出品｜虎嗅科技组
作者｜齐健
编辑｜苗正卿
头图｜Google
当OpenAI创始人Sam Altman登上微软Build 2024开发者大会的Keynote舞台时，细心的观众不难发现：相比于微软首席技术执行官Kevin Scott眉飞色舞介绍Sam Altman时的神情，Sam Altman的双眉微微低垂，并未像Kevin Scott一样亢奋。
除了自研芯片外，微软也在尝试搭建不依赖于NVIDIA的服务器架构。
3月29日，微软刚刚被爆出正在与OpenAI合作开发价值1000亿美元的AI超级计算机“星际之门”。
据外媒报道，星际之门的关键特性之一就是不受限于NVIDIA显卡，在Stargate超级计算机中很可能不会使用NVIDIA专有的InfiniBand线，而是使用同样以太网线。
虽然谷歌，亚马逊，甚至是中国的很多厂商都在自研AI芯片，但相对来说，Google和微软的优势更加明显。
谷歌在上周的Google I/O大会上宣布了最新的六代TPU。TPU在Google中的应用，相对于GPU具有一定的优势。一方面，TPU与Gemini同根同源，不管是基于模型优化芯片，还是基于芯片优化模型，都可以在公司内部“消化”。
另一方面，TPU在处理深度学习任务，特别是大规模矩阵运算方面表现出色。由于Transformer架构依赖于大量的矩阵乘法和点积运算，TPU的设计非常适合这种计算模式。谷歌自第四代TPU开始，进一步优化了其硬件和软件，使其更高效地支持Transformer模型，比如BERT和GPT系列。
不过，GPT模型主要用到的深度学习框架是Pytorch，而Google的很多AI项目主要使用的TensorFlow框架，在模型优化方面也可能存在一些适配问题。
微软的优势则在于与OpenAI的紧密合作。在研发AI芯片的过程中则可能会与OpenAI更加紧密配合，从而获得更有价值的提升。
不过，想彻底逃离英伟达的强势状态恐非易事。
当地时间5月22日，在英伟达2025财年一季报的电话会上，该公司CEO黄仁勋透露，Blackwell架构之后还将继续推出新芯片，还将加快芯片架构更新速度，从两年更新一次，加速至一年一更。黄仁勋说：“我们将以非常快的速度全面推进。新的CPU、新的GPU、新的网络网卡、新的交换机，大量芯片正在路上。”
在4月的英伟达GTC大会上，微软和英伟达共同宣布了Azure将成为首批引入NVIDIA Grace Blackwell GB200以及NVIDIA Quantum-X800 InfiniBand的云服务商。
近日有外媒报道称，AWS已经开始用英伟达最新的Grace Blackwell架构芯片订单代替之前订购的Grace Hopper芯片。由此推断，作为首批云服务商的Azure，很可能也正在开展大规模换芯工程。
虽然主流AI公司和云厂商都在高喊与英伟达紧密合作，但他们也同时在加速AI芯片、算力的研发。
与Google优先争夺开发者？
在Build 2024开发者大会上，微软下出的另外几步棋，更似似剑指Google。
过去一年中，Google在模型能力和AI产品方面一直呈现追赶态势，但在最近的GoogleI/O上，Google更新的AI功能看起来似乎比微软的一系列Copilot更炫酷、更有吸引力。
针对这一点，微软的思路是“优先稳固住开发者”。
微软在本次Build大会中推出了Copilot Studio功能，允许用户创建自定义的Copilot，作为AI Agents独立工作。
微软将Windows Copilot Runtime融入了Windows Copilot堆栈，以内置AI驱动系统革新，加速开发者在Windows平台上的AI开发进程。
微软还推出了Windows语义索引提升了Windows搜索体验，引入Recall等新功能。且还会利用Vector Embeddings API给Windows的应用提供矢量存储与RAG功能。
