納德拉：微軟自研 MAI 模型在 Excel 任務表現與 GPT-5.6 相當，且部署成本更低

# 納德拉：微軟自研 MAI 模型在 Excel 任務表現與 GPT-5.6 相當，且部署成本更低

微軟執行長薩提亞·納德拉（Satya Nadella）近日再度拋出震撼業界的觀點，不僅公開微軟自研 MAI 系列模型的最新進展，更明確指出在特定應用場景中，MAI 模型的表現已可與頂尖的前沿 AI 模型並駕齊驅。納德拉強調，未來的企業 AI 部署將不再是「一家獨大」的格局，而是轉向更靈活、更具成本效益的多模型編排體系。 ## 自研 MAI 模型突破成本與效能困境

根據科技媒體《Firstpost》於 7 月 23 日發布的報導，納德拉在近期的一場交流中，詳細說明了微軟內部代號為「MAI」的自研 AI 模型家族的真實水準。他透露，在針對特定產品優化的強化學習環境（Reinforcement Learning Environments, RLEs）中，MAI 模型已學會處理真實的客戶工作流程。 最令人矚目的案例來自 Excel 應用場景。納德拉表示，在絕大多數常見的 Excel 任務測試中，微軟自研的 MAI 系列模型，其性能表現已經達到與 OpenAI 最新旗艦模型 GPT-5.6 相當的水準。這項突破不僅證明了微軟在基礎模型研發上的實力，更關鍵的是，它徹底改變了企業導入 AI 的成本結構。 ## 告別昂貴算力依賴：H100 與 A100 即可流暢運行

報導指出，MAI 系列模型最大的競爭優勢並非僅止於效能，而在於其極具策略性的部署成本。納德拉明確表示，這些模型不需要依賴市面上最先進、價格最昂貴的 AI 加速器。企業可以從容地使用目前市場上存量較高、性價比更佳的 NVIDIA H100 甚至上一代的 A100 GPU 來運行 MAI 模型。 這對於預算有限或正在進行大規模 AI 部署的企業來說，無疑是巨大的好消息。過去，使用 GPT-5.6 這類頂尖前沿模型往往需要耗費高昂的運算成本，這讓許多中小型企業望而卻步。微軟透過自研 MAI 模型，成功在「效能」與「成本」之間找到了最佳平衡點，實現了「用更少的資源，做更多的事」。 ## 納德拉的 AI 戰略：「前沿擴散與控制」

納德拉將這種策略稱為「前沿擴散與控制」（Frontier Diffusion & Control）。他認為，在未來的企業 AI 場景中，客戶將不再完全依賴單一的前沿模型來解決所有問題。相反地，企業會根據實際任務的需求，編排出最合理的 AI 模型調用系統，將不同的任務分配給最擅長且成本最合理的模型來處理。 這是一個全新的 AI 應用哲學：只因為有能力呼叫最強的模型，並不代表永遠都需要這麼做。在許多具體的生產力場景中，一個針對特定任務優化過的專精模型，往往能提供比通用旗艦模型更高的性價比。 ## 微軟產品體系的全面整合

這項戰略已經在微軟的產品生態系統中開始落地。納德拉指出，在 GitHub Copilot 和 Microsoft Excel 等產品中，MAI 模型透過學習真實客戶的工作流程，已經取得了顯著的進步。目前，在微軟的產品中，來自 OpenAI 和 Anthropic 的頂尖前沿模型，與自研的 MAI 模型共同構成了一個強大的編排系統。 「模型只是爬山系統的一部分。」納德拉解釋道，「控制、記憶、上下文、工具、技能、用戶交互等因素，共同塑造了這些智能代理（Agent）系統的評估與性能表現。」這意味著，微軟並不把 AI 的競爭力單一押注在基礎模型的參數大小上，而是更加看重如何將模型有效地整合進產品邏輯中。 ## RLEs 環境：從真實工作流中學習

MAI 模型之所以能夠在特定領域表現優異，關鍵在於微軟為其打造的強化學習環境（RLEs）。與一般的通用模型訓練不同，微軟針對 Excel、Copilot 等特定產品，設計了專屬的模擬環境。在這些環境中，MAI 模型可以反覆練習並學習如何處理真實用戶會遇到的任務，從數據分析、公式撰寫到圖表生成，這種「實戰式」的訓練方式，讓模型的表現更加貼近用戶的真實需求。 ## 成本優勢：重新定義企業 AI 經濟學

在企業導入 AI 的過程中，總體擁有成本（TCO）始終是決策者最關心的指標之一。納德拉的發言標誌著一個重要的轉折：過去企業關注的是「誰家的模型最聰明」，而現在，微軟正在引導客戶轉向思考「哪個模型在完成我的任務時總成本最低」。 「在一個軟體首次出現真實邊際成本的世界裡，我們如何確保前沿 AI 的優勢能擴散到整個生態系統？」納德拉反問，「關鍵是在真實世界的場景中，優化成本-成果前沿（Cost-Outcome Frontier）。」白話來說，就是花多少錢辦多少事，將每一分錢都用在刀口上。 ## 結語：AI 應用的實用主義路線

納德拉的最新表態，為當前的 AI 軍備競賽帶來了不同的思考角度。在各大巨頭爭相比拚模型參數與算力規模的同時，微軟選擇走一條更強調「實用性」與「可及性」的路線。透過 MAI 模型，微軟展示了不依賴頂尖硬體也能達到頂尖任務表現的可能性。 對於廣大的企業用戶而言，這趨勢無疑是正面的。未來，企業可能不再需要為了使用一個好用的 AI 功能而被迫綁定昂貴的雲端算力，而是可以根據實際工作負載，靈活調度不同的模型。AI 的真正普及，或許正是從這種「降本增效」的務實路線開始。隨著 MAI 模型在更多場景中落地，全球的雲端 AI 部署模式，可能即將迎來一次重要的成本革命。