微软：从“软件老大”到“AI帝国”

从 2009 开始开发 AI 模型，到 2019 年投资 OpenAI，微软正在一步一步成为 AI 时代的庞然大物。

对于微软及其生态系统而言，今年的 Ignite 技术大会堪称异彩纷呈。微软一口气公布了 100 多项以 AI 为中心，在云计算基础设施、 模型即服务 MaaS 、数据平台、Copilot 人工智能助手等方方面面的新产品和新功能，展示了一个端到端的 AI 全面愿景。

但有一个细节应当被注意：在微软的传统上，Ignite 大会主要聚焦于基础设施和运营，而 Build 大会则主要针对开发者。

而本次的 Ignite 大会，针对开发者和机器学习工程师的人工智能内容占据了中心位置。

这意味着，这场大会不仅仅关乎开发者和 IT 专业人士，更像是整个微软生态系统的一个划时代时刻。

在主题演讲中，微软首席执行官 Satya Nadella 明确表示，微软渴望成为 AI 生态系统的重要力量。从开发自己的人工智能加速芯片到推出 Copilot 市场，微软已经制定了人工智能的长期战略。

总体而言，微软在 Ignite 2023 上的战略明确表明，其重点是引领人工智能革命，利用其平台传统，在硬件和软件方面进行创新，以保持行业的主导地位。

Azure →新 AI 操作系统 Copilot →新应用

微软正试图复制在软件操作系统时代的荣光。

在构建系统平台方面，微软确实有着丰富的经验：从最早的 Windows 平台、OLE 和 COM 的开发，到 2000 年代初的 Microsoft. NET 和 Visual Studio 推动了 Web 服务的开发，再到上个十年成功推出的 Azure 平台。

现在，微软希望通过人工智能再次重现这种奇迹，创造一个集合了开发者、独立软件供应商（ISV）、系统集成商、企业和消费者的繁荣生态系统。

而这一次，Azure 成为新的操作系统，就像新的 Windows，提供运行时和平台服务，而 Copilots 成为微软称之为 AI 助手的新应用程序。GPT-4 等基础模型构成了这个新操作系统的内核。

与 Visual Studio 类似，微软也以 AI Studio 和 Copilot Studio 的形式投资了一套开发者工具。这种堆栈与 Windows、.NET 和 Visual Studio 非常相似，后者曾统治开发者领域长达数十年之久。

短短几个月内，微软已经交付了多个嵌入人工智能的产品，从 New Bing 到 Microsoft 365，再到 Window 操作系统。

微软拥抱生成式人工智能的速度令人震惊，这种做法也表明了一种紧迫感：这家公司正在致力于成为人工智能的先驱，使 AI 的能力更贴近客户。

Satya Nadella 可能不想再让微软错过技术领域的下一个风口，就像微软当年错过了搜索和移动领域一样。

自研 CPU、GPU 和 DPU

在过去，CPU 制定了软件架构的规则并影响其发展，现在 GPU 也在影响着人工智能的发展，而微软想要直接把握这一关键环节。

本次 Ignite 大会上，微软就发布了首款定制 CPU Azure Cobalt 和 AI 加速芯片 Azure Maia。

Microsoft Azure Cobalt 是一款基于 Arm 架构的云原生芯片，针对通用工作负载的性能、功率和成本效益进行了优化。纳德拉称，这款 CPU 芯片已经在支持 Microsoft Teams Azure 通信服务以及 Azure SQL 的部分中使用；明年也将向客户提供这款产品。

Microsoft Azure Maia 是一款 AI 加速芯片，用于 OpenAI 模型、Bing、GitHub Copilot 和 ChatGPT 等 AI 工作负载运行云端训练和推理。这款芯片采用了 5 纳米工艺制造，拥有 1050 亿个晶体管。

Azure Maia 100 美颜照｜Microsoft

微软自己的 DPU —— Azure Boost 也已全面上市。微软在今年早些时候收购了 DPU 公司 Fungible，以提高 Azure 数据中心的效率。通过 Azure Boost，虚拟化、网络管理、存储管理和安全等软件功能被卸载到专用硬件上，使 CPU 可以将更多的周期用于工作负载而不是系统管理。由于繁重的工作被转移到专用处理器上，这种卸载大大提高了云基础设施的性能。

纳德拉称，" 硅多样性（sillicon diversity）是我们能够支持世界上最强大的基础模型和所有 AI 工作负载的关键因素 "，在本次 Ignite 技术大会上，微软不仅发布了两款自研芯片，也纳入了更多行业合作伙伴的最新 AI 优化芯片，包括 AMD Instinct MI300X，以及英伟达 H100 和 H200。

在上述超级计算机之上，微软还提供参数量从数十亿到数万亿不等的基础模型，来满足不同开发者构建 AI 应用程序时的成本、延迟和性能需求。

自研和开源基础模型

虽然目前 Azure 依然是企业使用 OpenAI 模型的首选平台，但微软也在投资建设自己的大模型。

华尔街见闻此前曾介绍，微软正在开发自有的 " 小模型 "。

与传统的大型语言模型相比，微软 Phi-1.5 和 Phi-2 是轻量级的小型语言模型，需要的资源更少。Phi-1.5 有 13 亿个参数，Phi-2 有 27 亿个参数，与 Llama 2（起始参数为 70 亿个，最高可达 700 亿个参数）相比小得多。

因此，这些小模型非常适合嵌入到 Windows 中，以提供本地 Copilot 体验，而无需往返云端。微软还发布了 Visual Studio Code 的扩展，允许开发人员在云中微调这些模型，并将其部署到本地进行离线推理。

此外，微软研究院还开发了 Florence 模型，允许用户分析和理解图像、视频和语言；微软的模型平台 Azure ML 现在还支持包括 Llama、Code Llama、Mistral 7B、Stable Diffusion、Whisper V3、BLIP、CLIP、Flacon 和 NVIDIA Nemotron 在内的其他开源基础模型，为客户提供了最全面、最广泛的基础模型选择。