YOHO AI

标签： 自研模型

  • Prime Intellect 融了 13 亿美元：企业不想再给大模型厂商”交租”了

    Prime Intellect 创始人团队
    Prime Intellect 把训练 AI 智能体的全套家当打包成”全栈”服务（图源：TechCrunch）

    一家 2024 年才成立的公司，靠帮企业自己训练 AI 智能体，融到了 1.3 亿美元 A 轮，估值直接站上 10 亿美元。投资方名单读起来像一张 AI 圈名人堂——英伟达、英特尔、戴尔的战投都在，还有 Perplexity、Box、Harvey、Cognition 这些公司的创始人以个人身份下注。这轮由 Radical Ventures 领投，光看阵容就知道，芯片和云厂商都想在”谁来训练明天的模型”这件事上占个座。

    一家成立两年的公司，凭什么值 10 亿

    Prime Intellect 做的事说白了就是一句话：别再从 OpenAI 或 Anthropic 那里按 token 租智能了，自己造一个更适合业务的。它把训练 AI 智能体需要的家当打包成一套”全栈”——算力、强化学习框架、评估工具，客户像逛市场一样按需取用，不会被绑死在一套方案上。

    “不应该只有旧金山玻璃大厦里的少数极客才拥有训练 AI 模型的能力，每一家企业、每一个国家都应该拥有这种能力。”——Prime Intellect CEO Vincent Weisser

    为什么这件事忽然有了土壤？几年前，自己训模型还是只有巨头玩得起的游戏。但现在强化学习这套打法成熟了，模型可以在具体任务上反复试错、被奖励、被修正，企业慢慢能当自己的”AI 实验室”。真正的难点在于底层基建太复杂，大多数公司根本凑不齐这套零件——Prime Intellect 就卡在了这个缝里。

    企业为什么不想再”租”智能了

    吸引力来自实打实的结果。金融公司 Ramp 用它做了一个在表格里找答案的 Agent，官方说法是准确率高过前沿模型，速度更快，成本只有零头。更关键的是心态变化：企业越来越不愿意把专有数据喂给 OpenAI 和 Anthropic，也怕哪天模型像上个月 Anthropic 的 Fable 那样说关就关。

    • 把敏感业务数据留在自己手里，而不是交给第三方大模型厂商；
    • 不用担心模型被突然下线，业务连续性更有保障；
    • 在垂直任务上，自训的小模型成本可能远低于调用前沿 API。

    Radical Ventures 的合伙人 David Katz 说得更直白：大家开始琢磨”怎么把企业自己的智能掌握在手里，别冒那些风险”。目前年化收入已经冲到 1 亿美元，Ramp、Zapier 都是付费客户。

    钱正流向训练场，而不是模型

    这轮融资背后藏着一个正在成形的判断——资本正在涌向”训练场”，而不是模型本身。就在五天前，做 Agent 安全训练环境的 Bespoke Labs 也拿了 4000 万美元。两笔加起来的信号很清楚：企业想要的不再是又一份订阅，而是 Agent 这个东西的所有权。英伟达和英特尔同时开出支票，说明连芯片厂也信了这套逻辑——它们不在乎模型最后归谁，只要训练跑在自己的硅上就行。接下来一年要回答的问题是，Prime Intellect 能不能在 OpenAI 和 Anthropic 自己猛攻企业市场时，守住这 1 亿美元的增速。

  • Base44 不甘心只当「套壳」：被 Wix 收购后，它自己下场训大模型了

    做 vibe coding 的团队大概都有过这种隐隐的不安：自己的产品是搭在别人家大模型之上的，哪天对方涨价、改接口或者自己下场做同样的事，自家生意的命脉就捏在别人手里。Base44 决定不等了——它要自己造「大脑」。

    这家被 Wix 以 8000 万美元收购的 vibe coding 平台，本周开始向用户推送自研模型 Base1。有意思的是，一年前 Wix 买下它时，这家公司才成立六个月、团队只有八个人。如今它不再满足于帮用户用自然语言生成应用，而是想让模型本身也姓「Base44」。

    「把模型训练并掌握在自己手里，作为整套技术栈的一部分，能让我们在延迟、成本和效率上有大得多的优化空间。」创始人 Maor Shlomo 说。他也不认为 Base44 会是孤例，「至少那些已经攒够规模和数据的玩家，都会走上自训这条路。」

    护城河到底长什么样

    Base1 的训练数据来自平台上「数千万次真实用户交互」。每有人用 Base44 搭一个应用，模型就更懂什么叫「好结果」——这条反馈闭环是它自己攥着的，对手拿不到。Headline 的合伙人 Jonathan Userovici 把 AI 创业公司的护城河拆成三块：数据、分发、技术栈，Base44 这步走的就是同时握紧三样的路子。

