微軟執行長 Satya Nadella 丟出一句會讓每個正在導入 AI 的企業主背脊發涼的話：用閉源模型，你是在付兩次錢。第一次用錢，第二次用你的專有知識——那種對手花錢也買不到的東西。這是 2026 年關於企業 AI 隱藏成本、講得最狠的一句。
但我要先把判斷擺在最前面：Nadella 這番話一半是真洞見、一半是推銷。 「付兩次錢」確實戳中痛點，可他開的藥方（開源、地端、走微軟的平台）也剛好是微軟自己這個月最想賣的東西。台灣企業聽進前半、看穿後半，才不會從一個鎖定跳進另一個鎖定。
Nadella 到底說了什麼
據多家外電報導，Nadella 於 2026 年 7 月 13 日在 X 發表一篇長文，提出他稱為「反向資訊悖論」（Reverse Information Paradox）的概念，引發廣泛討論。核心是兩件事。
第一，付兩次錢。 他寫道：企業用 AI「等於為智慧付了兩次錢，一次用金錢，另一次用更值錢的東西——你必須揭露、才能讓那個智慧真正好用的專有知識」（TechCrunch 引述原文）。意思是：你每天用修正、回饋、上下文去餵一個閉源模型，等於在教它認識你的營運眉角，而這正是「對手永遠買不到」的知識。學習若只單向流動，錢也會跟著往同一個方向流——流向擁有模型的人，而不是擁有知識的人。
第二，distillation 雙標。 Nadella 說他覺得很諷刺：模型商一方面主張自己爬公開網路資料來訓練是「合理使用」（fair use），另一方面卻「反過來對 distillation 施加限制條款，還保留從客戶使用與互動資料學習的權利」（TechCrunch、WinBuzzer 均引述此段）。distillation（蒸餾）是拿一個大模型的輸出去訓練自己較小的模型；多數前沿模型的使用條款禁止這麼做。Nadella 的指控是：你可以拿全世界的公開資料練功，我卻不能拿你的輸出練我自己的——這條規則只保護了規則的制定者。
為什麼這是洞見：把資料餵進閉源＝幫對方練功
先講他對的地方，因為這一半是真的、也是台灣企業最容易忽略的成本。
企業評估 AI 供應商時，通常只算「一次錢」：授權費、每百萬 Token 多少、席次多少。但閉源模型的隱藏成本是第二次付款——你的流程知識。當你的員工反覆修正 AI 的答案、貼進內部文件、把最刁鑽的客戶案例丟給它處理，你等於在無償標註一份「你這行怎麼做才對」的訓練資料。如果供應商保留了「從互動資料學習」的權利，這份知識就外流了，而且是不可逆的外流。
這跟我們一直強調的資料主權是同一件事：AI 導入的風險，往往不在模型會不會出錯，而在你的專有資料交出去之後，還算不算你的。這也是為什麼「哪些能上雲、哪些必須留地端」會成為採購時最該先畫的那條線（延伸見 陸系開源模型便宜 90%，但台灣企業該算的是授權與地緣風險裡「地端跑權重 ≠ 連雲端 API」的拆解）。
為什麼這也是推銷：別忘了微軟自己想賣什麼
現在講另一半。Nadella 不是中立的第三方，他是全世界最大 AI 平台商的老闆，而這番話的時間點很微妙。
就在一個月前，微軟於 6 月的 Build 開發者大會推出自家的 MAI 系列七款模型，明講目的是降低對 OpenAI、Anthropic 的依賴、替開發者省錢；旗艦的 MAI-Thinking-1 還特別強調「從零訓練、未對其他公司模型做蒸餾」，就是要打動在意資料血統的企業客戶。把模型跑在自家 Azure、而非向外部授權，微軟可以省下付給 OpenAI 等夥伴的權利金（CNBC 報導）。
看懂了嗎？Nadella 講「別把知識送給閉源模型商」，話裡沒說的是——那你可以來用微軟的平台、微軟的模型、微軟的 orchestration 層。他批評的「閉源鎖定」，很大一部分正是他過去幾年協助建立、如今想從中拿回主導權的那套。這不代表他講的是假的，而是提醒你：當賣鏟子的人告訴你哪座金礦有毒，先確認他是不是剛好在賣另一座礦的門票。 這種「誰決定你用得到什麼」的平台角力，我們在 前沿模型的守門與供貨風險談過，台灣企業尤其該有戒心。
平心而論，閉源也不是原罪。對齊做得好、安全維運有人扛、你自己養不起 GPU 叢集時，付授權費買一個穩定、有 SLA、有法遵背書的閉源服務，往往是務實選擇。真正的問題從來不是「開源 vs 閉源」的信仰之爭，而是你有沒有把資料的邊界畫清楚。
台灣企業該帶走的判斷框架
台灣的製造與金融業，最在意的就是資料外洩、合規與供應商鎖定。所以別把 Nadella 的話聽成「快改用開源」——那是把一個複雜決策壓成一句口號。真正該做的是兩步。
