减少依赖外部AI，微软 AI 部门推出首款内部模型

当地时间本周四，微软旗下人工智能研究机构微软AI（Microsoft AI，简称MAI）宣布推出其首款全自研AI模型组合——MAI-Voice-1语音生成模型与MAI-1-preview通用指令模型。

尽管作为技术突破的起点，这两款模型在功能完整性与应用成熟度上尚与OpenAI的旗舰产品存在差距，但其发布标志着微软在核心AI技术领域迈出关键自主化步伐，也标志着这家科技巨头正加速构建不依赖外部技术支撑的AI能力体系。

微软官方披露，其全新研发的MAI-Voice-1语音模型通过架构创新，实现了"单卡GPU秒级成音"的突破性进展——仅需1秒即可生成长达1分钟的高保真语音内容。这一技术跨越将传统语音合成的渲染时长压缩了三个数量级，标志着实时语音生成时代正式来临。

据外媒整理的消息，目前该模型已规模化部署于两大核心场景：一是为Copilot Daily提供AI新闻主播服务，实现新闻资讯的7×24小时自动化播报；二是构建交互式播客生产系统，通过对话式AI解析科技、商业等专业领域内容。用户现可通过Copilot Labs平台体验个性化语音定制服务，自由调节语速、音色、情感参数，甚至模拟特定人物的讲话风格。

同步亮相的MAI-1-preview模型则展现出惊人的算力规模，其训练基于由15,000张NVIDIA H100 GPU组成的超级计算集群。借助H100芯片特有的Transformer Engine引擎和FP8高精度计算支持，该模型的训练效率达到传统方案的30倍以上。这种史无前例的算力投入并非偶然——微软今年已累计采购超过30万枚H100芯片，其数据中心GPU总量直逼百万级规模。

业内人士指出，如此规模的算力部署不仅为模型性能提供硬核保障，更从侧面印证了微软全面押注消费级AI市场的战略决心。

目前，MAI-1-preview已登陆AI基准评测平台LMarena开启公测。该平台采用独特的"用户投票+指标评分"复合评价机制，虽因被质疑存在头部厂商模型隐性加权的问题引发争议，但仍被视为衡量模型综合能力的行业风向标。

值得注意的是，微软选择在此节点启动公测，恰逢其加速摆脱技术依赖的关键窗口期。此次双模型联袂发布，标志着微软正式吹响"去OpenAI化"战略号角。

过去三年间，Copilot系列产品对OpenAI技术的深度依赖导致运营成本居高不下——据知情人士透露，仅Copilot单日运行成本就突破500万美元，其中模型推理支出占比超过60%。这种被动局面促使微软加速技术自主进程，通过构建端到端的AI能力闭环重构成本结构。

微软AI掌门人Mustafa Suleyman在近期访谈中重申："我们的技术路线图始终围绕消费者需求展开。"正如其技术白皮书所披露，MAI系列模型的核心训练数据中，消费端信号占比已达82%，远高于行业平均水平的45%。

未来微软计划将 MAI-1-preview 逐步应用于 Copilot 助手的特定文本场景，与现有 OpenAI 模型形成互补。这种多模型协调策略符合 AI 行业专业化细分趋势 —— 不同场景由专用模型各司其职，而非依赖单一通用模型。正如微软在博客中所言："通过协调多种服务于不同用户意图和场景的专用模型，将释放出巨大的价值。"

有专业媒体分析认为，微软自研模型的落地将加剧AI 行业竞争格局。一方面，拥有 GPU 集群支撑的高效训练能力，使微软具备快速迭代模型的技术基础；另一方面，消费场景的深度优化，微软的AI技术其实更贴近普通用户需求。

本文作者：jh

记得星标微信公众号：镁客网（im2maker），更多干货在等你