微軟在 2026 年 Build 大會上宣佈，自 8 月起將 GitHub Copilot 的預設引擎從 GPT-4 Turbo 切換為自研的 Project Polaris（底層為 MAI-Code-1-Flash，約 5B 啟用引數的 MoE 模型）。企業租戶擁有 3 個月的回滾視窗，可切回 GPT-4 Turbo 直至 11 月。訊息一齣，媒體紛紛以“微軟逆襲 OpenAI”“七年獨家終結”等標題報道，但微軟官方部落格僅平淡提及“提升成本效率與自主性”，未釋出任何 benchmark 對比或大型釋出會。
Polaris 並非旨在與 GPT-5 等前沿模型比拼智力，而是精準卡位程式碼生成場景。它採用 MoE 架構，總引數量 137B，啟用約 5B，支援 256K 上下文（Pro 使用者最高 10 萬行程式碼），執行在自研 Maia 200 晶片上。微軟自報其在 HumanEval 和 MBPP 上超過 GPT-4 Turbo（2024 年老模型），SWE-Bench Pro 得分 51.2%（對比 Claude Haiku 4.5 的 35.2%），但這些資料未獲獨立第三方驗證。PCMag 在 Build 2026 後的測評給出“Surprisingly Mediocre”的評價，認為模型“可以使用，但難以匹敵 Claude 與 Gemini”。Pragmatic Engineer 2026 年 2 月對 906 名工程師的調查顯示，資深工程師“最喜愛”投票中 Claude Code 佔 46%，Copilot 僅 9%，信任差距達五比一；而 JetBrains AI Pulse 2026 年 1 月資料顯示，Copilot 在職使用率仍有 29%，Claude Code 為 18%。開發者心智在偏移，但企業採購位尚未動搖。
Polaris 的定位非常明確：不管聊天、不做 PPT、不碰多模態，只專注於 IDE 內的程式碼補全、多檔案重構和測試生成。在這個高頻、固定、可硬化的場景中，Polaris 執行在 Maia 200 上，官方稱每美元可處理 Token 數提升 30% 以上（單位成本效能），行業估算單次推理成本較原 GPT-4 Turbo API 路徑低約 30%。GitHub 擁有 1.5 億註冊開發者，Copilot 組織覆蓋超 14 萬家（據 Nadella FY26 Q3 資料），日補全呼叫達十億級，每一次省下的 token 成本乘以這個量級，就是真金白銀。但風險同樣存在：企業有 3 個月回滾視窗，若大量開發者因程式碼質量退化選擇切回 GPT-4 Turbo，降本紅利將被抵消。這也是微軟保留回滾期的現實考量——Polaris 是“足夠好”的省錢模型，而非“絕對強”的碾壓模型。
更深層的動機在於合規。2024 年 11 月，美國聯邦貿易委員會（FTC）向微軟發出民事調查令（CID），調查其 130 億美元投資 OpenAI 是否構成“未申報的實質性合併”；2026 年 6 月，The Verge 披露 FTC 已向 6 家以上競品發出第二輪 CID，問題覆蓋雲捆綁、M365 授權限制、Windows 互操作、Azure OpenAI 轉售排他。目前仍在調查取證期，未起訴、未和解。FTC 的核心理論是微軟正利用 Windows 和 Office 的舊壟斷地位，順手鎖死 AI 市場。若微軟在通用大模型上保持戰略剋制、主要作為 OpenAI 的前台，可能被視為“消除自己本可存在的潛在競爭”。因此，微軟必須保留自研能力。2026 年 4 月，微軟與 OpenAI 正式結束 7 年獨家合作，但 Azure-OpenAI 商業轉售合作仍存續；微軟獲得更清晰的自研前沿模型權利，通用主幹探路定在 2027。Mustafa Suleyman 近期對行業媒體表示，微軟目標在 2027 年達到文本、影像與音訊的絕對前沿水平，成為“第四家前沿實驗室”。該對外目標不代表內部 KPI，同時也是面向監管釋放的競爭姿態。Polaris 在 8 月落地，恰好落在 FTC 擴圍調查視窗期，客觀上成為卷宗裡一份“自研競爭存在”的事實記錄。這是合規姿態，而非對股東的業績承諾。
