獨家丨微軟與平安CEO,曾「密謀」聯手做雲
重點摘要
近期,微軟雲中國研發團隊大裁員,讓地緣政治下的“脫鉤”與“切割”再度成為行業焦點,但很少有人記得這家巨頭曾在中國市場做過怎樣大膽的本土化嘗試。這段塵封的科技秘史的一角,藏在疫情前深圳平安金融大廈裡的一場閉門密談裡。據微軟知情人士向雷峰網透露,當時,時任平安聯席CEO的陳心穎與更高管理層,向微軟CEO薩提亞、Azure總裁Scott Guthrie等一行人介紹了平安在 “金融+科技”戰略轉型上的進展。薩提亞聽後表示驚歎,他感慨道,平安做科技業務的模式是:先想好要做什麼,然後再“生個孩子”,培養他去做,往往能做得不錯;而微軟的模式是:先生“孩子”,然後再給他找事做,結果經常做不好。這個形象的總結,被平安高層在後來數次公司內部會上提及、稱讚。彼時,這兩大中美巨頭正在嘗試強強聯合:微軟雲有意更換在華代理商,讓平安做中國區代理,而平安也在雲計算業務上野心勃勃,準備一展拳腳。於微軟而言,平安是一家在本土有極強政企信任度的巨頭,由它來做微軟雲在華代理商,會為微軟雲打開更大市場空間。於平安而言,作為雲市場的後來者,想要在極度內卷的紅海中搏殺出一席之地並非易事,這時候微軟雲伸出的橄欖枝,頗具吸引力。可以說,這是一場“雙向奔赴”。01微軟的隱痛:雲業務落地中國,不達預期這場洽談,源於微軟雲當年在華的深深焦慮,以及薩提亞治下微軟全面雲轉型的急迫。2014年,薩提亞·納德拉接任微軟CEO,提出了著名的“移動優先,雲優先”戰略,Azure被寄予厚望。然而,當微軟將目光投向中國這片龐大的增量市場時,卻一頭撞上了剛性的合規高牆——外資公有云不能在境內直接落地運營。為了繞開電信增值業務(IDC/ISP)限制,微軟在2013年初採取了“外資提供技術、本土企業代為運營”的模式,將運營權交給了世紀互聯,同時也找了一系列老牌IT分銷商來做渠道代理。但實行一段時間後,微軟還是覺得“慢了”。據多位外資雲老兵回憶,當時
近期,微軟雲中國研發團隊大裁員,讓地緣政治下的“脫鉤”與“切割”再度成為行業焦點,但很少有人記得這家巨頭曾在中國市場做過怎樣大膽的本土化嘗試。這段塵封的科技秘史的一角,藏在疫情前深圳平安金融大廈裡的一場閉門密談裡。據微軟知情人士向雷峰網透露,當時,時任平安聯席CEO的陳心穎與更高管理層,向微軟CEO薩提亞、Azure總裁Scott Guthrie等一行人介紹了平安在 “金融+科技”戰略轉型上的進展。薩提亞聽後表示驚歎,他感慨道,平安做科技業務的模式是:先想好要做什麼,然後再“生個孩子”,培養他去做,往往能做得不錯;而微軟的模式是:先生“孩子”,然後再給他找事做,結果經常做不好。這個形象的總結,被平安高層在後來數次公司內部會上提及、稱讚。彼時,這兩大中美巨頭正在嘗試強強聯合:微軟雲有意更換在華代理商,讓平安做中國區代理,而平安也在雲計算業務上野心勃勃,準備一展拳腳。於微軟而言,平安是一家在本土有極強政企信任度的巨頭,由它來做微軟雲在華代理商,會為微軟雲打開更大市場空間。於平安而言,作為雲市場的後來者,想要在極度內卷的紅海中搏殺出一席之地並非易事,這時候微軟雲伸出的橄欖枝,頗具吸引力。可以說,這是一場“雙向奔赴”。01微軟的隱痛:雲業務落地中國,不達預期這場洽談,源於微軟雲當年在華的深深焦慮,以及薩提亞治下微軟全面雲轉型的急迫。2014年,薩提亞·納德拉接任微軟CEO,提出了著名的“移動優先,雲優先”戰略,Azure被寄予厚望。然而,當微軟將目光投向中國這片龐大的增量市場時,卻一頭撞上了剛性的合規高牆——外資公有云不能在境內直接落地運營。為了繞開電信增值業務(IDC/ISP)限制,微軟在2013年初採取了“外資提供技術、本土企業代為運營”的模式,將運營權交給了世紀互聯,同時也找了一系列老牌IT分銷商來做渠道代理。但實行一段時間後,微軟還是覺得“慢了”。