GPT太燒錢！微軟暗地準備「B計畫」、打造更實惠AI模型，想抽身OpenAI了|數位時代 BusinessNext

GPT太燒錢！微軟暗地準備「B計畫」、打造更實惠AI模型，想抽身OpenAI了

微軟與OpenAI看似神仙眷屬，實際卻貌合神離？微軟正默默降低對OpenAI技術的依賴，著手「B計畫」開發經濟上更有效率的AI模型。

GPT技術營運成本太高，就像「叫博士去接電話」

GPT技術龐大的運算成本，可能連微軟也吃不消了。儘管微軟與OpenAI間的合作看似越發緊密，現在卻傳出暗地裡正在悄悄準備著「B計畫」，想開發更實惠的AI模型，以節省GPT技術昂貴的營運成本。

根據《The Information》報導，有消息人士透露， 率領微軟1,500名科學家的研究主管Peter Lee，正在動員部分人力開發低成本的聊天機器人 ，並試圖將這項技術整合到既有的微軟產品當中。

雖然這些微軟自研的聊天機器人技術、參數規模都比不上OpenAI的產品，但營運成本更低、速度更快。目前微軟正在積極擴大AI技術的使用範疇，從放上瀏覽器供人免費使用的Bing Chat，到結合旗下生產力工具的Copilot，用戶數量可能超過10億人，倘若均使用OpenAI等級的技術，恐怕要營利會更為困難。

營運ChatGPT的成本之高，一直以來都是OpenAI將技術商業化的最大難題之一。半導體研究機構SemiAnalysis首席分析師迪倫．帕特爾（Dylan Patel）曾表示，ChatGPT的營運成本預計每天高達70萬美元，倘若是性能更高的GPT-4運行成本會再高上許多。

帕特爾指出，ChatGPT等大型語言模型的訓練成本固然高昂，但營運成本才是最沉重的負擔，可說正常部署的情況下，營運成本都會遠遠超過訓練成本。

🛎️延伸閱讀： AI大神降臨台北！ChatGPT之父奧特曼：AI能讓窮人受益、現在是「最幸運一代」

值得一提的是，微軟早已經默默減少對GPT技術的依賴。例如Bing Chat具有平衡、創意及精確三種模式，平衡模式使用的就是自家的普羅米修斯模型（Prometheus model），並由圖靈語言模型（Turing language model）支援，主要負責相對簡單的問題，創意及精準模式才由GPT-4處理。

微軟以超越競爭對手的速度將AI服務商業化，或許也是與OpenAI技術的昂貴成本有關。Bing Chat已經推出商用版，並且考慮導入廣告；Copilot更已經以每月30美元的價格正式上線，這個價格相比Microsoft 365最貴的方案，都是超過50%的增幅。

今年7月微軟與Meta在大型語言模型Llama 2上進行合作，現在看來或許也是降低對OpenAI技術依賴的一次嘗試。

用GPT-4生產資料訓練，微軟靠高品質材料打造高CP AI模型

事實上，《The Information》提到，微軟團隊也沒有幻想能用少少資源打造如GPT-4一般強大的AI技術，這個團隊沒有同等的運算資源、也沒有大量人力提供大型語言模型回饋以協助工程師改善，而且微軟多數時間都花在調整OpenAI的產品上，撇除OpenAI的情況下，亞馬遜、Google等競爭對手都在大型語言模型研發上投入更多。

微軟對更經濟實惠AI技術的追求，或許可從動用的資源中看出，為了開發更經濟實惠的AI技術，Peter Lee決定動用2,000顆輝達（Nvidia）的GPU打造新模型──這個數字遠遠低於輝達供應給OpenAI逾2萬顆的數量。

儘管在AI方面的資源不多，與OpenAI的合作替微軟帶來了「取巧」的機會。今年6月微軟開發了AI模型Orca，藉由將GPT-4生成的數百萬個答案輸入到開源模型中，教導它模仿GPT-4，進而實現超越其餘開源模型的成果，並且在部分層面足以媲美免費版的ChatGPT。

微軟近期推出的Phi-1，這個有著13億參數的模型同樣是利用GPT-4產生的「教科書級」資料訓練，因此能夠在測試中擊敗使用100多倍資料的其他大型模型，只有GPT-4在同樣的測試中表現更優異。這些例子顯示，GPT-4產生的高品質訓練材料，讓微軟能夠用更小的力氣打造高性能的AI模型。

隨著自研模型初獲成果，微軟也在考慮如何在Bing Chat更大幅度導入Orca、Phi等模型，進一步降低GPT模型的使用。

在微軟一步步降低對OpenAI依賴的同時，兩家公司的關係也隨著商業化腳步變得微妙。OpenAI發表ChatGPT Enterprise時，就被外界詢問是否會與企業Bing Chat競爭；而微軟基於Azure的Private ChatGPT服務，曾經的宣傳標語就是比ChatGPT更安全。

資料來源：The Information、The Decoder、Business Insider

責任編輯：林美欣、高敬原

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問