没有发布会，也没有直播间，微软AI在10月15日于官网挂出一篇论文式的技术长文，交代了一件分量不轻的事：自研前沿基座模型MAI-Base-2完成预训练。总参数2.8万亿，1.6万块英伟达GB200，38天炼成，还附赠一组锋利的对比数字：同等质量下，它的训练配方比最强的开源基座DeepSeek-V4-Pro-Base节省4.2到12.3倍算力。当算力军备竞赛烧到千亿美金量级，全球最大的软件公司交出的答案不是更大的集群，而是一份协同设计的成绩单。这场效率叙事的开局，值得逐项拆开来看。
先把模型本身看清楚。MAI-Base-2采用混合专家架构，总参数2.8万亿，每个词元仅激活约800亿，相当于只有约3%的权重参与单次推理。它的原生多模态设计是另一处看点：视觉不是后期外挂的能力，而是从预训练第一个词元起就与文本同炉共炼，视觉语言语料含4.5万亿去重词元，占训练配比18%，覆盖图像描述、图表理解、空间推理、医学影像分析乃至乐谱阅读。训练账本同样具体：1.6万块GB200跑了38天，吃下50万亿词元，知识截止2026年3月。大规模集群最常见的死法是频繁故障重启，而这次训练的有效训练时间占比达到89%，平均算力利用率21%。与上一代对比，规模翻了近三倍：MAI-Base-1总参数1万亿、激活350亿，用的是8192块GB200。工程细节里藏着真正的看家本领，微软把专家层塞进网络每一层而非隔层设置，靠一系列改进把MoE层利用率从24%提到35%，才让这种更胖更稀疏的设计在成本上成立。
效率对比是整篇长文里最容易被误读的部分，需要把口径掰开。微软给出的4.2到12.3倍，衡量的是拟合缩放定律后的理论算力需求：用自家训练配方达到DeepSeek-V4-Pro-Base同等基准成绩，理论上需要多少算力，再与DeepSeek实际消耗作比。TechTimes的报道明确指出，MAI-Base-2实际消耗的总算力高于DeepSeek，微软把更高效配方省下的算力预算，转而训练了一个更大的模型。换句话说，这不是花更少的钱办同样的事，而是同等预算下把效率红利兑换成规模。区间的宽度也反映了领域差异，部分基准上优势只有4.2倍，部分则达到12.3倍，且缩放定律拟合本身存在统计不确定性，微软并未公布置信区间。微软AI首席执行官苏莱曼在内部场合的说法更加直白：用约四分之一的算力跑赢了一个可比的OpenAI基座模型，不过该对比结果未公开供独立评估。基准成绩方面，微软用词元无关的每字节比特数指标，对比了DeepSeek-V4-Pro-Base、Kimi K3、Qwen3.8-2.4T-A95B与MiMo-V2.6-Pro-RL四家开源强手，MAI-Base-2全面占优。
官方技术说明把效率收益归因于四项关键选择。第一是优化器换代，用Muon取代AdamW，通过对梯度动量矩阵做正交化让权重更新方向更均匀，为解决Muon需要完整权重矩阵与分片训练的冲突，团队引入连续的全到全集合通信，平均每步仅增加2.1%的时间开销。第二是无丢弃的MoE调度，传统训练常因词元溢出而丢弃数据，微软改用多轮调度把超容量词元推迟到后续轮次处理，这一项把MoE层的算力利用率从24%拉到35%，让每一层都用MoE的架构变得付得起账。第三是激活梯度裁剪，摒弃全局梯度范数裁剪，在网络特定激活位置做精准裁剪，稳住38天长跑中的梯度尖峰。第四是缩放阶梯，用小模型先探路再放大配置，降低大模型一次成型的试错成本。四项创新没有单项魔法，真正的杠杆来自全栈协同：模型怎么设计，基建就怎么配，官方在长文中的原话是，掌握全栈才能把模型与基础设施一起调优，用最低成本拿到最优性能。
微软在长文中刻意强调训练数据的干净：全部来自自有管道，尊重robots.txt，不碰恶名市场名单上的站点，不蒸馏任何别家模型的输出。这份洁癖背后是明确的商业安排：MAI-Base-2的权重将通过Foundry以商业授权方式提供给可信伙伴，而不是开源送出。数据血缘干净、权属清晰，模型才能成为一份可计价、可续约、可审计的资产，这是授权生意成立的前提。路线图也已亮出：模型先武装自家产品，再服务Foundry客户；自研推理芯片Maia 300明年部署将超100万颗，量产时间表此前已经公布；MAI-Base-3的筹备同步启动。需要提醒的是，模型仍在后训练中，正式可用时间与定价均未公布，企业短期内无法在现有产品中直接用到它。对标关系也值得冷静看待，微软的对比基于留出评测集的自评，尚未有独立第三方复现，效率数字的理论口径与实际账单之间仍有距离。
把这篇技术长文放进微软与OpenAI的关系演变里读，含义更加清晰。微软向OpenAI投资超过百亿美元，Azure与Copilot至今深度分销对方模型，但长文里那句拥有端到端的模型管道，翻译成商业语言就是：最大的软件公司不能把智能的命脉完全寄存在别人账上。自研基座既是保险丝，也是谈判桌上的筹码，关系顺遂时锦上添花，关系生变时就是退路本身。效率叙事的兴起还有一层行业含义：过去两年行业比的是谁的集群更大，MAI-Base-2给出了另一种记分方式，不看堆了多少卡，看每一份算力换回多少智能。省12倍算力意味着同样的资本开支下多出十几次重炼机会，也意味着算力供给受限、电价波动等黑天鹅来临时，成本曲线更抗揍。对国内厂商而言，这份成绩单同样是一次提醒：当巨头开始用协同设计压低智能的边际成本，单纯堆参数与堆集群的竞争方式，留给追赶者的窗口正在变窄。