微软一夜革新AI生产力，奥特曼剧透新模型！Copilot人人可定制，开发者狂喜

白交 2024-05-22 08:47:44 来源：量子位

编辑部 发自 凹非寺

量子位 | 公众号 QbitAI

今天，微软的生产力革命有了最新进展——

它正在将AI塞进所有可能找到的角落和缝隙。

除了在大会前一天就已剧透Copilot+PC，Build大会上微软还有超多释出成果：

• Copilot持续升级：自定义Copilot、Team Copilot以及Copilot扩展等。总的来说，所有开发者都可以定制和扩展Copilot，而团队协同工作也更加方便。
• 将小模型进行到底，Phi-3能轻松在PC端、手机端运行，还有首个多模态模型Phi-3-vision。

还有这些细节更新，比如Microsoft Fabric的实时智能功能，能对实时、高精度的业务数据进行分析管理，帮助企业决策；Edge浏览器增加AI实时视频翻译功能；AI PC原生支持PyTorch……

开幕式上，纳德拉一上场就道明了今天这场大会的意义。

微软三十多年来有两个梦想，一个是计算机是否可以理解我们，而不是我们必须理解计算机？第二个是在这个信息不断增加的世界里，计算机能否帮助我们根据所有这些信息进行推理、规划和更有效地采取行动？

而这一波AI浪潮，就是微软梦想的答案。

Build大会展现的各种各样的生产力场景，也正是微软实现梦想的舞台。

开幕式尾声，奥特曼还站台亮相，回应和剧透了新模型的一切。

市场上微软股价也是一片向好，一度飙升到了431.84美元。该说不说，这两天微软都涨麻了。

咱先从Copilot持续升级说起。

GitHub Copilot扩展：自然语言交互方方面面

面向开发者和团队，微软推出GitHub Copilot扩展，可通过第三方服务功能用自然语言交互自定义GitHub Copilot体验。

可以立即部署到Azure，用语言交互即可获取管理Azure资源，比如向Azure询问Web应用程序的部署位置，一键排除故障查找相关代码：

任何开发者都可以为GitHub Copilot创建扩展，包括堆栈中的各种工具以及自己内部的工具。

打开Copilot WorkSpace，可以查看整个代码库，并提出修改建议。Copilot会自动根据定制进行修改：

微软还推出了Copilot connectors，方便开发者用第三方业务数据、应用和工作流程定制Copilot。

Team Copilot：团队中的关键成员

除此之外，微软Copilot继续升级，推出Team Copilot，从此Copilot不仅是个人助手，更是可以变成团队中的一员。

可以把它拉到团队群里面，充当会议主持人，Copilot可以实时记录下会议中的全部内容：

根据团队讨论进度，一键整理主题、做笔记，同时支持群内其他人对其记录的内容进行修改：

讨论中遇到问题也可以直接向Copilot提问：

当团队成员就某一讨论达成一致观点，Copilot会一键实时更新之前的笔记内容：

Agent可以自定义

与此同时，微软Copilot Studio推出全新自定义Agent功能。

开发者可以自定义Agent职位，也可以从现成的模板里挑选：

开发者可以将权限委派给不同的角色的Copilot，自动化业务流程。Copilot在遇到不了解且无法处理的问题时，甚至会自动向你展示问题并寻求帮助。

此外，Agent还具备根据用户反馈进行学习等能力。

纳德拉现场表示：

我认为这是未来一年中真正能够带来变革的关键因素之一。

将小模型进行到底

除此之外，微软还更新了自己的模型——Phi-3，继续将小模型（SLM）进行到底。

主要有这几个型号：

• Phi-3-mini，38亿参数，支持128k和4k两种上下文。
• Phi-3-small，拥有70亿参数，支持128k和8k两种上下文长度。
• Phi-3-medium，140亿参数，支持128k和4k两种上下文长度。
• Phi-3-vision，42亿参数，支持128k上下文。
• Phi-3-Silica，33亿参数。

其中Phi-3-mini在今年四月份就已经首次亮相过，当时在基准测试中，能力与LIama2相当，收获了不少关注。加上Phi-3-small和Phi-3-medium，他们可以通用Azure Machine learning的模型目录和集合进行访问。

作为最小的模型Phi-3-Silica。从6月份开始，Phi-3-Silica将嵌入到Copilot+PC中面世。它是整个Phi-3型号中最小的一块，只有33亿参数。

微软声称，第一个Token输出速度为每秒650个token，只需损耗1.5瓦功率，换言之不会占用其正常工作和内存。持续运行时，token生成重用了NPU的KV缓存，并将在 CPU 上运行，每秒生成27个token。

Phi-3-vision则是Phi-3家族中的多模态大模型，它可以直接在移动设备上使用。

在Phi-2 模型基础之后，Phi-3-vision能执行日常的视觉推理任务。

而且专门针对图表进行了优化，能够分析图表中的信息并回答用户提问。

在发布会现场，纳德拉展示了这样的一个DEMO：把一张图表丢给Phi-3-vision，内容是关于不同年龄段的人在工作中使用AI工具的情况。

结果Phi-3-vision准确提取了图中的各组数据，并对不同年龄层的结果进行了比较分析，给出了详尽的报告。

但跟其他大模型不同的是，Phi-3-vision目前只能读取，无法生成。

而在测评成绩方面，Small和Medium两个纯文本模型，整体表现都超过了近似规模的其他模型。

甚至不到40亿参数量的Mini，也超过了2倍于自己的Llama3-8B。

具体来看，先是Small在各种语言、推理和数学方面的一系列测试中击败了GPT-3.5-Turbo，不过代码能力小幅落后，知识储备上的差距就比较明显了。

Medium版本对标的则是Claude3-Sonnet和Gemini 1.0 Pro，擅长的任务也和Small类似——语言理解、推理和数学是强项，知识储备是短板。

同样，多模态的Vision在语言上也延续了单模版本的优势，在部分视觉任务是还超过了GPT-4v-Turbo。

特别是专门优化过的图表推理任务中，Phi-3-Vision在ChartQA数据集上取得了超过80分的成绩，遥遥领先于GPT-4v。

奥特曼9分钟惊喜亮相

纳德拉仍然表示OpenAI是微软最重要的战略合作伙伴。在发布会进行两小时后，正身处舆论风暴中心的奥特曼亮相了，为整个主题演讲完成闭幕。

不过这次倒是没有跟纳德拉同台，而是跟微软CTO Kevin Scott站到了一起。

在短短9分钟的讲话中，他谈到了OpenAI下一步计划、GPT-4o以及给开发者的建议。

他首先谈到GPT-4o的发布，这是“疯狂的一周”。他称从从来没见过一项技以如此有意义的方式被迅速地采用。

对于最新的寡姐语音风波，奥特曼虽然没有提及，但是特别cue了下他们的语音模式。

随着人工智能速度的提高和成本的下降，OpenAI 已经能够引入语音等新模态；

语音模式对我来说实际上是一个真正的惊喜。

最后，面对在场的开发者们，奥特曼提供了这样一个建议。

他表示，现在正是一个特殊时刻，要充分利用好他，不要等待构建你想要做的事情。这可能是自手机问世以来，甚至自互联网问世以来，我们所见过的最激动人心的时刻。不过，不要指望人工智能会为你做所有的工作；它本身是一种推动力，但它并不会自动打破商业规则。

奥特曼还预告，OpenAI最新最强大模型即将发布——

现在能剧透的似乎很无聊但也很关键，新模态、整体智能，史无前例地强大。

参考链接：
https://build.microsoft.com/en-US/sessions/b49feb31-afcd-4217-a538-d3ca1d171198?source=/schedule