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
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。