微软自研AI模型再出重拳：图像生成和语音模型GPU成本直降89%

两款模型已于7月24日在Microsoft Foundry上进入公开预览阶段。

部署场景

微软正将这两款新模型快速整合进其旗舰产品中：

• Bing Image Creator：现已100%使用自研模型，端到端运行在MAI-Image-2.5-Pro上。此前的版本仍依赖OpenAI的图像模型。
• PowerPoint：MAI-Image-2.5-Pro已取代OpenAI的GPT-Image-2成为默认图像生成引擎。
• OneDrive：该图像模型已成为AI生成图片的默认工具。
• Dynamics 365 Contact Center：MAI-Voice-2-Flash为实时语音和客服工作流提供动力。微软AI首席执行官穆斯塔法·苏莱曼提到，T-Mobile和EasyJet等客户已开始集成。
• Microsoft Foundry（Azure AI Foundry）：两款模型均已面向开发者提供公开预览。

微软表示，MAI模型现已部署在其超过一半的产品中，并正在推进Excel和Outlook的替换工作。

GPU成本削减对比

下面是微软公布的与OpenAI模型相比的GPU计算成本削减百分比。这些是运行自家模型与许可或托管OpenAI模型在推理基础设施层面的实际节省，而非API定价差异：

这些降幅足以改变微软在Office和云套件中AI功能的单位经济效益。

在MAI模型家族中的定位

7月24日发布的新模型是微软在2026年6月Build大会上宣布的更广泛的七模型MAI家族中的专门化变体：

1. 推理：MAI-Thinking-1
2. 图像：MAI-Image-2.5、MAI-Image-2.5-Flash，以及此次的MAI-Image-2.5-Pro
3. 语音：MAI-Voice-1、MAI-Voice-2，以及MAI-Voice-2-Flash
4. 转录：MAI-Transcribe-1 / MAI-Transcribe-1.5
5. 编码：MAI-Code-1-Flash

MAI-Image-2.5-Pro为追求最高图像质量而设，MAI-Voice-2-Flash则为追求高吞吐、低延迟场景而优化。整个模型家族均在微软自家的Maia 200定制AI加速器上训练，未从第三方模型蒸馏，凭借软硬件协同设计，宣称效率优势达1.4倍。

战略：减少对OpenAI及第三方的依赖

微软正在执行一个深思熟虑的多阶段战略，以期实现全栈AI自给自足：

• 用自研模型替换第三方模型：PowerPoint、Bing Image Creator和OneDrive已从OpenAI图像模型切换到MAI-Image-2.5-Pro。这一举措被描述为“远离OpenAI的虽小但加速的转变”。
• 保持OpenAI为合作伙伴而非唯一供应商：微软仍是OpenAI的投资者，Azure也仍托管OpenAI模型，但微软自己的第一方产品已不再依赖OpenAI。目标是构建多模型战略，让内部和外部模型都能提供有竞争力的替代方案。
• 成本控制作为战略杠杆：84%至89%的GPU成本削减使微软能够以更低的单位用户成本提供高竞争力的AI功能，既保护了利润率，也增强了与所有外部模型提供商的谈判地位。
• 构建垂直全栈：自有芯片（Maia 200）、自有模型（MAI家族）、自有推理基础设施（Azure）、自有产品体系（Office、Bing、Dynamics、Windows）。

成本、定价与自给自足的影响

• 消除基础设施成本：在Maia 200芯片上运行自研模型，为每一次推理消除了向第三方模型提供商支付的利润。
• 持久的AI功能：大幅降低GPU成本表明，MAI模型是为微软特定产品用例量身定制的，而非通用基础模型。这意味着Office和Dynamics中的AI功能在面对OpenAI价格变动时将更具韧性。
• 结论：7月24日的发布，标志着微软已在最大规模的消费及企业产品中，以极低的GPU成本完成了对OpenAI图像和语音模型的替换。微软正在构建一个独立的、垂直整合的AI堆栈，使其对任何单一外部依赖的暴露程度大幅降低。