據多位外資雲老兵回憶,當時,傳統代理商在面對創新的、重技術服務的雲計算業務時,出現了水土不服,銷售推進不達預期。與此同時,受限於原有代理商基因,微軟一直未能打開更大、更重要的政企、金融等“大金主”市場。更多內幕可添加作者微信 xf123a 交流。薩提亞急需一個積極擁抱新科技、有更強政企背景、更雄厚資金、更廣闊行業生態的本土巨頭,來重塑Azure在中國市場的骨骼。而此時,正處於科技擴張期的平安集團,撞進了微軟的視線。02平安的“身份焦慮”與“曲線救國”彼時的平安集團,正陷入一場“身份焦慮”。2013年,正值平安成立25週年,馬明哲敏銳察覺到新科技對傳統金融的衝擊,提出了“科技引領金融”的理念,邀請麥肯錫全球資深董事合夥人陳心穎加盟,開啟平安“科技轉型”時代。在平安的設想中,未來的金融巨頭也需要是科技巨頭。而要托起互聯網金融、醫療、智慧城市等龐大生態圈,底層需要有一張屬於平安自己的“雲網”。於是從2014年起,平安開始重點做雲。在不少業內人看來,它採取了一種“穩妥”的路子。從搭建私有云開始,讓集團內部業務先上雲,到了2015年底,這個任務基本完成。接著2016年,平安開始將雲業務從對內服務轉向為對外服務。彼時正是中國公有云上半場的“黃金期”,平安高層也對雲業務寄予厚望,一個在業內看來堪稱“超級雲”的藍圖呼之欲出。2017年,平安提出,計劃未來十年向包括雲計算在內的科技領域投入超千億,建立起一個覆蓋政務、財政、安防、醫療、教育、房產等八個領域的“8+1”朵雲。然而,中國公有云市場歷來都是殘酷的。作為後來者,想要在一個極度內卷的紅海市場中彎道超車,並不容易。隨著互聯網雲巨頭們進軍政企,平安的優勢被削減。此時,接過微軟的橄欖枝、代理外資雲,成了平安“曲線救國”的破局解法。03一場跨國“豪門聯姻”計劃這原本是一場或許能改寫中國雲計算歷史格局的頂級“豪門聯姻”。當時,平安科技已經是微軟旗下知名開發者平臺GitHub的國內代理商,雙方在信任與合作上已有基礎。在陳心穎等人的牽線下,雙方高層開始了密集的互訪、溝通。陳心穎和平安科技的幾位核心高管一同飛赴美國雷德蒙德的微軟總部,會見了微軟CEO薩提亞;不久後,薩提亞訪問中國,在與平安高層閉門會議中,出現了文章開頭那幕關於“先生孩子還是後生孩子”的經典對話。合作談得很順利,雙方意向都很大。從行業視角來看,這在當時是一個優勢互補的合作:對微軟而言,平安作為中國本土金融巨頭,資金雄厚,擁有深厚的政府信任度與政企客戶生態。如果由平安雲代理微軟雲,能幫微軟打破此前的市場“天花板”,獲得更大發展空間。對平安而言,這是一次“曲線救國”與彎道超車的機會。通過與國際雲大廠Azure合作,平安得以在紅海搏殺的國內雲市場上借力打力,佔據一個降維打擊的特殊身位。對平安做雲的不同見解、洞察,可添加作者微信 xf123a 交流。04時代大浪下,被擱淺的“烏托邦”然而,命運並未給這兩家巨頭留下足夠的時間。兩家頻繁溝通、談了數次的宏大藍圖,最終在2019年應聲撞上了一堵無法逾越的高牆——中美關係陡然轉向。隨著地緣政治風暴的來襲,科技領域的跨國合作環境瞬間變得極度敏感。最終,這場本可以重塑行業格局的密謀,在時代的巨浪裡不了了之。這次跨國合作的流產,也成了平安雲命運的一個轉折點。外資合作黃了,再加上做雲並不賺錢,平安的激情開始消退。2020年,平安科技核心高管陸續離職,平安雲逐步退守為主要為集團內部服務。2023年9月,平安科技轉型的核心操盤手陳心穎也正式辭任。平安長達十年的“超級雲野心”時代,就此拉上帷幕。本文作者長期追蹤海外AI巨頭資本動態、前沿技術和幕後故事,歡迎添加作者微信 xf123a 互通有無。雷峰網雷峰網雷峰網
Related
相關文章

Loop Engineering 火了:AI Agent 開始自己幹活,公司準備好背鍋了嗎?
