微軟採用自家 AI 模型以降低上升的第三方 AI 支出與依賴
目錄
您可能想知道
微軟如何改變為廣泛使用的 Office 功能（例如 Excel 與 Word）提供動力的 AI 模型？
有哪些更廣泛的產業壓力正在推動大型科技公司減少對第三方 AI 服務的支出？
主要議題
隨著人工智慧系統的營運與使用成本持續上升，主要科技公司正在重新評估對外部提供模型的依賴。據報導，微軟是最新一個透過將部分 AI 工作負載從第三方供應商轉向自家專有模型來追求成本控制的公司。報導指出，微軟已開始將熱門 Office 應用程式（尤其是 Excel 與 Word）中部分使用者的提示，導向其內部開發的 MAI 模型，而非完全依賴像 OpenAI 與 Anthropic 這類合作夥伴。
歷來，微軟在將外部 AI 專家模型納入其 Office 365 套件方面相當透明。那些合作關係透過利用成熟且高效能的模型，加速了功能推出與使用者價值。然而，大規模部署第三方模型會產生持續的使用費與營運依賴。為此，微軟已逐步擴展自有模型組合與代理能力，使公司能夠在內部處理越來越多的推論請求。
在最近的 Build 開發者大會上，微軟宣布了數款新的 MAI 模型——從具代理功能的程式碼助理到文字轉圖像生成器——強調其擴展內部 AI 棧的意圖。雖然公司在適當情況下仍持續使用 OpenAI 與 Anthropic 的模型，但策略性地加入自家模型讓微軟能在效能、成本與供應商依賴之間取得平衡。 這種朝向內部模型的轉變，是降低長期 AI 支出與營運風險的重要因素，特別是在大量、面向消費者的服務中，即使是微小的每次請求節省也能累積成可觀的預算緩解。
微軟尚未揭露在 Office 工作負載中詳細的分配比例或第三方與內部推論之間的精確成本差異。當業界媒體尋求評論時，公司在現有公告之外並未提供額外公開細節。儘管如此，這一模式與更廣泛的產業行為一致：數家大型科技與服務公司最近已採取措施限制 AI 支出並優化運算消耗。
在今年早些時候，一段使用量激增的積極時期——有時非正式稱為「tokenmaxxing」——引發了對 AI 帳單衝擊的高度關注。自那之後，包括 Amazon、Uber、Meta 與 Accenture 等公司據報已採取措施控制與 AI 相關的支出。一些組織也在探索替代供應商，包括國外開發的較低成本模型，以緩解成本上升。此類舉動可能在價格、效能與安全性之間產生權衡，並說明成本壓力如何重塑整個領域的採購與架構決策。
供應與購買 AI 服務的經濟學現已成為產業討論的焦點。對於雲端客戶與供應商來說，與模型推論與大規模部署相關的變動成本促使人們重新審視哪些組件應該繼續外包，哪些應該遷移到內部。將某些模型內部化的決定，受成本優化、策略獨立性以及控制功能路線圖與資料處理慣例等因素共同驅動。
總之，微軟逐步以自家 MAI 系列取代第三方模型，體現了對上升 AI 成本的務實回應。這反映出更廣泛的產業再校準：公司在評估外部快速創新優勢與專有解決方案帶來的財務與營運好處之間權衡。隨著時間推移，這些取捨將持續影響產品設計、合作結構以及 AI 生態系的競爭動態。
關鍵見解表
| 面向 | 描述 |
|---|---|
| 關鍵事實 1 | 微軟正在將部分 Excel 與 Word 的提示導向其專有的 MAI 模型，而非僅依賴 OpenAI 或 Anthropic。 |
| 關鍵事實 2 | 此轉變與全行業抑制 AI 成本的努力一致，其他大型公司也在收緊支出並重新評估供應商使用。 |
之後…
展望未來，業界應持續在數個技術與組織領域進行探索，以應對能力與成本的雙重挑戰。提高模型效率的努力——例如模型蒸餾、稀疏架構與硬體感知優化——仍是高優先事項。對推論定價的更大透明度、跨供應商的單次推論成本標準化基準測試，以及改進的混合部署工具（結合裝置端、內部與第三方模型）也將幫助組織做出更明智的選擇。
除了演算法與基礎設施創新外，在尋求較低成本替代方案時，對安全與治理的重視也至關重要，尤其是那些來自國際來源的方案。將成本優化與強健的資料保護和供應鏈風險評估相平衡，對企業採用至關重要。持續強調對安全、高效且互操作的模型架構進行研究——包括聯邦學習與可信模型共享的技術——可提供一條同時維持經濟與策略優先事項的路徑。
隨著像微軟這樣的公司在外部合作或內部模型開發之間反覆權衡投資方向，所產生的混合策略很可能會定義短期內商業 AI 部署的結構。利害關係人應監測模型壓縮、推論加速與治理框架的進展，以引導既具成本效益又符合長期商業與社會目標的可持續 AI 實踐。