第一步，先分資料、再選工具。 動手評估任何 AI 前，先把你的資料分三層：
- 可上公有雲的：公開資訊、行銷素材、非敏感原型——閉源雲端服務通常沒問題，圖的就是省事。
- 要簽清楚才上雲的：內部文件、一般營運資料——可以用，但條款要讀到「供應商會不會拿去訓練」。
- 必須留地端的：客戶個資、營業秘密、受監理資料——這一層碰到「保留學習權」的閉源服務就該亮紅燈，金融、醫療尤其要先過法遵。
第二步，把權利寫進合約，別靠信任。 供應商的宣稱是「宣稱」，白紙黑字才算數。採購時至少把這三件事寫進去：
- 微調與蒸餾權利：你能不能用自己的資料微調？能不能拿輸出訓練自己的模型？（這正是 Nadella 說被「雙標」限制的那一項。）
- 資料留存與訓練條款：供應商能不能用你的互動資料再訓練？留存多久？能否要求「零保留」？
- 可攜性與退出：合約結束時，你微調出來的成果、累積的向量資料，能不能帶走、換家重建？還是被鎖死在這個平台裡？
這三題問不出滿意答案的供應商，價格再漂亮都先緩緩。怎麼把這些變成一張可打勾的評估表，可對照 AI 供應商評估提問清單；至於哪一段該自建、哪一段外購才划算，先看 AI 自建或外購的決策。而導入卡住時，多半也不是模型不夠強，是資料歸屬與權責沒定，這點我們在 企業 agentic AI 的執行落差講得更細。
我要下的判斷是：Nadella 送給台灣企業最有用的一句，不是「選開源」，而是逼你去問「我到底在付第二次錢嗎」。想清楚這題，你用閉源也守得住主權；想不清楚，改用開源一樣會把地基漏光。
常見問題
Nadella 說用閉源 AI 是「付兩次錢」，第二次是付什麼？
第二次付的是你的專有知識。當員工反覆修正 AI 的答案、貼進內部文件、把最難的案例交給它處理，等於在教這個模型「你這行怎麼做才對」。如果供應商條款保留了「從互動資料學習」的權利，這份對手花錢也買不到的知識就外流了，而且不可逆。所以真正的成本不只授權費，還有你在使用過程中交出去的營運眉角。
那台灣企業是不是該全面改用開源或地端模型？
不是。把它壓成「開源 vs 閉源」的信仰之爭反而危險。閉源在對齊、安全維運、法遵背書上有它的合理價值，你自己養不起 GPU 叢集時，買一個有 SLA 的閉源服務往往更務實。該做的是先把資料分成「可上公有雲、要簽清楚才上、必須留地端」三層，再對每一層挑工具。改用開源但地基（資料邊界）沒畫好，一樣會漏。
Nadella 是微軟 CEO，他推開源的說法能全信嗎？
要打折聽。微軟 6 月才推出自家 MAI 系列模型，明講要降低對 OpenAI、Anthropic 的依賴、省下權利金，還強調「未做蒸餾」以吸引在意資料血統的客戶。Nadella 講「別把知識送給閉源模型商」，話裡沒說的是「可以來用微軟的平台」。他點出的痛點是真的，但解方剛好指向他自己想賣的東西——洞見收下，推銷看穿。
採購 AI 服務時，該把哪些條款寫進合約來保住資料主權？
至少三件：一是微調與蒸餾權利，你能不能用自己的資料微調、能不能拿輸出訓練自己的模型；二是資料留存與訓練條款，供應商能不能拿你的互動資料再訓練、能否要求零保留；三是可攜性與退出，合約結束時你微調的成果與累積資料能不能帶走換家重建。這三題問不出滿意答案的供應商，價格再好都先緩緩。
參考來源
- TechCrunch：Satya Nadella has issued a shocking warning to companies using AI（2026-07-13，付兩次錢、distillation 雙標原文引述）
- WinBuzzer：Satya Nadella Challenges AI Labs Over Distillation Rules（2026-07-14，distillation 限制條款引述）
- Tekedia：Microsoft CEO Satya Nadella Calls Distillation Restrictions ‘Hypocritical’（雙標脈絡）
- CNBC：Microsoft unveils new AI models to lessen reliance on OpenAI and lower costs（2026-06，MAI 系列、省權利金、未蒸餾）
- Forbes：Microsoft Builds Its Own AI Stack To Cut OpenAI Dependence（微軟自建 AI 堆疊、降低依賴）