最近科技界一个小事情发生，因为有太多的大公司裁员的消息，这个消息反而变得不太引人注目，今天我想来聊一下这件小事。

5月15日，有传闻称，微软总部已经发出邮件通知，计划将微软中国区C+AI团队做AI平台的Azure ML（机器学习）的几个小组集体打包去美国等地。据第一财经报道，对此，微软相关人士回应表示，本次是给部分员工一个可选的内部调动机会，不会影响公司在国内的运营。

近日，部分微软中国区员工爆料称，微软中国部分员工收到公司邮件，询问是否愿意迁移至其他地区工作，选择包括美国、澳大利亚、爱尔兰等国家在内。涉及的员工包括AI platform的Azure ML（机器学习）团队等，或涉及上百名员工。收到邮件的员工需要在 6 月 7 日之前决定是否外迁，如果同意外迁，公司还将负责亲属签证问题。如果不同意外迁，也可选择拿离职补偿。

据澎湃新闻报道，有微软员工表示，情况属实，这是5月14日刚出的消息，一些员工突然收到有关迁移至海外工作征询邮件，要求在6月7日前回答去还是不去，“大家都很懵”，此前并没有感受到任何预兆。尤其是拖家带口的员工，“需要考虑的事情更多”。

也有员工认为这是一种“变相裁员”，虽然可以选择不去，但也因此对留在公司的未来产生了担忧。

围绕中国AI团队集体赴美传闻，微软方面回应称：目前微软有一小部分员工得到可以选择国际轮岗的机会，员工可以选择接受轮岗，或者继续在现在的岗位工作。此前“打包赴美”传闻有夸张及不实之处。

上面是中国通讯社的报道，下面是美国媒体的报道。

在美中关系紧张因人工智能AI和半导体芯片等关键技术纠纷日渐加剧之际，美国科技巨头微软公司星期四（5月16日）表示，它正在计划将数以百计的微软在中国的AI及云计算领域的工程师迁往其它国家。

美国华尔街日报周四报道说，熟悉此事的人士表示，微软给予这两个关键领域以中国公民为主的工程师迁移到其他国家的机会，其中包括美国、爱尔兰、澳大利亚和新西兰。其中一人说，微软正在询问大约七八百名涉及机器学习和与云计算有关工作的工程师对迁移的意见。报道说，微软的一位发言人表示，提供这些内部机会是其全球运作的一部分，承认公司向一部分员工分享了内部外迁机会的选项。该发言人强调，微软仍旧致力于在该地区的运营。

报道援引另一位人士的消息说，微软的外迁提议这个星期早些时候发给了相关的员工。微软在全球的业务涉及从云计算到游戏，正在为建设AI基础设施大举投资。微软最近承诺花费数以十亿美元计的资金在全球兴建数据中心。

不管最后微软搬迁中国员工的规模有多大，鉴于微软最近几年在AI方面的投入和领先(和 OpenAI 合作）地位，我们可以聊一下有关的背景和未来的趋势。

第一，AI全球竞争白热化，导致AI模型开发的本地化趋势

作为美国最大的云计算和AI公司之一的微软采取这一步骤，正值美国政府逐步加强对中国开发尖端AI技术能力的限制力度的时候。白宫正在考虑推出新的规定，要求微软和其他美国云计算公司必须先获得许可证，然后才能为它的中国客户提供AI芯片。

在华盛顿，微软在中国的云计算业务及AI研究引起了美国政策制定者的关注。微软的亚太研究及开发板块雇佣了约7000名工程师，多数是在中国。微软的中国云计算及AI团队参与微软核心产品的全球研究及开发。报道说，一位熟悉此事的消息人士说，那些被要求考虑外迁的工程师只是微软涉及云计算开发的数以千计工程师中的一部分。如果他们选择不外迁，他们可以继续留在中国为微软工作。

路透社报道说，美国商务部这个月早些时候在考虑推动新的规定，限制专有或闭源AI模型的出口。这些模型训练所依赖的软件和数据是保密的。

第二，AI除了模型和算法，还有大量的数据，也有区域化趋势

据美联社报道，在美中官员首次在日内瓦就AI技术举行会谈一天之后，美国官员星期三（5月15日）说，美方提出了对中国“滥用AI”的忧虑，而中国官员则反击美国对人工智能的“限制及压力”。

报道说，美中高级官员有关AI的闭门商谈涵盖了人工智能的风险以及管控的方式。而双方的会议摘要则暗示了北京与华盛顿之间就涉及这个快速发展技术的紧张关系，AI议题已成为双边关系中一个新的燃点。

白宫国家安全委员会发言人艾德丽安·沃森（Adrienne Watson）在一个声明中说，美国和中国在“坦诚和有建设性的”讨论中，“就各自对AI安全及风险管控的方式交换了看法”。北京则说，双方“深入、专业及有建设性地”交换了观点。

美中双方首次就AI的对话是美国总统拜登和中国领导人习近平去年11月在旧金山举行峰会上取得的成果之一。这个对话表明了双方对AI这个富有前景但又有潜在风险的新技术的担忧和希望。

