微軟:從“軟件老大”到“AI帝國”
從2009開始開發AI模型,到2019年投資OpenAI,微軟正在一步一步成為AI時代的龐然大物。
對于微軟及其生態系統而言,今年的Ignite技術大會堪稱異彩紛呈。微軟一口氣公布了100多項以 AI 為中心,在云計算基礎設施、 模型即服務 MaaS 、數據平臺、Copilot 人工智能助手等方方面面的新產品和新功能,展示了一個端到端的AI全面愿景。
但有一個細節應當被注意:在微軟的傳統上,Ignite大會主要聚焦于基礎設施和運營,而Build大會則主要針對開發者。
而本次的Ignite大會,針對開發者和機器學習工程師的人工智能內容占據了中心位置。
這意味著,這場大會不僅僅關乎開發者和IT專業人士,更像是整個微軟生態系統的一個劃時代時刻。
在主題演講中,微軟首席執行官Satya Nadella明確表示,微軟渴望成為AI生態系統的重要力量。從開發自己的人工智能加速芯片到推出Copilot市場,微軟已經制定了人工智能的長期戰略。
總體而言,微軟在Ignite 2023上的戰略明確表明,其重點是引領人工智能革命,利用其平臺傳統,在硬件和軟件方面進行創新,以保持行業的主導地位。
Azure→新AI操作系統 Copilot→新應用微軟正試圖復制在軟件操作系統時代的榮光。
在構建系統平臺方面,微軟確實有著豐富的經驗:從最早的Windows平臺、OLE和COM的開發,到2000年代初的Microsoft. NET和Visual Studio推動了Web服務的開發,再到上個十年成功推出的Azure平臺。
現在,微軟希望通過人工智能再次重現這種奇跡,創造一個集合了開發者、獨立軟件供應商(ISV)、系統集成商、企業和消費者的繁榮生態系統。
而這一次,Azure成為新的操作系統,就像新的Windows,提供運行時和平臺服務,而Copilots成為微軟稱之為AI助手的新應用程序。GPT-4等基礎模型構成了這個新操作系統的內核。
與Visual Studio類似,微軟也以AI Studio和Copilot Studio的形式投資了一套開發者工具。這種堆棧與Windows、.NET和Visual Studio非常相似,后者曾統治開發者領域長達數十年之久。
短短幾個月內,微軟已經交付了多個嵌入人工智能的產品,從New Bing到Microsoft 365,再到Window操作系統。
微軟擁抱生成式人工智能的速度令人震驚,這種做法也表明了一種緊迫感:這家公司正在致力于成為人工智能的先驅,使AI的能力更貼近客戶。
Satya Nadella可能不想再讓微軟錯過技術領域的下一個風口,就像微軟當年錯過了搜索和移動領域一樣。
自研CPU、GPU和DPU在過去,CPU制定了軟件架構的規則并影響其發展,現在GPU也在影響著人工智能的發展,而微軟想要直接把握這一關鍵環節。
本次Ignite大會上,微軟就發布了首款定制CPU Azure Cobalt 和AI加速芯片 Azure Maia。
Microsoft Azure Cobalt 是一款基于 Arm 架構的云原生芯片,針對通用工作負載的性能、功率和成本效益進行了優化。納德拉稱,這款 CPU 芯片已經在支持 Microsoft Teams Azure 通信服務以及 Azure SQL 的部分中使用;明年也將向客戶提供這款產品。
Microsoft Azure Maia 是一款 AI 加速芯片,用于 OpenAI 模型、Bing、GitHub Copilot 和 ChatGPT 等 AI 工作負載運行云端訓練和推理。這款芯片采用了 5 納米工藝制造,擁有 1050 億個晶體管。
Azure Maia 100 美顏照|Microsoft
微軟自己的DPU——Azure Boost也已全面上市。微軟在今年早些時候收購了 DPU 公司 Fungible,以提高 Azure 數據中心的效率。通過 Azure Boost,虛擬化、網絡管理、存儲管理和安全等軟件功能被卸載到專用硬件上,使 CPU 可以將更多的周期用于工作負載而不是系統管理。由于繁重的工作被轉移到專用處理器上,這種卸載大大提高了云基礎設施的性能。
納德拉稱,“硅多樣性(sillicon diversity)是我們能夠支持世界上最強大的基礎模型和所有 AI 工作負載的關鍵因素”,在本次 Ignite 技術大會上,微軟不僅發布了兩款自研芯片,也納入了更多行業合作伙伴的最新 AI 優化芯片,包括 AMD Instinct MI300X,以及英偉達 H100 和 H200。
在上述超級計算機之上,微軟還提供參數量從數十億到數萬億不等的基礎模型,來滿足不同開發者構建AI應用程序時的成本、延遲和性能需求。
自研和開源基礎模型雖然目前Azure依然是企業使用OpenAI模型的首選平臺,但微軟也在投資建設自己的大模型。
此前曾介紹,微軟正在開發自有的“小模型”。
與傳統的大型語言模型相比,微軟Phi-1.5 和 Phi-2 是輕量級的小型語言模型,需要的資源更少。Phi-1.5有13億個參數,Phi-2有27億個參數,與 Llama 2(起始參數為 70 億個,最高可達 700 億個參數)相比小得多。
因此,這些小模型非常適合嵌入到Windows中,以提供本地Copilot體驗,而無需往返云端。微軟還發布了Visual Studio Code的擴展,允許開發人員在云中微調這些模型,并將其部署到本地進行離線推理。
此外,微軟研究院還開發了Florence模型,允許用戶分析和理解圖像、視頻和語言;微軟的模型平臺Azure ML現在還支持包括Llama、Code Llama、Mistral 7B、Stable Diffusion、Whisper V3、BLIP、CLIP、Flacon 和 NVIDIA Nemotron在內的其他開源基礎模型,為客戶提供了最全面、最廣泛的基礎模型選擇。
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法,不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險,讀者在采取與本文內容相關的任何行動之前,請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。