企业 AI 竞争的重心，正从提供模型转向承接生产级应用。围绕这一变化，云厂商正在争夺企业 AI 应用的建设和运行入口。

Foundry 正是微软对这一变化的回应。它从围绕模型选择、微调、评估、部署和调用的 MaaS 平台，逐步扩展为覆盖 AI 应用及 Agent 开发、运行和治理的平台。微软争夺的已经不只是模型调用量，而是企业 AI 应用的核心入口。

一旦这一入口形成，Foundry 就可能持续带动 Azure 基础设施、模型、数据、安全和 Microsoft 365 等产品的采用。它能否把平台地位转化为持续的收入和利润增长，将决定 Foundry 能否成为微软在 AI 时代的重要增长引擎。

01  

Foundry 正在从模型入口走向应用入口

Foundry 走向 AI 平台，不是因为 MaaS 不再重要，而是企业 AI 的瓶颈已经从获得模型转向让应用稳定进入生产。MaaS 让企业可以选择、微调、评估、部署和调用模型；生产应用还要连接数据与系统，处理权限、流程和审计，让企业能够对 AI 的执行过程和结果负责。

这背后，有三股力量推动了这一变化：模型从问答走向 Agent 和长程任务，系统责任随之扩大；模型选择越来越多，企业不愿把数据和流程绑定在单一模型上；AI 投入从试验转向生产，评价标准也从模型分数和 Token 数量转向任务质量、业务效果和单位成功任务成本。

Foundry 的演进与此同步。2023 年的 Azure AI Studio 已经提供模型选择、训练数据接入、微调、评估和部署；2024 年 Azure AI Foundry 强化统一开发平台和 Agent Service；2025 年更名为 Microsoft Foundry，并加入 Foundry IQ 和 Control Plane；2026 年继续完善 Hosted Agents、工具连接、状态管理、追踪和评估。

图 1：微软 Foundry 产品与定位演进

后一阶段并没有取代 MaaS，而是在其上增加了 AI 应用及 Agent 的运行和治理能力。

微软对 Foundry 的战略定位也随之上移。纳德拉先后表示 " 一个新的应用平台正在诞生 "，并在 FY2026 第四季度（实际对应 2026 年 4-6 月）把 Foundry 定义为模型、数据和上下文能力之上的 " 完整应用与智能体技术栈 "。这一定义明确了 Foundry 的战略边界：向下连接模型、数据和基础设施，向上承接应用与 Agent。

02  

Foundry 承接的是企业 AI 应用的统一管理需求

Foundry 的核心价值，是把模型、业务上下文、运行环境和治理能力组织成一套生产系统，主要服务开发、平台运维和安全团队，最终支撑业务人员或外部客户使用 AI 应用。

模型与上下文。Foundry Models 实现 MaaS 基础能力，Foundry IQ、Tools 和 Toolbox 把企业知识与业务接口接入应用，具体能力取决于模型、区域和部署方式。

运行环境。Agent Service 负责编排任务、调用工具并管理会话和状态，Hosted Agents 可以托管自定义代码与框架，企业由此少搭建一部分通用运行设施，把精力放在业务逻辑和异常处理上。

治理能力。可观测性记录质量、延迟、错误率和 Token 用量，Foundry Control Plane 结合身份、安全和治理服务管理跨项目策略、风险与成本，帮助企业判断应用能否上线、是否需要优化。

Foundry 承担的是通用平台责任，不是企业的业务责任。数据治理、指标定义、接口权限、流程规则和任务质量仍由企业负责，哪怕是处于预览阶段的能力，也要按实际状态决定能否用于生产。

Foundry 价值不在于应用数量，而在应用的统一管理。简单、低风险的一次调用未必需要完整平台；只要涉及核心数据、跨系统操作、多人使用和安全审计，即使只有一个应用，也可能需要统一的运行与治理能力。

03  

Foundry 通过应用入口带动微软全栈增长

Foundry 的增长逻辑，不是依靠一笔统一的平台费，而是让生产级 AI 应用持续带动模型、云、数据、安全和办公产品的使用。

图 2：Foundry 带动微软全栈消费的增长路径

Foundry 没有覆盖全部能力的统一订阅费。模型推理、微调、检索、托管计算和监控按各自规则计费，部分 Agent 也不额外收取创建或运行费。只有客户增加模型和 Azure 服务消费、扩大容量与席位，或者采购新的数据、安全和应用产品，微软才会获得新增收入，已有容量内的使用主要增强产品价值和客户留存。

