Zelf doen of samenwerken? Microsoft kiest beide wegen in AI

Microsoft zet in op zelfvoorzienendheid in AI. Het bedrijf breidt fors uit in rekeninfrastructuur, ontwikkelt eigen grote taalmodellen (LLM’s), en gaat strategisch samenwerken met externe spelers — maar zonder afhankelijk te blijven. Hier wat Microsoft’s koers betekent en waar het naartoe werkt.

Eigen modellen, eigen infrastructuur

• Microsoft heeft recent twee eigen grote taalmodellen gelanceerd, waaronder MAI-Voice-1, gericht op gesproken taalinterface voor Copilot.
• MAI-Voice-1 belooft onder meer een minuut aan audio te genereren in minder dan een seconde op één GPU — waarmee het een van de efficiëntere spraaksystemen wordt. 
• De rekenclusters die Microsoft momenteel gebruikt voor hun voorlopige modellen zijn al indrukwekkend (bijv. ~15.000 Nvidia H100 GPU’s voor het “MAI-1-preview”), maar het is pas het begin.

Naar schaalvergroting: ambitie & partners

• Microsoft-baas Mustafa Suleyman heeft aangegeven dat het doel is om modellen te trainen op clusters zes tot tien keer groter dan voorheen ingezet — zodat ze kunnen concurreren met Google, Meta en xAI.
• Tegelijkertijd blijft Microsoft pragmatisch: niet alles hoeft in-house. Waar externe modellen beter presteren, bijvoorbeeld voor specifieke functionaliteit in Microsoft 365 (zoals Excel en PowerPoint), wordt samengewerkt met partijen als Anthropic.
• De strategie is dus hybride: eigen modellen, plus partnerschappen.

Microsoft is making “significant investments” in training its own AI models Microsoft is making significant investments in the server capacity required to train its own AI models. The MAI-1-preview model was just the start.

Waarom deze koers?

• Onafhankelijkheid: Microsoft wil minder afhankelijk zijn van derden — zoals OpenAI — op vlak van technologie, licenties, en toekomstige commerciële voorwaarden.
• Concurrentievermogen: Techbedrijven als Google, Meta en nieuwkomers bouwen ook aan enorme AI-infrastructuren. Microsoft moet meedoen om mee te kunnen spelen in degene die leiden.
• Efficiëntie & specialisatie: Sommige modellen zijn beter geschikt voor bepaalde taken (spraak vs tekst, real-time reactie, productiviteitssoftware etc.). Door modellen te specialiseren én te beschikken over rekenkracht, kan Microsoft sneller en beter innoveren.

Uitdagingen & wat het níet automatisch betekent

• Grote rekenclusters kosten veel miljoenen €, zowel qua hardware als energieverbruik, koeling, onderhoud. Microsoft moet zorgen dat deze investeringen rendabel blijven.
• Veel data, rekenkracht en AI-modelontwikkeling roepen ook vragen op rond ethiek, transparantie en bias. Hoe worden de modellen getraind, wie bepaalt inhoud, etc.?
• De connectie met OpenAI wordt complexer: hoewel Microsoft steeds sterker inzet op eigen modellen, blijft de samenwerking met OpenAI belangrijk — in sommige gevallen blijft OpenAI een leverancier of partner.

Wat betekent dit voor gebruikers & de markt

• Gebruikers van Microsoft-diensten (zoals Microsoft 365, Copilot, enzovoort) kunnen meer en beter AI-functionaliteit verwachten die sneller, gespecialiseerder én mogelijk betrouwbaarder is.
• Bedrijven die afhankelijk zijn van OpenAI-modellen kunnen merken dat Microsoft in sommige gevallen overschakelt op eigen of externe alternatieven (zoals de modellen van Anthropic) als die beter blijken.
• In de markt van cloud providers en AI infrastructuur wordt de concurrentiestrijd heviger: wie de rekenkracht kan leveren én AI-modellen kan aanbieden die overtuigen, krijgt een voorsprong.

Microsoft kiest voor een duidelijke koers: meer eigen modellen, meer eigen infrastructuur, maar met samenwerking waar het verstandig is. De onderneming wil niet alleen meedoen in de race om AI, maar ook de slagen kunnen bepalen — zowel technologisch als commercieel. Wie meeluistert krijgt het beeld van een Microsoft dat zichzelf heruitvindt in de AI-wereld, minder afhankelijk, meer ambitieus, en hopelijk efficiënter én innovatiever.