微软与 OpenAI 分道扬镳的背后：战略、压力与控制权之争
微软正在采取果断行动，构建自己的人工智能模型，这不仅仅是一个产品开发的转变，也标志着其与 OpenAI 曾经紧密联盟的基础正在受到挑战。曾经是科技界两大巨头之间的高风险联盟，如今已演变成一场复杂的竞争、依赖和愿景分歧之舞。
从外部看，该公司庞大的雷德蒙德园区仍然显得稳定。然而，内部的战略会议室却讲述着一个不同的故事——一个关于重新调整的雄心和防御性策略的故事。微软不再满足于仅仅是 OpenAI 最重要的客户和投资者。它正在打造自己的“大脑”。
静悄悄的“分手”：新模型和新目标
微软内部转型的核心是开发一系列新的人工智能推理模型——有些模型很小，比如高效的 Phi-4，有些则更雄心勃勃，比如内部称为 MAI 的大型推理模型。
接近该公司的消息人士表明，MAI 的性能现在可以与 OpenAI 的 o1 和 o3-mini 相媲美，并且微软计划将其作为 API 服务提供——这无疑表明该公司正准备与其人工智能合作伙伴兼竞争对手正面交锋。
| 功能 | 描述 |
|---|---|
| 名称 | MAI (微软人工智能) |
| 类型 | 大型语言模型 (LLM) 系列 |
| 性能 | 与 OpenAI 和 Anthropic 的模型具有竞争力 |
| 潜在应用 | 集成到微软的 Copilot 系列中；面向通用处理 |
| 开发 | 可能由微软的 Maia 100 AI 芯片提供支持；还在开发第二个针对复杂推理任务进行优化的 LLM 系列 |
| 战略意义 | 减少对 OpenAI 的依赖；将来自其他公司（Anthropic、Meta、DeepSeek、xAI）的模型集成到 Copilot 中 |
| 发布计划 | 可能会在今年晚些时候作为 API 发布给外部开发者 |
| 团队负责人 | Mustafa Suleyman |
| 总体目标 | 将微软定位为人工智能领域更独立的参与者 |
一位熟悉企业人工智能集成的分析师表示：“这不仅仅是为了降低成本，而是为了掌控自己的命运。”
为什么微软的人工智能战略正在演变
1. 拥挤且竞争激烈的领域
在 2019 年至 2024 年间，当微软向 OpenAI 投入数十亿美元时，这家人工智能公司领先于竞争对手数年。如今，这种领先优势已经消失。Anthropic 现在被广泛认为是编程任务中最先进的公司，而 DeepSeek 和 Google 在成本优化和部署速度方面也取得了进展。
一位大型咨询公司的人工智能战略家表示：“在这种情况下，仅仅依靠 OpenAI 不再是一个可行的策略。你必须对冲风险。”
对于微软来说，这种对冲风险的方式就是依靠自主开发人工智能。
2. 应用 vs. 基础设施
最初，微软认为人工智能的真正价值在于构建应用程序，而不是核心模型。这种信念促成了现在无处不在的 Copilot 套件。但这种想法已经发生了转变。OpenAI 不仅开始构建自己的竞争产品，还保留其性能最佳的模型——将其用于内部使用，而不是 API 许可。
"人工智能应用 vs 基础设施" 的比较突出了用于特定任务的人工智能模型与支持它们的底层系统之间的区别。 "人工智能模型作为基础设施" 的提问进一步强调了这种区别，表明一种观点，即人工智能模型本身成为基础组件，类似于传统基础设施。 这种观点将人工智能模型定位为可重用的构建块，可以在其上构建更多应用程序。
这意味着微软的旗舰产品，如 Microsoft 365 Copilot，由二流模型驱动——而微软为此付出了高昂的代价。更重要的是，它很脆弱。
一位观察人士表示：“这是一个典型的平台成为产品案例。微软不能在自己的技术栈中被击败。”
紧张和动荡：表面之下的压力
过去一年，微软与 OpenAI 之间的关系裂痕越来越大。据几份报告称，在 2024 年底的一次内部会议上，当微软人工智能负责人 Mustafa Suleyman 要求提供有关 OpenAI 链式思考技术的详细信息时，会议成为一个爆发点。该请求被拒绝。
一位知情人士表示：“这是一个觉醒时刻。人们意识到这种合作关系是有局限性的——而且是很大的局限性。”
