微软CEO萨提亚·纳德拉刚刚给大模型竞赛投下了一枚“务实炮弹”。他透露，在绝大部分常见的Excel任务中，微软自研的MAI系列模型表现已经与GPT-5.6相当，而且完全不需要依赖最新的AI加速器，企业用英伟达H100或A100 GPU就能跑起来，部署成本明显更低。

这一表态直接锚定了微软正在推行的“前沿扩散与控制”（Frontier Diffusion & Control）战略。纳德拉认为，未来的企业AI场景不会再绑死在单一前沿模型上，而是应该按照实际任务和需求，动态编排最合适的模型调用系统。这相当于给客户留出了“混编模型”的灵活空间，既可以用顶级的OpenAI或Anthropic模型，也能把MAI这样的自研模型嵌进去，根据成本与效果灵活切换。

打开网易新闻 查看精彩图片

为了让MAI真正在业务场景里打过硬仗，微软专门为GitHub Copilot和Excel等产品定制了强化学习环境（RLEs），让模型直接学习真实客户的工作流程。纳德拉的原话点明了背后的逻辑：“在一个软件首次出现真实边际成本的世界里，我们如何确保前沿AI的优势能扩散到整个生态系统？关键是在真实世界的场景中优化成本-成果前沿。”也就是说，不是简单追求单模型评测分数，而是围绕上下文、技能、工具、智能体控制做整体优化，把成本与实效一同纳入爬山系统。

这套编排系统的核心并不是简单替换前沿模型。纳德拉特意强调，OpenAI和Anthropic的前沿模型与MAI都存在于系统之中，而模型只是这个爬山系统的一部分，控制、内存、上下文、工具、技能、用户交互等环节共同塑造了智能体的最终表现。因此，MAI在特定任务上的追赶，更多是系统级优化带来的结果，而非孤立的模型能力碾压。

落到成本上，MAI给出的答案极具穿透力。因为不需要追逐最新一代AI加速器，仍在广泛部署的H100/A100就能承接推理任务，这直接拉低了企业引入AI的门槛。当性能已经足以覆盖Excel、编程助手等高频办公场景时，企业不需要为顶尖模型付出顶尖算力成本，就可以得到相同水准的输出。这种“够用且便宜”的打法，可能比单纯刷榜更容易说服中型企业押注AI。

从这份表态来看，微软正在把AI竞争的下半场重新定义成“成本-成果”的均衡游戏。前沿模型当然会继续迭代，但能否让AI像今天的Excel函数一样，安静地跑在普通算力上，并且效果足够可靠，或许才是真正渗透企业级市场的关键拐点。