整本书讲的是一场翻身仗。到这一章，我们要正面回答一个很多人第一反应会觉得"不对劲"的问题：大模型这么重要，为什么微软不自己从头造一个？谷歌造了 Gemini，Meta 造了 Llama，它们都在自家实验室里烧钱训练自己的基础模型（foundation model：用海量数据训练出来的通用大模型，比如 GPT。它像发动机，上层各种 AI 应用——写邮件、写代码、做客服——都靠它驱动）。微软手里有钱、有云、有人才，偏偏选择去跟一家叫 OpenAI 的外部公司深度绑定，把最核心的"发动机"交给别人造。
这看起来像认怂。这一章想说服你：它不是认怂，是一步想清楚了的棋——一步聪明、但带着已知风险的棋。
先把这盘棋摆成一句话：发动机 vs 车
你可以把整个 AI 产业想成造车。基础模型是发动机。而微软真正的地盘，是全世界的车——Windows、Office、Azure、GitHub、Teams，几十亿用户、无数企业客户，以及把软件卖进这些企业的销售渠道和合同关系。
造发动机的公司很多，个个都在烧钱。但"把最好的发动机装进全世界最多的车里、还能对每一次使用一直收费"的公司，只有微软一家。
问一句大白话：发动机做得最猛的人赚钱，还是"发动机装进十亿辆车、每开一次都抽成"的人赚钱？后者利润更厚、更稳、更难被抢走。微软想坐的是后一个位置。
想清楚这个位置，后面所有选择就顺了。微软不是"造不出发动机所以躲开"，是"我在车这一头的赢面，比在发动机那一头大得多"。
自己造发动机，代价和风险有多大
从零做一个前沿基础模型，账是这样算的：
- 钱：训练一个顶级模型要几百亿美元级别的持续投入，芯片、电力、数据、反复重训，没有尽头。
- 人：全世界能带队做前沿模型的顶尖研究员就那么几十上百个，是稀缺到要抢的资源，而且他们不一定愿意为微软这样的大公司工作。
- 赌：这是最要命的一条。就算钱和人都到位，你也可能赌输——模型不够好，或者比别人慢半步，几百亿就白烧了。前沿研究没有"投入多少就一定产出多少"的保证。
而微软的历史，恰恰给了它一个清醒的教训。这本书第 2 章讲过：微软每次"自己硬做一件不擅长的事"，都巨亏。手机（收购诺基亚，几乎全额减记）、搜索（Bing 烧了十几年才勉强站住）、广告——这些都是它非要亲自下场、结果代价惨重的战场。
教训不是"微软不行"，而是"微软有它的物种属性"。它是一家工程和企业文化的公司：把东西做稳、卖进大公司、签长约、收订阅费，这套它天下第一。而 OpenAI、DeepMind 那种做法是另一个物种——押注式科研文化：允许长期不出成果、允许赌一个别人觉得疯的方向、靠一小群偏执的人死磕。把这种文化硬塞进微软的季度考核和产品节奏里，多半会互相拧死。
所以"不自研"的第一层理由是：做前沿 AI 研究不是微软的强项，硬做很可能重演手机和搜索的老路。
微软的护城河从来不在实验室
第 6 章讲过微软翻身的真正引擎：平台思维（把自己做成一块地基，让别人的软件、别人的生意都长在你上面，你收"过路费"）。微软这些年赢，靠的从来不是"技术最强"，而是"最懂怎么把技术铺到每一家企业、怎么用平台和渠道收持续的钱"。
它的护城河是两样东西：分发（distribution，就是把产品送到用户面前的能力和通路），和客户关系。全球的公司都在用 Windows、都买了 Office 365、IT 部门都认微软的销售和合同。这条路别人二十年都铺不出来。
既然强项在"铺货和收费"，弱项在"从零搞前沿研究"，那正确的打法就是扬长避短：把最烧钱、最不确定的"造发动机"外包给最强的专业户，自己专心干"造车 + 铺货 + 收费"。这不是逃避，这是把力气花在自己赢面最大的地方。
