微软AI效率之战或重写算力竞赛规则

那个改变规则的说法

穆斯塔法·苏莱曼（Mustafa Suleyman）通常不会以圆滑著称。这位微软AI部门的CEO在周四的员工大会上发表了一番言论，无异于一枚静默投出的手雷，直接落到了微软最重要的合作伙伴之一——OpenAI的怀中。

“我们现在拥有的预训练基础模型，比目前驱动GPT-5.6 Sol的模型更强，”苏莱曼对员工说道，“而且我们只用了OpenAI训练其模型四分之一不到的算力。”

这番话的重要性不在于证实了微软能够打造具有竞争力的模型——这家公司已经这么做多年——而在于其效率数据所暗示的AI军备竞赛走向。三年来，行业的主流叙事一直是“规模化”：投入更多的GPU、更多的数据、更多的资金，最好的模型自然会脱颖而出。苏莱曼的言论表明，这一叙事或许正接近拐点。效率正在成为新的前沿。

消息背后的模型

此次被提及的模型名为MAI-Base-2，于同日公布。预训练——即基础模型从海量文本和图像数据集中学习规律的过程——是构建AI系统中最昂贵、投入最大的阶段。这也是为什么OpenAI、Google DeepMind和其他实验室愿意在专用芯片集群和数据中心空间上投入数十亿美元的原因。每增加一次浮点运算（flop），都直接转化为资本支出、能源成本和时间成本。

如果微软找到了一种以极低成本实现相当甚至更优性能的方法，其经济影响将是巨大的。这不只是节省单一模型的开销，而是压缩了后来者整个的成本曲线。

苏莱曼还提到了与DeepSeek的比较。这家中国实验室此前因自身效率主张而备受关注。他表示，微软的模型所用算力仅为DeepSeek产品的十二分之一。具体的DeepSeek模型未被点名，但微软公开的一篇文章指出，MAI-Base-2的预训练效率显著优于DeepSeek-V4-Pro-Base。这让微软处于一个略显尴尬的位置：一方面在效率优化的主场与中国对手竞争，另一方面又在原始性能上宣称超越OpenAI。

不再契合的关系

这些言论的时机并非偶然。微软与OpenAI的关系在过去一年里一直悄然疏远。这段始于OpenAI苦苦寻找云基础设施、微软慷慨提供Azure积分的合作，早已演变成更加复杂的局面。微软如今持有价值超过1000亿美元的OpenAI股份，并通过Azure授权运营OpenAI的模型；但与此同时，它也在愈发激进地开发自己的模型。

苏莱曼在公开场合进行的对比——即便是在一场泄露给《商业内幕》网站的内部员工大会上——标志著战略重心的调整。批评OpenAI的效率低下，尤其是当你的公司仍在Copilot等产品中依赖OpenAI的技术时，是一种经过计算的风险。投资价值可能受影响，合作收入可能受到威胁。但信息十分明确：微软不再满足于仅仅作为OpenAI的分发渠道，它希望成为其竞争对手。

这并非紧张的第一个信号。微软已悄悄在多条产品线中降低对OpenAI的依赖，将其自有模型整合进Copilot及其他工具中。今年3月，微软组建了涵盖商业与消费领域的合并Copilot团队，并将苏莱曼调任专注于超级智能部门，这也是一个结构性信号。组织架构正在围绕“独立”而非“合作”重新配置。

效率究竟意味着什么

这里更深层的故事不是炫耀，而是效率主张所折射出的AI开发现状。指导行业的扩展定律（scaling laws）——即更大规模、更多数据、更多算力训练出的模型会更稳定地提升能力——曾经表现得出奇地有效。但它们正面临边际收益递减的问题。如今每一次能力的提升都需要指数级增长的资源投入。

这对所有人都是一个难题，尤其对那些押注“规模化”的企业更是如此。OpenAI已投入数十亿美元建设算力基础设施。如果下一次突破来自效率而非规模，这些投资将面临远低于预期的回报风险。并非失败——硬件仍具价值——而是通往 justify 投入能力的道路会更加缓慢。

微软的动作表明它看到了这一拐点的到来。公司在发展内部能力的同时维持与OpenAI的关系，这是在对冲风险。这是一种经典的市场定位策略：在关键领域与伙伴竞争，同时在仍能产生收入的地方维系合作。

全球背景

这一动态放诸于更广泛的全球AI霸权竞争中。今年早些时候，中国的DeepSeek凭借高效模型训练的主张引发轰动，打破了西方对算力需求的固有假设。美国随即对先进芯片实施出口管制，并限制中国实验室使用云端算力。效率优化由此成为一项与国家利益紧密相关的议题。

微软的主张现在将美国AI发展置于一个微妙的位置。如果美国企业能在保持性能领先的同时匹配甚至超越中国的效率，战略权衡就会发生改变。如果附加算力的边际价值下降，那么极端限制算力出口的理由也会随之减弱。但如果效率提升源于算法突破而非单纯的优化改进，这种竞争优势将是持久且难以被出口的。

接下来会发生什么

多种情景都有可能发生。微软可能会在内部持续缩小与OpenAI的差距，同时在公开场合维持合作的面子；OpenAI则可能加速自身的效率工作，或通过预训练难以复制的能力来差异化竞争——比如训练后的对齐、工具使用和实时推理。随着两家公司都在Azure及其他基础设施上推广自有模型，云计算市场也可能迎来更激烈的竞争。

不过最具深远影响的，是对整个行业而言。如果微软的效率主张经得起推敲，构建前沿模型的成本结构将发生变化。那些无法与OpenAI拼算力的中小型玩家，或许能通过优化而非蛮力找到一条可行的竞争之路。门槛并未消失，只是从资本密集型转向了工程密集型。

苏莱曼并未提供独立验证其对比数据的依据。他承认评估是基于微软掌握的关于OpenAI模型的专有技术信息，这意味着内部资源而非公开基准测试。这一保留条款很重要。在一个经常是主张跑在证据前面的行业，举证责任仍在于微软。

可以确定的是，叙事正在改变。问题不再只是谁拥有最大的模型，而是谁能最高效地打造出最好的模型。而在这场新游戏中，微软正在用自己的规则作战。