從商業邏輯看，微軟的動作符合比較優勢理論。OpenAI 和 Anthropic 的比較優勢是煉出最聰明的模型，而微軟的比較優勢是把模型塞進企業現有的身份和安全骨架裡收稅。通用大模型正在快速商品化，蒸餾、量化等技術已將 70B 模型壓到端側 14B 體驗不塌；行業預估台積電 A14（2028）將再砍推理成本 40%。如果未來訓練一個大模型像今天起一個 WordPress 站點一樣便宜，“擁有大模型”就從資產變成了庫存。微軟若再砸幾十億自研通用模型，等於沃爾瑪自己開紡織廠做 T 恤——不是不能做，是做了比直接採購還虧。因此，它更合理的動作是租用 OpenAI 的通用能力（現在），同時把省下的錢砸向 Entra、Intune、MXC、Windows ML 和 Solara——即“全棧裡模型層租，其餘自己鎖”。這正是科斯交易成本理論的當代版本：換掉微軟企業全棧的代價，沒有企業能承受，它鎖的不是技術，而是替換成本。
端側才是後 AI 時代的第一戰場。微軟在端側不造 NPU 晶片，那是高通、蘋果、聯發科的活。它乾的是三件事：定義 NPU 上跑什麼權重，定義任務怎麼路由，定義企業裝置按什麼標準進門。Aion 1.0（Instruct + Plan，14B 引數）已烘焙進 Windows 11，本地跑郵件摘要、日程協商和工具呼叫，0 token 費；Phi-4 系列（38 億到 150 億引數）樹莓派級裝置就能跑；Windows Agent Runtime 和 Windows ML 把 CPU、GPU、NPU 當成統一算力池，開發者寫一次 Agent，系統自動按任務複雜度路由——輕活走 NPU，重活甩 GPU，再上不了本地就回 Azure 調 Polaris 或 GPT。這裡有個關鍵轉折：2024 年微軟強推 Copilot+ PC，把 AI 敘事綁死在 40 TOPS NPU 硬體門檻上；2026 年 Build 大會上，據行業媒體對 Nadella 訪談轉述，Nadella 自己認錯，說那是一個失誤（mistake），改走硬體無關的 Agent 執行時，老筆記本集顯也能跑本地 Agent。這說明微軟端側策略從“賣 NPU 硬體”退到了“佔 Agent 入口和系統路由權”。
更狠的是 Project Solara。微軟不發硬件，只發參考設計：企業數字工牌（高通芯+攝像頭+指紋+5G）、桌面陪伴裝置（聯發科 IoT 芯+人臉+UWB）。OEM 按圖做殼子，但裡面的 Agent 必須走 Windows Agent Runtime、用 Entra ID 登入、受 MXC 沙箱審計。消費端 NPU 裝置百花齊放，但對於全球以 Microsoft 365 為核心辦公平台的企業而言，這台裝置能不能進公司網、讀不讀 Outlook、發不發 SharePoint 的開關，捏在微軟手裡。
總而言之，微軟這桌宴席上，LLM 只是一碟醬油。8 月 Polaris 替掉 GPT-4 Turbo，是微軟給媒體放的煙花——給公眾看“微軟有腦子了”，給 FTC 看“潛在競爭沒斷”，給股東看“全棧閉環在走”。但廚房裡的真實選單是：Aion 端模型進工牌、Entra 管著企業身份開關、Windows ML 握著路由權、Solara 定著 OEM 規格。媒體圍著醬油瓶拍了三天，微軟在廚房裡悄然把 2030 年企業端側的“稅單”全定好了。等到所有人拍完抬頭一看，菜已經上齊了。