上周我们报道了 Bloomberg 确认微软正在将生产级 Office 工作负载路由到自有 MAI 模型的消息。而本周，整个图景更加清晰：微软的第一方 AI 堆栈已不再是纸上蓝图。它已部署完成，明确定价，并在架构上形成了一个从端侧到云端的完整垂直体系。对于 CTO 和工程负责人而言，问题已从"微软的模型准备好了吗？“转变为"我们该如何围绕一个由同一家厂商掌控芯片、模型和应用的堆栈来设计架构？”
完整的自有第一方堆栈
微软目前拥有除 Google 和 Apple 之外唯一的全栈 AI 组合。以下是截至 2026 年 7 月的架构：
**端侧设备（Aion 1.0）：**轻量级推理，用于摘要生成、内容改写和意图分类——在 Edge 和 Windows 内部的 CPU、GPU 或 NPU 上运行。140 亿参数的 Aion 1.0 Plan 变体通过 Windows Agent Framework 处理包含工具调用和子代理编排的智能体工作流。开源权重预计本月在 Hugging Face 上线。
**边缘端（Phi-4 系列）：**十个 MIT 许可模型，参数量从 38 亿到 150 亿不等。Phi-4-mini 可在 Raspberry Pi 5 上运行。Phi-4-mini-flash-reasoning 采用 SambaY 混合架构（Mamba + 滑窗注意力 + Gated Memory Units），吞吐量提升 10 倍。Phi-4-reasoning-vision-15B 搭载 SigLIP-2 视觉编码器，可执行多模态推理。
**云端前沿（MAI 系列）：**在 Build 2026 上发布的七个模型，涵盖推理（MAI-Thinking-1）、智能体编码（MAI-Code-1-Flash）、图像生成（MAI-Image-2.5 和 Flash）、语音转文本（MAI-Transcribe-1.5）以及文本转语音（MAI-Voice-2 和 Flash）。所有模型均基于商业许可数据从头训练，不涉及对第三方模型的蒸馏。
**芯片（Maia 200）：**3nm 工艺，1400 亿晶体管，216GB HBM3e 显存。已投入生产，用于运行 MAI 推理。MAI-Code-1-Flash 将于 2026 年 8 月全面迁移至 Maia 200。
**基础模型（MAI-1-preview）：**微软首个端到端训练的基础模型，目前正在 LMArena 上测试。公开信息有限，但这表明微软有意在前沿模型层面展开竞争——而不仅限于特定任务的模型。
这并非一篮子零散的方案。这是一个精心设计的架构堆栈，每一层都为下一层提供支撑。
深入 Copilot 的路由架构
过去两周最具战略意义的细节并非某个模型的发布——而是 Microsoft 365 Copilot 如何路由流量的披露。Copilot 并非单一模型产品。它采用了一个任务分类层，根据任务类型、复杂度和质量要求对每次交互进行分类，然后再选择模型。
哪些任务路由到 MAI（第一方，高流量）：
- 根据邮件线索撰写回复草稿（Outlook）
- 邮件线索与会议摘要生成
- 基于自然语言生成电子表格公式（Excel）
- 主题行与标题生成
- 从固定格式文档中提取结构化数据
- 从会议记录中提取任务和行动项
- VS Code 和 GitHub Copilot CLI 中的智能体编码（MAI-Code-1-Flash）
- PowerPoint 和 OneDrive 中的图像生成与编辑（MAI-Image-2.5）
哪些任务路由到前沿第三方模型：
- 跨长篇幅非结构化文档的创新性分析
- 涉及复杂依赖关系的多步推理
- 需要风格判断的创意性生成
- 错误成本较高的敏感或模糊任务
路由是动态的。随着 MAI 模型的持续改进，路由范围也在不断扩大。微软有充分动力将更多流量迁移到自有模型上——每一条在 Maia 200 上路由至 MAI 的查询，都省去了支付给 OpenAI 或 Anthropic 的每 Token 利润。
值得注意的是，Copilot Cowork——微软于 6 月 16 日推出的自主智能体产品——目前运行在 Anthropic Claude（Opus 4.8 和 Sonnet 4.6）之上，而非 MAI。微软自己的 Cowork 1 微调模型虽已发布，但尚未投入实际应用。这是一个诚实的信号：MAI 模型在通用推理方面已达到生产水平，但微软承认前沿第三方模型在某些方面仍具优势。
MAI 定价：单位经济学背后的故事
微软已在 Foundry 上公布了 MAI 模型的定价，这些数字值得任何做成本建模的团队仔细审视：
- MAI-Transcribe-1：$0.36/小时的语音转录（支持 43 种语言，在 FLEURS 上 WER 为 4.86%——所有竞品中最低）
