重磅微软自研模型完成预训练算力消耗仅为盟友四分之一你可能很难想象这样一幕一家科技巨头的最高业务负责人站在自家全员大会的讲台上神情自若地向台下成百上千名员工宣布他们刚刚在核心技术上打败了自己最大、最亲密的商业盟友。更耐人寻味的是这家巨头手里还攥着盟友价值超过1000亿美元的股权。这件事发生在2026年10月15日。主角是微软人工智能部门的负责人Mustafa Suleyman。当天他在微软内部全员会上抛出了一枚重磅炸弹微软自研的全新基础模型MAI-Base-2已经完成了第一阶段的预训练。Suleyman底气十足地告诉员工这个新家伙不仅性能超过了支撑OpenAI旗下GPT-5.6 Sol的核心底座而且整个训练过程消耗的算力仅仅只有后者的四分之一。消息传出整个科技圈都在交头接耳。要知道预训练是大模型研发中最烧钱、最艰难的苦差事动辄需要数以万计的顶尖芯片日夜轰鸣几个月。如果微软真的只用四分之一的代价就跑赢了OpenAI那就意味着整个大模型领域的烧钱逻辑可能都要被重新书写了。但这到底是一场技术上的真奇迹还是一出精心算计的商业戏码一、用四分之一的力气怎么跑出翻倍的成绩很多人可能会好奇所谓只用四分之一的算力就能赢微软到底是怎么做到的难道他们悄悄发明了什么不为人知的神奇芯片答案其实藏在模型的构造逻辑里。如果把传统的大模型比作一个无所不知的全能教授无论你问他一道小学算术题还是一篇高深的哲学论文他都得调动大脑里全部的神经元去苦思冥想。这种方式固然严谨但极其耗费体力每次思考都要把所有力气用尽。而微软这次采用的是混合专家结构。简单来说他们把一个原本极其庞大的思考网络拆成了一群分工明确的小专家。当你抛出一个具体问题时系统只把对应领域的专业人员叫醒其他人继续原地待命休息。反映在具体的账面上MAI-Base-2的总参数量高达2.8万亿听上去大得惊人。但在每一次回答问题或者处理任务时它实际调动的激活参数只有800亿。这就好比一个拥有2.8万名员工的超级智囊团平日里各自钻研真正干活时每次只派出800个人的精英小分队。这不仅让推理时的消耗断崖式下跌更让训练效率实现了质的飞跃。从硬件投入上看微软并没有像外界想象的那样无休止地堆砌算力。他们拉来了1.6万块英伟达GB200芯片连续封闭训练了38天。整个训练过程消化了大约50万亿个由词汇和片段组成的信息基本单位其中甚至原生融入了视觉能力图像类素材在整个训练素材库里占了18%。在这套架构下微软不仅宣称在衡量理解与预测模式的能力上赢了OpenAI代号为Spud的模型还在公开博文中把矛头对准了开源领域的标杆DeepSeek-V4-Pro-Base。微软白纸黑字地写道在四个不同的评估维度上MAI-Base-2的预训练算力效率达到了DeepSeek这款顶尖开源底座的4.2倍到12.3倍比起自己今年6月发布的前代底座MAI-Base-1效率更是暴涨了6.3倍到12.7倍。Suleyman甚至在全员会上把这个对比直接简化成了一句话比DeepSeek少用了12倍的算力。听上去微软似乎在算法和调校上找到了某种前所未有的捷径。二、当全世界最贵的盟友变成最想甩掉的拐杖但如果你把这仅仅看作一场工程师的技术胜利那就太低估背后的商业博弈了。仔细琢磨一下这层关系你会发现处境有多微妙微软不仅是OpenAI的最大金主还持有OpenAI集团约27%的股份这笔权益按目前的价值折算足足高达1350亿美元。不仅如此双方在生意上更是你中有我微软的云平台上转售着OpenAI的技术自家的Copilot产品线也深度依赖对方而OpenAI今年预计还要向微软回流约60亿美元的真金白银。按理说捧着这么一只会下金蛋的母鸡微软应该全力为它摇旗呐喊才对。为什么自家的业务一把手反而要关起门来急不可耐地向员工证明自家孩子更强问题就出在账本的厚薄上。虽然把OpenAI的技术包装转售给企业客户能赚钱但对微软来说这终究是在帮别人卖货推理毛利率通常只有60%到70%。可一旦微软换上完全自研的底座哪怕是此前的MAI-1推理毛利率就能迅速逼近100%。多出来的这二三十个百分点的利润空间放在云服务庞大的体量面前就是几百亿美元的真金白银。更深层的危机感来自对未来的掌控权。过去几年里微软几乎把自己的身家性命都押在了OpenAI身上。但仰人鼻息的日子并不好过。双方早在2025年10月就签下了一份重组大协议把原本捆绑的条款松了绑。按照新约定微软虽然锁定了对方直到2032年的技术使用权但也正式拿到了独立研发顶尖智能的自由身。