ไมโครซอฟท์เปิดตัว AI รุ่นใหม่ลดต้นทุน GPU กว่า 89%

โมเดลทั้งสองรุ่นคืออะไร

• MAI-Image-2.5-Pro: โมเดลสร้างภาพที่มีความละเอียดสูงที่สุดของไมโครซอฟท์ในปัจจุบัน ออกแบบมาสำหรับงานภาพระดับมืออาชีพ การแก้ไขรายละเอียด และการเรนเดอร์ข้อความภายในภาพที่แม่นยำ ราคาผ่าน Microsoft Foundry อยู่ที่ $5 ต่อ 1M text input tokens, $8 ต่อ 1M image input tokens และ $106 ต่อ 1M image output tokens
• MAI-Voice-2-Flash: โมเดลข้อความเป็นเสียง (text-to-speech) ที่มีความหน่วงต่ำ ออกแบบมาเพื่อความเร็วและการขยายขนาดในงานบริการลูกค้าและแอปพลิเคชันเสียงแบบเรียลไทม์ ไมโครซอฟท์ระบุว่าเร็วกว่า MAI-Voice-2 รุ่นมาตรฐานถึงสองเท่าและคุ้มค่ากว่า 32%

โมเดลทั้งสองรุ่นเปิดให้ทดลองใช้สาธารณะ (public preview) ผ่าน Microsoft Foundry เมื่อวันที่ 24 กรกฎาคม

ถูกนำไปใช้ที่ไหนบ้าง

ไมโครซอฟท์กำลังทยอยนำโมเดลใหม่เหล่านี้ไปใช้ในผลิตภัณฑ์เรือธงหลายรายการทันที :

• Bing Image Creator: ตอนนี้ดำเนินการด้วยระบบภายในองค์กร 100% โดยใช้ MAI-Image-2.5-Pro แบบ end-to-end ก่อนหน้านี้ยังคงพึ่งพาโมเดลภาพของ OpenAI
• PowerPoint: MAI-Image-2.5-Pro เข้ามาแทนที่ GPT-Image-2 ของ OpenAI ในฐานะเอนจินสร้างภาพเริ่มต้น
• OneDrive: โมเดลภาพนี้เป็นเครื่องมือเริ่มต้นสำหรับภาพที่สร้างด้วย AI
• Dynamics 365 Contact Center: MAI-Voice-2-Flash ขับเคลื่อนระบบเสียงและการทำงานของฝ่ายบริการลูกค้าแบบเรียลไทม์ Mustafa Suleyman ซีอีโอฝ่าย AI ของไมโครซอฟท์กล่าวถึงการใช้งานร่วมกับลูกค้าอย่าง T-Mobile และ EasyJet
• Microsoft Foundry (Azure AI Foundry): นักพัฒนาสามารถเข้าถึงโมเดลทั้งสองได้ในรูปแบบ public preview

ไมโครซอฟท์ระบุว่าโมเดล MAI ถูกนำไปใช้ในผลิตภัณฑ์มากกว่าครึ่งหนึ่งของบริษัทแล้ว และกำลังอยู่ในระหว่างการแทนที่เพิ่มเติมใน Excel และ Outlook

การลดต้นทุน GPU เทียบกับโมเดล OpenAI

ไมโครซอฟท์ให้ข้อมูลเปอร์เซ็นต์การลดต้นทุนการประมวลผล GPU ที่เฉพาะเจาะจง ซึ่งหมายถึงการประหยัดค่าใช้จ่ายด้านโครงสร้างพื้นฐานในการอนุมานผล (inference) เมื่อบริษัทใช้โมเดลของตัวเองเทียบกับการให้สิทธิ์หรือโฮสต์โมเดลเทียบเท่าของ OpenAI ตัวเลขเหล่านี้เป็นส่วนต่างของต้นทุนฮาร์ดแวร์ ไม่ใช่ความแตกต่างของราคา API :

การลดต้นทุนเหล่านี้มีนัยสำคัญพอที่จะเปลี่ยนแปลงเศรษฐศาสตร์หน่วย (unit economics) ของฟีเจอร์ AI ของไมโครซอฟท์ในชุด Office และระบบคลาวด์

โมเดลเหล่านี้เข้ากับตระกูล MAI ของไมโครซอฟท์อย่างไร

การเปิดตัวเมื่อวันที่ 24 กรกฎาคมเป็นกลุ่มย่อยเฉพาะทางภายในตระกูล MAI ที่มีทั้งหมดเจ็ดโมเดล ซึ่งประกาศครั้งแรกในงาน Microsoft Build เมื่อเดือนมิถุนายน 2026 :

1. การให้เหตุผล (Reasoning): MAI-Thinking-1
2. ภาพ (Image): MAI-Image-2.5, MAI-Image-2.5-Flash และ MAI-Image-2.5-Pro
3. เสียง/คำพูด (Voice/Speech): MAI-Voice-1, MAI-Voice-2 และ MAI-Voice-2-Flash
4. การถอดเสียง (Transcription): MAI-Transcribe-1 / MAI-Transcribe-1.5
5. การเขียนโค้ด (Coding): MAI-Code-1-Flash

