11月17日,微软正式推出首批完全自研的AI模型MAI-Voice-1与MAI-1-preview,并已集成到Copilot相关功能中,同时在Copilot Labs、LMArena等平台开放公开测试。这是微软在自研大模型道路上迈出的关键一步,也被外界视为其摆脱对OpenAI深度依赖的信号。
MAI-Voice-1:单GPU一秒钟生成一分钟语音
MAI-Voice-1是一款主打极速的语音生成模型。官方数据显示,它仅用一块GPU,就能在一秒钟内生成一分钟时长的音频,速度远超现有主流语音合成方案。对于需要批量生成配音、播报、有声内容的场景,这种效率意味着成本与等待时间的大幅下降。
MAI-1-preview:1.5万块H100训练出的对话模型

与语音模型同期亮相的MAI-1-preview,是微软自研的语言模型预览版。它使用约1.5万块英伟达H100 GPU训练,定位是响应迅速、适合日常对话任务的轻量模型。目前它已进入Copilot Labs和LMArena等平台供用户体验,通过真实使用反馈继续迭代。
从”OpenAI的盟友”到”自研AI平台”
微软过去多年在AI领域高度依赖OpenAI,投入超过百亿美元,既是其最大股东,也是主要算力提供方。此次MAI系列模型落地,标志着微软开始构建自己的模型能力底座,在推理成本、数据安全与技术自主性上掌握更多主动权。

事实上,微软自研模型家族的版图早已铺开。在今年的Build开发者大会上,微软一口气展示了MAI-Thinking-1推理模型、MAI-Image2.5图像模型、MAI-Transcribe-1.5转录模型、MAI-Voice-2语音模型以及MAI-Code-1代码模型等多款自研产品。其中MAI-Code-1已经接入GitHub Copilot和Visual Studio Code,在代码推理效率上表现明显。
自研模型对开发者意味着什么
对开发者和企业用户而言,微软自研模型的落地带来几个直观变化:一是多一个选择,在OpenAI、谷歌等模型之外,微软MAI系列以”效率优先”切入语音、对话、代码等高频场景;二是成本结构可能更优,尤其是语音生成这类算力敏感任务,MAI-Voice-1的极速特性有望拉低整体成本;三是生态协同更强,模型与Azure云、Copilot、Office、Windows深度绑定,部署路径更顺滑。
从产业视角看,微软的转身也印证了一个趋势:头部云厂商正在从”外购模型”走向”自研模型+云服务”的整合路线。当算力、模型与应用三层都握在自己手里,AI竞争的门槛被再一次抬高。MAI-Voice-1与MAI-1-preview只是开始,微软的自研模型棋局,才刚刚落子。



