发生了什么
当地时间7月23日，微软宣布推出两款全新的自研AI模型：MAI-Image-2.5-Pro面向高质量图像生成场景；MAI-Voice-2-Flash面向高并发语音交互场景。两款模型均已进入公开预览阶段，可通过Azure AI Foundry接入。
微软明确表示，这两款模型基于内部训练流程从头开发，使用经过清理、可追踪、企业合规的数据训练，不依赖对任何第三方模型的蒸馏。这一声明在微软与OpenAI的合作关系背景下尤为值得关注——它意味着微软正在系统性地构建独立于OpenAI的AI能力栈。
关键数据
- 成本优势：微软AI负责人Mustafa Suleyman透露，以PowerPoint场景为例，自研MAI模型运行成本较此前方案降低约85%。
- 性能对标：CEO纳德拉表示，MAI系列在Excel任务上的表现已与GPT-5.6相当，验证了自研模型在特定企业场景中的竞争力。
- 落地场景：MAI-Image-2.5-Pro已集成至Bing图像搜索和PowerPoint设计器；MAI-Voice-2-Flash已部署于Teams实时翻译和Azure语音服务。
- 训练保障：所有训练数据经过清理和溯源，符合企业合规要求，这是微软面向B端客户的核心卖点。
为什么重要
微软正在推进被纳德拉称为「前沿扩散与控制」（Frontier Diffusion & Control）的战略——在继续使用OpenAI前沿模型的同时，自研专用模型覆盖高频、高性价比的企业场景。这一双轨策略一旦跑通，将对整个AI产业链产生深远影响：对OpenAI而言，最大的客户正在成为竞争对手；对企业用户而言，微软生态内的AI成本有望持续走低。
对于中国企业的启示在于：云厂商自研垂直场景模型，与顶级通用大模型形成互补，可能是降低AI部署总成本的有效路径。目前尚不明确的是，MAI系列何时将对非微软生态用户开放，以及图像与语音模型之外的更多模态覆盖时间表。