【新智元导读】微软的全球首款自研芯片Maia来了，算力上能和英伟达H100、AMD MI300X一战。微软的全线产品，都加入了Copilot宇宙，连Bing Chat都正式更名Copilot。
微软深夜炸场，万物皆可Copilot！
Bing Chat，从此更名Copilot。
登录微软账号，就可以在Copilot专属网站上免费使用GPT-4、DALL·E 3。
OpenAI的全新王牌爆款——自定义GPT，也被塞进Copilot宇宙，变身为Copilot Studio。
打工人利器Office，也在Copilot的加持下全面升级。
而且，微软终于也开始制造定制芯片了！两款为云基础结构设计的定制芯片——Azure Maia 100和Azure Cobalt 100在昨晚闪亮登场。
全线改名Copilot，自定义GPT来了
今天，微软Copilot全面迎来了新时代。
在Ignite 2023 大会上，纳德拉宣布Bing Chat和Bing Chat for Enterprise，正式更名为Copilot！
除了Edge，Copilot可以在Chrome，Safari浏览器上网页运行，并且很快上线移动设备。
当然，Copilot免费版可以在必应和Windows中直接访问，还有一个专门入口（https://copilot.microsoft.com/）。
Microsoft 365中的Copilot依旧需要付费。
Microsoft 365的Copilot目前仅限于微软最大的客户，企业必须至少达到300个用户，才能进入AI驱动的Office助手的名单，每位用户每月收费30美元。
今年年初，微软还曾提到与谷歌搜索竞争的AI野心，但现在看起来，这家老牌巨头显然把目光投向了ChatGPT。
在OpenAI宣布每周有1亿人使用ChatGPT后，Bing Chat直接更名。
这不得不让外界猜想，尽管有价值数十亿美元的密切合作关系，但微软和OpenAI仍在争夺相同客户，而Copilot，就是微软试图抛给消费者和企业的最佳选择。
值得一提的是，微软大会还发布了低代码工具——Microsoft Copilot Studio。
与OpenAI可以定制的GPT还是有所不同，它是可以扩展到Microsoft 365。
其优势在于，Copilot Studio可以在同一网页上进行构建、部署、分析、管理内容。
更重磅的是，Copilot Studio无缝集成OpenAI的GPTs，允许开发者构建自己的GPT。
另外，Copilot Studio还有一个可以分析的仪表板，管理员可以集中监视使用情况并进行分析，在管理中心内控制访问权限。
微软还在Dynamics 365 Guides集成了Copilot，将生成式AI与混合现实相结合，帮助一线员工完成复杂的任务。
未来，工程师无需搜索大量文档或纸质手册，仅通过自然语言和手势就能查询信息。
微软自研芯片来了
此前，坊间曾传出传言：微软在悄悄构建自己的芯片，用于训练大语言模型，避免对英伟达过度依赖。
现在证实了——传言是真的！
今年的大模型热，让H100的需求激增，单块甚至在eBay上卖出了超过4w美元的价格。
这块大蛋糕，微软绝对不会放下，Azure Maia和Azure Cobalt CPU明年就会上市。
SemiAnalysis深度分析：https://www.semianalysis.com/p/microsoft-infrastructure-ai-and-cpu
Azure Maia GPU（Athena/雅典娜）
虽然微软是四巨头（亚马逊、谷歌、Meta、微软）里最后一个发布产品的，但这次的Maia 100 GPU却毫不逊色——
在算力方面能与英伟达（H100）和AMD（MI300X）一战，在网络IO方面遥遥领先，而在显存带宽方面则稍显落后。与目前使用第二代Trainium/Inferentia2芯片的亚马逊相比，纸面上的各项指标都实现了碾压。
具体来说，Maia采用的是台积电5nm节点工艺，拥有1050亿个晶体管的单片芯片。并支持微软首次实现的8位以下数据类型，即MX数据类型。
算力方面，Maia在MXInt8格式下，算力可以达到1600 TFLOPS，在MXFP4格式下则为3200 TFLOPS。
由于是在LLM热潮出现之前设计的，Maia的显存带宽只有1.6TB/s。虽然这比Trainium/Inferentia2高，但明显低于TPUv5，更不用说H100和MI300X了。此外，微软采用的是4层HBM，而不是英伟达的6层，甚至AMD的8层。
据业内人士分析，微软当时在芯片上加载了大量的SRAM，从而帮助减少所需的显存带宽，但这似乎并不适用于现在的大语言模型。
就AMD和英伟达而言，它们都有自己的Infinity Fabric和NVLink，用于小范围芯片的高速连接（通常为8个）。如果要将数以万计的GPU连接在一起，则需要将以太网/InfiniBand的PCIe网卡外接。
对此，微软采取了完全不同的方式——每个芯片都有自己的内置RDMA以太网IO。这样，每个芯片的IO总量就达到了4.8Tbps，超过了英伟达和AMD。
为了充分发挥出Maia的性能，微软专门打造了名为Ares的机架和集群，并首次采用了「Sidekick」全液冷设计。
这些机架是为Maia高度定制的，比标准的19"或OCP机架更宽。
具体来说，微软在一个机架上搭载了8台服务器，其中每台服务器有4个Maia加速器，也就是共计32个Maia芯片。除此之外，还会配备网络交换机。
此外，Maia机架的功率可以达到约40KW，这比大多数仍只支持约12KW机架的传统数据中心也要大得多。
Maia 100服务器机架和「Sidekick」液却
值得注意的是，微软使用的是自己从第三方获得SerDes授权，并直接向台积电提交设计，而不是依赖Broadcom或Marvell这样的后端合作伙伴。
