微软不得不救OpenAI的六个原因（译文）

Mary Branscombe ☉ 文收录源：51CTO技术栈 2023-11-27 @ 哈希力量

【小哈划重点：最近推出的Copilot Studio是一个低代码工具，用于使用业务数据和适用于JIRA、SAP ServiceNow和Trello等常用工具的Copilot插件来构建自定义Copilot。这可能会让OpenAI变得无处不在。为了实现这一目标，微软建立了一个内部管道，采用OpenAI的新基础模型。】

尽管有这个名字，OpenAI从来都不是一个主要的开源组织，在开源的少数几个版本中，没有一个是核心大型语言模型。而相较之下，微软正在缓慢拥抱开源，它开源了PowerShell和VS Code等核心项目，同时微软也开始在Windows Server和Azure中依赖Docker、Kubernetes等开源项目，这是耐人寻味的。

OpenAI，作为生成式AI的宠儿，近期却陷入了一场混乱且闹剧般的解体“连续剧”中。微软，就像是一位老大哥，坚定而友好地进行了干预，宛如一个成年人走进房间平息孩童的争吵。

聘请奥特曼、聘请大部队、“遣返”奥特曼、寻求在董事会中占据一席之地，纳德拉带领着微软采取一切措施保住OpenAI。

最后，随着Sam回归OpenAI，董事会换血，这场冲突大戏历经几番曲折，终于落下帷幕。但外界的争论点已经转移到“OpenAI依懒性”方面。

不止采用GPT的中小企业对OpenAI的结算感到恐慌，即便是微软，也不得不出手挽救。OpenAI如果不稳定，对谁也没好处。

一、微软跟OpenAI，不止是金钱关系

在刚刚过去的Ignite会议上的开场主题演讲中，微软CEO纳德拉对OpenAI名称的提及高达12次，对GPT模型提及高达19次。尽管拥有自己非常出色的AI研究人员以及足够庞大的基础模型，但微软依旧非常关心OpenAI的ChatGPT。

多年来，微软在OpenAI上投入了大量资金，尤其在今年，微软更是对OpenAI进行了100亿美元的投资，这即便对于微软来说，也绝对是一笔巨款。

然而，除了巨款，不要低估了微软对于创建AGI的野心。短期看，这是一个无法完成的计划，但微软很难说没有这样的新愿景：微软希望人们将其视为“AI公司”，特别是“Copilot公司”，而不是“Windows公司”。

2021年，微软豪掷197亿美元收购了Siri背后的智能语音识别巨头Nuance，2019年，微软在GitHub上花费了75亿美元。

同样，微软今年也通过高额投资的方式拿到了ChatGPT的技术基础，并成功整合到自己的云端。现在我们看到的是微软通过在（Azure）云上来运行OpenAI的大型语言模型，扩大了Azure的市场份额和盈利。

云，只是冰山一角。微软自己的产品同样采用了OpenAI技术，这是许多Copilot的核心。

为什么？因为OpenAI同样在微软的硬件和软件方面投入了巨大，几乎所有部门和产品线都采用OpenAI技术，进而产生了一定的技术依懒。

二、微软的野心与打法离不开OpenAI

大型语言模型和其他基础模型一样，需要大量的数据、时间和计算能力来训练。

微软投入巨大，如何“开发”出大模型的价值？

微软的打法很清晰：将大模型视为平台，一次性构建一些模型，然后以越来越定制化和专业化的方式一遍又一遍地进行重用。

具体的例子就是，这五年来，微软一直在构建Copilots的技术栈，改变从底层基础设施和数据中心设计（2023年，平均每三天就启用一个新数据中心）到软件开发环境的一切，以提高效率。

从GitHub Copilot开始，现在几乎每个Microsoft产品线都具有一项或多项Copilot功能。它不仅仅是为消费者和办公室工作人员提供Microsoft 365 Copilot、Windows Copilot、Teams、Dynamics和重命名的Bing Chat，或者Power BI中由GPT支持的工具；从安全产品（如Microsoft Defender 365）到Azure基础设施，再到Microsoft Fabric和Azure Quantum Elements，都有Copilot。

除此之外，微软客户还基于同一堆栈上构建了自己的自定义Copillot。纳德拉列举了6个例子——从Airbnb和BT，到NVidia和Chevron。

同时，最近推出的Copilot Studio是一个低代码工具，用于使用业务数据和适用于JIRA、SAP ServiceNow和Trello等常用工具的Copilot插件来构建自定义Copilot。这可能会让OpenAI变得无处不在。

为了实现这一目标，微软建立了一个内部管道，采用OpenAI的新基础模型，在Power Platform和Bing等小型服务中进行实验，然后利用从中学到的知识，将它们构建成开发人员可以使用的更专业的AI服务。

