【AI科技新聞分享】你是在買 AI，還是出賣商業機密？微軟 CEO 示警「逆向資訊悖論」，揭密企業知識流失的「智慧廢氣」危機

微軟執行長 Satya Nadella 近期於 X（原 Twitter）發表長文，提出了一個發人深省的全新概念——「逆向資訊悖論（Reverse Information Paradox）」。他指出，傳統資訊市場是由賣方承擔風險，但在 AI 時代，企業在支付高昂訂閱與 Token 費用的同時，正被迫向 AI 供應商交出最珍貴的「企業本土知識（Local Knowledge）」與「學習迴路（Learning Loop）」。與此同時，前 OpenAI 技術長 Mira Murati 創立的新創實驗室 Thinking Machines 也於 2026 年 7 月發表報告力挺此觀點，主張 AI 必須從「中心化凍結模型」走向「去中心化權重分佈」，防範企業知識被單向收割。

1. 什麼是「逆向資訊悖論」？
   Nadella 借用諾貝爾經濟學獎得主 Kenneth Arrow 的「資訊悖論（Information Paradox）」進行了巧妙的翻轉：
   傳統資訊悖論（賣方風險）： 賣方想賣商業機密，但在買方付費看到內容前，無法判斷其價值；一旦買方看到了，買方就已經免費獲得了這項知識，無需再付款。
   逆向資訊悖論（買方風險）： 在 AI 時代，買方（企業）承擔了全部風險。為了讓買來的 AI 發揮最大價值，企業必須主動把最核心的內部文件、業務流程與客戶數據餵給模型。「你為智慧付了兩次錢：一次是用美金，另一次則是餵給它更珍貴的企業資產。」

2. 致命的「智慧廢氣」：你修改的每一行字，都在幫對手訓練模型
   Nadella 警示，最嚴重的知識外洩往往不是主動上傳的檔案，而是員工在與 AI 互動時產生的「智慧廢氣（Intelligence Exhaust）」：
   隱性知識的流失： 包含員工寫的 Prompt、AI Agent 呼叫工具的軌跡、模型出錯時員工進行的微調與糾錯。
   縮影案例： 假設 AI 生成了一份合約，法務主管修改了其中三個關鍵條款。表面上這只是日常微調，但那三個修改動作實際上凝聚了該法務團隊十年的實戰經驗。這些微小的修正（Traces & Evals）被模型吸收、提煉，最終轉化為 AI 供應商的基礎能力，並在未來可能被競爭對手輕易租用。

3. Thinking Machines 聲援：打破「中心化、被凍結」的 AI
   前 OpenAI 技術長 Mira Murati 帶領的 Thinking Machines 實驗室於 2026 年 7 月發表的政策報告《The future worth building is human》完美呼應了 Nadella 的擔憂：
   拒絕「單一世界模型」： 報告引用經濟學家海耶克與波蘭尼的「默會知識（Tacit Knowledge）」理論，指出真正推動企業運作的生產力知識是地方性、轉瞬即逝且難以寫進資料庫的（如同名廚調整配方的直覺）。
   讓 AI 走向分散式（Distributed AI）： 他們反對將所有企業知識抽乾、拿去訓練一個被「凍結（Frozen）」並服務全球的中心化模型。Thinking Machines 主張，AI 的未來應該是分散式的，讓各企業在本地端訓練並擁有自己的 LoRA 權重，將「價值與知識」鎖在自己的伺服器裡。

4. 解決之道：重塑企業的「信任邊界（Trust Boundary）」
   為了對抗這種單向的知識轉移，Nadella 呼籲企業必須建立全新的信任防線。過去雲端時代防守的是「靜態資料（Data）」，AI 時代防守的則是「學習迴路」：
   邊界之內的資產： 企業的信任邊界應完全涵蓋資料、模型運行軌跡、組織記憶以及微調後的模型權重（Adapted weights）。
   守住生產工具： 企業應該在存儲數據的雲端建立獨立的學習系統。正如 Palantir 執行長 Alex Karp 所言，技術型客戶要的是對算力、模型、數據棧和其獨特優勢（Alpha）的絕對控制權，而不是讓其不知不覺地被轉移給大模型廠商。