當OpenAI 創始人 Sam Altman登上微軟Build 2024開發者大會的Keynote舞臺時，細心的觀眾不難發現：相比于微軟首席技術執行官 Kevin Scott眉飛色舞介紹Sam Altman時的神情， Sam Altman的雙眉微微低垂，并未像 Kevin Scott一樣亢奮。

 微軟首席技術執行官 Kevin Scott（右），OpenAI首席執行官Sam Altman（左）

在美國時間5月21日當天長達兩個多小時的活動里，Sam Altman對于微軟是那樣重要，他被安排在整個活動的“壓軸”階段。而OpenAI于5月14日凌晨發布的GPT-4o幾乎在微軟每一個重大發布時都會被“cue”到。

相比于微軟的態度，Sam Altman顯得淡然許多，他穿著淡棕色T恤、藍色牛仔褲，全程語氣平靜。

這或許是因為Sam Altman正被場外輿論影響心情，在活動前一天演員Scarlett Johansson針對“OpenAI聊天機器人采用酷似其聲音的語音”發表聲明，對OpenAI提出質疑。

而在更大的視野中，環顧Sam Altman的“競爭因素”也正在變多。2024年初以來，Google、Meta、Anthropic幾家大模型的頭部公司先后發布了能力直逼GPT-4的模型，中國的主流AI公司在模型能力方面也都突飛猛進。在AI大模型賽道上，OpenAI雖然仍處在領先位置，但與第二名的差距已開始縮小。

但對于微軟而言，OpenAI 足夠重要，甚至可以被視為“戰術基石”。

整個Build 2024開發者大會期間，微軟的主語境一直是“強調與OpenAI的深度融合，展示各種基于GPT-4o的功能和產品”。

如果考慮到，本次微軟發布新品的力度，不難看出微軟幾乎想“搭建”可以和OpenAI深度融合的大生態：微軟一口氣公布了最新Copilot+PC產品，以及Phi-3-vision 、Team Copilot、Copilot Studio等50多項更新，幾乎每3分鐘便公布一個更新。

猛然看去微軟在Build大會上發布的產品、技術更新，表面上看與2023年中的AI動作差別不大，仍是聚焦Copilot。但細看之下會發現，與OpenAI的高調合作其實已經成為微軟的“明修棧道”，微軟真正的戰略重點正在向AI應用產品轉移。

微軟是要用Copilot，AI PC這些產品，以及產品構筑的生態，打造一套不管換什么AI大模型都能快速形成產品競爭力的AI模式，從而將AI沉淀成自身的競爭力。

躲在OpenAI影子里的微軟小模型

從微軟最新的發布看，與OpenAI的進一步融合，首先可以讓其強化“系統市場”基本盤。

此前OpenAI的GPT-4o發布會上，提到了會推出ChatGPT的桌面產品，不過這款產品上線后，卻只能支持M芯片的MacOS。

雖然OpenAI沒有為微軟開發桌面產品，但GPT-4o的能力在Windows端被直接融入了系統。有分析人士向虎嗅表示，相對于以App形式出現在Mac中，OpenAI在微軟產品中的體驗或會更順滑。

微軟在GPT-4o的集成方面比蘋果更具優勢，但與此前的Microsoft 365 Copilot不一樣，GPT-4o并非微軟獨占。

擺在微軟面前的挑戰是，如果不做出上述“防守動作”，隨著OpenAI“搖擺程度加大”，微軟在系統市場的壓力有可能變大。如果未來Windows中的OpenAI能力也能遷移到蘋果系統，那么微軟在PC和操作系統市場中的競爭力很可能出現下滑。

目前Mac OS的市場份額在16%左右。不過，IDC稱2024年第一季度Mac電腦的出貨量增長了14.8%，成為五大個人電腦制造商中增長最快的公司。隨著Mac出貨量上漲，蘋果系統對微軟亦開始形成威脅。

反觀微軟，Windows約占全球桌面操作系統市場60%-70%的份額，但微軟的PC產品Surface在全球市場中的占比并不高，且在過去一年中出現持續下滑，2024年第一季度Surface銷量下降了17%，在Build大會公布Copilot+PC產品之前，分析師普遍認為這種衰退可能會持續到下一季度。