这个内部管道对语义内核和提示流进行了标准化，以便使用Python和C#等传统编程语言编排AI服务（并在新的Azure AI Studio工具中为开发人员建立了一个友好的前端）。这些工具可帮助开发人员构建和理解由大模型支持的应用程序，而无需了解大模型。但它们依赖于OpenAI模型方面的专业知识。

三、硬件合作还没开花怎能就此凋零

微软将在OpenAI所依赖的硬件基础设施上进行大量投资。具体而言，他们计划投资于Nvidia和AMD的GPU，这些GPU是OpenAI模型训练和推理的关键组成部分。除此之外，微软还将投资于高带宽的InfiniBand网络互连，以确保节点之间的快速和高效通信。

值得一提的是，微软去年收购了Lumensity，一家专注于低延迟空心光纤（HFC）制造的公司。这种光纤技术将在微软的硬件基础设施中发挥重要作用，提供更快速、更可靠的数据传输。

这些投资不仅仅针对某一个特定的基础模型，而是旨在提升整个OpenAI平台的性能和稳定性。通过这些举措，微软希望确保OpenAI能够继续保持在生成式人工智能领域的领先地位。

目前，OpenAI不仅在Tops500榜单上的Nvidia驱动的AI超级计算机上进行了合作，甚至还对Maia100（微软发布的首款AI芯片）进行了一些改进。

微软的客户之中，同样想要类似的基础设施，又或者只对在该基础设施上运行的服务感兴趣（微软提供的几乎所有产品和服务都是如此）。

在此之前，微软AI加速的主要手段是利用FPGA（现场可编程门阵列）的灵活性。最初，这些硬件被用于加速Azure网络，后来成为Bing搜索的加速器，用于实时AI推理。此外，服务开发人员也可以使用它在AKS上扩展自己的深度神经网络。

随着新的人工智能模型和方法的出现，微软能够重新编程FPGA，创建软定制处理器，从而更快地加速这些模型和方法。相比之下，构建新的硬件加速器可能很快就会过时。

FPGA的巨大优势在于，微软不需要预先确定它认为人工智能在未来几年将需要的系统架构、数据类型或运算符。相反，它可以在需要时不断修改其软件加速器。事实上，您甚至可以在工作过程中重新加载FPGA的功能电路。

然而，上周微软宣布了第一代自定义芯片：Azure Maia AI加速器。这款加速器配备了定制的片上液体冷却系统和机架，专门用于“大型语言模型的训练和推理”，将运行OpenAI模型Bing、GitHub Copilot、ChatGPT和Azure OpenAI服务。

这是一项重大投资，将显著降低训练和运行OpenAI模型的成本和用水量。但只有当训练和运行OpenAI模型继续成为主要工作量时，这些成本节约才能实现。

这一新举措显示了微软对于AI领域的深度投资和长远规划，同时也反映了FPGA和定制芯片在AI加速领域的互补性。

从本质上讲，微软刚刚构建了一个可软定制的OpenAI硬件加速器，直到明年才会部署到数据中心，未来的设计已经规划好了。这并不是微软与OpenAI亲密伙伴崩溃的最佳时机，否则连锁反应难以现象。

四、微软的增长飞轮需要保持转动

那为什么微软不收购OpenAI呢？

尽管微软过去多年来可能一直提出收购建议，但起初它并没有打算收购OpenAI。相反，微软特意选择与公司外部的团队合作，以确保其正在构建的人工智能训练和推理平台不仅仅满足自身需求，而是更加普遍适用。

然而，随着OpenAI的模型在竞争中不断取得领先地位，微软对这些模型的押注也越来越大。事实上，OpenAI的ChatGPT在推出仅一年后就宣称每周拥有1亿用户，甚至使得OpenAI不得不暂停ChatGPT Plus的注册，因为新订阅者的数量过于庞大。

而这还不包括微软直接客户对OpenAI的使用量，这进一步证明了OpenAI模型的受欢迎程度和市场份额。

真相就是，无论你使用OpenAI中的ChatGPT，还是Microsoft产品中内置的OpenAI模型，它都可以在Azure上运行。微软所谓的“第一方服务”（它自己的代码）和“第三方服务”（来自其他任何人）之间的界限已经变得相当模糊。

五、客户开始考虑换竞对

尽管OpenAI的开发者关系团队一直在努力向客户保证“我们的灯依然亮着”，系统仍在稳定运行，且工程团队随时待命，但据报道，OpenAI的客户已经开始与竞争对手Anthropic和Google进行接触。

这其中甚至可能包括微软不愿失去的Azure OpenAI客户。例如，初创公司LangChain，它是一家为创建LLM支持的应用程序构建框架的公司，刚刚宣布与Azure OpenAI服务进行重大集成。然而，它也一直在向开发人员分享关于如何切换到不同的LLM需要对提示工程进行重大更改的建议。目前，大多数示例都是针对OpenAI模型的。