- MAI-Voice-1：$22/百万字符（支持 15 种以上语言，具备声音适配和情感控制功能）
- MAI-Image-2.5：$5/百万文本输入 Token，$8/百万图像输入 Token，$47/百万图像输出 Token
- **MAI-Code-1-Flash：**定价低于 Claude Haiku，同时在 SWE-Bench Pro 上得分 51.2%（Haiku 为 35.2%），且 Token 使用量减少 60%
定价策略极为激进。微软并未将 MAI 定价与第三方替代方案持平——而是直接压价，同时声称在特定基准测试上性能更优。对于高负载工作负载（转录、图像生成、代码补全）而言，成本差异会迅速放大。
分发渠道同样值得关注。MAI 模型可通过 Microsoft Foundry、MAI Playground（免费在线测试）访问，值得注意的是——还可通过 OpenRouter、Fireworks AI 和 Baseten 访问。这是微软首次在非 Azure 推理平台上提供自有模型。已绑定其他云提供商的企业团队现在无需 Azure 承诺即可使用 MAI 模型。
Florence-2：稳健胜过喧嚣
当 Phi-4-reasoning-vision-15B 作为多模态继任者抢占头条时，Florence-2 仍然是纯计算机视觉领域的企业级主力模型。目前没有 Florence-3 的路线图。相反，微软正在投入生态系统的成熟度建设：用于本地 ONNX 执行的 C#/.NET NuGet 包、用于实时边缘视频分析的 NVIDIA DeepStream 集成，以及支持 164 种语言 OCR 的 Azure AI Vision Image Analysis 4.0 SDK。
Florence-2 统一的提示词驱动架构——通过文本提示词以一组权重处理 12 种以上的视觉任务——在架构上依然优雅。对于构建生产级计算机视觉管道的团队而言，选择很明确：轻量级、高吞吐的视觉任务使用 Florence-2；需要语言生成和思维链的多模态推理则使用 Phi-4-reasoning-vision-15B。
Phi-4 的密度打法
评估边缘 AI 的工程负责人应特别关注 Phi-4 系列。其核心主题是密度——140 亿参数的模型能够在数学和代码基准测试上与 700 亿参数级别的模型一较高下。
Phi-4-reasoning-plus 在 AIME 2025 上得分 82.5%，与 DeepSeek-R1-Distill-Llama-70B 相当，但体积仅为后者的五分之一。Phi-4-mini（38 亿参数）凭借 20 万 Token 词汇表和覆盖 22 种以上语言的本地函数调用能力，在 MMLU 上超越了众多 80 亿参数级别的模型。SimpleQA 的局限性值得注意——Phi-4 在事实召回上仅得 3.0 分，这意味着如果没有检索增强，它不适合作为通用知识助手。
Phi-4-mini-flash-reasoning 的架构创新最为突出。SambaY 架构——融合了 Mamba 状态空间模型、滑窗注意力和 Gated Memory Units——代表了对传统 Transformer 的真正突破。在延迟降低 2-3 倍的同时实现 10 倍的吞吐量提升，这绝非渐进式优化。这种架构层面的变革将彻底改变边缘 AI 的部署经济学。
这对企业战略意味着什么
对于正在做本季度基础设施决策的 CTO，有以下三点启示：
1. 供应商锁定格局已经改变。 微软的垂直整合——从芯片到模型再到应用——历来被视为锁定的隐忧。但在 2026 年，这已成为一项降本战略。Maia 芯片上的 MAI 模型消除了第三方利润。问题在于：成本优势是否足以证明架构承诺的价值。
2. 模型评估应因任务而异。 Copilot 内部的路由架构就是模板。不要对所有任务标准化采用单一模型。将通用推理（摘要生成、结构化提取、公式生成）路由到 MAI 这类高效模型。将复杂推理路由到前沿模型。真正的节省来自于路由决策，而非模型选择本身。
3. Phi-4 开源系列是边缘端最稳妥的选择。 MIT 许可协议、10 种以上变体、可运行在从 Raspberry Pi 到 NVIDIA Jetson 的各种设备上。没有供应商锁定，没有许可风险，性能足以匹敌体积大 5 倍的模型。对于因成本、延迟或数据主权而部署本地推理的团队而言，Phi-4 是默认首选。
微软在 2026 年的 AI 战略并非追赶 OpenAI 或 Anthropic。它要构建的是一个完整的、垂直整合的堆栈——从硬件到应用，每一层都在微软的掌控之中。模型已就绪。芯片已就绪。企业买家需要回答的问题是：整合带来的溢价是否值得牺牲灵活性。
关注最新动态，请访问 X：https://x.com/kkaminski