前面万亿级的投资。Alan 认为——市场可能需要重新考虑早期公司的定价，以及算力中心的投资策略。

AI 的部署不是齐头并进的。某些领域跑得非常快（比如 AI 写代码，微软内部绝大多数的编码过程已经被 Agent 取代了），某些领域基本为零（传统制造业、医疗——监管和隐私限制了进度）。

七、GPU 利用率为什么这么低

Alan 抛出了一个被低估的问题：GPU 集群的使用率非常低——有的说 30%-40%，他可能觉得更低。

花了上万亿建数据中心，使用率却这么低。是该继续建新的，还是先提升现有的？他认为这是市场接下来 12-18 个月需要想清楚的事。

使用率低的原因很复杂：

• 出错率高——GPU 在训练和推理时的失败率很高。软件层面出错，甚至板子之间的连接线安装出错都会导致训练中断
• Over-provision——大量备用 GPU 空闲着，为了出错时能立刻切换 workload
• 硬件连接问题——70% 的出错率中，10%-25% 出在硬件数据线连接端

解决方向也有多个：用类似虚拟机的方式提升 GPU 利用率；用光纤替代铜线（但光纤对温度敏感、弯折也会导致信号衰减）；甚至有人尝试用毫米波替代铜或光纤。目标是把 30% 的利用率提升到 60%-70%，同时降低能耗。

八、M12 的投资版图

M12 投资了 100 多家公司，15 家独角兽，6 家已 IPO。重仓的赛道：

• 新型硬件——用光学取代传统芯片，代表公司 Neuroforce、Dmatrix
• 数据层——帮助企业获取一手、高质量、有针对性的数据，代表公司 Micro One
• AI 原生安全——模型安全和网络安全，代表公司 Hidden Layer、Rich Security
• 模型评估——代表公司 Arise
• 垂直 AI——比如用 AI 替代传统供应链流程的 Digital Rail
• 游戏——正在回暖，世界模型和物理模型让游戏成为自然的落地场景
• 区块链 + AI——Agent 身份管理和 Agent 支付可能用到区块链技术

九、Agent 支付的未来

Alan 之前在 PayPal 做投资，对支付有很深的理解。他认为 Agent 支付将和现在完全不同——因为支付的人和接受支付的对象都变了。

目前 Agent 支付基本还停留在叙事和 demo 阶段，真正大规模使用还没看到。最大的障碍是法律：智能体不能拿个人信用卡信息，违反 PCI compliance。这就催生了一些早期的探索方向——比如 Agent 专用的支付通道和身份管理系统。