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

【導讀】GPT-4太吃算力，微軟被爆內部制定了Plan B，訓練更小、成本更低的模型，進而擺脫OpenAI。

GPT-4太吃算力，連微軟也頂不住了！
今年，無數(shù)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(chǎn)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(fā)全新對話式AI。據(jù)稱，研發(fā)的模型性能可能不如GPT-4，但參數(shù)規(guī)模小，研究成本更低，運行速度更快。目前，微軟已經(jīng)在必應聊天等產(chǎn)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(jié)省成本。而Llama 2宣發(fā)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(xù)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(fā)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(chuàng)意」和「精準」模式下使用的是100%的GPT-4。而在平衡模式下（多數(shù)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(jīng)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(shù)量相比，只能說是小巫見大巫了。不過，這些模型可以執(zhí)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(lián)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(zhàn)。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(chǎn)品開辟一條不完全依賴OpenAI的路。「這終究還是要發(fā)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(yè)，當你部署產(chǎn)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(jīng)濟上是行不通的。」然而，納德拉和研究主管Peter Lee希望在沒有OpenAI的情況下，開發(fā)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(chǎn)品，而不是開發(fā)自己的模型。微軟的研究團隊，也并沒有幻想自己能開發(fā)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(chǎn)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(fā)高質量的LLM，可以在未來幾年，兩家公司討論續(xù)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。微軟投資OpenAI一百多億美元，作為回報，能夠在微軟產(chǎn)品中永久使用OpenAI 現(xiàn)有知識產(chǎn)權的獨家權利。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(xiàn)在，微軟希望通過與OpenAI，以及其他AI企業(yè)的現(xiàn)有聯(lián)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(jīng)出現(xiàn)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(tǒng)計，2023年除了微軟云服務比例最大，加速生產(chǎn)力商業(yè)流程的軟件產(chǎn)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(shù)據(jù)，創(chuàng)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(chǎn)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(chuàng)建這個Orca，微軟將GPT-4生成的數(shù)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(xiàn)了比Vicuna-13B翻倍的性能表現(xiàn)。此外，Orca在BBH基準上還實現(xiàn)了與ChatGPT持平的性能，在SAT、LSAT、GRE和GMAT等專業(yè)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。甚至，在某些情況下，Orca的表現(xiàn)與OpenAI的免費版ChatGPT不相上下。類似的，微軟還公布了一款參數(shù)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(shù)據(jù)，phi-1在數(shù)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(shù)的模型phi-1.5。

論文地址：https://arxiv.org/abs/2309.05463phi-1.5展現(xiàn)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(xiàn)，與規(guī)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(yōu)勢，加強了微軟繼續(xù)推動相關研究的動力。據(jù)一位知情人士透露，團隊在發(fā)布Phi之后，首要任務就是驗證此類模型的質量。在即將要發(fā)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(qū)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(fā)全新的多模態(tài)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(jù)一位在職員工透露，微軟的產(chǎn)品經(jīng)理已經(jīng)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(jù)知情人士透露，Orca論文一經(jīng)發(fā)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(yè)化，還是有所限制的。 來源：新智元

 

*博客內容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權請聯(lián)系工作人員刪除。