用Suleyman当时的话来说微软终于被放生了。从被放生那一刻起微软就暗下决心要把命运捏回自己手里。本季度以来微软一口气推出了十多款覆盖图像、语音、编程和安全的新模型。他们太想证明一件事了哪怕没有OpenAI微软依然能稳稳坐在前沿技术的牌桌上。三、不开源的闭源模型为什么偏偏找开源打架不过当科技圈的从业者回过神来仔细翻看微软公布的测试细节时许多人脸上的赞叹却变成了困惑。最让人摸不着头脑的一点是微软在对外发布的官方博文中几乎所有的性能打靶对象都是DeepSeek、阿里巴巴的Qwen、以及Kimi这些中国团队开源出来的权重模型。按常理你拿自己的最新成果去对标开源模型接下来顺理成章的动作应该是把代码和权重公开让全球的开发者免费下载使用以此确立技术江湖地位。但微软并没有这么做。他们不仅没有开源甚至也没有公布任何对公众开放的商业使用日期和定价。他们唯一承诺的是只通过自家的智能开发平台把这些模型权重授权给特定的可信伙伴。这就造就了一个非常奇特的新物种它明明是一个按商业协议销售的企业级闭源模型在宣传上却偏偏要拉着全球最顶尖的开源产品比高低。业内甚至有人直接开嘲讽说拿不公开权重的闭源系统去跟全开放的模型比效率简直像个笑话。但如果你站在企业客户的角度看就会发现微软打的算盘有多精明。微软在博文中反复强调了一件事MAI-Base-2在长达50万亿词汇单位的训练中没有使用哪怕一丝一毫从其他模型身上蒸馏、复制得来的二手答案全部是由微软自己清洗、溯源的原生数据堆出来的。对于严谨的大型企业来说完全开源的模型虽然免费灵活但常常伴随着数据来源不明的版权风险而完全黑盒的闭源接口企业又无法把核心权重握在自己手里。微软巧妙地卡在这两者之间打造了一种带有开放味道的企业定制产品不仅血统纯正、没有侵权隐患还能签合同把权重部署在自己的私有环境里用企业自己的数据二次打磨。借着跟开源标杆打擂台的名气卖的却是一整套安全合规的企业级云服务。微软在商业包装上的功力确实老辣得令人叹服。四、狂欢背后的问号还有那道绕不开的监管红线热闹归热闹在这个宣称四分之一算力奇迹的故事背后其实还悬着两个巨大的问号。第一个问号是这些惊人数据的真实性。仔细梳理所有的信息来源你会发现无论是比OpenAI少用四分之三算力还是比DeepSeek效率高出12倍所有的评估、打分和对比全都是微软自己关起门来做的自测。被拿来垫背的OpenAI没有对此公开承认或反驳那个被当作标靶的比拼过程也完全建立在微软私下掌握的保密信息之上。在没有第三方独立测评机构拿出可核验的数据之前这一切究竟是技术突破的实情还是为了安抚资本市场算力焦虑的喊话毕竟当外界看到OpenAI动辄要规划百亿级规模的电力与硬件投入时整个市场都在为无底洞般的芯片采购感到恐慌。此时微软跳出来说单靠算法效率就能替代蛮力堆芯片无疑是一剂最能提振信心的强心针。第二个问号是紧随其后的法律与合规账本。根据行业内的测算哪怕微软只动用了1.6万块芯片跑了38天折算下来的训练计算总量也达到了约2.4到2.76乘以10的25次方次运算换算成硬件租用成本也是3600万到5800万美元的真金白银。更现实的是这个算力体量已经稳稳穿过了欧盟人工智能法案划定的红线。按照欧盟法规一旦累计训练算力跨过10的25次方次运算这个门槛系统就会被推定具备高影响能力自动归入存在系统性风险的模型范畴。这意味着微软必须在达到门槛的两周内通知监管机构。而在大洋彼岸的加州那道被定义为前沿模型的门槛定在了10的26次方次运算。MAI-Base-2在预训练阶段虽然还差了三四倍但它目前已经紧锣密鼓地进入了后训练阶段如果后续的强化学习和能力打磨追加了过多算力同样会触发强制提交透明度报告与安全框架的严苛监管。一边是步步紧逼的合规审查一边是悬而未决的独立验证微软在欢呼声中其实走得如履薄冰。眼下这台轰鸣了38天的庞大机器已经暂时歇火MAI-Base-2正在经历漫长的微调与后训练而代号为MAI-Base-3的新一轮研发也悄然拉开了序幕。微软用一场精心编排的发布向世界展示了一种可能堆砌芯片的军备竞赛或许不是唯一的通途聪明的架构可能真的能帮人省下几十万张板卡的开销。但商业世界从来只相信最终的产品交付。在那1460万个芯片运行小时化作实际能用的生产力之前最让人回味的恐怕依然是那层尴尬的窗户纸当最慷慨的出资人转身变成了最激进的对手大模型这场牌局上的所有人其实早就把友谊丢在脑后暗自扣动了扳机。