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。
一、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。
二、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。
三、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。
四、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。
五、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。
精彩评论