微软: 蜜月期结束!OpenAI拒绝提为微软提供帮助引冲突

不过苏莱曼认为，他的核心目标是为微软在未来十年实现人工智能自给自足奠定坚实基础，而非着眼于短期成果。尽管他所负责的业务在微软整体业务中占比较小，但其管理的产品可能对公司未来发展产生深远影响。苏莱曼指出：“我们在微软人工智能部门真正需要达成的，并非过度关注今明两年的业绩，而是要着眼于未来十年的长远发展。我们必须确保公司能够在内部构建出全球最卓越的模型，并与各界携手合作，共同推动技术进步。”

空降微软

2023年底，苏莱曼加入微软。在此之前，他与OpenAI曾有一段“惊险”的过往。彼时，OpenAI濒临崩溃边缘，其非营利性董事会解雇了首席执行官山姆.奥特曼（Sam Altman）。这一动荡局面令微软深感不安，毕竟微软在当年年初才刚推出基于OpenAI技术的必应聊天机器人，且对与OpenAI的后续合作有着宏伟规划。几周之后，OpenAI重新聘用奥特曼，大部分反对他的董事会成员也相继辞职，这才让微软稍稍松了一口气。

然而，微软董事会依旧对这种动荡状况心存忧虑，进而向微软首席执行官萨提亚.纳德拉（Satya Nadella）施压，要求其调整公司的人工智能战略，不能再完全依赖OpenAI。数月后，纳德拉聘请了苏莱曼。苏莱曼是人工智能领域的先驱人物，他是谷歌2014年收购的人工智能初创公司DeepMind的联合创始人。苏莱曼从自己创办的创业公司Inflection AI加入微软，入职时还带来了一份价值6.5亿美元的许可协议，使微软能够获取Inflection的技术。

苏莱曼迅速对微软内部的人工智能团队进行重组，将原本分散于不同项目的团队整合为一个全新的模型开发部门，由他的联合创始人、Inflection的首席科学官西蒙尼扬负责领导。他新组建的团队中，还包括时任必应首席执行官的米哈伊尔.巴拉金（Mikhail Parakhin），巴拉金此前负责将OpenAI的产品整合到搜索引擎中。

在纳德拉的支持下，苏莱曼从其他部门调配了多名工程师，其中就有之前负责微软小型语言模型Phi家族的研究团队成员。其他部门的高管，比如曾领导开发早期必应模型的索拉布.蒂瓦里（Saurabh Tiwary），以及负责Phi项目的Azure高管米沙.比伦科（Misha Bilenko），也开始向苏莱曼汇报工作。

不过，整合这些分散的人工智能团队并非易事。2024年3月底，苏莱曼加入微软仅仅几周后，巴拉金便因失去对必应业务的控制权而辞职。几周之后，巴拉金似乎在公开场合表达了对苏莱曼的不满。在苏莱曼发表关于人工智能对人类安全风险的TED演讲后，一些批评者对他的观点提出质疑，风险投资公司安德森.霍洛维茨基金的合伙人马丁.卡萨多（Martin Casado）便是其中之一，他在社交媒体平台X上称这些言论 “彻头彻尾的胡说八道”。

微软表示:将确保中国员工不再为美国防部提供技术支援

微软遭黑客攻击范围恐波及全球

微软指控中国黑客藉SharePoint漏洞侵入系统

此后，微软持续出现人才流失现象。2024年8月，比伦科和蒂瓦里都离开微软，加入了谷歌的DeepMind部门。与此同时，一些必应工程师对苏莱曼的管理方式颇有微词，认为身为企业家和高管的苏莱曼，不像前任巴拉金那般关注人工智能开发的具体细节。巴拉金过去会定期与工程师开会审查代码，而苏莱曼采取了不同做法。

苏莱曼目前每月举行一次全员会议，向团队成员传达他设定的优先事项以及对人工智能行业的看法，并且每两周组织一次10到20人的小组讨论会。据知情人士透露，这些会议在制定组织整体议程方面颇有助益，但讨论内容常常涉及非技术性话题，例如员工的业余爱好。最近，苏莱曼开展了一系列引人注目的招聘行动，包括今年早些时候从谷歌DeepMind招募了四名前研究人员。

挑战与进展

在苏莱曼加入微软之前，微软在开发自有人工智能模型方面已取得一定进展，这些模型未来有望取代OpenAI的模型。其中，Phi模型最为突出，它由侧重于学术研究领域的微软研究部门（Microsoft Research）于2023年首次开发。

微软的研究人员借助OpenAI的技术生成所谓的合成数据，以此来训练Phi模型。因而，Phi模型仅需消耗OpenAI技术所需算力和成本的一小部分，就能达到与OpenAI模型相近的性能。微软很快便开始在其Copilot产品中，用Phi模型替换部分OpenAI模型，以此节省成本，同时在Azure云计算平台上向开发者提供Phi模型。

苏莱曼加入微软后，Phi模型的主要研究员塞巴斯蒂安.布贝克（Sébastien Bubeck）开始直接向他汇报工作。在苏莱曼的指导下，布贝克着手将自己的AI训练方法应用于类似OpenAI的大模型，这些大模型旨在处理Phi模型及小模型难以胜任的更为复杂的任务。

据两位参与该项目的人士透露，在苏莱曼的领导下，Phi团队迅速获得了比在微软研究部门时规模更大的计算机集群，用于训练新模型。然而，更多的算力资源并未助力该团队取得预期成果。据参与项目的人士称，该团队至少有三次针对大模型的训练，每次耗费数百万美元，但结果均不理想。这些模型产生虚假或误导性结果（即幻觉）的比例颇高，且在提供简洁答案方面，不如OpenAI的模型可靠。苏莱曼和西蒙尼扬认为，这些问题源于布贝克运用AI生成数据训练Phi模型的方法；而布贝克认为问题出在训练过程的后期阶段。