微软正在内部评估将Kimi K3 接入 Copilot。

根据 The Information 等海外权威科技媒体的最新报道，核心诉求是以此替代部分目前由 OpenAI GPT 和 Anthropic Claude 承担的推理任务。微软内部测算，如果切换成功，每年最高可节省约 6 亿美元的推理成本。同时，微软也正在推进将 Kimi K3 部署到自家的 Azure 云服务中。

1. 大厂的“降本现实”与模型梯队化

微软不缺钱，但在 Copilot 这种高频应用里，如果每一个简单指令（比如总结邮件、润色周报）都要调用 GPT 顶级闭源模型，单 Token 的成本是算不过账的。冒着潜在的合规与地缘审查风险，也要去测一个中国产的开源模型（Kimi K3 是 2.8 万亿参数的 MoE 架构），说明底层的商业驱动力已经压过了其他考量。巨头们正在从“不计代价堆算力”转向“模型梯队化管理”——杀鸡，绝不再用牛刀。

2. AI 生态的“算力套利”

这其实提供了一个绝佳的全球资产配置观察视角。美国头部大厂在拼最顶尖的多模态和闭源壁垒；而中国的大模型团队（从 DeepSeek 到如今的 Kimi）正在疯狂把开源模型的“性价比”卷到极致。微软这一步，本质上是在做全球大模型生态的“算力套利”——利用中国低成本、高性能的开源模型，来增厚美国 SaaS 产品的毛利。

3. 对美股科技投资的启示

这印证了我此前一直强调的框架：AI 资本开支狂潮已经进入下半场。比起“谁的模型更聪明”，华尔街现在更盯着“谁能把推理成本降下来”。

如果微软这种“大金主”开始在内部实行底层模型的“平替”，意味着 OpenAI 等闭源巨头的商业化压力会成倍增加；而对于 Azure 这类云平台，谁能提供更便宜、更好用的开源模型接口，谁就能圈住更多对价格敏感的企业客户。