GPT-4太燒錢，微軟想甩掉OpenAI？曝出Plan B：千塊GPU專訓「小模型」，開啟必應內測
GPT-4太吃算力，連微軟也頂不住了！
今年，無數場微軟AI大會上，CEO納德拉臺前激動地官宣，將GPT-4、DALL·E 3整合到微軟「全家桶」。
微軟全系產品已被OpenAI的模型重塑，愿景是讓AI成為每個人的生活伴侶。
然而在幕后，因GPT-4運行成本太高，微軟卻悄悄地搞起了plan B。
The Information獨家爆料稱，為了擺脫對OpenAI的依賴，由Peter Lee領導的1500人研究團隊中，一部分人轉向研發全新對話式AI。
據稱，研發的模型性能可能不如GPT-4，但參數規模小，研究成本更低，運行速度更快。
目前，微軟已經在必應聊天等產品中，開啟了內測。
不僅是微軟，包括谷歌在內的其他科技巨頭，正在另辟蹊徑，以在AI聊天軟件和芯片兩方面節省成本。
而Llama 2宣發時微軟與Meta的合作，也不啻是一種擺脫完全依靠OpenAI的手段。
這是微軟帝國繼續向前成長、突破當前局限，注定要走的路。
更「精煉」的模型，必應先嘗鮮
今年2月，微軟正式發布新必應（New Bing），其中結合了ChatGPT和自家的普羅米修斯（Prometheus）模型。
在GPT-4公布后，微軟緊接著宣布，GPT-4整合到必應中，將搜索體驗帶上了一個新臺階。
微軟搜索主管Mikhail Parakhin近日表示，Bing Chat目前在「創意」和「精準」模式下使用的是100%的GPT-4。
而在平衡模式下（多數用戶選擇的模式），微軟用普羅米修斯模型，以及圖靈語言模型（Turing language models）作為補充。
普羅米修斯模型是技能和技術的集合體。而圖靈模型不如GPT-4強大，旨在識別和回答簡單的問題，并將更難的問題傳遞給GPT-4。
微軟內部，已經將其手頭的2000塊GPU中的大部分，都投入到了「小模型」的訓練當中。當然，這與微軟提供給OpenAI的芯片數量相比，只能說是小巫見大巫了。
不過，這些模型可以執行比GPT-4更簡單的任務，也是微軟為破冰所作的努力。
打破OpenAI束縛
多年來，微軟與OpenAI這兩家公司，保持著千絲萬縷的聯系。
但是，隨著ChatGPT，微軟必應等全家桶競相推出，微軟與OpenAI也開始秘密開展市場角逐戰。
盡管微軟的努力仍處于早期階段，但納德拉正帶領微軟，為自家AI產品開辟一條不完全依賴OpenAI的路。
「這終究還是要發生的」，Databricks的高管Naveen Rao在談到微軟內部的AI工作時說。
「微軟是一家精明的企業，當你部署產品使用GPT-4巨型模型時，他們要的是高效。這就好比說，我們并不需要一個擁有3個博士學位的人，來當電話接線員，這在經濟上是行不通的?！?/span>
然而，納德拉和研究主管Peter Lee希望在沒有OpenAI的情況下，開發出復雜的AI，這大概只是一廂情愿。
自從微軟投資OpenAI后，這家巨頭的研究部門把大部分時間，都用來調整OpenAI的模型，以便使其適用微軟的產品，而不是開發自己的模型。
微軟的研究團隊，也并沒有幻想自己能開發出像GPT-4這樣強大的AI。
他們清楚地知道，自身沒有OpenAI的計算資源，也沒有大量的人類審查員來反饋LLM回答的問題，以便工程師改進模型。
過去一年里，隨著幾波研究人員的離職，包括一些轉入微軟內部的產品團隊，研究部門的人才也在不斷流失。
對微軟自身來說，在沒有OpenAI幫助的情況下，開發高質量的LLM，可以在未來幾年，兩家公司討論續簽合作關系時贏得更多談判籌碼。
微軟AI研究主管Peter Lee
目前，兩者交易對雙方都有利。
此外，微軟還將獲得OpenAI 75%的理論運營收益，直到其初始投資償還為止，并且將獲得利潤的49%，直到達到一定上限為止。
