微軟如何布局2024 AI新戰略

微軟憑著與OpenAI的深度結盟，是目前三大公雲在GAI（Generative AI，生成式AI）競賽中的領先者。微軟執行長Satya Nadella在Ignite開場演講中強調：「我們相信，未來會有一款Copilot，可以讓每一個人用來做任何事情。」他認為，Copilot是全新的介面，可以用來存取世界知識和企業知識的全新介面，也是可以對這些知識採取行動的代理人，因此，微軟的GAI戰略是要打造一個端到端的Copilot技術架構，提供完整且一致的Copilot體驗，來實現這個願景。

願景是發展通用型Copilot，讓人人能做任何事

微軟在Ignite發表了這個Copilot技術架構，目標是能實現讓使用者透過一款通用（或體驗一致）的Copilot，就能做到任何事。這個技術架構，主要分為三大層，最上層是App應用層，包括微軟提供的不同類型專用Copilot，以及企業自製Copilot，中間層是AI調度層，而下層還可細分為三小層，包括了以微軟Cloud為底的AI基礎架構，基礎模型和AI工具鏈層，以及「你的資料」層。下面這三小層，透過Auzre AI各種服務的調度，可以與上層微軟各種Copilot和GAI應用整合。整個Copilot技術架構，套用了同樣的安全和資安控管框架中。

微軟對於AI基礎架構的發展策略是，把全球300座機房、60雲端區域的Azure，視為一臺世界電腦（World Computer），有能力通吃各種異質基礎架構，而且從核心運算、網路、機櫃到電力設計，都要能用來加速AI，「為了因應AI時代，資料中心全面要重新定義。」Satya Nadella強調。

Copilot技術架構分為三大層，最上層是App應用層，包括微軟各種Copilot及企業自製Copilot，中間是AI調度層，下層可細分為三小層，包括了以微軟Cloud為底的AI基礎架構，基礎模型和AI工具鏈層及資料層。（圖片來源／微軟）

微軟也開始自行設計專用CPU

除了運用Nvidia、AMD的晶片產品來提供的算力實例，微軟在AI基礎架構布局上最大的改變是，開始設計自己的晶片。微軟在Ignite發表了第一款自行設計的處理器Azure Cobalt 100，採用64位Arm架構、128核心的處理器，而且已經用於微軟自家的服務Teams、Azure SQL服務等，預計2024年開始提供給顧客使用。另外，微軟也發表了第一款自己設計的AI加速晶片Azure Maia，專用於LLM模型的訓練和推論之用，採用5奈米製程，多達1,050億個晶片。微軟甚至打造了使用Azure Maia加速晶片的整櫃式AI系統，整合了超高速頻寬技術，甚至有冷卻高速網路的機櫃內冷卻管設計，還透過演算法來優化這套系統的軟硬體設計。這套Maia系統已經用來執行微軟自家的AI服務上，像是GitHub Copilot就是用這套系統來執行推論。微軟先用於所有自家產品服務的工作負載上，未來再考慮擴大提供給第三方的工作負載。

AI基礎架構再往上一層則是基礎模型和AI工具鏈。這些工具不只可以支援上千億參數的LLM模型，也會支援數十億參數特定任務的小語言模型SLM（Small Language Model）。在Ignite大會上，微軟宣布Azure OpenAI服務的基礎模型開始提供GPT-4 Turbo、GPT-4 Turbo with Vision、DALL-E 3的預覽版。另外，也開始支援GPT-4的微調，企業用自己的資料來訓練客製化的GPT-4。在OpenAI服務的Model型錄上會提供多種微軟精選的開源或商用模型，像是Stable Diffusion、Code Llama、Mistral 7B或是Nvidia的Nemotron-3 8B等。這些模型都可以整合到微軟的模型安全護欄（Guardrail）機制，來控管輸出的內容符合企業的政策。

微軟也推出LLM模型即服務（Models as a Service，MaaS），提供第三方LLM模型的代管API服務，透過API呼叫就可以使用，開發者不用自己調度背後的維運，也支援微調的課模型客製化。例如微軟和Meta合作開始提供Llama 2 as a service、Mistral as a Service或是阿拉伯語LLM的Jais as a Service服務等。不只大型語言模型，微軟也發表了新的小語言模型，微軟研究院開源釋出自己開發的Phi 模型第二版，只有27億參數，但是數學推理能力比前一版提高50%，也會提供這款小語言模型的MaaS服務。

