从2009开始开发AI模型，到2019年投资OpenAI，微软正在一步一步成为AI时代的庞然大物。

对于微软及其生态系统而言，今年的Ignite技术大会堪称异彩纷呈。微软一口气公布了100多项以 AI 为中心，在云计算基础设施、 模型即服务 MaaS 、数据平台、Copilot 人工智能助手等方方面面的新产品和新功能，展示了一个端到端的AI全面愿景。

但有一个细节应当被注意：在微软的传统上，Ignite大会主要聚焦于基础设施和运营，而Build大会则主要针对开发者。

而本次的Ignite大会，针对开发者和机器学习工程师的人工智能内容占据了中心位置。

这意味着，这场大会不仅仅关乎开发者和IT专业人士，更像是整个微软生态系统的一个划时代时刻。

在主题演讲中，微软首席执行官Satya Nadella明确表示，微软渴望成为AI生态系统的重要力量。从开发自己的人工智能加速芯片到推出Copilot市场，微软已经制定了人工智能的长期战略。

总体而言，微软在Ignite 2023上的战略明确表明，其重点是引领人工智能革命，利用其平台传统，在硬件和软件方面进行创新，以保持行业的主导地位。

微软正试图复制在软件操作系统时代的荣光。

在构建系统平台方面，微软确实有着丰富的经验：从最早的Windows平台、OLE和COM的开发，到2000年代初的Microsoft. NET和Visual Studio推动了Web服务的开发，再到上个十年成功推出的Azure平台。

现在，微软希望通过人工智能再次重现这种奇迹，创造一个集合了开发者、独立软件供应商（ISV）、系统集成商、企业和消费者的繁荣生态系统。

而这一次，Azure成为新的操作系统，就像新的Windows，提供运行时和平台服务，而Copilots成为微软称之为AI助手的新应用程序。GPT-4等基础模型构成了这个新操作系统的内核。

与Visual Studio类似，微软也以AI Studio和Copilot Studio的形式投资了一套开发者工具。这种堆栈与Windows、.NET和Visual Studio非常相似，后者曾统治开发者领域长达数十年之久。

短短几个月内，微软已经交付了多个嵌入人工智能的产品，从New Bing到Microsoft 365，再到Window操作系统。

微软拥抱生成式人工智能的速度令人震惊，这种做法也表明了一种紧迫感：这家公司正在致力于成为人工智能的先驱，使AI的能力更贴近客户。

Satya Nadella可能不想再让微软错过技术领域的下一个风口，就像微软当年错过了搜索和移动领域一样。

在过去，CPU制定了软件架构的规则并影响其发展，现在GPU也在影响着人工智能的发展，而微软想要直接把握这一关键环节。

本次Ignite大会上，微软就发布了首款定制CPU Azure Cobalt 和AI加速芯片 Azure Maia。

Microsoft Azure Cobalt 是一款基于 Arm 架构的云原生芯片，针对通用工作负载的性能、功率和成本效益进行了优化。纳德拉称，这款 CPU 芯片已经在支持 Microsoft Teams Azure 通信服务以及 Azure SQL 的部分中使用；明年也将向客户提供这款产品。

Microsoft Azure Maia 是一款 AI 加速芯片，用于 OpenAI 模型、Bing、GitHub Copilot 和 ChatGPT 等 AI 工作负载运行云端训练和推理。这款芯片采用了 5 纳米工艺制造，拥有 1050 亿个晶体管。

Azure Maia 100  美颜照｜Microsoft

微软自己的DPU——Azure Boost也已全面上市。微软在今年早些时候收购了 DPU 公司 Fungible，以提高 Azure 数据中心的效率。通过 Azure Boost，虚拟化、网络管理、存储管理和安全等软件功能被卸载到专用硬件上，使 CPU 可以将更多的周期用于工作负载而不是系统管理。由于繁重的工作被转移到专用处理器上，这种卸载大大提高了云基础设施的性能。

纳德拉称，“硅多样性（sillicon diversity）是我们能够支持世界上最强大的基础模型和所有 AI 工作负载的关键因素”，在本次 Ignite 技术大会上，微软不仅发布了两款自研芯片，也纳入了更多行业合作伙伴的最新 AI 优化芯片，包括 AMD Instinct MI300X，以及英伟达 H100 和 H200。

在上述超级计算机之上，微软还提供参数量从数十亿到数万亿不等的基础模型，来满足不同开发者构建AI应用程序时的成本、延迟和性能需求。

虽然目前Azure依然是企业使用OpenAI模型的首选平台，但微软也在投资建设自己的大模型。

此前曾介绍，微软正在开发自有的“小模型”。

与传统的大型语言模型相比，微软Phi-1.5 和 Phi-2 是轻量级的小型语言模型，需要的资源更少。Phi-1.5有13亿个参数，Phi-2有27亿个参数，与 Llama 2（起始参数为 70 亿个，最高可达 700 亿个参数）相比小得多。

因此，这些小模型非常适合嵌入到Windows中，以提供本地Copilot体验，而无需往返云端。微软还发布了Visual Studio Code的扩展，允许开发人员在云中微调这些模型，并将其部署到本地进行离线推理。

此外，微软研究院还开发了Florence模型，允许用户分析和理解图像、视频和语言；微软的模型平台Azure ML现在还支持包括Llama、Code Llama、Mistral 7B、Stable Diffusion、Whisper V3、BLIP、CLIP、Flacon 和 NVIDIA Nemotron在内的其他开源基础模型，为客户提供了最全面、最广泛的基础模型选择。