微软 FY2027 财务架构进一步强化了这一方向。新的 Agents and Infra 分部把应用和 Agent、模型系统、企业上下文与 Azure 基础设施放在同一个经营视角下。

Foundry 的商业链条可以沿着四个环节观察。企业把更多任务部署到生产，首先增加 Foundry 中的模型调用、检索、数据库、托管运行和监控需求，这些新增用量或产品采购形成收入，收入覆盖推理、运行、折旧和研发成本后，才形成可持续的单位经济性。

生产任务、Foundry 及关联服务消费、收入和单位经济性，由此前后衔接，也构成判断 Foundry 能否成为增长引擎的核心指标。

04  

Foundry 已验证采用，增长路径开始显现

Foundry 的客户覆盖、商业化速度和生产使用强度都在上升，说明其增长路径已经开始形成。

微软披露，FY2026 第四季度 Foundry 客户达到 10 万家，说明平台采用已覆盖更广泛的企业；收入同比翻倍以上，说明商业化速度正在加快；达到 1 万亿 Token 年化使用门槛的客户数量同比增至 4 倍，说明一批客户正从试验走向规模化生产；同时使用 Foundry 与 Fabric 的客户超过 1.7 万家，同比增长 60%，说明 AI 平台正在带动数据产品协同采用。

微软副总裁、商业业务首席财务官 Bill Duff 也把 Foundry 称为观察企业 Azure AI 需求的最佳代理指标之一，并预计企业从试验转向生产、规模化和治理的趋势会持续。

经营指标说明 Foundry 的采用规模正在扩大，而以下三个客户案例则说明，这种采用如何进入真实业务，并带动微软多项产品共同使用。

Cemex 把经营数据变成受控的管理入口。这家总部位于墨西哥的全球建材企业 2024 年销售额约 160 亿美元，在四大洲运营 50 多家水泥厂和 1,000 多家预拌混凝土工厂。

Cemex 用 Foundry 及 Azure OpenAI、AI Search、Cosmos DB、App Service、Teams 和 Storage 构建 LUCA Bot，约 100 名高层可以通过自然语言查询超过 120 项经营指标，数据保留在 Cemex 的 Azure 租户内，访问权限按业务线控制。

这个案例突出 Foundry 的第一项价值：把模型接入企业经营数据和权限体系，形成可治理的数据访问入口；同时，一项生产应用也带动模型、搜索、数据库、托管和协作产品共同使用。

Levi Strauss 把 AI 接入现有系统和员工入口。这家全球服装企业 2025 年净收入约 63 亿美元，产品销往约 120 个国家。

Levi Strauss 使用 Foundry 构建面向具体任务的 Agent，连接 SAP、人力资源和零售系统，并按用户身份访问实时、受治理的数据；Foundry 协调 Agent 工作流，Azure Functions 执行后端任务，Teams 提供员工入口。同时，公司还计划用统一的 Super Agent 编排多个专业 Agent。

这个案例突出 Foundry 的第二项价值：企业不必先替换现有业务系统，就能把 Agent 接入数据、流程和身份体系，降低跨系统集成与员工采用的摩擦，并把 Azure 能力延伸到 Microsoft 365 和 Teams 中的日常工作。

Stagwell 把广告审计经验变成可复用的 Agent。Stagwell 是一家数字优先的全球营销网络，拥有 1 万多名员工和 70 多家代理机构伙伴。

该公司旗下全球全渠道媒体代理商 Assembly 将 Microsoft 365 Copilot、Microsoft Advertising MCP server 和 Azure AI Foundry 结合，用人工完成的审计报告为 Agent 提供专业依据，再由 Agent 读取实时广告数据、执行审计框架、提出建议并生成报告，专业人员负责复核和决策。广告审计由数小时缩短至数分钟，团队可以从定期抽查转向更频繁的持续优化。

这个案例突出 Foundry 的第三项价值：把专家方法、业务数据连接和执行流程封装为可重复使用的生产应用，在保留人工把关的同时扩大专业能力的覆盖范围。

三个案例分别验证了受治理的数据访问、跨系统编排与分发、专业流程复用，覆盖管理决策、员工服务和客户交付三类真实业务，也共同说明 Foundry 的价值会通过模型、数据、运行和应用产品的组合使用体现，而不是只靠单项模型调用。

外部研究也提供了积极验证。微软委托 Forrester Consulting 开展的 Microsoft Foundry 总经济影响研究，给出 327% 的三年风险调整后投资回报率和不足 6 个月的回收期，说明在生产场景中整合开发、运行和治理能力可能带来显著经济价值。

