2026 年 7 月，一件在兩年前難以想像的事情發生了：微軟正在訓練它的銷售團隊，有系統地貶低 OpenAI 和 Anthropic 的 AI 模型。
這家曾向 OpenAI 投資 130 億美元、並在 Copilot 中整合 Claude 模型的科技巨頭，如今正在全面轉向推廣自己的 MAI（Microsoft AI）自研模型。
微軟 FY27 銷售策略啟動會議
2026 年 7 月 14 日至 15 日，微軟召開了 FY27 年度銷售策略啟動會議，會議的核心訊息非常明確：「停止銷售零件，開始銷售完整系統。」
核心人物與關鍵發言
| 人物 | 職位 | 關鍵訊息 |
|---|---|---|
| Jay Parikh | 執行副總裁 | 「其他人都在賣零件，我們賣的是完整的端到端系統」 |
| Jacob Andreou | Copilot 負責人 | 直接比較 Copilot 與 Claude，稱 Claude「更慢、更不準確」 |
| Satya Nadella | CEO | 「管理 AI 成本將是企業未來一年的核心考量」 |
三大銷售戰術
1. 直接打擊 Anthropic Claude
Copilot 負責人 Jacob Andreou 在會議上直接將 Copilot 與 Claude 進行比較，告訴銷售團隊：Anthropic 的 Claude 模型 「速度較慢、準確度較低，且缺乏微軟 Office 應用的關鍵安全整合」。
2. 「付兩次智慧費」論述
CEO Satya Nadella 警告企業客戶，若完全依賴第三方 AI 模型，相當於 「付兩次智慧錢」——一次付給模型開發商，一次付給雲端基礎設施。他還警告使用外部模型可能導致企業的「專利知識與智慧財產權面臨外洩風險」。
3. 成功案例話術
微軟銷售人員被要求引用**聯合利華（Unilever）**的案例：該公司在微軟平台上構建了自動理賠系統，預計節省 3 億美元，隨後將底層模型從高階模型轉移到成本更低的微軟自研模型。
MAI 自研模型：微軟的 AI 野心
微軟在 Build 2026 開發者大會上公布了 7 款自研的 MAI 模型：
| 模型 | 用途 |
|---|---|
| MAI-Thinking 1 | 旗艦推理模型，微軟首款 reasoning 模型 |
| 編碼模型 | 軟體開發輔助 |
| 圖像生成模型 | AI 創作 |
| 語音辨識模型 | 語音轉文字 |
| 語音合成模型 | 文字轉語音 |
AI 負責人 Mustafa Suleyman 表示微軟的策略是：「寧可等待 3 到 6 個月讓 AI 前沿進步，然後自行構建高效的企業專用模型」，也不願為每次互動支付高昂的第三方模型授權費。
產品替換進度
- 已完成：Excel 和 Outlook 中的 Copilot 已替換為 MAI
- 進行中：GitHub Copilot 正在導入
- 規劃中：Teams 語音轉錄
一個荒謬的矛盾
微軟目前身處一個極度矛盾的商業策略中：
銷售人員正一邊向客戶交付內含 Claude 的 Copilot，一邊告訴客戶 Claude 其實更慢、更不安全、更不精準。
截至 2026 年 1 月，微軟每年需支付給 Anthropic 估計達 5 億美元的授權費。微軟自己的工程師甚至曾是 Anthropic 外部最大的 Claude 用戶。現在，微軟已悄悄在內部撤回了對 Claude Code 的使用。
分析師將這種策略稱為 「三方對沖（Three-Way Hedge）」：
- 持有 OpenAI 大量股權（約 27%，價值 1,350 億美元）
- 仍在 Copilot 中嵌入 Claude 模型
- 同時推廣自研 MAI 打擊兩者
曾經親密夥伴的決裂
微軟與 OpenAI 的關係在 2025 年發生了根本性轉變：
- 2025 年 4 月：雙方修訂合約，終止獨家限制
- 2025 年 10 月：微軟支持 OpenAI 重組為 PBC，持股從 32.5% 降至 27%
- IP 權利：延長至 2032 年，但排除 OpenAI 的消費者硬體
- Azure 合約：OpenAI 承諾額外採購 2,500 億美元 Azure 服務
如今，微軟不再滿足於做「AI 模型的配送商」，而是要在應用層與 OpenAI 和 Anthropic 直接競爭。
客戶的真實反應
對於微軟的極力說服，客戶反應兩極：
質疑派：Claude 在企業 AI 編碼工具領域已成為默認首選，買家是基於公開且客觀的性能指標做決策。有分析指出：「微軟銷售員帶著業績配額遞過來的投影片，與科學數據不可同日而語。」
成本妥協派：在預算壓力大的企業中，確實有客戶願意為了大幅降低運營成本，而選擇便宜得多的微軟自研模型。
產業深遠影響：應用層鎖定與資本補貼
這場微軟發起的 AI 銷售戰爭，揭示了更深層的產業結構問題：
AI 競爭的主戰場轉移
AI 的競爭已不再是誰能開發出最好的模型。當開源模型逐漸追上閉源模型效能時，真正的戰場在應用層的深度整合：合約條款、Prompt 工程、安全認證、數據累積。一旦被鎖定，龐大的移轉成本讓客戶極難轉向。
晶片折舊的「資本補貼」問題
研究指出，AI GPU 晶片在高度負荷下的實際壽命僅 1 到 3 年，但微軟、Amazon 等巨頭在財報中將其折舊年限設定為 5 到 6 年。這種差異每年在產業中創造約 250 億美元的資本補貼，讓巨頭能夠以低於實際成本的價格掠奪市場份額。
對台灣企業的啟示
- 不要被銷售話術迷惑：當微軟銷售員告訴你「Claude 比較差」時，請自己查閱獨立的基準測試報告
- 多元化 AI 策略：不要將所有 AI 工作負載綁定在單一供應商
- 注意鎖定效應：合約架構、Prompt 工程、安全認證都是隱形的轉換成本
- 開源模型是保險：像 Inkling、Kimi K3 這樣的開源模型提供了不受供應商綁定的選擇