前言 近日，微软公司召开最新一场 Ignite 大会，CEO 萨提亚・纳德拉在大会上介绍了 100 多项产品和技术的发布与更新，涉及范围非常广泛，包括应用、生产力以及安全性等多个方面。
本文转载自机器之心
仅用于学术分享，若侵权请联系删除
欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
【CV技术指南】CV全栈指导班、基础入门班、论文指导班 全面上线!!
Microsoft Ignite 是该公司为开发人员和 IT 专业人士举办的年度会议，而生成式 AI 的一切无疑是本年度的最大热点。不出意外，在本次大会上，我们看到了来自 Bing Chat、专用 AI 芯片、Windows、Microsoft 365 和 Azure 等业务的最新动态。
大会现场还请来了英伟达创始人黄仁勋，之后微软会将 AMD 、英伟达最新的处理器纳入 Azure 云服务。
大会有哪些值得关注的亮点，我们继续往下看。
Bing Chat 更名为「Copilot」GPT-4 、DALL・E 3、GPTs 免费用
大会上，微软宣布了将 Bing Chat 和 Bing Chat Enterprise 全部更名为「Copilot」。
品牌重塑的动作意味着 Copilot 正在变成更独立的一种体验，用户无需先导航到 Bing 即可访问。Copilot 的免费版本仍然可以在 Bing 和 Windows 中访问，但也会拥有专用域名「http://copilot.microsoft.com」。
在此之前，在微软内部有十几种产品共享「Copilot」这一品牌，一度让人感到迷茫。该品牌标识始于 2021 年的 GitHub Copilot，今年 微软又推出 Dynamics 365 Copilot、Windows 中的 Copilot、Microsoft Security Copilot 和 Microsoft 365 Copilot，似乎每一项业务都有自己的「Copilot」。
至于为什么要在这个 Copilot 矩阵中再加两名成员，微软解释说是希望为消费者和企业客户创造统一的 Copilot 体验。
所以现在，Bing Chat 变成了微软的第六个「Copilot」，但也可以理解为最通用的一个 Copilot。
今后，Bing 将是为其提供支持的一部分。此外，Copilot 基于最新的 OpenAI 模型，包括 GPT-4 和 DALL・E 3，在统一的体验中提供文本和图像生成功能。
但也有可能是，Bing Chat 并没有为 Bing 本身带来太多收益，因此微软希望将这一产品从搜索引擎中剥离出来。
此时剥离是一件有趣的事情，因为微软曾经投入了大量精力在自家的搜索引擎中推出 AI 产品，并将其视为从谷歌手中抢夺市场份额的一种方式。就比如今年初，微软 CEO 纳德拉曾称「谷歌是搜索领域 800 磅重的大猩猩」，而微软会让它「跳舞」。
但后来的谷歌并没有像微软那样急于将生成式 AI 产品整合到其搜索结果中。从目前来看，这种「不变」没有带来什么坏影响：根据 StatCounter 的数据，在 Bing Chat 推出近 10 个月后，Google 搜索引擎的市场份额仍然超过 91% 。
微软特别提到，从 12 月 1 日起，使用 Microsoft Entra ID 登录时，在 Bing、Edge 和 Windows 中使用 Copilot 的客户将享受商业数据保护功能。Copilot 不会保存用户使用过程中的 prompt 和回复，微软无法直接访问，也不会将其用于训练底层模型。
此外，微软还推出了另外一些「Copilot」：Microsoft Copilot Studio、Copilot for Azure、Copilot for Service 和 Copilot in Dynamics 365 Guides。
其中，Microsoft Copilot Studio 这一产品对标的是上周 OpenAI 推出的 GPTs，这个新平台提供将微软所发布 AI 应用与第三方数据连接起来的工具，同样可以让企业创建自定义 Copilot 或集成自定义 ChatGPT AI 聊天机器人。该产品已向现有 Copilot for Microsoft 365 订阅者提供公测版本。
借助基于 Web 的 Copilot Studio，企业可以让 Copilot for Microsoft 365 和 Copilot for Service 访问其 CRM、企业资源管理系统和其他数据库中的数据，使用预构建的连接器或它自己构建的连接器进行数据存储。
「作为 OpenAI 和 Microsoft 战略合作伙伴关系的一部分，我们可以轻松地将 OpenAI 的服务无缝集成到 Microsoft 现有的生态系统中，」微软副总裁 Jared Spataro 说道。
首款 5nm AI 芯片面向 LLM 训练和推理
在将 Bing Chat 更名 Copilot 之外，微软备受观众的自研芯片也终于露出庐山真面目了。
微软发布了两款为其云基础设施设计的高端定制芯片，分别是 Azure Maia 100 AI 芯片和 Cobalt 100 CPU。这两款芯片均由微软内部构建，并面向整个云服务器堆栈进行了深度改造以优化性能、功耗和成本，预计将于 2024 年推出。