在Ignite大會上，微軟還發表了兩款新的GAI開發工具，一款是用來涵蓋了完整AI開發生命周期的開發工具Azure AI Studio，另一款則是Copilot Studio開發工具。

Azure AI Studio是通用型的AI開發平臺，提供了從模型建造、訓練、評估到部署的過程，也內建安全機制，開發者透過選單就可以快速設定不同安全控制項目的控制強度能，也支援安全和可解釋性AI功能。這款工具可將GAI延伸到Windows環境，用來打造本機端的客製化SLM，整合到企業的桌面應用中，也可以用來微調Azure上的GPT-4模型。微軟也將Nvidia的生成式AI基礎架構AI Foundry Service搬到Azure上提供，包括他們的模型，開發框架，工具等，包括DGX Cloud。

而另一款GAI開發工具Copilot Studio，則可以用來打造、客製和管理企業自己的Copilot，內建了許多商用軟體的外掛，例如SAP、Workday、Service Now，也可以快速將Copilot連結資料庫或企業自家後端系統，這款開發工具最大用途是將Copilot整合到企業內部的日常應用和系統中。Satya Nadella補充，Power Platform是前一代App平臺，而Copilot Studio是下一代的應用平臺。

在微軟GAI工具鏈的上一層是資料層，微軟正式推出了資料平臺Microsoft  Fabric，已有超過2萬5千名企業顧客試用過。這個平臺提供了完整的分析平臺，資料湖架構以及BI分析工具。另外，正式版也增加了一個鏡像功能，可以將企業現有資料倉儲、資料庫、其他公雲的資料，都連結到Fabric上，方便作為模型訓練的資料來源。至於AI技術架構中，資料層之上的AI調度，微軟沒有太多著墨，只簡單帶過提到所有技術架構中的服務，可以透過Azure來提供調度機制。

最上層的GAI應用層，包括了微軟自家App、微軟Copilot和企業自己的Copilot。微軟在2023年先後在不同自家產品上推出了整合ChatGPT聊天機器人的產品，像是Bing Chat、Dynamic 365、Windows 11、Microsoft 365、SharePoint、Power平臺，現在這些產品上的AI助手都改名為Copilot，來統一微軟產品內建AI助理的品牌和體驗。搜尋用Copilot，更變成了獨立的服務，可以使用多種主流瀏覽器，另外還推出了企業版Copilot的搜尋服務，會結合商用資料保護機制，企業員工透過微軟ID機制，不用付費就可以使用企業版Copilot的搜尋。

上圖為微軟第一款自行設計的處理器Azure Cobalt 100，具備64位Arm架構與128核心，已用於微軟Teams、Azure SQL等服務。（圖片來源／微軟）

整合M365生態圈和GPTs生態圈

去年11月，微軟正式推出了M365的Copilot，可以透過Microsoft Graph來支援各種Office應用，更要將3.2億人使用的Teams，視為提供AI體驗的關鍵通路。微軟的Copilot可以支援M365的外掛程式，也可以支援OpenAI的GPTs，等於把M365生態圈和ChatGPT的GPTs生態圈整合起來。

除了程式開發輔助用的GitHub Copilot，微軟還推出了多款不同用途的專用型Copilot，例如針對資安維運團隊出了第一款資安Copilot，也有銷售團隊Copilot，可用來輔助處理交易，還新推了客服Copilot，可以將Copilot整合到企業CRM工具，來存取CRM資料，來提供客服中心的輔助。

下一步，微軟開始嘗試將AI整合到混合實境場景與量子運算場景，例如在2024年1月推出3D沉浸式體驗應用服務Mesh，使用者透過Copilot，可以用自然語言提出請求，快速打造出數位虛擬空間中的各種元素，例如直接說要有一個辦公室，有桌子，椅子等，都可以快速產生，完全不用寫程式碼。

 相關報導