微软加入AI降本浪潮：加速转向自研模型

微软近日宣布将在AI领域实施新的成本控制策略，通过更深度地依赖自研模型来降低对外部AI服务（如OpenAI）的支出。这是继谷歌、Meta和亚马逊之后，又一家硅谷巨头明确削减AI烧钱力度。TechCrunch独家报道指出，微软这一动向标志着AI行业从‘不计成本抢规模’正式转向‘精细化运营求效益’。

AI投资降温：从疯狂烧钱到精打细算

过去两年，微软向OpenAI投入超过130亿美元，几乎占其AI总支出的60%。但随着GPT-5训练成本突破10亿美元，以及Copilot商业化回报不及预期，微软管理层开始重新评估成本结构。据内部人士透露，微软已在Bing、Azure和Office产品中大规模部署自家Phi系列小模型，用于处理简单的查询和生成任务，将复杂推理才交由GPT模型，从而节约大量算力成本。

“我们不再需要为每个场景都调用最昂贵的模型。自研模型在特定任务上表现足够好，且成本只有第三方模型的三分之一。”——微软AI工程副总裁在内部会议上发言（匿名来源）

微软的自研模型矩阵

微软的自研模型主要包括Phi-3系列（数十亿参数）以及面向垂直行业的专用模型。这些模型通过大量企业私有数据微调，在代码生成、文档摘要、客服应答等场景中已达到与GPT-4相当的精度，但推理成本降低80%。微软还推出了‘模型路由’系统，可根据请求复杂度动态选择最适合的模型，预计每年可节省超50亿美元的云计算开支。

行业连锁反应：硅谷AI支出集体转向

微软的策略绝非孤例。谷歌DeepMind正在扩大Gemini Nano的部署规模；Meta的Llama系列已成为开源界标杆，内部工具已完全迁移至自研模型；亚马逊则通过Trainium芯片降低自研模型训练成本。IDC分析师指出，2026年全球AI基础设施支出增速将从去年的45%降至15%，‘自研优先’成为主流。

编者按：自研模型的机遇与风险

微软削减外部依赖的举动无疑会提高其议价能力，但也面临模型能力天花板的风险。AI领域的基础突破仍主要来自OpenAI、Anthropic等前沿实验室。如果微软过度依赖自研小模型，可能在长线竞争中失去‘涌现能力’的优势。此外，自研模型的维护和迭代需要持续投入顶尖人才，而这正是目前硅谷最稀缺的资源。微软的这一步棋，更像是一场平衡长期竞争力与短期财务健康的豪赌。

总体来看，微软的AI成本削减策略是硅谷从狂热回归理性的缩影。随着技术成熟和商业闭环确立，企业将更注重AI投入产出比。未来，谁能用最低成本提供足够好的AI能力，谁就能在下一轮竞争中占据主动。

本文编译自TechCrunch