所有的AI模型训练，以及后期产生的AI应用收集到的数据，都会是一个巨大的资源，同时也涉及大量的个人资讯和国家层面的数据，这个也是下一步各个大的经济体会严格控制的部分，就是数据收集和应用区域化。

第三，AI引起的能源重新布局

自从OpenAI推出通用性AI模型为基础的ChatGPT横空出世，最近两年，有句话在AI行业内火了，那就是“AI的尽头是能源”，就是说，因为训练AI模型，以及AI应用都是基于极大的电力供应的基础，AI竞争最后的关键是能源，但是基于第二条的限制，如果要控制数据安全，那区域化的能源保障也是下一步的重点。

“AI的尽头是能源”，引发科技界热议，即便是在英伟达Blackwell架构单GPU性能在提高5倍，能耗下降25倍的“极致”能效表现下。对于数据中心企业而言，如何降低能耗、提高能效是一个永恒的话题，未来AIDC的更大范围部署势必将继续延续全社会对这一话题的关注。

AIDC就是AI数据中心，最近两年成为投资热门，包括微软，谷歌，META，AMAZON，TESLA，中国的阿里，腾讯等等都有几十亿，甚至上百亿的投资。

NVIDIA最新发布的NVL72，单机柜用电功率最大为120kW, 采用冷板液冷的解决方案。这120kW单柜功率中仍然存在15%左右比例约20kW的风冷散热需求，也已经接近房间级空调风冷散热能力的上限。

如今行业内主流的云厂商或互联网企业，在当前流行的架构下，单园区的规模可以达到100~200MW， 未来随着芯片密度的不断提升，未来甚至会达300~500MW以上。在这样的背景，及电力和土地条件匹配的情况下，数据中心基础设施资源规划时，应该学习英伟达做GPU的理念，从design a data center as a Computer到 design a data center as a GPU。如果一台Giant GPU 理想容量是100MW，那就基础设施的容量而言,最佳的颗粒度也就是100MW。然而，芯片技术的发展日新月异，NVIDIA 的GPU芯片效率8年增长了1000倍，而数据中心的投资建设和回报周期就是10~15年，基于当下的芯片技术预测单体数据中心体量，匹配一个完美的极致数据中心规划的想法是不现实也不科学的。

从上面的分析，下面几个有关AI的AIDC（AI数据中心）的趋势。

1. 选址 —— 从靠近负荷中心向靠近综合能源中心转变
2. Onsite —— 光储备一体
3. 未来 —— 核能技术应用的前景

4月底，OpenAI CEO奥尔特曼 (Sam Altman)出手投资了一家能源初创公司Exowatt，这家公司成立于2023年，旨在用太阳能解决大型数据中心对清洁能源的需求问题。

这并非奥尔特曼第一次投资能源公司，此前他也押注了从事可控核聚变的 Helion Energy 以及核裂变发电公司Oklo。作为目前全球最强大模型企业的掌舵者，奥尔特曼在年初的达沃斯会议上称，AI行业正面临能源危机，其消耗的电力将远远超出人们的预期。“AI技术的发展速度前所未见，到了明年人类就没有足够的电力来运行所有的芯片了。”这是特斯拉CEO马斯克在2月底给出的警告。

对AI行业来说，从外部获取更多能源是一方面，从内部降低能源消耗同样是热门议题。从芯片侧、软件生态到存储、应用侧，AI生态内企业已经意识到并开始在降低能耗方面作出努力。

核聚变是将氘、氚通过一定手段，使其成为等离子态，发生核聚变后产生能量，一旦外力停止，等离子态会消 失，反应结束，相对而言更可控、更安全。

Helion走的就是核聚变的道路，他们还和微软签订了对赌协议，承诺在2028年之前开始通过核聚变发电，并在一年之后以0.01美元每千瓦时的价格为微软提供目标为至少50兆瓦的发电量，否则将支付罚款。这个激进的“对赌协议”被认为是核聚变发电领域的首个商业协议。

最后我们总结一下有关AI的几个关键，以及未来可能趋势的分析

1. AI研发需要少数高水平的人才，而且是不受传统管理模式束缚的高水平人才，同时AI应用需要大量的跨领域的人才

从世界范围来看，美国在人才培养和人才吸引方面领先，但是绝对数量来看，中国和印度都会超过美国，我个人的感觉是，美国依然会在AI的基础方面，包括模型，算法，基础设施和硬件开发等等方面领先，但是中国和印度会在AI应用方面有局部优势，很多人没有看到印度，只是看到中国，其实是有点短视了，很多美国公司的AI部门其实都是基于在印度的开发部门，而中国和美国在AI的开发和应用方面则有更多的是竞争和分割，这个也可以从微软转移中国AI工程师可以看出来。