先看 Maia 100，这是微软首个定制的内部 AI 加速器系列的首款产品，以一颗明亮的蓝星命名，专为运行和优化云 AI 工作负载而设计，例如 GPT 3.5 Turbo 和 GPT-4 等大型语言模型的训练和推理。
Maia 100 将为微软 Azure 上最大的 AI 工作负载提供支持，包括为 OpenAI 所有工作负载提供支持的部分。微软表示其在 Maia 的设计和测试阶段一直与 OpenAI 展开合作。
在具体规格上，Maia 100 采用台积电 5nm 制程工艺，拥有 1050 亿个晶体管，只比 AMD MI300 AI GPU 芯片的 1530 亿晶体管少了约 30％。Maia 100 首次支持实现 8-bit 以下的数据类型（MX 数据类型），以便共同设计软硬件。这有助于支持更快的模型训练和推理时间。
纳德拉展示 Maia 100 的服务器机架和冷却系统
Cobalt 100 以蓝色颜料命名，是一款 128 核芯片，基于 Arm Neoverse CSS 设计构建，为微软定制。Cobalt 100 旨在为微软 Azure 上的通用云服务提供支持。关于这款芯片，微软不仅保证它具有高性能，还特别注意电源管理。同时在芯片设计时有意控制每个核心以及每个虚拟机的性能和功耗。
微软目前正在 Microsoft Teams 和 SQL Server 等工作负载上测试 Cobalt 100，并计划明年为客户提供虚拟机以处理各种工作负载。与微软 Azure 目前使用的 Arm 服务器相比，Cobalt 100 有一些明显的性能提升。
微软初步测试表明，Cobalt 100 的性能比目前使用商用 Arm 服务器的数据中心的性能提升了 40%。不过微软没有透露完整的系统规格或基准测试。
用于测试微软 Azure Cobalt 片上系统的探针台
不过，微软也表示，Maia 100 和 Cobalt 100 两者都将优先满足自用，支持自己的 Azure 云服务。
Phi-2 模型发布在 Azure AI 服务中可以使用
微软宣布新的 Phi-2 模型将完全开源，该模型具有 27 亿参数，与 Phi-1-5 相比，其推理能力和安全措施有了显着提高，但与业内其他 Transformer 相比，它仍然相对较小。
Phi-2 更加稳健，数学推理能力提高了 50%，不仅如此，在其他任务上的推理能力提高也非常大，微调起来很方便。现在可以在 Azure AI 服务中使用。
今年 6 月，微软在一篇题为《Textbooks Are All You Need》的论文中，用规模仅为 7B token 的「教科书质量」数据训练了一个 1.3B 参数的模型 ——phi-1。尽管在数据集和模型大小方面比竞品模型小几个数量级，但 phi-1 在 HumanEval 的 pass@1 上达到了 50.6% 的准确率，在 MBPP 上达到了 55.5%。phi-1 证明高质量的「小数据」能够让模型具备良好的性能。
随后，今年 9 月，微软又发表了论文《Textbooks Are All You Need II: phi-1.5 technical report》，对高质量「小数据」的潜力做了进一步研究。文中提出了 Phi-1.5，参数 13 亿，适用于 QA 问答、代码等场景。
直到今天，Phi-2 正式发布，可以看出微软对模型的更新迭代速度还是非常快的。
前面我们已经提到 Phi-2 在 Azure AI 服务中可用。不仅如此，OpenAI 的语音识别模型 Whisper-Large-V3 ；Salesforce 的能够执行各种多模态任务的 BLIP 系列模型；OpenAI 的 CLIP 系列模型；Meta 的 Code Llama、SAM ；阿布扎比技术创新研究所（TII）开发的大型开源语言模型 Falcon；Stability AI 的 Stable Diffusion 等新模型都已经被收录进来。
https://www.youtube.com/watch?v=wBdS3omKlqU
欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
【技术文档】《从零搭建pytorch模型教程》122页PDF下载
QQ交流群：470899183。群内有大佬负责解答大家的日常学习、科研、代码问题。
其它文章
LSKA注意力 | 重新思考和设计大卷积核注意力，性能优于ConvNeXt、SWin、RepLKNet以及VAN
CVPR 2023 | TinyMIM：微软亚洲研究院用知识蒸馏改进小型ViT
ICCV2023|涨点神器！目标检测蒸馏学习新方法，浙大、海康威视等提出
ICCV 2023 Oral | 突破性图像融合与分割研究：全时多模态基准与多交互特征学习
HDRUNet | 深圳先进院董超团队提出带降噪与反量化功能的单帧HDR重建算法
南科大提出ORCTrack | 解决DeepSORT等跟踪方法的遮挡问题，即插即用真的很香
1800亿参数，世界顶级开源大模型Falcon官宣！碾压LLaMA 2，性能直逼GPT-4
SAM-Med2D：打破自然图像与医学图像的领域鸿沟，医疗版 SAM 开源了！
GhostSR|针对图像超分的特征冗余，华为诺亚&北大联合提出GhostSR
Meta推出像素级动作追踪模型，简易版在线可玩 | GitHub 1.4K星
CSUNet | 完美缝合Transformer和CNN，性能达到UNet家族的巅峰！