7月25日、Techstrong.AIが「Microsoft Flexes In-House AI Muscle, Signaling Shift Away from Heavy OpenAI Reliance」と題した記事を公開した。MicrosoftがGPUコストを最大89%削減しながら自社開発AIモデルをGitHub CopilotやExcel、Azureなどの主力プロダクトへ本格展開し、OpenAIへの依存を意図的に縮小しつつある戦略転換について詳しく紹介されている。
GPUコストを最大89%削減——Microsoftが自社AIモデルで本番稼働
Microsoftは自社の「Superintelligence（超知能）チーム」が1年かけて開発した2つのモデルをパブリックプレビューとして公開した。同チームはMicrosoftのAI研究・製品部門に位置づけられ、サードパーティモデルへの依存を下げるための自社基盤モデル開発を主導している。
- MAI-Image-2.5-Pro: 高品位な画像生成・編集に特化。生成AI全般の弱点とされてきた画像内テキスト描画の精度が高く、ベースモデルは画像編集ベンチマーク「Arena community leaderboard」で2位を獲得した。
- MAI-Voice-2-Flash: コールセンターや音声エージェントなど大量処理向けの音声モデル。前世代比で処理速度2倍、コスト32%削減（料金は100万文字あたり15ドル）。
どちらも研究プロジェクトにとどまらず、すでにBing、PowerPoint、OneDrive、Dynamics 365、Excel、GitHub Copilot、Azureといった主力プロダクトで本番稼働している。
最も注目すべき数字はGPUコスト最大89%削減だ。一部アプリケーションで自社モデルへの切り替えにより達成したとMicrosoftは発表している。
コード補完で最新世代モデルと同等の性能を小型モデルで実現
エンジニアにとって直接的に関係するのが、GitHub Copilotに組み込まれたMAI-Code-1-Flashの実績だ。
記事によれば、このモデルは競合する軽量モデルと比較してコードの受け入れ率が10%高く、開発者の継続利用率も上回った。さらに、ExcelのRLHF（強化学習を用いた人間からのフィードバック）環境でファインチューニングを施したチェックポイントは、標準的なスプレッドシートタスクにおいて最新世代の上位モデルと同等の性能を発揮しながら、希少な最新世代GPUではなくNVIDIA H100・A100で動作する。既存インフラを活かせる点は、エンタープライズ側にとってコスト面での現実的な優位性になりうる。
SatyaがXで宣言した「Frontier Diffusion & Control」戦略
CEO Satya NadellaはX（旧Twitter）への投稿で、この方向性を「Frontier Diffusion & Control」として明文化した。要点は以下の通りだ。
- 自社モデルがサードパーティと同等以上の性能を持つ場合、自社モデルへトラフィックを積極的に切り替える
- OpenAIやAnthropicは引き続き「超複雑なタスク」向けに活用するが、あくまで交換可能なコンポーネントとして扱う
- プロダクトのメモリ・コンテキスト・制御レイヤーはMicrosoft自身が保持し、モデルはその下に置く
OpenAIへの130億ドル超の投資（複数の報道機関が伝える累積投資額）から7年後に打ち出すこの方針は、単なる技術選択ではなく、プラットフォーム戦略の再定義と読める。
Futurum GroupのVP、Mitch Ashleyは記事の中でこう述べている。
「これはベンダー集中リスクの話であり、モデルの品質の話ではない。ひとつのフロンティアプロバイダーに賭けているエンタープライズは、代替モデル層が本番スケールで動くという証拠を得た。価格ショックや供給不足に迫られる前に、複数プロバイダー対応を計画すべきだ」
AzureでエンタープライズにFrontier Tuningを提供
この戦略はAzureを通じて外部にも展開される。Microsoft Foundry上で「Frontier Tuning」と称するサービスを提供し、企業が自社独自データを使って専門特化型の低コストモデルを構築できる仕組みだ。
Microsoftは「高性能な単一モデルに依存する」アプローチから、「用途別に最適化された小型モデル群を組み合わせる」アプローチへと明確にシフトしている。エンタープライズ向けのAI技術選定において、OpenAI一択という前提は崩れつつある。
詳細はMicrosoft Flexes In-House AI Muscle, Signaling Shift Away from Heavy OpenAI Relianceを参照していただきたい。
