致力于开发人类级人工智能的旧金山实验室OpenAI公司,已经从微软那里获得了10亿美元用于支持人工智能开发的使命。
今天早上公布的这项投资也是两家厂商多年来技术合作伙伴关系的一个组成部分。2015年OpenAI项目启动时的初始资本也是10亿美元初。OpenAI获得过来自多位硅谷著名人物的捐赠,包括Elon Musk、LinkedIn联合创始人Reid Hoffman、前Y Combinator总裁Sam Altman,其中Altman今年早些时候辞职成为OpenAI的首席执行官。
OpenAI致力于开发所谓的人工通用智能,这是一种假设的高级人工智能形式,不仅能够掌握复杂的任务如国际象棋或者图像识别,还能够自己学习新的技能。OpenAI所做的工作完全是试水性质的:知名人工智能专家估计,把人类神经网络变为现实所需的时间可能长达几十年甚至是一个多世纪。
追求这样一个遥远的愿景需要大量资金的支持,这时候就需要微软了。今天宣布的这项投资将帮助OpenAI追赶上谷歌和Facebook等资金雄厚的企业,后两者正在开展他们自己尖端的人工智能研究计划。
作为合作伙伴关系的一部分,微软不仅将为OpenAI提供资金,还将成为OpenAI独家的云计算服务提供商,这将确保OpenAI可以获得大规模人工智能项目所需的大量基础设施。
两家公司没有具体说明这项投资的确切性质,但有人猜测其中大部分涉及到Azure服务,但OpenAI首席技术官Greg Brockman在Hacker News上表示,这是一项“现金投资”。 Altma曾向纽约时报表示,这项投资的大部分资金将转用于计算能力,而且合同要求微软最终成为OpenAI计算能力的唯一来源。
作为交换,OpenAI将支持微软的机器学习计划。OpenAI把微软作为自己AI研究成果商业化的“首选”合作伙伴。OpenAI将向微软授予一些技术许可,以及在Azure云平台上提供其他许可技术,以及与微软合作开展尚未指定的联合开发项目。
OpenAI为人工智能生态系统做出了重要贡献,最着名的成果之一是Gym——一种用于构建机器学习模型的流行工具包,以及Dactyl——一种利用人工智能来操纵物体的机器手,并且具有不可思议的灵巧性。
微软在致力于推动人工智能的发展。今年6月,微软开放了TensorWatch的源代码,TensorWatch用具用于简化调试机器学习模型的这一复杂任务。
在微软对OpenAI进行投资之前,OpenAI进行了一系列转型。OpenAI在创立之初是一个非营利组织,Altman今年3月上任之后不久开始采用新的运营模式,将大部分业务转移为一个名为OpenAI LP的营利性实体,以便更容易筹集资金来支持开发。
“通过将OpenAI的突破性技术与新的Azure AI超级计算技术结合在一起,我们致力于实现人工智能的民主化,同时始终将人工智能的安全性放在最重要的位置,这样每个人都可以从中受益,”微软公司首席执行官Satya Nadella声明中这样表示。
尽管微软将成为OpenAI的独家云提供商,但合作协议并没有提及微软是OpenAI唯一的投资者。OpenAI可能还会引入其他支持者,以分担人工智能研究的高昂成本。根据监管文件显示,谷歌DeepMind机器学习研究部门与OpenAI有类似的路线图,仅2017年就话费了4.4亿美元。
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。