微软正在开发AI优化芯片,以降低训练生成式AI模型(例如为OpenAI ChatGPT聊天机器人提供动力的模型)的成本。
The Information近日援引两位知情人士的话说,至少从2019年开始,微软就一直在研发代号为“Athena”的新芯片组。微软和OpenAI的员工已经可以使用新芯片,并正在使用这些芯片在GPT-4等大型语言模型上测试芯片的性能。
训练大型语言模型需要摄取和分析大量数据,以便为AI创建新的输出内容来模仿人类对话,这是生成式AI模型的一大标志,这个过程需要大量(大约数万个)针对AI进行优化了的计算机芯片,其成本可能是非常高的。
据说微软正在开发用于自己产品的新型芯片,以减少对第三方芯片的依赖,并降低成本。目前,计算机芯片设计商Nvidia在AI芯片市场占据主导地位,去年发布了最新的H100 GPU。微软将加入Amazon、Google和Meta Platforms的行列,都针对AI开发和构建自己的定制化芯片。
SemiAnalysis首席分析师Dylan Patel告诉The Information:“微软希望在其所有应用中使用大型语言模型,包括Bing、Microsoft 365和GitHub,要使用现成的硬件进行大规模部署,那么每年的花费将达到数百亿美金。”
微软在2023年初向OpenAI投资100亿美元,迅速开始将其AI技术集成到微软的各项服务中,包括带有Bing Chat功能的Bing搜索引擎、Microsoft 365、面向企业用户的Dynamics 365以及面向安全专业人员的Security Copilot。
报道指出,微软的这些芯片其目的并不是取代Nvidia的芯片,相反,这些芯片是为了增强微软现有的基础设施。据The Information称,微软已经规划好了该芯片的未来几代。
目前尚不清楚微软是否计划为Azure云AI客户发布这些芯片,或者是否仅供内部使用,但微软确实提供了基于Nvidia H100芯片组的AI优化云实例。目前还不清楚这会给微软和Nvidia去年年底公布的AI超级计算机合作关系带来怎样的影响。
据报道,微软预计新芯片将在2024年亮相。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。