38天、16000块GB200：微软端出2.8万亿参数的MAI-Base-2，效率数字直指DeepSeek

微软终于有了自己的“ 大底座 ”。

微软做AI多年，名片上印的一直是OpenAI。10月15日，这个局面有了实质性的松动：微软AI部门在官方技术博客Lab Notes中宣布，自研基础模型MAI-Base-2完成预训练——MoE架构，总参数2.8万亿，每个token激活800亿，102层，是今年4月MAI-Base-1（1万亿/350亿激活）的近三倍体量。

训练在今年8到9月进行：16000块英伟达GB200，跑了38天，全程平均MFU（算力利用率）21%，有效训练时间占比89%。数据侧，50万亿token的混合语料全部来自"有机"数据，没有使用任何其他模型的蒸馏；知识截断到今年3月；视觉从预训练第一天就原生参与——45亿个独特视觉token占数据集的18%，走无独立编码器的视觉-语言架构。苏莱曼尼在X上的官宣把参数四舍五入到了"3万亿"，还补了一句：MAI-Base-3的准备工作已经开始了。

它凭什么「叫板DeepSeek」：省算力的三板斧

微软这次给出的核心卖点不是分数，而是一个效率数字：预训练FLOPs效率比开源阵营最强的底座DeepSeek-V4-Pro-Base高4.2到12.3倍，比自家MAI-Base-1高6.3到12.7倍——按微软的说法，省下来的算力被直接换成了更大的模型。

这个数字背后是三套打法。其一是"规模阶梯"（scaling ladders）：用同一套配方、固定的"每激活参数token数"训练从小到大一排模型，小模型的结论可以直接外推到大模型，避免了在2.8万亿这个体量上试错——那烧不起。配合的还有学习率、权重衰减、dropout的经验性缩放定律，超参不再靠猜。其二是模型与基建协同设计：这一代改成每层都是MoE，路由器从512个专家里选7个、再常驻1个共享专家，靠多轮"不丢弃"路由把MoE的MFU从24%抬到35%；优化器从AdamW换成了Muon，理由是稳定性和效率。其三是一个挺有意思的细节——激活梯度裁剪，不裁剪全局梯度范数、而是裁剪特定激活的梯度，微软说这个方法还顺手帮他们抓出了一个数据预处理bug：代码数据的许可证头被截断了。

为什么是现在：微软的「去OpenAI化」走到了深水区

看懂这个时间点，得回看一条暗线。微软与OpenAI 2019年的合作协议曾明确限制微软自研通用大模型，这条锁链直到2025年10月的重新谈判才解开。苏莱曼尼11月组建MAI超级智能团队，今年3月把Copilot的日常管理交出去、专心造模型，4月拿出语音、转录、图像三个小模型——每个都由不到10人的团队完成——6月Build大会再发七款。MAI-Base-2是这条爬坡曲线上第一个真正够到frontier门槛的节点。

战略动机也写得很直白。Copilot至今仍以OpenAI模型为主力引擎，微软等于把自家旗舰产品的成本、定价和路线图都押在别人的模型上；Suleyman今年6月在Decoder播客里说得干脆：如果超级智能真是"史上最有价值的技术"，长期给别人付租金就不是微软这个体量公司的合理姿势。OpenAI授权协议保到2032年，给了微软足够的时间窗完成过渡——MAI-Base-2正是窗口期里交出的第一份硬答卷。

往深想一层

先把微软自己没强调的那半句话说出来：这些数字全是自报。所谓"超过我们测试的所有开源权重模型"，测试集是微软内部留出的；"4到12倍效率"是从拟合的缩放定律估算的，不是同场实测；权重没放出来，API没开放，第三方目前无法验证任何一条。ExplainX的拆解就提醒得很到位：这是一场"可验证性要等后训练结果"的发布。另外21%的MFU放在行业里也谈不上惊艳——这反而侧面说明，微软的效率优势更多来自配方和数据，而非把硬件榨到极致。

再深一层看定位。MAI-Base-2选择的是"权重授权给可信Foundry合作伙伴"，不是开源，也不是全量API——这是一个卡在企业市场喉咙口的姿势：给大客户"拿到权重"的安全感，又不放弃控制权。对比DeepSeek的彻底开放和OpenAI的封闭API，微软想走第三条路。问题也随之而来：企业凭什么为一个未经公开验证、生态为零的模型买单？答案是微软手里那张别人没有的王牌——Azure、Microsoft 365和Foundry的渠道。模型好不好先放一边，分发管道是现成的。

还有一笔账值得留意。16000块GB200跑38天，粗算就是一次数亿美元级的训练投入，而MAI-Base-3已经在筹备。对一家刚交出"2008年以来最差季度表现"、投资者对数千亿AI基建开支充满疑虑的公司来说，苏莱曼尼需要的不只是技术里程碑，而是能写进财报故事的资产——MAI-Base-2至少要证明一件事：微软烧掉的算力，正在变成自己的知识产权，而不再是替OpenAI付的房租。

结尾

从2019年签下那份"不得自研大模型"的协议，到今天端出2.8万亿参数的自研底座，微软用了整整六年才把钥匙拿回来。MAI-Base-2的成色要等权重授权落地、第三方评测进场才有定论，但有一点已经没有悬念：全球frontier模型的牌桌上，从此多了一副自带云渠道的牌。DeepSeek用效率掀过桌子，如今微软拿着同样的叙事进场——这场"省算力竞赛"的真正看点，才刚刚开始。