    Base44 创始人 Maor Shlomo
    Base44 创始人 Maor Shlomo（图源：TechCrunch）

    但反面教材也摆在眼前。做法律科技的 Harvey 就曾琢磨自训模型，最后放弃了，理由是前沿实验室迭代太快、追不上。Userovici 提醒，别低估那些大模型厂——它们正一步步逼近 Base44 的地盘：Cursor 和 xAI 现在都归 SpaceX，Anthropic 自己的 Claude Code 也已经成了 vibe coding 玩家。

    算的是一笔更现实的账

    更直接的驱动力其实是钱。租 OpenAI 或 Anthropic 的模型，用户每生成一个 token 都要付费；自己拥有模型，就能直接控制算力和推理开支。Base44 在新闻稿里写得很直白：这预期会带来「结构上更强的利润率」。这话在当下格外应景——母公司 Wix 最近刚裁掉 20% 的人，而 Base44 被收购后一直在招人，今年 5 月年度经常性收入突破 1.5 亿美元。

    当然，它离瑞典对手 Lovable 还差得远，后者本月 ARR 已经到 5 亿。Base44 这场自研豪赌能不能兑现，不取决于模型发没发出来，而取决于当用户有了选择、前沿厂又甩出新版本时，它的增长速度还能不能撑住。

    给同行的一记提醒

    • 用别人模型起家快，但毛利、延迟和路线图永远受制于人；
    • 自训的前提是你有别人拿不走的海量专有交互数据；
    • 前沿模型厂正在反向侵入应用层，套壳玩家的窗口在收窄。

    对一众 AI 应用层公司来说，造不造自己的模型，答案可能就藏在一个数字里：你手上的交互数据，到底比大模型厂的通用水库专到什么程度。专得不够，自训就是成本中心，不是护城河。

  • 微软在Excel里悄悄换掉OpenAI：自研MAI接管Office

    微软总部与Office办公场景
    微软正把自研MAI模型悄悄塞进Excel和Word的AI功能里（图：Getty Images）

    过去两年，微软给外界的印象一直是”OpenAI 最铁的盟友”——Copilot 背后站着 GPT，Office 365 的不少智能功能都贴着 OpenAI 和 Anthropic 的标。但彭博社 7 月 7 日的一则报道把这个默契撕开了一道口子：在 Excel 和 Word 里，已经有相当一部分用户提问，不再交给 OpenAI 或 Anthropic，而是由微软自己的 MAI 模型来回答。

    具体数字没公开，但彭博说，每个星期这两款软件里已经有”数万条”AI 提示词是 MAI 在处理。别看占比还小，放到 Excel 和 Word 这种亿级用户的产品里，这已经是微软第一次把自研模型悄悄塞进了核心办公场景的台前，而不只是躲在测试环境里。

    从 Excel 和 Word 开始，微软动了”外人”的奶酪

    有意思的是，微软自己从没高调宣传过这步棋。以前它巴不得你记得 Office 365 是”由 OpenAI 和 Anthropic 的模型驱动”；现在它选择了闷声干。TechCrunch 找微软求证，对方只回了一句”暂无更多信息可以分享”。这种不否认也不解释的态度，某种程度上比一份正式声明更说明问题。

    微软 AI 模型业务负责人穆斯塔法·苏莱曼（Mustafa Suleiman）在 6 月 Build 大会上说得直白：”我们每年向 Anthropic 支付巨额费用，目标是逐步减少、并最终消除这部分支出。”

    一句话把动机说透了：不是不想用，是太贵了。

    七个模型一起上，MAI 到底是什么来头

    MAI 不是临时起意。就在今年 6 月的 Build 开发者大会上，微软一口气发布了 7 款全新的自研 AI 模型，覆盖语音、图像、代码和推理——其中包括一个能写代码的 agentic coder，以及一个文生图模型。也就是说，微软已经在为”逐步替换第三方”悄悄准备弹药了。

    这些模型的卖点很统一：不追求纸面参数多吓人，而是强调”同样的活儿，花更少的算力”。放在 Office 这种每天海量、高频、但单次并不复杂的调用场景里，自研模型的成本优势会被放大。再配合微软自己的 Maia AI 芯片做软硬协同，推理开销比外购方案低上一截。

    • MAI-Transcribe-1 / MAI-Voice-1：对标 OpenAI Whisper 的语音转录与生成
    • MAI-Image-2：图像生成，替代部分文生图需求
    • MAI Code 1 Flash：面向开发者的代码生成模型
    • MAI Thinking 1：主打轻量高频办公场景的推理模型

