MicrosoftのMAIによる費用削減で見えた「切り替え盤」

Microsoftによると、PowerPointの画像生成モデルをOpenAIからMAIに置き換えた結果、費用を約85%削減できた。その2日前には、外部モデルの調達先にMistralを加え、選択肢を広げていた。

MicrosoftはPowerPointとBingに自社の画像生成モデルを導入した。一方、Mistralとの合意では、Foundry、Copilot Studio、Azure Localに新たな外部供給元を加え、欧州のデータセンターも共同で建設する。前者はMicrosoft製品内の供給元を絞る動きであり、後者はMicrosoftの基盤全体で供給元を増やす動きだ。

Microsoftは、顧客接点を特定のモデルに依存しない形へと変えている。利用者はPowerPoint、Bing、Excel、Outlook、Copilot Studio、Azureを使い続け、その裏側で製品部門がモデルを入れ替える。業務の主導権を特定の供給元に渡すことなく、最先端モデル、特定用途向けモデル、小型モデル、公開モデルを使い分けられる。

依存関係を、1件当たり費用の判断に変えたMicrosoft

Microsoftは、自社に同等のモデルがない段階で既存製品に最先端のAIを組み込むため、OpenAIを頼った。2023年には、OpenAIの大規模言語モデルと自社のPrometheusを採用した新しいBingを投入した。検索機能、画面、クラウド基盤、販売経路はMicrosoftが担い、製品に新たな価値をもたらす中核機能はOpenAIが提供した。

Microsoftはこの提携により、モデル研究の成果を消費者向け製品に落とし込むまでの時間を短縮した。しかし機能が広がるにつれ、日常的な処理を呼び出すたびに、外部の1社に依存する費用構造が重くのしかかった。2023年9月には、Bing Chatなどの費用を抑えるため、MicrosoftがOpenAIの高性能モデルに近い能力を持つ効率的なモデルを開発していると報じられた。

Microsoftは段階を踏んで代替能力を整えた。2025年10月には、文章から画像を生成する初の自社モデルMAI-Image-1を発表。2026年3月には、MAI-Image-2がArena AIの文章画像生成部門で、GoogleとOpenAIのモデルに次ぐ3位に入った。翌月には、本番利用に耐える品質をおよそ半分の費用で実現したとする高効率版を公開した。

一連の投入を通じてMicrosoftが確かめたのは、MAIが最先端モデルに近い品質を実現し、費用を抑えながら本番環境の処理を担えるかどうかだった。その答えとして、PowerPointとBingの処理を自社モデルに割り当てた。

処理を獲得するには3位で十分だった

MAI-Image-2がArena AIの文章画像生成部門で3位に入った時点で、Microsoftは実用的な代替手段を手にした。3月の順位では、なおGoogleとOpenAIが上回っていた。

Arena AIが測るのは相対的な品質だ。一方、Microsoftには推論処理のたびに費用が発生する。製品部門は、用途ごとに求められる品質水準を超える性能が、追加費用に見合う価値を生むかを判断しなければならない。必要な水準を満たした後は、役立つ処理1件当たりの費用を最小化できる。

報告どおり費用にこれほど大きな差があるなら、PowerPoint部門は性能面のわずかな差を許容できる。GoogleやOpenAIが順位で上回り続けても、Microsoftは画像生成の推論処理を大量購入する立場として、条件を満たす処理ごとに削減効果を得られる。

Microsoftは、1件ごとの削減効果を利用規模の大きい製品群に広げられる。Bingの1日当たり利用者数は、2023年の投入期に100 millionを超えた。7月の別の報道では、ExcelやOutlookを含む製品でも、OpenAIとAnthropicのモデルからMAIへの置き換えを始めているとされた。

Microsoftは一体運用と供給元の選択を両立する

Microsoftは2024年5月までに、OpenAIのGPT-4oと自社のPhi-3系に対応したAzure AI Studioを広く提供していた。モデルの選択機能を、開発、システム連携、統制のための共通環境に組み込んだ形だ。

Mistralとの合意により、その品ぞろえはFoundry、Copilot Studio、Azure Local、建設予定の欧州データセンターへと広がった。顧客によって、必要な品質、導入上の制約、地域、価格帯は異なる。MicrosoftがMAIを開発しながらも、外部モデルを中核的な選択肢として残す理由はここにある。

製品部門が処理の割り当てを決め、調達部門が供給元を承認し、開発者がFoundryでモデルを選ぶ。実際の処理が要求を即時に振り分ける前に、これらの部門が連携してモデル群全体を運用する。

巨大クラウド各社が選択肢を売るのは、自らを守るためだ

Microsoftの姿勢は、クラウド基盤を持つ各社の関係再編とも重なる。Amazonは、OpenAIのgpt-ossモデルをBedrockとSageMakerで提供する計画を立てていた。OpenAIのモデルがAWSの顧客に提供されるのは初めてとなる。AmazonにとってOpenAIは、自社の販売網で扱う選択肢の1つだった。

Microsoftは、供給元の選択肢をモデルより下の層にも広げている。最先端モデルの推論処理向けに、AMDのラック規模基盤HeliosをAzureへ導入する計画だ。モデル層ではOpenAI、MAI、Mistralをそろえ、その下の機器層ではAMDなどを採用することで、推論処理を支える2つの層で交渉できる。

顧客は今後も、利用可能な中で最も高性能な仕組みを求めたり、特定の供給元を指定したりするだろう。豊富な品ぞろえがあれば、MicrosoftとAmazonはどちらの要望にも応えながら、基盤利用の売り上げを確保できる。

供給元を増やしても、設備費の負担は消えない

Barclaysは、推論処理向けの設備投資が2年以内に学習向けを上回り、2026年には$208.2 billionに達すると予測した。The Wall Street Journalが確認した資料では、OpenAIとAnthropicの推論費用が売上高の半分を超えていた。

モデル開発会社は学習に巨額の費用を投じ、製品が使われるたびに推論費用が繰り返し発生する。Microsoftでは、支援機能が自律的な実行機能へ広がり、通常の業務ソフトにもAIが浸透するにつれて、利用者の1回の操作が何度ものモデル呼び出しを引き起こしかねない。より安いモデルでも必要な品質を満たせるのに、最も高価なモデルを呼び出せば、利用者全体で利益率を損なう。

Microsoftは、高い費用に見合う能力を必要な処理に限って使い、それ以外には安価な特定用途向けモデルを割り当て、モデルと機器の供給各社を競わせられる。それでも、稼働率が判明する前に、ラック、半導体、冷却設備、光回線、変電所、電力契約、建物へ資金を投じなければならない。

モデル層の柔軟性が増すほど、クラウド基盤を持つ企業に失敗の余地は少なくなる。ある調査によると、Alphabet、Microsoft、Amazon、Meta、Oracleの簿外債務は2022年以降で約8倍に増え、$1.65 trillionに達した。貸借対照表に計上された債務の推計$1.35 trillionを上回る。Microsoftと同業各社は供給元を競わせられるが、自ら整備を決めた設備能力に伴う需要リスクは引き続き負う。

Microsoftは今後も、契約済みの電力を有用な推論処理で埋めなければならない。MAIによって1回の処理費用が下がれば、PowerPointの採算が改善し、確保済みのサーバーと電力から引き出せる有用な処理量も増える。

PowerPointの画像ボタンの先には、いまやMicrosoftが握る切り替え盤がある。Microsoftによると、その処理をMAIに担わせれば費用は約85%下がる。最先端の能力は引き続きOpenAIから調達でき、Mistralという別系統も加わった。そして料金計を握るのはMicrosoftだ。