一味依賴OpenAI顯然不是微軟想要的，它渴望在Windows、Surface中構建獨特的AI能力，從而給傳統優勢業務更大的“確定性”。

OpenAI沒關注到的輕量化AI“小”模型，是微軟的一步明棋。

目前市場上的主流廠商普遍認為，超大規模的AI模型不能完全滿足設備端的AI需求，當下最好的AI硬件應該是端云結合的。

云端模型通常會選擇類似GPT-4o的通用能力較強的超大參數模型，而端側則會選擇輕量化的“小”模型，這也正是微軟一直以來的發力方向。

2023年6月，微軟首次發布了輕量化語言模型Phi-1。到2024年4月，微軟將這款模型更新到了Phi-3，其中包括3款模型：參數量為38億的Phi-3-mini；參數量為70億Phi-3-small；參數量為140億Phi-3-medium。

輕量化模型對于算力和能耗的需求更低，也更適合本地化運行。微軟在Build大會期間更新的Windows Copilot Runtime中就包括一組API，由Windows附帶的40多個端側AI模型提供支持，其中包括專為Copilot+ PC中的NPU設計的輕量化模型Phi-Silica，可以用于智能搜索、實時翻譯、圖像生成和處理等任務。

Phi-Silica基于NPU進行推理，首個token的輸出速度為650 tokens/s，耗電量約1.5瓦，后續生成速度為27 tokens/s。由于推理在NPU完成，CPU和GPU可以同時處理其他計算任務。

目前，在UC伯克利的lmsys大語言模型排位賽中，2023年10月推出的phi-3-mini-4k-instruct版本，模型排位已經超越了GPT-3.5-turbo-1106。

不過，在Phi-3-medium的一些開源測試中，有開發者反饋其處理復雜編程問題，中文處理能力亦不理想。

在復雜任務和通用性方面存在局限是輕量化模型普遍存在的問題，這就需要云端大模型的配合。但模型參數量較小，訓練調優的成本更低、效率更高，也可以專門為特定任務訓練特定模型。

Phi-3除了具備三款語言模型之外，在Build大會上還公布了多模態模型Phi-3-vision。Phi-3-vision擁有42億參數，目前處于預覽階段，能夠執行如圖表或圖像相關的常規視覺推理任務。

除輕量化模型以外，為了盡力克制自己對OpenAI的“依賴程度”，微軟也在投重注“升級”超大規模AI模型的研發團隊，持續加碼大模型的研發。

在過去幾個月中，微軟斥資 6.5 億美元收購了明星AI初創公司Inflection的大量知識產權，并從該公司挖走了一批員工，包括三位聯創中的兩位，首席科學家 Karén Simonyan 和首席執行官 Mustafa Suleyman。

如今有外媒報道稱，這些人正在微軟內部研發一款名為MAI-1的5000億參數規模的大語言模型，為日后替代OpenAI做準備。

簡言之，當下微軟的戰術思路是：在大模型+小模型的策略中，將不同模型搭配一處。

這種模式看似符合大模型行業趨勢，但其中也存在一些隱憂。

比如，多模型的配合問題。在未來的AI PC、Windows環境，或是其他客戶場景中，可能會因為模型不同增加功能或系統集成的復雜性，尤其是在跨平臺或跨系統的應用中。

同時，這種模式在開發和運維階段可能需要更多的成本，不同模型之間的性能和響應時間也不一致，在需要高度同步的應用場景中，這種不一致性將大大影響用戶體驗，并增加優化的難度。 

更麻煩的是，由于模型來自不同的開發者和平臺，可能會導致模型的生態系統產生割裂。開發者和用戶，可能需要在多個平臺和工具之間來回切換，從而增加了學習成本和使用難度。 

不過，這種模式也有好處。微軟和OpenAI分別訓練不同參數量的模型（超大規模和輕量化），則兩家公司可以在各自的架構上進行獨立優化。這樣雖然需要分別投入資源，但可以針對不同的應用場景進行更有針對性的訓練，可能會在特定領域中更加高效。