Loop Engineering 近期引發關注,其核心在於重新定義產品、測試、研發與專案管理之間的權責界線。隨著 AI Agent 開始自主執行任務,企業必須正視責任歸屬問題,提前做好風險應對準備。

Home Assistant 鬧了個 AI 烏龍,但智能家居真要變天了
{"id":"76f6bf14-fa0d-4293-9a40-43d85ff4def4","object":"response","model":"deepseek-v4-flash","output":[],"stop_reason":"max_output_tokens","usage":{"input_tokens":118,"output_tokens":200,"total_tokens":318}}
亞馬遜雲科技儲瑞松:Agentic AI爆發拐點來臨,不僅是技術創新,更是業務變革
隨著這一飛輪的正式啟動與加速旋轉,從而推動了 Agentic AI 爆發拐點的到來。為此,儲瑞松提出了企業實現 Agentic 業務轉型所需的AI的五層技術棧地圖。第四層是 Agentic 平臺層。第五層是智能體與應用層,這是Agentic AI 真正為企業創造價值、交付業務結果之處。真正決定 Agentic 項目成敗的唯一標尺,是可衡量的業務產出。Agentic AI不僅是技術創新,更是業務變革儲瑞松強調,Agentic AI不僅是技術創新,更是業務變革。

北汽福田養蝦記:從禁用Excel到讓AI操作系統
北汽福田在養蝦過程中,從禁止使用Excel開始,逐步導入AI操作系統,實現更高效的養殖管理。這項技術讓AI從被動回答問題,進化到主動推動工作流程。最終,AI系統全面取代傳統管理工具,成為養蝦作業的核心。 W
Prime Intellect Releases prime-rl 0.6.0 to Train Trillion-Parameter MoE Models on Agentic RL Workloads
Prime Intellect has released prime-rl version 0.6.0. The framework targets reinforcement learning on trillion-parameter Mixture-of-Experts (MoE) models. It focuses on heavy agentic workloads, like long-horizon software-engineering tasks. The research team trained GLM-5 on SWE tasks at up to 131k sequence length. Step times stayed under five minutes. The batch size was 256 rollouts. The run used only 28 H200 nodes. TL;DR prime-rl 0.6.0 trains trillion-parameter MoE models on agentic RL workloads. GLM-5 trained on SWE at 131k sequence length, sub-5-minute steps, 28 H200 nodes. Asynchronous RL disaggregates trainer and inference for independent optimization. Inference uses FP8, Wide EP, P/D disaggregation, KV offloading, and router replay. Training uses 3-D parallelism (FSDP, EP, CP) plus blo

過程比結果重要:一個不給標準答案的調參框架,讓Agent自己把數據庫性能榨出來
一個不給標準答案的調參框架,更能激發AI Agent自主榨取數據庫性能。強調過程重於結果,給予解題能力比提供一百個標準答案更有效。這套方法讓Agent在沒有預設解答的情況下,自行探索最佳化路徑。