    除了 Office 套件，MAI 也已经接进了 GitHub Copilot；Teams 上自研的语音转写能力也计划在几个月内上线。微软的意思很明确：凡是能自己干的，就别再长期花钱请外援。

    不只是微软，整个硅谷都在”省 token”

    把镜头拉远一点，微软这步其实是一股大潮里的一朵浪。今年上半年还流行”tokenmaxxing”——能多烧就多烧，把智能拉满；最近几个月画风突变，Amazon、Uber、Meta、Accenture 都被曝在收紧员工的 AI 预算，能省则省。AI 服务的账单一出来，连硅谷自己人都被吓到。

    更戏剧性的是，成本压力甚至把一些公司推向了”对手阵营”。有报道说，硅谷已经有人开始盯着中国的便宜模型（比如 GLM-5.2）找 Agent 方案，虽然绕不开安全和合规的顾虑。这说明一件事：当账单足够疼，地缘和安全的优先级都会往后挪一挪。

    自研到底，是想把命门攥回自己手里

    微软当然不会明天就跟 OpenAI、Anthropic 说拜拜。它手里还握着和 OpenAI 的合作协议，只是折扣窗口正在收窄。苏莱曼团队真正在做的，是搭一套”自主可控”的模型体系，免得将来被头部实验室的市场价拿捏。

    这也折射出整个行业的尴尬：靠外购大模型做商业化，盈利模型到现在都没完全跑通。微软这次把自研模型塞进 Excel 和 Word，看起来是省几块钱的小动作，实则是大厂为”AI 主权”交的第一笔学费。接下来，GitHub Copilot、Teams，甚至 Bing，会不会也慢慢换上 MAI，值得盯着看。

  • 微软搞出自家推理模型，不再只靠OpenAI了





    微软搞出自家推理模型，不再只靠OpenAI了

    微软搞出自家推理模型，不再只靠OpenAI了

    2026年6月3日 · IT之家

    微软在Build 2026开发者大会上扔出一个信号：他们不再只做OpenAI的”包装工”了。七款自研AI模型一同亮相，其中最引人注目的是MAI-Thinking-1——微软第一款高级推理模型。

    这款模型有350亿活跃参数，规模不算大，但微软强调它是从零开始用干净数据训练的，没有走捷径去蒸馏第三方模型（这话里带着对谁的不满，大家心里有数）。在软件工程相关的基准测试里，它的成绩能跟业界顶尖模型掰手腕。

    微软AI CEO穆斯塔法·苏莱曼在台上重申了他们的理念——”人文主义超级智能”。这话听着有点虚，但配合这一波模型发布，意思很明确：微软要在AI底层能力上自己掌舵，而不是永远跟在别人后面。

    一口气发了七款模型，覆盖全场景

    除了MAI-Thinking-1，微软这次还端出了覆盖图像、语音、编程的完整的自研模型矩阵：

    • MAI-Image 2.5 和 MAI-Image 2.5 Flash —— 支持文生图和图像编辑，Flash版本主打速度
    • MAI-Transcribe-1.5 —— 语音转写，速度是竞争对手模型的五倍，开会录音整理终于不用等半天
    • MAI-Voice-2 —— 语音合成，新增15种语言支持，Flash版本即将推出
    • MAI-Code-1 —— 编程辅助，推理效率做了优化，已经集成进GitHub Copilot和Visual Studio Code

    这套组合拳打出来，微软在AI模型层的能力版图像是补齐了。过去大家提起微软的AI能力，第一反应是”他们用OpenAI的技术”，现在这个故事要改写了。

    为什么要自己搞模型？

    这个问题其实不难回答。微软跟OpenAI的关系一直以来都有点微妙——既是最大的金主（投了上百亿美元），又是 deepest 的商业合作伙伴，但核心技术却攥在别人手里。

    OpenAI有自己的商业化节奏，有自己的产品规划，微软想做的一些事情不一定跟OpenAI的利益完全对齐。比如微软希望把AI能力深度集成到Windows、Office、Azure里，这种底层整合如果完全依赖外部技术，长期来看是有风险的。

    还有一个更现实的原因：成本。每次调用OpenAI的API都是有成本的，如果微软能把一部分推理 workload 迁移到自家模型上，这笔账长期来看是划算的。

    MAI-Thinking-1到底强在哪？

    微软对这款模型的技术细节还守得比较紧，目前公开的信息有限。可以确定的是：

    • 中等规模（350亿参数），不是那种动辄万亿参数的”暴力美学”路线
    • 专门优化了推理能力，适合需要多步逻辑推导的任务
    • 软件工程基准测试成绩突出，这对微软的基本盘（开发者工具）来说很有意义
    • 干净数据训练，不依赖第三方模型蒸馏——这一点微软特意提了，态度很明确

