夜雨聆风微软开始在办公应用里做一件很实际的事：看某个 Copilot 请求适合用什么模型，然后再决定把它发给谁。Excel、Outlook 的部分任务不一定继续跑在 OpenAI 或 Anthropic 上，而是可能切到微软自研 MAI 模型。这不是“分手”，而是办公 AI 进入真实产品后，模型开始变成成本、延迟、质量和控制权的路由问题。
先澄清一个常见误解。微软开始用自研模型，很多人会立刻想到“微软要和 OpenAI 分手”。这个判断太快了。
根据报道，微软的做法是“部分应用、部分请求”的模型切换。意思是，Copilot 的所有任务不会一下子从 OpenAI 切到 MAI，而是根据任务特征做路由。一些任务确实需要最强推理能力，那就继续用 OpenAI；一些任务只需要基础文本处理、摘要、格式转换或轻量判断，就可以用成本更低、响应更快的自研模型。
这种逻辑在大型系统里很常见。互联网公司会根据流量特征把请求发到不同服务器，云平台会根据任务类型选择不同计算资源。微软把这套逻辑用到模型选择上，本质上是在把“模型能力”变成一个可以精细管理的基础设施层。
从微软今年的 Copilot 组织调整也能看到这个意图。微软把 Copilot experience、Copilot platform、Microsoft 365 apps、AI models 放进同一套系统里。这个结构说明，模型已经不再只是外部供应商提供的黑箱，而是 Copilot 产品架构里可以调度、可以替换、可以优化的一层。
这给微软带来几个直接好处。第一，成本可控。如果 Office 每一次 AI 调用都要外采，Copilot 的订阅账就很难算。第二，性能可优化。Excel、Outlook、Teams 的任务并不一样，模型可以按场景调。第三，数据流转更可管。模型跑在微软自己的体系里，隐私、合规、审计都更容易被产品化。
第一个事实来自彭博社报道：微软正在 Excel、Outlook 等核心办公应用中，把部分 AI 请求从 OpenAI、Anthropic 模型转向自研 MAI 模型，以降低成本。这不是实验室里的小功能，而是进入 Office 级别产品的模型路由变化。
第二个事实来自微软官方组织调整。3 月的 Copilot leadership update 里，微软把 Copilot 体验、平台、Microsoft 365 应用和 AI models 放在同一套系统中讲。这不是普通汇报口径，而是把模型层明确纳入 Copilot 产品系统。
第三个事实来自 Build 2026。微软发布了七个自研 MAI 模型，其中 MAI-Thinking-1 是 350 亿活跃参数、256K context、强调低 token 成本的推理模型。注意这个关键词：低成本。对办公 AI 来说，模型不是越大越好，而是要在质量、速度、费用之间找到可持续的组合。
这三个事实放在一起看，微软不是在临时省钱，而是在给 Copilot 建一个可路由的模型底座。
过去一年，大家讨论 AI 模型时，最常问的是“谁更强”。这个问题当然重要，但放到 Office 这种高频、海量、企业级产品里，它不是唯一问题。
Excel 里一次公式解释、Outlook 里一次邮件摘要、Teams 里一次会议提炼，可能都不需要最贵、最强的通用模型。它们更需要稳定、便宜、响应快，并且能和具体应用的格式、权限、上下文打通。
这会改变模型供应商的竞争逻辑。OpenAI、Anthropic 仍然有强模型优势，但大型应用方会越来越关注成本-效果-延迟组合。一个稍弱一点、但便宜很多、速度更快、适配更深的模型，在真实产品里可能更有吸引力。
这也会推进企业用户对透明度的要求。如果微软可以按任务类型路由模型，客户自然会问：我的数据到底在哪里处理？哪些任务用了外部模型？哪些任务跑在微软自研模型上？我能不能为不同部门、不同数据等级设置不同模型策略？
办公 AI 一旦进入真实流程，就不只是“能不能生成答案”。它还涉及成本、权限、数据位置、审计记录和责任归属。
Google 最近扩展 Gemini API 的 Managed Agents，加入后台执行、远程 MCP、自定义函数、跨交互刷新凭证等能力。它要解决的问题不是“聊天更聪明”，而是让 Agent 能持续、托管、跨工具运行。
Anthropic 的 Claude Cowork 也在往这个方向走。它把 Claude 从聊天窗口扩展到文件、日历、邮件、消息和网页任务里，让 AI 更像一个能跨工作场景执行任务的工作台。
这些动作和微软的模型路由看似不同，其实指向同一个变化：办公 AI 正在从“一个回答问题的模型”，变成“一个可托管、可调度、可审计的任务系统”。
Rowboat 则代表另一条路线。它强调本地优先、Markdown 存储，并连接邮件、会议、Slack、MCP 等工具。大平台在把 AI 集中到云端统一管理，小工具在尝试把控制权还给用户本地。两条路都说明，行业正在重新回答一个问题：办公 AI 到底该由谁控制，数据应该留在哪里？
微软这次动作最值得看的地方，不是“它和 OpenAI 的关系变差了没有”，而是 Copilot 开始像一个成熟产品一样算账。
模型能力本身正在变成可竞争但不决定一切的因素。GPT 仍然可能在某些推理任务上更强，Claude 仍然可能在某些长文本和协作场景里更顺手，但 Excel 公式建议、邮件摘要、日程解析这类任务未必需要最强模型。强大的通用模型在很多办公场景里可能是过度配置。
真正的竞争会落到三件事上。
第一，谁能更准确地理解任务类型。什么任务需要强推理，什么任务只需要轻模型，什么任务必须留在本地或企业租户内，这些判断会成为产品能力。
第二，谁能把成本、质量和延迟调到可持续。Copilot 不是演示产品，它面对的是 Office 级别的高频调用。模型成本如果压不下来，订阅价格和利润都会受影响。
第三，谁能把模型路由做成企业能理解、能配置、能审计的控制台。企业不会只问“这个 AI 强不强”，还会问“它在哪里处理数据、能不能关、谁看过、出了问题谁负责”。
接下来可以盯三个信号：微软是否继续扩大 MAI 模型在 Office 里的占比；OpenAI 和 Anthropic 是否推出更适合办公场景的低成本模型专线；企业管理员是否获得更细的模型选择和成本透明度。
办公 AI 的竞争，已经不只是模型发布会。它开始进入产品运营、云成本、权限治理和企业采购的真实账本。微软给 Copilot 挑模型，只是这个阶段的一个明确信号。
