微软MAI接手Office：大客户开始“去OpenAI化”

2026年7月8日，彭博社的一则消息把AI行业从“合作蜜月期”直接拉进了“竞合博弈期”：微软已经开始在Excel、Outlook等Office核心应用中，用自研的MAI模型替代OpenAI和Anthropic的模型，处理每周数以万计的AI任务。

这条消息之所以值得重视，不在于“微软自己造模型”这件事本身——微软早就在做MAI模型。真正值得玩味的是：作为OpenAI最重要的战略投资方和最大客户，微软正在自己的核心产品里，一点点把OpenAI“请出去”。

这不是技术迭代，这是权力结构的重构。

一、从“ALL IN OpenAI”到“自研优先”

微软对OpenAI的投资总计超过130亿美元，双方的合作曾被视为AI时代最稳固的“巨头联盟”。OpenAI提供模型，微软提供算力和分发渠道，GPT系列深度嵌入微软的Copilot、Bing、Azure云服务。很长一段时间里，微软几乎是OpenAI商业化的“独家出口”。

但商业合作有一个永恒的定律：当一方的依赖度过高，另一方就会重新计算风险。

AI大模型的调用成本，正在成为云计算巨头的利润杀手。以微软为例，其智能云业务虽然增长强劲，但AI服务带来的毛利率明显低于传统云服务。Copilot Pro订阅定价每月20美元，企业版更高，但用户每调用一次背后都是OpenAI模型的API成本。当Office全球月活用户超过4亿，每天产生的AI提示量以亿计时，这笔成本就不再是“战略性亏损”，而是必须管控的利润项。

彭博社的报道称，微软在Excel和Outlook中，目前每周已有数万条AI提示由MAI模型完成。这个数字听起来不算惊人，但意义在于：它发生在微软最核心的办公场景里，而这两个场景原本主要依赖OpenAI和Anthropic的模型。

这是一个明确的信号：模型层的“去供应商化”已经开始。

二、模型民主化背后的商业逻辑

大模型行业正在从“一家独大”走向“模型民主化”。过去两年，头部模型之间的差距不断缩小，开源模型和中等参数模型在特定任务上的表现已经逼近甚至超越闭源旗舰模型。对企业客户而言，这意味着他们不再必须绑定某一家模型供应商。

微软的MAI策略正是建立在这一趋势之上。通过在内部训练和蒸馏针对Office场景的专用模型，微软可以在保证用户体验的前提下，显著降低推理成本。据行业估算，自研模型在特定任务上的推理成本，可比调用外部模型降低50%到80%。

更深一层的逻辑是数据闭环。Office每天有海量的文档、邮件、表格数据流经，这些数据是训练办公专用模型最珍贵的燃料。微软完全有能力构建一个“使用—反馈—优化”的自循环，让MAI模型越来越懂办公场景，而OpenAI却无法直接获得这些闭环数据。

这不是说OpenAI模型不行了。而是说，在“通用能力”和“场景效率”之间，应用巨头正在重新选择。

三、应用层的反击已经开始

微软不是孤例。亚马逊在AWS上力推自研的Nova和Trainium/Inferentia芯片；Google把Gemini深度嵌入Workspace和Cloud；Meta一方面使用Llama，一方面也在构建自己的推理基础设施；苹果甚至直接把模型跑在设备端。

所有拥有大规模用户和分发渠道的科技巨头，都在做同一件事：把模型能力“内化”。

背后的原因很简单：模型只是基础设施，应用才是利润池。谁掌握用户入口，谁就有动力把底层成本压到最低。当外部模型成本居高不下，自研模型就成为必然选项。

OpenAI真正的护城河，不是某一个模型的跑分，而是它的品牌和开发者生态。但微软的Office用户并不关心底层是GPT-4、MAI还是Claude，他们只关心“能不能帮我写好这封邮件”“能不能自动生成这个表格”。

当用户不关心底层品牌时，分发渠道的主人就会拥有最终议价权。

四、对AI产业的三个判断

第一，模型层和应用层的分工将进一步模糊。未来不会有纯粹的“模型公司”或“应用公司”，只有“模型能力”和“场景能力”强弱之分。模型能力可以采购，场景能力必须自建。

第二，推理成本将成为竞争的核心变量。谁能以更低的成本提供足够的智能，谁就能赢得企业市场。蒸馏、量化、专用芯片、边缘推理，这些技术方向都将被加速。

第三，OpenAI与微软的“特殊关系”会降温，但不会破裂。微软仍然需要OpenAI的旗舰模型来支撑高端Copilot功能和品牌形象，OpenAI也仍然需要微软的算力和分发。但双方的边界会越来越清晰：OpenAI是供应商，微软是客户兼竞争对手。

结语

微软MAI接手Office，不是一次简单的产品更新。它标志着AI产业从“模型即产品”向“模型即成本”的转变。当拥有分发的巨头开始把模型能力内化，模型公司的估值逻辑也将被重新定价。

对创业者和投资人来说，最值得追问的问题不再是“这个模型有没有GPT强”，而是“这个模型能不能让某个具体场景的效率提升10倍，同时成本只有原来的十分之一”。

AI的下半场，属于能把智能变成现金流的人。