中国工程师（包括印度工程师）有个最大的问题就是，绝对的服从和上下级关系，让开放式的开发环境很难形成，可能会错过一些人才的关键能力的释放。

2. AI需要大量的资金投入，尤其是长期的投入

美国和欧洲都有相当的AI方面投资的历史，中国更加是举国之力，希望后来居上，所以资金总体上不是最大的问题，但是资金的后续能力，以及如何有效管理和使用资金是有区别的，不可否认的是，早期AI相关的投资有点像医药的投资，很多都是需要多年的积累和持续的投入，需要耐心。这方面，美国的大企业和部分投资人是由优势的，中国的特点是短期爆发力很好，而且可以举国体制来追赶，但是也有过度投资和大量浪费的问题，投资使用效率偏低。

有一点关键是，大约两年前开始，美国大量的风险投资都已经开始把中国和全球其它投资进行分割，这个当然是部分因为中国的国安法，让风投主动规避风险，也有一些地缘政治的冲突的原因。

3. AI也需要巨大的市场来支撑，尤其是健康全面的市场

就在几年前，很多人可能都有一个印象，中国的AI发展太快了，什么人脸识别，语音识别那是遍地开花，到处都是，一会儿帮助抓嫌犯，一会儿用来管理厕所，各种应用五花八门，感觉上中国就是世界上AI最先进的国家了，没有之一，但是事实上，仔细分析就知道，除了人脸识别，中文语音识别这两个方面，好像中国在其它的AI领域又没有出现什么大规模的应用（除了所谓的社交媒体AI算法那种模棱两可的东西），这种错觉直到CHATGPT横空出世才被打破，原来AI不只是人脸识别，中文语音识别这种，还有很多的基础模型和更加先进的应用需要开发。

这个故事的重点不是指中国的AI研发团队不努力，996的他们几乎是世界上最搏命的群体，也不是指中国企业没有远见，中国的高科技企业家大多数都有国际视野和背景，也和国际同行积极学习和交流，但是中国的政治和经济特殊性（也就是中国特色）决定了中国的企业家不得不更多的关注政府的各种决策，同时面对随时可能到来的行业内卷，一方面需要小心翼翼的对待政策的各种不确定性，一方面又要面对疯狂内卷的行业压力，最后的结果就是在政府鼓励的某些领域，大家疯狂竞争，形成规模效应，但是同时也框定了企业的视野，这种就是所谓的政府主导，国家决策模式，可以在短期局部见到突飞猛进，但是同时也会极大程度地限制甚至是压制其它方面的创新和应用。

反过来看，欧美政府通常不会积极干预企业的决策，给企业预设发展模式，除了有关国安的黑名单，其它都是开放的市场行为，这种的背景下，就会出现大量的初创企业，不断的在各个领域试错，AI的创新和应用，欧美公司是很有可能好多年都没有大的动作，但是一旦出现突破，就是革命性的突破，而且它的应用也不会受制于政府的各种决策。

总结一下，中国有政府强力推动的产业政策，政府扶持的各种资金和人才的配套优惠，各种理工科的人才总数也几乎是世界第一的，同时又有广阔的国内市场，从某种角度来说，几乎可以看到对于欧美日韩企业碾压式的优势，但是为什么没有出现AI研发的创新型突破，而是反复在跟随，AI应用也是局限于某些安全相关的局部领域，根源还是在于政府决策的引导性，同时也是限制性，对于人才培养可以下大本钱，但是对于人才的包容却不太容易出现变化，传统的官本位制度，和从上到下的决策模式决定了中国AI的研发必然是跟随型的，而高水平人才的流动对于中国的现有政策也不是很有利，除了可以利诱，其它的有关人的思想的禁锢，人的行动的限制等等，都是负面的，即便是说到投入的资金，中国政府的投资也有太多的陷阱和利益输送，形成了巨大的腐败根源，甚至直接蔓延到企业界。

所以，从微软搬迁中国员工赴美聊起，我们看到了未来有关AI的国家竞争，在人才，资金，技术，市场等多个方面都会是白热化的，美国会继续在AI的基础研发上持续创新和领先，欧洲会在AI的管制中有较大动作，中国会在AI研发中积极跟进，人才会继续向更加包容和有机会的国家流动，资金上中国不会投入比任何国家少，但是效率如何，可以打个问号，除了技术，市场上美国会相对比较开放，中国会激进于局部，但是又有很多的政府限制。技术和数据的流动会有限制，这个也是我们从AIDC和AI人才的流动可以看出来的。

对比过去WTO后，国际资本引导的人才和技术大规模从发达国家向发展中国家，尤其是中国流动，现在的趋势是以国安考虑的前提下，资本，人才，技术会更加区域化，而市场也会形成分割，欧美日澳等会形成自己的AI应用市场，而中国也会有自己的AI应用市场，其它国家则在两者之间选择。

还有很重要的一点，不同于制造业的转移是从劳动成本高的地区向劳动成本低的地区，AI形成的新的产业局面还有可能是从更加高效廉价开放的地区向相对保守的地区转移，劳动力成本在大规模AI，以及机器人主导的新兴产业中会越来越不重要，而知识密度绝对的AI驱动的高效率才会使最后的主导，逆全球化会真正的到来。

（本文部分资料来自网络）