在软件边际成本首次变为实际成本的世界中，如何确保前沿利益扩散到整个生态系统？
摘要
Satya Nadella 提出，在软件边际成本降低的新时代，应通过优化成本-效果前沿，使用专用模型（如 MAI）而非单一通用模型，结合产品级评估和强化学习环境，实现 AI 系统的高效部署。
核心要点
- MAI 模型家族从零构建，具有干净数据血缘，优化从通用到专业技能的迁移学习。
- 微软产品中同时使用 OpenAI 和 Anthropic 的前沿模型作为编排系统的一部分，与 MAI 协同。
- 构建的强化学习环境（RLEs）使模型在产品系统内学习，并根据客户实际关心的任务进行奖励。
- MAI 模型在多个使用场景中已超越通用前沿模型，同时使用更少的 token。
- 微软开始在 GitHub Copilot、Excel、Outlook 等第一方产品中路由流量至 MAI，当 MAI 匹配或超越前沿替代方案时。
原文佐证
- We are now seeing MAI models outperform general-purpose frontier models in many use cases while using a fraction of the tokens.
- We are making all this available as part of Foundry and our toolchain.
AI 洞察
这篇观点标志着 AI 竞争从‘单一最强模型’转向‘最优系统集成’，强调产品级评估和模型无关的持续改进。对于企业而言，关键在于构建专有的强化学习环境和评估体系，而不仅仅是选择模型。这可能重塑企业 AI 的采购和部署策略，推动‘模型即服务’向‘系统即竞争优势’演进。