    这套说辞听起来是不是有点耳熟？Anthropic也说自己”更安全、更负责”，谷歌也说自己”最开放”。各家都在讲自己的故事，最终还是得看实际用起来怎么样。

    对行业意味着什么

    微软这一步，本质上是把”模型层”的主动权往自己手里挪。过去几年AI圈的故事线是”OpenAI发明未来，微软帮忙卖出去”，现在微软想说的是”我们也能发明未来”。

    这对OpenAI来说未必是坏事。微软有了自研模型，反而可能在跟监管、跟合作伙伴谈判的时候有更多筹码，最终对OpenAI也是加分项。但如果哪天微软觉得自研模型够用了，OpenAI失去微软这个最大金主的风险也不是零。

    这场AI大戏，越来越有意思了。


  • 微软干了件迟早要干的事：不再只当OpenAI的经销商

    微软干了件迟早要干的事：不再只当OpenAI的经销商

    6月2日到3日，微软Build 2026开发者大会开完之后，很多人意识到一件事：微软好像真的不打算继续完全依赖OpenAI了。

    这次大会上，微软一口气发布了7款自研MAI系列模型。其中包括他们的首款高级推理模型MAI-Thinking-1。微软在介绍里特意强调了一句话：”完全基于干净数据从零开始训练，没有使用来自第三方模型的蒸馏数据。”这句话翻译过来就是：这是我们自己做的，跟OpenAI没有关系。

    微软投了OpenAI 130亿美元，但Copilot背后跑的还是别人的模型。每调用一次API，就是在给OpenAI送钱。这算什么护城河？

    7款模型，覆盖全部核心场景

    这次发布的MAI模型家族，基本把AI能做的事情全覆盖了：

    • MAI-Thinking-1：首款高级推理模型，350亿活跃参数，在关键软件工程基准测试中达到业界领先水平。定价比OpenAI的同类产品低。
    • MAI-Image 2.5 和 MAI-Image 2.5 Flash：文生图 + 图像编辑，Flash版本是轻量版。
    • MAI-Transcribe-1.5：语音转写，速度是竞争对手模型的5倍，支持43种语言。
    • MAI-Voice-2 和 MAI-Voice-2 Flash：语音合成，新增15种语言支持，提供更多语音选项。
    • MAI-Code-1：编程辅助，具备推理效率优化特性，已经集成到GitHub Copilot和Visual Studio Code中。

    这套模型家族发布之后，微软在AI能力上有了完整的自主权。以前微软要用推理模型，得找OpenAI要API；要用图像生成，也得依赖别人的模型。现在这些能力微软自己都有了。

    MAI-Thinking-1是个什么水平的模型

    微软对MAI-Thinking-1的定位是”中等规模模型”，350亿活跃参数。这个规模比GPT-4o或者Claude Opus要小，但微软的意思是：我们不需要最大的模型，我们需要的是性价比最高的模型。

    从基准测试的成绩来看，MAI-Thinking-1在软件工程相关的测试里达到了业界领先模型的水平。微软没有具体说是哪些模型，但”业界领先”这几个字，指向的应该是OpenAI的o1系列或者Anthropic的Claude。

    有个细节值得注意：微软强调这个模型”没有使用第三方模型的蒸馏数据”。这不是一句客套话。模型蒸馏是指用大型模型（比如GPT-4）的输出去训练小型模型，让小型模型”学会”大型模型的能力。如果微软用了OpenAI模型的蒸馏数据，那么微软的模型本质上还是在依赖OpenAI。现在微软明确说了”没有”，这意味着微软在训练数据层面做到了完全独立。

    微软为什么现在做这件事

    微软和OpenAI的关系在过去几个月里发生了很明显的变化。2026年初，微软和OpenAI结束了独家合作关系，微软被列为OpenAI的竞争对手。Build大会前不久，微软还推出了Scout，一个基于OpenClaw框架的个人AI助理，这个动作本身就说明微软在准备自己的AI产品路线。

    从商业逻辑上看，微软每年给OpenAI付的API费用不是一个小数目。如果微软自己的MAI模型能做到差不多好的效果，但成本只有OpenAI的一半或者三分之一，那么把Copilot背后的模型换成自己的，每年能省下的钱是相当可观的。

    另一个角度是竞争。Google有Gemini，Meta有Llama，Amazon有自己的模型家族。微软是唯一一个大规模推广AI产品（Copilot）但没有完全自主模型能力的巨头。这个短板，Build 2026之后，微软补上了。