结盟结构：让"不自研"几乎不吃亏
光说"外包"还不够。外包最怕的是——发动机是别人的，人家一断供、一涨价、一转身卖给对手，你就完了。微软之所以敢不自研，是因为第 11 章讲的那套结盟结构，把这个风险摁下去了大半。
那套结构简单说是三件事：微软给 OpenAI 提供算力，换来最前沿模型的优先使用权、OpenAI 只能用微软的云（独家云）、以及利润分成。关键筹码是算力——微软手里有 Azure 这座巨型发电厂，而 OpenAI 恰恰最缺的就是这个。
于是微软等于做成了一笔精算：不花自研的几百亿、不担赌输的风险，却几乎拿到了自研才有的好处——最强的模型能第一时间用、能独家绑在自己云上、还能从模型赚的钱里分一杯。用算力当筹码，四两拨千斤。
这就是这一章想点破的那句话："不做"，本身可以是一种战略。不是无能地空着，是精确地算过——算清楚了自己不亲自造，反而拿得更多、赔得更少。微软把"不做"做成了一门精算。
更深一层：微软赌的是"发动机会变成大宗商品"
到这里还只是战术。真正决定这盘棋的，是一个更大的判断——微软赌未来会怎么走。
它赌的是：最强的模型不会永远只有一家。今天 GPT 领先，明天 Gemini、Llama、还有一堆开源模型追上来，模型之间的差距会越来越小。到那时候，模型能力会慢慢变成像电力一样的东西——一种大宗商品（commodity：标准化、可替代、大家拼价格的东西，比如电、汽油、螺纹钢。没人关心这度电是哪个电厂发的，只关心便宜好用）。
如果这个判断成立，结论就很锋利："拥有模型"就不如"拥有把模型变现的渠道"值钱。
类比一下：发电厂当年是稀缺的、能定价的。但电一旦普及、谁都能买到，最值钱的就不再是发电机了，而是"通到每家每户的电网和插座"，以及那些非用电不可的电器生意。微软赌的正是这个：真正稀缺、真正长期值钱的不是发动机本身，是通往几十亿用户和几百万企业的那条路。而那条路，就攥在它自己手里。
所以"不自研"在这个判断下，甚至不是妥协，而是主动选择站在更值钱的那一端：让别人去卷发动机、卷到商品化，微软守住电网和插座。
但这步棋，带着已知的风险
写到这里，如果我告诉你"所以微软稳赢了"，那就是吹了，违背这本书的规矩。诚实地说，这套"不做"有它实打实的代价：
- 把一部分命脉押在别人身上。最核心的发动机不在自己手里，合作伙伴又不受自己完全控制——它内部动荡、它的方向、它跟你的关系变化，都会直接晃到微软。这条风险第 14 章会专门拆。
- 那个大判断可能是错的。万一模型不商品化，反而是"赢家通吃"——最强的那家把差距拉得越来越大、别人永远追不上，那"拥有渠道"就压不住"拥有模型"，微软会相当被动。它赌的是电力普及，可万一现实是"只有一台发电机能用"呢？
微软自己显然也想到了这一层。所以后来它一边深度绑定 OpenAI，一边悄悄开始自研自己的模型（就是第 15 章要讲的 MAI）——留一手。这说明连微软都不认为"不做"是永远正确的答案。
所以"不自研"更准确的说法或许是：先不亲自做，把省下的钱和时间买成先机，同时留一手。它不是"永远不造发动机"，是"现在不划算，那就先租最好的、专心造车铺货，等看清楚了再决定要不要自己造"。
别把这一章读成"微软做了一个必然正确的选择"。它是在当时的条件下——自己的强项在渠道、教训在硬做、手里握着算力这张牌——走出的一步极聪明的棋。聪明，但不保证赢；带着它自己都清楚的风险。这才是真实的战略：不是先知的预言，是精算过赔率之后，敢下的那一注。