從 2009 開始開發 AI 模型，到 2019 年投資 OpenAI，微軟正在一步一步成爲 AI 時代的龐然大物。
對于微軟及其生态系統而言，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 爲中心，在雲計算基礎設施、 模型即服務 MaaS 、數據平台、Copilot 人工智能助手等方方面面的新産品和新功能，展示了一個端到端的 AI 全面願景。
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内容占據了中心位置。
這意味着，這場大會不僅僅關乎開發者和 IT 專業人士，更像是整個微軟生态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 明确表示，微軟渴望成爲 AI 生态系統的重要力量。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 上的戰略明确表明，其重點是引領人工智能革命，利用其平台傳統，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
微軟正試圖複制在軟件操作系統時代的榮光。
在構建系統平台方面，微軟确實有着豐富的經驗：從最早的 Windows 平台、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 平台。
現在，微軟希望通過人工智能再次重現這種奇迹，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态系統。
而這一次，Azure 成爲新的操作系統，就像新的 Windows，提供運行時和平台服務，而 Copilots 成爲微軟稱之爲 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内核。
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，後者曾統治開發者領域長達數十年之久。
短短幾個月内，微軟已經交付了多個嵌入人工智能的産品，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：這家公司正在緻力于成爲人工智能的先驅，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 也在影響着人工智能的發展，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 架構的雲原生芯片，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；明年也将向客戶提供這款産品。
Microsoft Azure Maia 是一款 AI 加速芯片，用于 OpenAI 模型、Bing、GitHub Copilot 和 ChatGPT 等 AI 工作負載運行雲端訓練和推理。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 美顔照｜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，虛拟化、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 可以将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雲基礎設施的性能。
納德拉稱，" 矽多樣性（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夥伴的最新 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 模型的首選平台，但微軟也在投資建設自己的大模型。
華爾街見聞此前曾介紹，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（起始參數爲 70 億個，最高可達 700 億個參數）相比小得多。
因此，這些小模型非常适合嵌入到 Windows 中，以提供本地 Copilot 體驗，而無需往返雲端。微軟還發布了 Visual Studio Code 的擴展，允許開發人員在雲中微調這些模型，并将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；微軟的模型平台 Azure ML 現在還支持包括 Llama、Code Llama、Mistral 7B、Stable Diffusion、Whisper V3、BLIP、CLIP、Flacon 和 NVIDIA Nemotron 在内的其他開源基礎模型，爲客戶提供了最全面、最廣泛的基礎模型選擇。