经营指标证明采用和商业化正在加速，案例证明平台已经进入生产业务，外部研究则支持其经济价值方向。Foundry 尚未完成全部财务验证，但成为微软增长引擎的路径已经从产品设想走向可观察的经营过程。

05  

全栈协同，决定 Foundry 能走多远

Foundry 的核心优势，是把微软已经进入企业的软件、数据、身份、安全和云基础设施转化为 AI 应用的建设、运行与分发条件。AWS、Google 等云平台同样拥有全栈能力，OpenAI、Anthropic 等模型厂商也在向 Agent 开发和托管运行延伸。

图 3：Foundry 与主要 AI 平台的竞争比较

AWS 的演进说明，各家平台都在向统一管理平台扩展，但产品边界并不相同。Bedrock 发布时已经同时提供多模型 API 访问、微调和应用集成，并非先训练、后调用 API；更完整的模型注册、版本、审批和 CI/CD 主要由 SageMaker Model Registry 承担，AgentCore 则继续向 Agent 运行与治理延伸。

微软 Foundry 演进中，相对于同类平台产品，有一定的竞争优势。

微软首先拥有存量企业技术栈。许多客户已经在 Azure 上运行应用和数据库，用 Entra 管理身份，在 Microsoft 365 和 Teams 中开展工作。Foundry 可以沿用既有的数据口径、权限规则、系统连接和员工入口，把 AI 项目需要重新建设的基础环节压缩到更小范围。

Cemex 和 Levi Strauss 案例已经展示了这种组合：前者在 Azure 环境内连接经营数据与多项服务，后者把跨系统 Agent 直接放进 Teams。

其次，Foundry 以多模型平台而非单一模型入口参与竞争。企业可以在同一平台选择和评估不同模型，并尽量保留数据连接、工具、运行流程和治理规则。模型替换仍会受到接口、效果和合规差异影响，但应用层与单一模型相对分离，可以降低长期绑定风险，也让微软在模型供应格局变化时继续维持平台关系。

再次，Microsoft 365 和 Teams 提供了直接面向员工的分发入口。许多 AI 平台可以帮助企业构建 Agent，但生产价值还取决于员工能否在熟悉的工作界面使用。Foundry Agent 进入 Microsoft 365 Copilot 和 Teams 后，企业可以少建一套独立入口，微软也有机会把 Azure 上的开发和运行消费延伸为办公应用的使用深度与增购。

这个优势在微软生态客户中最明显，也是 Foundry 区别于单纯模型 API 的重要条件。

结合 10 万客户、收入同比翻倍、高用量客户增长和生产案例，未来两三年，Foundry 有望成为微软生态客户建设生产级 AI 应用的主要平台之一，尤其适合需要连接多套系统、受治理数据和员工工作入口的场景。

当然，现有证据支持这一积极判断，但不足以证明 Foundry 已经取得整个市场的第一名。

Foundry 对微软的贡献预计会分阶段体现。近期，更多生产任务将直接增加 Azure 模型、检索、数据库、托管运行和监控消费，并提高 Microsoft 365 等应用的使用深度。

更长期看，如果客户把多个业务场景持续部署在 Foundry 上，微软将控制企业 AI 应用连接模型、数据、身份、工具和员工入口的平台位置。由此形成的客户关系、预算份额和跨产品协同，可能比 Foundry 品牌下单独可识别的收入更重要。

利润兑现仍取决于任务规模、资源利用率、定价和研发投入等。模型与 Runtime 会增加计算成本，但统一平台也能通过模型选择、路由、评估和治理提高部署效率。Foundry 能否持续降低单位成功任务成本，并把由此释放的需求转化为更多生产用量，将决定收入增长能否沉淀为利润。

综合来看，Foundry 已经具备成为微软在 AI 时代重要增长引擎的条件。它已经从模型服务扩展到应用与 Agent 平台，客户采用和高强度使用快速增长，生产案例开始验证全栈协同价值，微软又拥有 Azure、数据、安全和 Microsoft 365 等存量基础。

未来两三年，只要更多企业应用进入生产、关联服务消费随之扩大并形成可持续单位经济性，Foundry 就有望同时推动微软 AI 收入增长，并巩固其在企业 AI 应用平台中的关键位置。

近期厂商征集

Agent 平台及应用项目征集

点击申报

截止时间：9 月 15 日

Token 工厂竞争力榜单征集

点击申报

截止时间：9 月 20 日

本体市场研究项目征集

点击申报

截至时间：9 月 30 日

AI 数据服务市场研究项目征集

点击申报

截至时间：9 月 30 日