微软和OpenAI之间的关系正在快速升温,近日,微软宣布将向OpenAI追加数十亿美元的投资,以支持OpenAI的研究,并将OpenAI的模型纳入微软的消费级和企业级产品中。
微软和OpenAI的合作关系最早可以追溯到2019年,现在已经走到了第三阶段,微软将把Azure云服务作为OpenAI工作负载的独家平台,这些负载包括GitHub Copilot自动编码工具、DALL-E 2图像生成器、以及跨研究、产品和API服务的ChatGPT自然语言模型。
一周前,微软刚刚宣布推出了支持OpenAI GPT-3大型语言模型托管版本的Azure服务。据报道,两家公司还就微软以100亿美元的价格收购OpenAI股份的事宜进行了谈判。而且有报道称,ChatGPT的技术将被整合到微软Bing搜索引擎中,此前尽管微软长达数年的投资,但Bing搜索引擎在全球搜索市场中仅占9%的份额。
微软公司首席执行官Satya Nadella在一份声明中表示:“双方合作伙伴关系迈入下一阶段,各行各业的开发人员和组织将能够使用Azure访问最好的AI基础设施、模型和工具链,以构建和运行他们的应用。”
Gartner杰出分析师、研究员Rajesh Kandaswamy表示,微软几乎没有提供有关如何把AI融入微软企业应用的具体细节,但不应低估重塑从Excel电子表格到LinkedIn方方面面的潜力。他说:“这是第一次AI让我们可以把概率推理应用到日常计算任务中。”
概率推理是指根据与事件相关的证据计算事件发生的概率,例如,可以推荐对电子邮件的适当回复,或者预估办公室工作人员每天应该处理的最重要的任务。
Kandaswamy说:“企业客户可能会从他们所使用的微软产品中受益,他们将更容易通过云获得更多基于AI的产品和服务,随着时间的推移,他们将使用越来越多微软产品中的AI功能。”
这笔交易也可能对Azure起到提振作用,Azure目前是全球第二大云基础设施平台,占有21%的市场份额,仅次于AWS的33%。Kandaswamy说:“我认为AI从根本上变革了计算,可能比云计算的威力更大。”不仅如此,微软和OpenAI联手,将有可能挑战谷歌作为最佳AI开发云平台的地位。
Forrester Research公司AI分析师Rowan Curran表示:“显然微软希望通过这种合作伙伴关系获得可观的商业回报,但他们可以获得更重要的短期回报。ChatGPT引发的热潮让ChatGPT几乎成为了AI的代名词,微软可以利用这一点,增加对Azure OpenAI API及更广泛AI/ML平台的需求。”
Kandaswamy,这次交易中OpenAI可以说是全面获胜了。他说:“OpenAI现在可以在广泛领域展示他们的创新,并将自己的技术交到企业手中,”到目前为止,这些企业还不是ChatGPT的大用户。“OpenAI还可以获得训练模型所需的强大计算能力”。
Curran表示认同:“与微软深化的合作关系,可以帮助OpenAI拥有更安全的财务状况,从而继续研究和取得进展。”
尽管具有先发优势,但没有理由相信OpenAI或者是微软会锁定大型语言模型市场。其他很多初创公司都在研究他们自己的技术,AWS和谷歌等巨头多年来一直在投资AI。
Wikibon首席分析师Dave Vellante认为,这个市场不太可能呈现出赢家通吃的局面,而且相比云计算来说,可能以更分散的方式发展。”
好文章,需要你的鼓励
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
欧洲太空通信产业发展迅猛。乌克兰Kyivstar获得监管批准测试Starlink直连手机服务,完成了与星链卫星网络的SIM卡集成测试,计划2025年第四季度推出支持短信和OTT消息的D2C服务。同时,CTO宣布即将发射首个再生5G毫米波载荷,其J-1任务旨在演示轨道超高速低延迟5G传输。该公司正构建超低轨道星座,使用5G毫米波频谱提供高速低延迟连接。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。