同时，微软还推出了可以直接在Windows上运行DirectML、PyTorch及Web神经网络的功能。开发者可以直接调用Hugging Face模型库，基于NPU加速任务处理。DirectML作为Windows核心低层API，是与DirectX相似的产品，专为机器学习优化，兼容多硬件平台，包括GPU、NPU，未来还将集成CPU。它与ONNX Runtime、PyTorch、WebNN等框架无缝对接，推动AI技术应用。
这几步明棋，其实都是微软试图通过AI生态工具，巩固其在开发者生态中的技术地位，如同DirectX巩固了微软在图形处理中的主导地位，DirectML也可能在机器学习领域产生类似的效果。
对于开发者来说，如今的Copilot战略核心在于通过建立一个开放且高度融合的生态系统，将AI的力量渗透到每一个开发环节和应用场景中，从而以增强AI生态的形式，固化AI应用能力。
除了个人Copilot，微软还着重强调了Team Copilot。
在GPT-4的加持下，微软是最早在办公软件中提出Copilot概念的公司之一。此次更新的Team Copilot主要功能包括：会议主持人，通过管理议程和记录会议笔记，使会议讨论更加高效；小组协作，帮助团队成员从聊天中提取重要信息，跟踪行动项目，并解决未解决的问题；项目经理，创建和分配任务，跟踪截止日期，通知团队成员需要输入的时间，确保项目顺利进行 。
这三大主要功能与Google I/O大会上刚刚提过的的“数字员工”几乎重叠。
而更有价值的是，微软允许企业和开发者构建AI驱动的Copilot，这些Copilot可以像虚拟员工一样自动执行任务。这一改变意味着Copilot不仅仅是被动等待查询的工具，它将能够执行如监控电子邮件收件箱、自动化数据录入等一系列通常由员工手动完成的任务。
此外，微软的Copilot Connectors功能可以为企业实现数据的无缝结合，且支持多种数据源的整合，如公共网站、SharePoint、OneDrive、Microsoft Dataverse表、Microsoft Fabric OneLake和Microsoft Graph等。这使得Copilot能够利用丰富的数据资源，提供更为精准和个性化的服务，进一步增强了其在企业应用中的价值。
微软目前正在向一小部分早期访问测试者预览这一新功能，并计划在2024年晚些时候在Copilot Studio中进行公开预览。企业将能够创建一个处理IT帮助台服务任务、员工入职等任务的Copilot代理。微软在一篇博客文章中表示：“Copilots正在从与你一起工作的助手演变为为你工作的助手。”
相比于Google上周提到的AI Teammate，微软的Copilot Studio似乎能提供更高的灵活性。允许企业根据自身需求定制Copilot，使其能够执行特定的业务流程。自定义的灵活性使企业能够更好地利用Copilot来提升业务效率。但也可能设置了较高的使用门槛。
谷歌的优势则在于借助于Google Cloud和Google的搜索引擎技术，Gemini能够高效地处理和分析大量数据，提供精准和实时的业务洞见。
企业对AI技术的依赖程度增加，也可能导致对技术提供商的高度依赖。不过，目前两家都是要深度融合自身办公软件生态以及云业务，拼到最后，可能还是要卷价格。
结语
与OpenAI的绑定，目前仍是微软的重要竞争力，但微软已经开始思考如何减少对外部的依赖。
从投资自研AI芯片到优化用户体验，微软着力于解决技术落地的实际难题，寻求在通用性和个性化需求间找到平衡点。通过跨行业合作与自家产品线的AI集成，微软旨在深化其在各领域的影响力并拓宽业务范围，同时促进办公软件及云服务的智能化升级。
AI技术的深度整合与定制化服务，如Copilot Studio和Team Copilot等也在推动微软巩固并扩展其在开发者和企业市场的影响力，将AI从辅助工具转变为驱动业务的核心动力。
微软一系列产品整合的产物，正是当下市场的大势AI PC，这也正是微软为了最大的机会。基于模型能力，操作系统的天然优势，以及生态中沉淀的AI应用产品，微软的AI PC相对于其他市场中已有的PC产品几乎是最易成功的。
然而，微软的多模型策略与生态构建也并非坦途，仍要面临模型协同、成本控制及生态系统割裂等一系列挑战。
