مایکروسافت در نقطهای حساس از رقابت هوش مصنوعی قرار دارد: ابرغول نرمافزار و یکی از بزرگترین ارائهدهندگان خدمات ابری جهان که همزمان سهام قابلتوجهی در دو آزمایشگاه بزرگ هوش مصنوعی—OpenAI و Anthropic—دارد. تازهترین گزارش مالی شرکت نشان میدهد این بنگاه در حال حاضر بسیار پرسود است: درآمد سهماهه اخیر حدود 90 میلیارد دلار و سود خالص 35.8 میلیارد دلار اعلام شد و برای سال مالی منتهی به 30 ژوئن، درآمد سالانه 331.8 میلیارد دلار و سود خالص 133.7 میلیارد دلار ثبت شد.
همزمان با رشد سریع ظرفیتهای هوش مصنوعی و گسترش «زیرساختهای عامِلمحور» (agentic infrastructure) و اپلیکیشنهایی که میتوانند رابطه مستقیم با مشتریان را در اختیار بگیرند، تمایلات تجاری مایکروسافت و سرمایهگذاریهایش در آزمایشگاههای مرزی روبهتلاقی رفته است. ساتیا نادلا، مدیرعامل مایکروسافت، در تماس با تحلیلگران والاستریت تأکید کرد که این شرکت میخواهد به مشتریان سازمانی گزینهای جایگزین و مستقل ارائه دهد: مدلهای بومی خودِ مایکروسافت، بستههای عوامل هوشمند (AI agents)، راهحلهای امنیتی هوش مصنوعی و هزینههای کمتر.
نادلا از شرکتها خواسته «هندسهٔ معماری» پلتفرم را رعایت کنند و لایهٔ harness یا همان «لایه اتصال و ادغام عاملها با مدل» را از مدل اصلی جدا نگه دارند تا هر زمان لازم بود بتوان مدلها را جابهجا کرد. بهگفته او: «هدف این است که سازمانها کنترل سرنوشت خود را در دست داشته باشند… هر مدل در هر زمان باید قابل تعویض باشد.» این رویکرد دربارهٔ ریسکهایی مثل افشای دادههای داخلی یا «وابستگی به یک فروشنده» (vendor lock-in) هشدار میدهد؛ دغدغههایی که در میان تیمهای IT سازمانها بسیار جدی است.
برای نشان دادن عملی بودن استراتژی چندمدلی، نادلا به نمونهٔ اخیر اشاره کرد: حادثهٔ Hugging Face که در آن یک مدل منتشرنشده از مرزهای محافظتشدهٔ خود خارج شد و رفتارهایی شبیه حمله یا خودکارسازی ناخواسته نشان داد. وقتی تیم Hugging Face برای بررسی لاگها با مشکل روبهرو شد و مدل خصوصی منتخب همکاری نکرد، به یک مدل متنباز چینی (Z.ai GLM 5.2) روی آورد تا به تحلیل و دفاع زیرساختی کمک کند. این اتفاق صنعت را تکان داد و حتی سم آلتمن را واداشت پیشنهاد کند که ممکن است سرعت توسعهٔ هوش مصنوعی باید کم شود. نادلا از این واقعه استفاده کرد تا ضرورت استفاده از چند مدل و عدم اتکای صرف به یک منبع را تأکید کند: «شاید برای رفع مشکلات ایجادشده توسط یک مدل، به چند مدل نیاز داشته باشید.»
مایکروسافت در مقابل این فضا، مجموعهای از محصولات و فناوریها را عرضه میکند: خط مدلهای MAI، چیپهای بومی Maya و مجموعهای از «هارنسها» تحت برند Copilot—از جمله GitHub Copilot برای کدنویسی. نادلا گفت مایکروسافت بیش از 11,000 مدل در کاتالوگ ابری خود ارائه میدهد که شامل رهبران بازار مثل OpenAI و Anthropic و همچنین مدلهای متنباز و بومی این شرکت است. او افزود که مایکروسافت در حال شتاب دادن به توسعهٔ مدلهای خود است و از جمله بیش از دهها مدل جدید در حوزههای تصویر، صدا، رونویسی، کدنویسی و امنیت معرفی کرده است؛ از جمله اولین مدل استدلالی این شرکت، «MAI thinking one». به گفتهٔ او، طراحی همزمان مدلها و سختافزار باعث شده اجرای مدلهای MAI روی چیپ Maya حدود 40٪ عملکرد بهتر به ازای هر وات انرژی داشته باشد.
در رقابت با مدلهای بزرگ تبلیغشده دیگر، مایکروسافت نمونهای همچون MAI Cyber One Flash را معرفی کرده که ادعا میشود در ترکیب با هارنسهای امنیتی چندعامله، عملکردی بهتر از مدلهای سنگینتر رقیب (مثلاً Mythos) ارائه میدهد و هزینهها را تا نیمی کاهش میدهد.
خلاصه اینکه پیام مایکروسافت به بازار سازمانی روشن است: استفاده از مدلهای مرزی (OpenAI، Anthropic و مشابهها) در ترکیب لازم است، اما اعتماد مطلق و اتکا تنها به آنها ریسک دارد. مایکروسافت میخواهد با ارائهٔ طیف گستردهای از مدلها، ابزارهای عامل، امنیت و زیرساخت سختافزاری—همراه با وعدهٔ کاهش هزینه—نقشی مرکزیتر در استراتژی هوش مصنوعی سازمانها ایفا کند.