MAI-Image-2.5-Pro เพิ่มระดับพรีเมียมสำหรับคุณภาพของภาพสูงสุด ในขณะที่ MAI-Voice-2-Flash เพิ่มระดับที่ปรับจูนเพื่อความเร็วสำหรับงานเสียงที่มีปริมาณมากและความหน่วงต่ำ โมเดลทั้งตระกูลได้รับการฝึกอบรมบนชิป Maia 200 ซึ่งเป็นตัวเร่งความเร็ว AI ที่ออกแบบเองของไมโครซอฟท์ โดยไม่มีการกลั่นความรู้ (distillation) จากโมเดลของบุคคลที่สาม และอ้างว่ามีประสิทธิภาพเหนือกว่าถึง 1.4 เท่าจากการออกแบบร่วมกันระหว่างฮาร์ดแวร์และซอฟต์แวร์

กลยุทธ์: การลดการพึ่งพา OpenAI และโมเดลบุคคลที่สาม

ไมโครซอฟท์กำลังดำเนินกลยุทธ์หลายขั้นตอนเพื่อสร้างความพึ่งพาตนเองด้าน AI แบบครบวงจร :

• แทนที่โมเดลบุคคลที่สามด้วยโมเดลของตนเอง: PowerPoint, Bing Image Creator และ OneDrive ได้เปลี่ยนจากโมเดลภาพของ OpenAI มาใช้ MAI-Image-2.5-Pro ทั้งหมดแล้ว ซึ่งถูกอธิบายว่าเป็น "การเปลี่ยนแปลงเล็กน้อยจาก OpenAI" ที่กำลังเร่งตัวขึ้น
• รักษา OpenAI ในฐานะพันธมิตร ไม่ใช่ซัพพลายเออร์รายเดียว: ไมโครซอฟท์ยังคงเป็นนักลงทุนใน OpenAI และ Azure ยังคงโฮสต์โมเดลของ OpenAI แต่บริษัทไม่ได้พึ่งพา OpenAI สำหรับผลิตภัณฑ์ของตนเองอีกต่อไป เป้าหมายคือกลยุทธ์แบบหลายโมเดลที่มีทางเลือกที่แข่งขันได้
• การควบคุมต้นทุนเป็นอำนาจต่อรองเชิงกลยุทธ์: การลดต้นทุน GPU 84-89% หมายความว่าไมโครซอฟท์สามารถนำเสนอฟีเจอร์ AI ที่แข่งขันได้ในต้นทุนต่อผู้ใช้ที่ต่ำกว่ามาก ซึ่งช่วยปกป้องอัตรากำไรและเสริมสร้างจุดยืนในการเจรจากับผู้ให้บริการโมเดลภายนอกทั้งหมด
• สร้างระบบแนวตั้งแบบครบวงจร: เป็นเจ้าของชิป (Maia 200), เป็นเจ้าของโมเดล (ตระกูล MAI), เป็นเจ้าของโครงสร้างพื้นฐานการอนุมานผล (Azure) และเป็นเจ้าของพื้นที่ผลิตภัณฑ์ (Office, Bing, Dynamics, Windows)

ผลกระทบด้านต้นทุน ราคา และการพึ่งพาตนเอง

• การตัดต้นทุนโครงสร้างพื้นฐาน: การใช้โมเดลที่พัฒนาขึ้นเองบนชิป Maia 200 ช่วยขจัดส่วนต่างกำไรที่ต้องจ่ายให้กับผู้ให้บริการโมเดลบุคคลที่สามสำหรับทุกการอนุมานผล
• ฟีเจอร์ AI ที่ยั่งยืน: การลดต้นทุน GPU อย่างมากบ่งชี้ว่าโมเดล MAI ถูกสร้างขึ้นโดยเฉพาะสำหรับกรณีการใช้งานผลิตภัณฑ์ของไมโครซอฟท์ แทนที่จะเป็นโมเดลพื้นฐานทั่วไป ทำให้ฟีเจอร์ AI ใน Office และ Dynamics มีความยืดหยุ่นต่อการเปลี่ยนแปลงราคาของ OpenAI มากขึ้น
• บรรทัดล่าง: การเปิดตัวเมื่อวันที่ 24 กรกฎาคมทำให้การแทนที่โมเดลภาพและเสียงของ OpenAI ในผลิตภัณฑ์ที่มีปริมาณการใช้งานสูงที่สุดของไมโครซอฟท์เสร็จสมบูรณ์ โดยใช้ต้นทุน GPU เพียงเศษเสี้ยว ไมโครซอฟท์กำลังสร้างระบบนิเวศ AI แบบบูรณาการในแนวตั้งที่เป็นอิสระ ซึ่งทำให้บริษัทมีความเสี่ยงจากการพึ่งพาภายนอกรายใดรายหนึ่งน้อยลงมาก