Sam Altman表示，第一次看到微软Maia芯片的设计时，自己和同事感到非常兴奋。而OpenAI也已经用自己的模型（GPT-3.5 Turbo）对Maia进行了改进和测试。
就在昨天 ，Sam Altman刚刚宣布访问量激增超出承受能力，Plus账号注册暂停
Azure Cobalt CPUCPU方面，Microsoft Azure Cobalt是一款基于Armv9架构的云原生芯片，针对通用工作负载的性能、功率和成本效益进行了优化。
具体来说，Azure Cobalt 100 CPU共有128个核心，并支持12条DDR5通道。
与微软第一款基于Neoverse N1的Arm CPU相比，基于Neoverse N2的Cobalt 100在性能上提升了40%。
与Arm传统的只授权IP的商业模式不同，Neoverse Genesis CSS（计算子系统）平台可以使CPU的开发更快、更容易，且成本更低。
就Cobalt 100而言，微软采用的是2个Genesis计算子系统，并将它们连接成1个CPU。
Arm此前曾表示，有一个项目从启动到完成芯片只用了13个月。根据业界推测，这里提到的很可能就是微软。
可以说，微软花了许多心思。在设计上的独具匠心，不仅让它具有高性能，还能控制每个内核和每个虚拟机的性能和功耗。
用于测试Microsoft Azure Cobalt片上系统的探针台
目前，微软正在Microsoft Teams和SQL Server等工作负载上测试Cobalt CPU，计划明年向客户提供用于各种工作负载的虚拟机。
重新思考AI时代的云基础设施
实际上，微软在芯片开发上有着悠久的历史。
20多年前，微软就和Xbox合作，还为Surface设备共同设计了芯片。17年，微软就开始构建云硬件堆栈。
Azure Maia AI芯片和Azure Cobalt CPU都是在微软内部构建的，微软对整个云服务器堆栈进行了深入检修，以优化性能，功耗和成本。
用微软硬件系统负责人Rani Borkar的话说，「我们正在重新思考人工智能时代的云基础设施，并从字面上优化该基础设施的每一层。」
现在，微软、AMD、Arm、英特尔、Meta、英伟达和高通在内的集团，都在标准化AI模型的下一代数据格式。
微软：我们和英伟达是互补，不是竞争
跟H100、H200，甚至是AMD最新的MI300X比较，Maia的性能如何呢？
Borkar回避了这个问题，而是重申微软与英伟达和AMD的合作对于Azure AI云的未来很重要。
「重要的是，在云运行的规模上优化和集成堆栈的每一层、最大限度地提高性能、使供应链多样化，为客户提供基础设施的选择。」
据悉，要实现ChatGPT的商业化，OpenAI需要30,000块A100，如果用微软自研的芯片，显然会降低AI成本。
考虑到目前AI领域的速度，Maia 100的继任者很可能会和H200相同的速度推出，也就是大概20个月后。
随着微软本周推出更多的Copilot功能和Bing Chat的品牌重塑，Maia必然会大显身手。
GPT性能/总拥有成本
对于芯片来说，最重要的是性能。
在推理方面，需要注意的是，微软所做的内存权衡是非常不利的，这使得微软很难与之竞争。
H100的内存带宽是其2倍多，H200是其3倍，而MI300X甚至更高。
因此，在LLM推理方面，Maia 100的性能处于劣势。就每秒处理更大批大小的token而言，GPT-4推理的性能大约是 H100的1/3。
值得注意的是，这本身并不是一个大问题，因为制造成本与英伟达的巨大利润率弥补了大部分差距。
问题是，电源和散热仍需要更多成本，而且token到token的延迟更差。
在聊天机器人和许多协同Copliot工具等对延迟敏感的应用中，Maia无法与英伟达和AMD GPU竞争。
后两种GPU都可以使用更大的批处理量，同时可接受延迟，因此它们的利用率会更高，性能TCO也比Maia高得多。
在GPT-3.5 Turbo等较小的模型中，情况要好一些，但微软不能只部署针对小模型的优化硬件。因为随着时间的推移，GPT-3.5 Turbo等小模型将被逐步淘汰。
不仅在硬件上强强联合，微软会上还宣布将英伟达AI代工厂服务（Nvidia AI Foundry）引入Azure。
不仅有英伟达的基础模型、NeMo框架、DGX Cloud AI超算以及服务全部集成到微软Azure平台，向企业和开发者开放。
数学推理飙升50%，27亿参数Phi-2开源
开发者方面，微软在自家的Azure AI上提供了从数十亿到数万亿不等的基础模型。
纳德拉现场激动地表示，OpenAI团队做了非常出色的工作推动AI的前进，我们将继续推进深度合作。
他现场承诺：只要OpenAI一更新，微软就会在平台全部交付。
OpenAI首届开发者大会上的模型更新，同样上线微软开发者平台。其中，包括GPT-4 Turbo，以及GPT-4 Turbo with Vision，DALLE·3。
另外，微软还将提供GPT-4的微调功能。这样，开发者可以调用自己的数据去微调自定义的GPT-4。
至于定价，微软与OpenAI保持一致。
同样，微软Azure AI还支持开源模型。
开发者能够轻松地将Stable Diffusion、Llama 2、G42 Jais等最新的模型，通过API集成到应用中。
另外，微软还宣布了全新的小体量模型——Phi-2，仅有27亿参数，并将在未来开源。
最新Phi-2模型，同样是在教科书级数据上完成训练，比前身Phi-1.5更加强大，在数学推理上的性能飙升50%。
除了模型，为了进一步降低开发者门槛，微软还推出了全链条开发工具——Azure AI Studio。
它提供了完整周期的工具链，是一个端到端的平台，包括模型的开发、训练、评估、部署、定制等等。
