微软不到10人造出3个世界级AI模型，Slack靠"上下文"拿下百万周活：模型白菜化了，"懂你"才是新壁垒

4月2日，微软"MAI超级智能团队"交出了成立半年来的第一份作业：三个AI基础模型——语音转文字的MAI-Transcribe-1、语音生成的MAI-Voice-1、图像生成的MAI-Image-2。但让我真正停下来的不是模型本身，而是这个细节：每个模型的开发团队都不到10个人，使用的GPU只有竞品的一半。

同一周，Salesforce为Slackbot一口气发布了30多项新功能，把它从一个聊天助手变成了一个能参加会议、读取屏幕、连接6000多个企业应用的"全能员工智能体"。上线不到三个月，Slackbot已拥有近百万周活用户，成为Salesforce 27年历史上采纳最快的产品。而就在同一天，工业软件巨头IFS宣布彻底抛弃"按人头收费"，改为按企业管理的资产数量定价。

三件事指向同一个信号：AI竞争的焦点正在发生根本性转移——从"谁的模型更强"，转向"谁更懂你的业务"。

微软"自立门户"：10人团队的背后是模型的彻底商品化

有个背景信息值得玩味。直到2025年9月重新谈判合同之前，微软在合同上是被禁止独立追求AGI的——这是它2019年和OpenAI签订合作协议时的约束。Mustafa Suleyman在接受VentureBeat采访时说得很直白：重新谈判后，微软才获准独立追求自己的超级智能。

从解禁到发布第一批模型，微软只用了6个月。而且这三个模型的性能相当不错：MAI-Transcribe-1在FLEURS基准测试的25种语言上全面超越了OpenAI的Whisper-large-v3，在其中22种语言上还超越了Google的Gemini 3.1 Flash，平均错误率只有3.8%。MAI-Image-2则登上了Arena.ai排行榜前三。

但对企业决策者来说，最值得关注的不是这些性能指标，而是一个更大的趋势信号：当不到10个人就能造出世界级的AI模型时，模型本身还能算壁垒吗？

微软、OpenAI、Anthropic、Google、Mistral、xAI……进入2026年4月，能造前沿模型的"玩家"已经从三五家变成了十几家。模型能力的差距在缩小，但企业选型的难度在增加。微软股价年初至今下跌约17%——这是2008年以来最差的一个季度，即便它在AI上投入了数千亿美元。投资者要看到的不是"又一个好模型"，而是"模型带来了什么商业价值"。

Slack的答案："上下文工程"比"更强的模型"更重要

如果微软的故事说明了模型正在"白菜化"，那Slack这一周的动作则揭示了竞争的下一个战场。

Slackbot的底层用的是Anthropic的Claude——一个它能换掉的模型（Salesforce CTO Parker Harris已经确认今年会支持Gemini和OpenAI）。但让用户真正粘住的不是Claude的推理能力，而是Slack所说的"上下文工程"（Context Engineering）：决定把你的哪些频道、文件、会话和权限信息喂给模型的那套系统。

Slack临时CEO Rob Seaman在VentureBeat的采访中提到了一个关键细节：他们在成本优化上做的最重要的事就是"上下文工程阶段"——与Anthropic紧密合作优化RAG流程和系统提示词，确保把"恰好足够的上下文"放入模型的上下文窗口。

结果很有说服力。Salesforce内部80000名员工的测试中，三分之二试用了Slackbot，其中80%持续使用，满意度达到了96%。而73%的内部采纳来自员工之间的社交传播，而非自上而下的行政命令。员工自发创建了一份收录250多条常用提示词的文档在内部流传——这种使用热情在企业软件里极其罕见。

Gartner分析师在最新简报中指出：Slackbot正在成为用户日常工作的关键入口，将Slack从"AI赋能的协作空间"转型为"AI优先的工作枢纽"。换言之，Slack赢的不是"谁的AI最聪明"，而是"谁最理解你每天在做什么"。

IFS的定价革命：不卖"人头"，卖"成果"

同日，工业AI软件供应商IFS在巴黎宣布了一个看似"只是定价调整"但信号极强的决定：彻底放弃按用户数收费，改为按企业管理的运营资产数量定价。

举个例子：一家管理400个海上资产的能源公司，过去要按12000个需要访问数据的人和机器数量付费，现在只需按400个资产付费。IFS CEO Mark Moffat的原话翻译过来就是：我们不再给"干活的人"定价，我们给"被完成的工作"定价。

这和Slack、微软的故事形成了一个完整的叙事闭环——当AI智能体可以替你完成越来越多的工作时，"按人头买软件"这个延续了几十年的商业模式正在从根本上失去合理性。IDC分析师评价说：在智能体时代，买家需要的是与他们创造的业务价值对齐的灵活定价。

星盒视角："上下文工程"这四个字，解释了我们过去两年在做的事

说实话，当我看到Slack把"上下文工程"作为自己的核心竞争力时，感触很深。因为这恰恰是STARBOX在营销和内容领域一直在做的事——只是我们以前叫它"四维知识体系"。

微软这周证明了一件事：造模型的门槛在急剧下降。10个人能造世界级模型，意味着模型很快会成为水电一样的基础供给。真正稀缺的，是让模型"理解你的行业、你的客户、你的品牌语言"的那一层——这就是上下文工程。

Slack靠理解你"在和谁聊天、在做什么项目"赢得了百万用户。而在营销和内容场景里，"上下文"意味着完全不同的东西：你的行业竞争格局、你的客户在5A旅程的哪个阶段、你的品牌调性、你的产品差异化卖点、你过去哪些内容转化率最高。这些不是任何通用模型能开箱即用地理解的。

STARBOX的四维知识体系（预训练知识+行业知识+企业专属知识+实时数据）和三层架构（组织→BOX→智能体），本质上就是一套面向营销场景的"上下文工程"系统。我们在上百个行业中验证过的4×4内容策略框架和DDABC客户旅程模型，让智能体不只是"会写内容"，而是"知道该为谁、在什么阶段、写什么样的内容"。

IFS的定价革命也印证了一个我们相信的方向：AI时代的正确收费方式不是"你用了多少个智能体"，而是"智能体帮你完成了多少有价值的工作"。模型在变便宜，工具在变同质，唯一不会贬值的是你对自己业务的深层理解——也就是你的"上下文资产"。

写在最后

这一周的三条新闻，拼出了一个越来越清晰的画面：

模型能力不再稀缺（微软10人团队证明了这一点）；能赢得用户的是"理解上下文"的能力（Slack用百万周活证明了这一点）；而商业模式正在从"卖工具"转向"卖成果"（IFS用定价革命证明了这一点）。

对于正在规划AI战略的企业来说，2026年Q2的关键问题或许不再是"选哪个模型"或"买哪个工具"，而是：你有没有把自己的行业知识、客户洞察和业务逻辑，变成AI可以理解和使用的"上下文资产"？

因为模型会越来越便宜，工具会越来越多，但只有你自己的"上下文"，是别人拿不走的。