曾经代表着人工智能未来共同愿景的象征性联盟，正日益受到利益冲突的限制。OpenAI 曾经是一个纯粹的模型提供商，现在也销售自己的消费者和企业产品。与此同时，它也扩大了与微软以外的云合作伙伴关系，包括与 Oracle 的合作，从而削弱了雷德蒙德的影响力。
作为回应，微软采取了一项大胆的反击措施：以 6.5 亿美元收购了 Inflection AI 的核心团队。这种人才的注入正在推动 MAI 系列的内部开发。
为企业打造：为什么较小的模型很重要
微软的战略不仅仅是开发大型、引人注目的模型。同样重要的是开发更小、更灵活的模型——这些模型针对速度、效率和特定的企业需求进行了优化。
Phi-4 是微软小型模型系列的最新产品，专为设备推理、安全的企业用例以及 Office 应用程序中的实时辅助等场景而定制。与 OpenAI 的产品不同，微软的内部模型可以直接进行微调并嵌入到 GitHub Copilot 企业产品中。
一位企业人工智能开发者指出：“这不仅仅是工程上的转变，更是一种哲学上的转变。微软正在意识到，一刀切的模型是不够的。”
这种对模块化和控制的关注反映了一种更广泛的趋势，即摆脱曾经主导人工智能开发的规模扩张热潮。微软不再追求需要天文数字般 GPU 的越来越大的模型，而是专注于效率、强化学习和后训练适应——这些技术可以在不产生令人咋舌的成本的情况下提供高性能。
构建生态系统，而不仅仅是一个模型
尽管采取了这些措施，但微软并没有彻底决裂。该公司继续在其许多产品中使用 OpenAI 模型，即使它也在测试来自 Meta、xAI 和 DeepSeek 的第三方替代方案。通过这种方式，微软的战略不仅仅是一个转变，更是一个投资组合。
行业观察人士将这种转变描述为一种战略二元论：建立足够的内部能力以确保独立性，同时保持广泛的选择基础，以便在快速变化的市场中保持敏捷性。
一位人工智能顾问表示：“把它想象成云战争。你不会把所有数据都放在一个云中。微软正在将同样的逻辑应用于人工智能。”
展望未来：孤军奋战的风险与回报
目前，微软的举动既是必要，也是雄心。它正在追求一个未来，在这个未来中，人工智能模型与产品目标、企业需求和长期经济效益紧密结合。
比较微软内部人工智能开发与继续依赖 OpenAI 的风险/回报矩阵。
| 因素 | 内部人工智能开发（微软） | 继续依赖 OpenAI |
|---|---|---|
| 潜在回报 | 对人工智能技术更大的控制权，独特的创新潜力，更高的长期盈利能力，与战略目标一致，知识产权所有权。 | 访问最先进的人工智能模型，降低前期开发成本，更快的部署，利用 OpenAI 的专业知识。 |
| 潜在风险 | 高额的初始投资，更长的开发周期，潜在的失败，对专业人才的需求，如果内部努力滞后，可能会落后于 OpenAI 的进展。 | 依赖第三方，潜在的供应商锁定，价格上涨的风险，对模型开发和定制的有限控制，知识产权和合规性问题，专有代码或客户数据可能暴露的风险。 |
| 缓解策略 | 分阶段的开发方法，战略性人才引进，专注于利基领域，持续监控 OpenAI 的进展。 | 使人工智能供应商多样化，协商有利的许可条款，建立明确的数据治理政策，进行彻底的安全和合规性审查。 |
但前进的道路并非没有风险。OpenAI 仍然在推理和创新等关键领域处于领先地位。其最好的模型仍然遥不可及。虽然微软的内部努力正在加速，但可能需要数年时间才能赶上 OpenAI 的深度和多功能性。
尽管如此，在一个由对基础模型的控制定义的行业中，微软决心拥有更多的技术栈。
用一位内部人士的话来说：“如果你总是授权别人的大脑，你就无法领导人工智能革命。”
硅谷最受关注的合作关系的新篇章
曾经是科技界最受瞩目的联盟之一，如今已成为战略分歧的案例研究。微软决定构建自己的人工智能模型标志着一个转折点——不仅在其与 OpenAI 的关系中，而且在于它如何定义人工智能时代的领导地位。
曾经的重点是合作，今天的重点是控制。对于微软来说，这种控制可能是领导人工智能未来与仅仅订阅它的区别。