芯片夢，少不了OpenAI？ 

除了要用好OpenAI的模型能力，微軟也正試圖借力OpenAI擺脫英偉達的“控制”。

2023年底，微軟正在研發的AI芯片Maia 100首次曝光。到2024的Build大會上，微軟正式宣布了自研芯片Azure Maia 100 和 Cobalt 100 芯片的最新信息。

目前，這兩款芯片中的CPU芯片Cobalt 100 已經開始向 Azure 云計算服務的客戶提供預覽版。

除了自研芯片外，微軟也在嘗試搭建不依賴于NVIDIA的服務器架構。

3月29日，微軟剛剛被爆出正在與OpenAI合作開發價值 1000 億美元的AI 超級計算機“星際之門”。

據外媒報道，星際之門的關鍵特性之一就是不受限于NVIDIA顯卡，在 Stargate 超級計算機中很可能不會使用NVIDIA專有的 InfiniBand 線，而是使用同樣以太網線。

雖然谷歌，亞馬遜，甚至是中國的很多廠商都在自研AI芯片，但相對來說，Google和微軟的優勢更加明顯。

谷歌在上周的Google I/O大會上宣布了最新的六代TPU（Tensor Processing Unit）。TPU在Google中的應用，相對于GPU具有一定的優勢。一方面，TPU與Gemini同根同源，不管是基于模型優化芯片，還是基于芯片優化模型，都可以在公司內部“消化”。

另一方面，TPU在處理深度學習任務，特別是大規模矩陣運算方面表現出色。由于Transformer架構依賴于大量的矩陣乘法和點積運算，TPU的設計非常適合這種計算模式。谷歌自第四代TPU開始，進一步優化了其硬件和軟件，使其更高效地支持Transformer模型，比如BERT和GPT系列。

不過，GPT模型主要用到的深度學習框架是Pytorch，而Google的很多AI項目主要使用的TensorFlow框架，在模型優化方面也可能存在一些適配問題。

微軟的優勢則在于與OpenAI的緊密合作。在研發AI芯片的過程中則可能會與OpenAI更加緊密配合，從而獲得更有價值的提升。

不過，想徹底逃離英偉達的強勢狀態恐非易事。

當地時間5月22日，在英偉達2025財年一季報的電話會上，該公司CEO黃仁勛透露，Blackwell架構之后還將繼續推出新芯片，還將加快芯片架構更新速度，從兩年更新一次，加速至一年一更。

黃仁勛說：“我們將以非常快的速度全面推進。新的CPU、新的GPU、新的網絡網卡、新的交換機，大量芯片正在路上。”

在4月的英偉達GTC大會上，微軟和英偉達共同宣布了Azure 將成為首批引入 NVIDIA Grace Blackwell GB200 以及 NVIDIA Quantum-X800 InfiniBand 的云服務商。

近日有外媒報道稱，AWS已經開始用英偉達最新的Grace Blackwell架構芯片訂單代替之前訂購的Grace Hopper 芯片。由此推斷，作為首批云服務商的Azure，很可能也正在開展大規模換芯工程。

雖然主流AI公司和云廠商都在高喊與英偉達緊密合作，但他們也同時在加速AI芯片、算力的研發。

與Google優先爭奪開發者？

在Build 2024開發者大會上，微軟下出的另外幾步棋，更似似劍指Google。

過去一年中，Google在模型能力和AI產品方面一直呈現追趕態勢，但在最近的GoogleI/O上，Google更新的AI功能看起來似乎比微軟的一系列Copilot更炫酷、更有吸引力。

針對這一點，微軟的思路是“優先穩固住開發者” 。

微軟在本次Build大會中推出了Copilot Studio功能，允許用戶創建自定義的Copilot，作為AI Agents獨立工作。

微軟將Windows Copilot Runtime融入了Windows Copilot堆棧，以內置AI驅動系統革新，加速開發者在Windows平臺上的AI開發進程。

微軟還推出了Windows語義索引提升了Windows搜索體驗，引入Recall等新功能。且還會利用Vector Embeddings API給Windows的應用提供矢量存儲與RAG功能。

同時，微軟還推出了可以直接在Windows上運行DirectML、PyTorch及Web神經網絡的功能。開發者可以直接調用Hugging Face模型庫，基于NPU加速任務處理。

