1GPU在1分钟内生成1秒音频。微软，内制AI的号角 ─ Copilot的“心脏”会自制化吗

内制模型开创的“共存竞争”

微软正式推出了自制AI。发布是在2025年8月28日（当地时间）。The Verge称之为“与OpenAI复杂合作关系的新转折”，并将其定位为与GPT-5和DeepSeek并驾齐驱的“竞争模型”。也就是说，该公司在与OpenAI合作的同时，也迈入了自己站在最前线的“共存竞争”阶段。The Verge

MAI-Voice-1：1GPU・1秒内生成1分钟音频

其中一个亮点是语音生成模型“MAI-Voice-1”。根据官方发布，单个GPU可以在不到1秒的时间内合成1分钟的音频。它已经被集成到“Copilot Daily”的新闻播报和以“播客风格”解说话题的功能中，并且在Copilot Labs的演示中可以尝试改变说话者的音质和叙述风格。Microsoft AI

MAI-1-preview：用约1.5万台H100训练的MoE LLM

另一个新面孔“MAI-1-preview”是一种擅长指令跟随的专家混合型大规模语言模型。在前后学习中投入了约1.5万台NVIDIA H100，首先在社区评价平台“LMArena”上开始公开测试，并通过有限的API访问收集反馈。预计将在几周内逐步推广到Copilot的特定文本用途。Microsoft AIPYMNTS.com

“消费者优化”的设计理念

Microsoft AI的Mustafa Suleyman先生明确表示，自制模型的优先级是“消费者体验”。利用广告和消费者遥测等自有数据资产，优化为“AI伴侣”。结合公司转向产品主导的背景，可以理解为为了提升Copilot的“日常导线”而进行的内制化。The Verge

Copilot朝着“最佳模型的编排”发展

公司表示将继续使用OpenAI和开源的“最佳模型”，同时开始在Copilot的部分功能中使用MAI-1-preview。重要的是“为每个用例编排最合适的模型”这一理念。目前阶段不是全面替换，而是使用精度将决定胜负。Microsoft AI

基础设施的雄心：GB200集群的运作

发布文中还提到下一代NVIDIA GB200集群正在运作中。也就是说，公司正在稳步准备能够“持续且大规模”改进自制模型的计划。通过降低学习和推理成本并频繁更新的运营能力，将成为与竞争对手的差异点。Microsoft AI

体验：Copilot Labs和LMArena

体验导线已经开放。语音生成的MAI-Voice-1可以从Copilot Labs进行试用。LLM方面的MAI-1-preview可以参与LMArena的评价，公司也在通过有限的API招募测试者。在产品实施前，与社区一起识别“习惯”和“擅长领域”的过程。Microsoft AI

社交媒体反响：期待与警戒的“双重奏”

在X（前Twitter）上，Suleyman先生亲自宣布了“首个自制模型”。技术账户纷纷传播，许多帖子积极地将其视为“从OpenAI依赖中战略性独立的一步”。X (formerly Twitter)

另一方面，PhoneArena等强调了对“任何人的声音都可以逼真生成的时代”的担忧。关于语音深度伪造的传播和验证手段的完善的论调也很多。在Reddit上，也有关于“如何确保安全性”的担忧以及围绕与OpenAI关系重新定义的讨论。PhoneArenaReddit

战略影响：与OpenAI的“新平衡”

此次的自制模型并不立即“解除”与OpenAI和微软的关系。然而，正如The Verge所指出的，这一新局面可视化了公司不仅是“顶级模型的供应商”，也是“竞争者”。如果能够将Copilot的核心部分自有化，可以根据公司需求加速差异化的速度。The Verge

未来的评价点

1. 实力：在LMArena等的实测中能否跻身上位。

2. 体验：在Copilot的阶段性导入中，回答质量、响应速度、语音自然性是否能体感提升。

3. 安全性：语音伪造的检测、标记，滥用时的速率控制和可追溯性。

4. 经济性：单个GPU的快速生成等，推理成本的优势如何影响运营。

5. 治理：与OpenAI及其他公司模型的并用设计能否保持透明性和责任分界。Microsoft AI

结论：内制不是“目的”而是“手段”

采用自制模型并不是为了在与OpenAI的同一舞台上竞争的“目的”。而是为了以公司的速度提升深入用户日常的Copilot体验的“手段”。MAI-Voice-1和MAI-1-preview的发布只是为此故事的序章。下一章的关键在于现场的性能数据和安全运营，以及“最佳模型的编排”能做到何种程度。Microsoft AI

Powered by Froala Editor