01 触发事件

2026 年 11 月 18 日,Bloomberg 报道,Microsoft 表示客户选择 Copilot AI assistant,而不是 Anthropic 的 Claude 或 OpenAI 的 ChatGPT,核心原因是运行成本更低。

原文只给出一个判断:Microsoft 认为 Copilot 在价格上胜过 Anthropic 和 OpenAI。它没有披露客户数、具体折扣、token 用量、节省比例,也没有说明这里的“price”是 API 单价、seat 订阅成本,还是 bundled usage 后的综合账单。

这组限定很重要。我没在 Microsoft 内部核验这份 customer feedback,因此不能把管理层的说法直接等同于独立测量;但至少,它给出了平台层 pricing war 的新信号。

02 这事的真正含义

问题不在 Copilot 是否比 Claude、ChatGPT 更便宜,而在谁拥有向终端用户定义“一次 AI 工作”的能力。

Microsoft 可以把模型调用、Copilot 席位、Microsoft 365、GitHub 与 Azure consumption 打包。Anthropic 和 OpenAI 更擅长出售模型能力,Microsoft 更有能力出售采购结果:员工能完成多少任务、开发者能提交多少代码、企业每月花多少钱。

这就是 aggregation theory 在 AI 里的具体落点。模型本身可能越来越 commoditize,distribution、identity、permission、workflow 和 billing relationship 却不会同步商品化。终端客户迁移 assistant 时,还要处理账号、权限、数据接入、采购合同与员工习惯,switching cost 不只在 prompt 层,而在组织操作层。

那个真正会被定价的,不是某一个模型调用,而是完成一项工作所需的模型能力及其采购摩擦。

对模型 API 厂商而言,Copilot 的低价不是简单促销。它可能意味着 Microsoft 用 Azure、Microsoft 365 或其他产品收入补贴 AI usage,把模型价格战从供应商之间拉到平台之间。

如果这条逻辑成立,Anthropic 与 OpenAI 将面临一个不对称选择:跟着降价,可以守住 usage;不跟着降价,则可能被 bundled distribution 截走 demand。

但“没在内部跑过 X” 仍然成立。原文没有提供计算口径。究竟是每任务成本、每用户成本,还是每 token 成本领先,决定了这是结构性优势还是销售口径上的包装。

03 历史类比 / 结构对照

2007 年 iPhone 发布后,真正改变产业分配的不是 App Store 本身,而是 Apple 把设备、操作系统、支付、认证与 distribution 组合起来。开发者因此获得 demand aggregation,应用开发者则必须围绕平台规则构建产品。

2014 年 AWS 把 EC2、S3 与按量计费组合起来,也做了一次类似迁移。客户不再购买服务器,而是购买可组合的计算资源;云平台则凭借基础设施规模与默认选择权积累 moat。

AI 正在出现一个相似结构,只是控制点更多。Microsoft 控制企业 identity 与 productivity distribution,Anthropic 和 OpenAI 控制 frontier model。模型能力越接近,平台层越容易把差价变成套餐权益,再用留存和 usage 锁定客户。

2022 年 ChatGPT 的拐点也值得对照。OpenAI 最初靠 ChatGPT 获得 distribution,随后 API、Assistants、Codex 与企业产品逐步承接复杂需求。Microsoft 则走另一条路:借助 M365、GitHub 和 Azure,把 AI 塞进既有采购入口。

这不是简单的“模型公司 vs 云公司”。更准确的结构是:模型公司试图向上掌握 distribution,云公司则向下把 inference 变成低成本 bundle。前者若无法控制工作流入口,就可能拥有更领先的模型,却拿不到模型红利;后者未必拥有最强模型,却能定义客户购买 AI 的方式。

04 对 AI builder 意味着什么

这周该做的第一件事,是重算真实单位经济,而不是继续比榜单。

至少拆开四层:输入与输出 token、prompt cache 命中率、模型 routing、完整任务成本。最后一层决定客户是否续费。模型单价下降 20%,却因 agent loop、tool calls 和低 cache hit rate 导致总成本上升,并不算降价。

第二,评估产品是否依赖一个可被 Microsoft、Anthropic 或 OpenAI 直接 bundle 的功能。若产品只是通用 chat、代码补全或文档总结,平台方可以凭 distribution 和 switching cost 压价,你却很难阻止客户把席位费用视为“已经包含 AI”。

第三,主动增加 distribution ownership。opcx.ai 这类 model access 平台不应只做透明转发与价格比较,还要提供 routing、budget control、observability、fallback、团队级权限和成本归因。客户真正愿意付费的部分,是减少选型风险与失败成本,而不是多一个 provider endpoint。

第四,给 Copilot 降本叙事做压力测试。不要只问“哪个模型更便宜”,要问:

  • 客户按 seat 还是 usage 付费?
  • Copilot 是否通过已有合同覆盖调用?
  • workflow 数据和 permission 是否形成锁定?
  • 采购决策者是个人用户、部门还是 CIO?
  • 模型替换后,质量、延迟与人工返工成本会变多少?

我的判断是,AI API 的价值会从“拿到模型”迁向“编排模型并控制任务成本”。这给了 API gateway、router 和 observability 层窗口,但前提是产品对客户工作流有真实嵌入。单纯 price comparison 很容易被平台 bundle 抹平。

05 反方观点 / 风险

我可能高估了 Copilot 对 Claude 和 ChatGPT 的替代力度。

Microsoft 的表述也可能只是企业采购叙事。企业客户未必会因为模型调用便宜,就接受功能更弱、权限更复杂或数据边界更不透明的产品。ChatGPT Enterprise 与 Claude Enterprise 也在销售安全能力、跨模型工具和组织管理,bundle 只是竞争的一层。

另一个风险是“便宜”不等于“更高效”。如果 Copilot 的低报价对应更高 latency、更多重复调用、更低成功率,真实任务成本未必更低。原文没有 task completion rate、人工接管率或 renewal 数据,这点我可能误判。

更根本的风险在 Microsoft 自身:AI 基建成本并不低。免费或低价 Copilot 如果扩大使用,却没有形成足够付费转化,长期会迫使平台重新调整 packaging,甚至限制重度用户。届时今天的低价优势可能只是补贴。

所以,我不认为 Copilot 已经“击败”Anthropic 和 OpenAI。更准确的结论是:Microsoft 已把 price 变成 distribution 武器。

对 builder 最危险的误读,是把它当成一次模型降价;更值得盯住的是,客户开始把 AI 视为软件 bundle 的默认属性。届时,单独为 token 付费的产品必须证明自己提供了 bundle 无法提供的 workflow leverage,否则即便拥有更好的模型,也可能成为基础设施成本,而不是利润中心。