DirectML作為Windows核心低層API，是與DirectX相似的產品，專為機器學習優化，兼容多硬件平臺，包括GPU、NPU，未來還將集成CPU。它與ONNX Runtime、PyTorch、WebNN等框架無縫對接，推動AI技術應用。

這幾步明棋，其實都是微軟試圖通過AI生態工具，鞏固其在開發者生態中的技術地位，如同DirectX鞏固了微軟在圖形處理中的主導地位，DirectML也可能在機器學習領域產生類似的效果。

對于開發者來說，如今的Copilot戰略核心在于通過建立一個開放且高度融合的生態系統，將AI的力量滲透到每一個開發環節和應用場景中，從而以增強AI生態的形式，固化AI應用能力。

除了個人Copilot，微軟還著重強調了Team Copilot。

在GPT-4的加持下，微軟是最早在辦公軟件中提出Copilot概念的公司之一。

此次更新的Team Copilot主要功能包括：會議主持人，通過管理議程和記錄會議筆記，使會議討論更加高效；小組協作，幫助團隊成員從聊天中提取重要信息，跟蹤行動項目，并解決未解決的問題；項目經理，創建和分配任務，跟蹤截止日期，通知團隊成員需要輸入的時間，確保項目順利進行。

這三大主要功能與Google I/O大會上剛剛提過的的“數字員工”幾乎重疊。

而更有價值的是，微軟允許企業和開發者構建AI驅動的Copilot，這些Copilot可以像虛擬員工一樣自動執行任務。這一改變意味著Copilot不僅僅是被動等待查詢的工具，它將能夠執行如監控電子郵件收件箱、自動化數據錄入等一系列通常由員工手動完成的任務。

此外，微軟的Copilot Connectors功能可以為企業實現數據的無縫結合，且支持多種數據源的整合，如公共網站、SharePoint、OneDrive、Microsoft Dataverse表、Microsoft Fabric OneLake和Microsoft Graph等。

這使得Copilot能夠利用豐富的數據資源，提供更為精準和個性化的服務，進一步增強了其在企業應用中的價值。

微軟目前正在向一小部分早期訪問測試者預覽這一新功能，并計劃在2024年晚些時候在Copilot Studio中進行公開預覽。企業將能夠創建一個處理IT幫助臺服務任務、員工入職等任務的Copilot代理。微軟在一篇博客文章中表示：“Copilots正在從與你一起工作的助手演變為為你工作的助手。”

相比于Google上周提到的AI Teammate，微軟的Copilot Studio似乎能提供更高的靈活性。允許企業根據自身需求定制Copilot，使其能夠執行特定的業務流程。自定義的靈活性使企業能夠更好地利用Copilot來提升業務效率。但也可能設置了較高的使用門檻。

谷歌的優勢則在于借助于Google Cloud和Google的搜索引擎技術，Gemini能夠高效地處理和分析大量數據，提供精準和實時的業務洞見。

企業對AI技術的依賴程度增加，也可能導致對技術提供商（如微軟）的高度依賴。不過，目前兩家都是要深度融合自身辦公軟件生態以及云業務，拼到最后，可能還是要卷價格。

結語

與OpenAI的綁定，目前仍是微軟的重要競爭力，但微軟已經開始思考如何減少對外部的依賴。

從投資自研AI芯片到優化用戶體驗，微軟著力于解決技術落地的實際難題，尋求在通用性和個性化需求間找到平衡點。通過跨行業合作與自家產品線的AI集成，微軟旨在深化其在各領域的影響力并拓寬業務范圍，同時促進辦公軟件及云服務的智能化升級。

AI技術的深度整合與定制化服務，如Copilot Studio和Team Copilot等也在推動微軟鞏固并擴展其在開發者和企業市場的影響力，將AI從輔助工具轉變為驅動業務的核心動力。

微軟一系列產品整合的產物，正是當下市場的大勢AI PC，這也正是微軟為了最大的機會。基于模型能力，操作系統的天然優勢，以及生態中沉淀的AI應用產品，微軟的AI PC相對于其他市場中已有的PC產品幾乎是最易成功的。

然而，微軟的多模型策略與生態構建也并非坦途，仍要面臨模型協同、成本控制及生態系統割裂等一系列挑戰。