微軟正嘗試在 Office 中集成國産開源大模型 RWKV！
RWKV 官方甚至直接發了個推文表示：
RWKV.cpp，現已在全球五億系統中部署。
之所以這麽說，是因爲他們發現最新版 Windows 11 系統的Office 文件夾中有以 rwkv 命名的 DLL 文件，包含 GPU、CPU 版本。
對這些二進制文件進行反編譯檢查，結果發現就是 GitHub 的 RWKV.cpp 項目的一種變體。
人人都可以将 Windows 11 更新到最新版本，通過以下路徑自行驗證：
C:Program FilesMicrosoft OfficerootvfsProgramFilesCommonX64Microsoft SharedOFFICE16
或者，也可以在 IT 商店的任何 "copilot Windows 11" 設備上搜索系統文件中的 rwkv。
消息一出，引發網友熱議，不少網友喊微軟趕緊打錢。
如果他們沒有給予支持或引用你們的貢獻，那就有點說不過去了。
希望這項工作能得到豐厚的報酬。
微軟可能用 RWKV 幹啥？
RWKV 團隊猜測，微軟可能會将 RWKV 用于正在測試的本地 Copilot、memory recall等功能。
在之前微軟發布新一代 Copilot+PC 中就有提到過，在專爲 AI 重構的新版 Windows 11 上，許多功能都是實時的。
爲此，微軟引入了全新的系統架構，将 CPU、GPU 和新的高性能神經處理單元 NPU 結合在一起。
NPU 就負責在後台實時運行 AI，Recall 功能背後其實就是AI 對你屏幕上正在處理的所有内容做分類。
而 RWKV 模型的優勢是：
支持 100 多種語言，有利于全球化部署；
相比傳統 Transformer 模型，運行能耗低得多，能夠在包括樹莓派等各種設備上高效運行。
如下圖所示，生成更多 token 所需的計算資源随 token 數增加而線性增加，cuda_rwkv-4-pile-3b 的曲線在整個過程中相對低了一大截，表明在相同量 token 情況下，這個模型 GPU 消耗更爲高效。
而能耗對于設備電池壽命而言至關重要。
當然這些隻是猜測，關于微軟的真實用意，團隊表示後續将密切關注。
RWKV 是什麽 ?
再來簡要介紹一下 RWKV，之前量子位也有持續關注，
RWKV 設計靈感來自蘋果 21 年的研究《An Attention Free Transform》，團隊意識到如果在公式中使用循環矩陣（circular matrices）就可以将網絡結構寫成 RNN。
與 GPT 系列的時間複雜度 O ( n^2 ) 相比，RNN 的時間複雜度隻有 O ( n ) , 空間複雜度是 O ( 1 ) 。
這意味着生成内容的速度不會随長度而誇張增漲，顯存占用也是恒定的。
論文共同一作彭博在接受 36kr 采訪時曾這樣形容：
GPT 每寫一個字就要重新看一遍前面所有文字，效率很低。而 RWKV 就相當于人類讀了一遍資料後，在不再看資料的情況下直接回答。
這項研究去年一經發布，就在學術圈得到大量關注。
RWKV 開山論文背後是由來自 27 家大學、研究機構和公司的研究人員組成的團隊，作者達 30 人。
共同一作彭博（Peng Bo），畢業于香港大學物理系，編程經驗 20+ 年，曾在世界最大外彙對沖基金之一 Ortus Capital 就職，負責高頻量化交易。
還出版過一本關于深度卷積網絡的書籍《深度卷積網絡 · 原理與實踐》。
他的主要關注和興趣方向在軟硬件開發方面，在此前的公開訪談中，他曾明确表示 AIGC 是自己的興趣所在，尤其是小說生成。
但他的最主要公開身份是一家燈具公司禀臨科技的聯合創始人，主要是做陽光燈、吸頂燈、便攜台燈等。
并且其人應該是一個喵星人資深愛好者，Github、知乎、微信頭像，以及燈具公司的官網首頁、微博上，都有橘貓的身影。
今年，：Eagle ( RWKV-5 ) 、Finch（RWKV-6 ) 。
這兩種序列模型以 RWKV-4 架構爲基礎，在多頭矩陣值狀态（multi-headed matrix-valued states）和動态遞歸機制（dynamic recurrence mechanism）上做了改進，提高了 RWKV 模型的表達能力，同時保持 RNN 的推理效率特征。
同時，新架構引入了一個新的多語言語料庫，包含 1.12 萬億個 token。
團隊還基于貪婪匹配（greedy matching）開發了一種快速的分詞器，以增強 RWKV 的多語言性。
參考鏈接：
[ 1 ] https://x.com/RWKV_AI/status/1831000938120917336
[ 2 ] https://github.com/RWKV/rwkv.cpp