現在，微軟希望通過與OpenAI，以及其他AI企業的現有聯盟，在一個不確定的時期內增加至少100億美元的新收入。
O?ce 365全家桶在得到GPT-4能力加持，已經出現了早期的收入增長跡象。
微軟還在7月份表示，已有超過2.7萬家公司為代碼編寫工具GitHub Copilot付費了。
Statista統計，2023年除了微軟云服務比例最大，加速生產力商業流程的軟件產品收入占比也在逐漸增加。
然鵝，諷刺的是，微軟與OpenAI的交易條款，也間接地幫助微軟努力擺脫對OpenAI的依賴。
當用戶使用必應時，微軟可以訪問OpenAI模型輸出的結果。
目前，微軟正在利用這些數據，創建更加「精煉」的模型。內部研究人員的研究結果表明，這些模型可以用更少的計算資源產生類似的結果。
「小模型」的探索
在OpenAI的陰影下度過一年后，微軟的一些研究人員找到了全新的目標——制造一個模仿GPT-4的「蒸餾」模型。
今年6月，微軟訓練了一個算力消耗只有GPT-4十分之一的模型——Orca。
為了創建這個Orca，微軟將GPT-4生成的數百萬個答案輸入到了一個更為基本的開源模型之中，并以此教它模仿GPT-4。
論文地址：https://arxiv.org/abs/2306.02707
結果顯示，Orca不僅超過了其他的SOTA指令微調模型，而且在BigBench Hard（BBH）等復雜的零樣本推理基準中，實現了比Vicuna-13B翻倍的性能表現。
此外，Orca在BBH基準上還實現了與ChatGPT持平的性能，在SAT、LSAT、GRE和GMAT等專業和學術考試中只有4%的性能差距，并且都是在沒有思維鏈的零樣本設置下測量的。
類似的，微軟還公布了一款參數量不到GPT-4千分之一的模型——phi-1。
由于采用了「教科書級」的高質量訓練數據，phi-1在數學和邏輯問題上的熟練程度，完全不亞于5倍于它的開源模型。
論文地址：https://arxiv.org/abs/2306.11644
隨后，微軟在研究「一個LLM有多小，才能達到一定的能力」上更進了一步，推出了只有13億參數的模型phi-1.5。
論文地址：https://arxiv.org/abs/2309.05463
phi-1.5展現出了許多大模型具備的能力，能夠進行「一步一步地思考」，或者進行一些基本上下文學習。
結果顯示，phi-1.5在常識推理和語言技能上的表現，與規模10倍于它的模型旗鼓相當。
同時，在多步推理上，還遠遠超過了其他大模型。
雖然目前還不清楚，像Orca和Phi這樣的「小模型」是否真的能與更大的SOTA模型（如GPT-4）相媲美。但它們巨大的成本優勢，加強了微軟繼續推動相關研究的動力。
據一位知情人士透露，團隊在發布Phi之后，首要任務就是驗證此類模型的質量。
在即將要發表的論文中，研究人員又提出了一種基于對比學習的方法，讓工程師們可以教模型區分高質量和低質量的響應，從而改進Orca。
同時，微軟其他的團隊也正在緊鑼密鼓地開發全新的多模態大模型，也就是一種既能解釋又能生成文本和圖像的LLM。
GPT-4V
顯然，像Orca和Phi這樣的模型，可以幫助微軟降低為客戶提供AI功能時所需的計算成本。
據一位在職員工透露，微軟的產品經理已經在測試如何使用Orca和Phi而不是OpenAI的模型，來處理必應聊天機器人的查詢了。比如，總結小段文本、回答是或者否，這種相對簡單的問題。
此外，微軟還在權衡是否向Azure云客戶提供Orca模型。
據知情人士透露，Orca論文一經發表，就有客戶來詢問何時能用上了。
但問題在于，如果真要這樣操作的話，微軟是不是還需要找Meta拿個許可。畢竟后者對哪些公司可以將其開源LLM進行商業化，還是有所限制的。
