维度网讯，微软正调整生成式AI部署策略，从依赖大型通用模型转向自研小型领域专用模型，以降低成本并提高效率。彭博社近期报道指出，这些自研模型正稳步替代OpenAI模型，成为微软产品中AI功能的核心引擎。
大型通用模型如OpenAI的GPT系列和Anthropic的Claude系列，在投入足够算力时可处理多种任务，但用于邮件摘要、回复起草等日常场景显得成本高昂且效率不足。相比之下，训练并部署小型专用模型更为经济，它可以在单个加速器上运行数十个实例，且开发者无需担忧模型被供应商替换后产生的行为偏差。
微软在6月的Build开发者大会上公布了MAI系列模型，覆盖通用推理、编程、图像生成、编辑及语音处理等多个领域。微软从依赖OpenAI的通用模型转向自研模型，旨在更精确地匹配实际应用场景，以更低的成本完成相同工作。
微软将MAI-Thinking-1描述为“一个中型模型，在其重量级中属于最强模型之一”，并表示它“在关键软件工程基准测试中与领先模型相当，展现出先进的数学推理能力，并在我们的盲测人工评估中获得优于Sonnet 4.6的成绩。”
成本控制是这一转变的关键驱动力。尽管AI已在特定领域展现价值，但云服务商对AI业务的盈利前景仍存疑虑。更小的模型能释放内存、提高硬件利用率，使微软可根据流量需求灵活调整实例数量以控制运营成本。
微软还通过自研AI加速器来优化整个技术栈。1月发布的Maia 200系列芯片承诺提供与英伟达Blackwell芯片相当的性能，这使微软能从软件、硬件到模型进行联合优化以提升效率。亚马逊和谷歌也在走类似路线，谷歌通过Gemini和Gemma系列模型围绕自研TPU架构布局，亚马逊则投资Nova系列模型和编程助手，并依赖Anthropic的技术。
通用前沿模型仍具有推动创新的价值，云巨头仍需依赖OpenAI和Anthropic等公司推动技术进步。然而，减少对大型模型公司的依赖，有助于云服务商将AI最终转化为盈利业务线。
