纳德拉表示：微软仍然保持住与OpenAI的合作关系，并对自身的产品路线图和在Microsoft Ignite上宣布的一切持续创新能力以及一直支持我们的客户和合作伙伴充满信心。微软期待着了解Emmett Shear和OpenAI的新领导团队，并与他们进行合作。同时，其代表微软非常激动地宣布，Sam Altman和Greg Brockman将与其同事一起加入微软。他们将会领导一个新的高级AI研究团队，公司期待着马上为他们提供成功路上所需要的资源。

近期，微软在23H2版本的Windows 11里添加了备受瞩目的人工智能（AI）助手Copilot，这也让Windows 11成为了第一个为用户提供集中式AI协助的PC平台。更值得注意的是，微软过去先后向OpenAI投资了数十亿美元，利用英伟达最新的H100计算卡，以满足处理训练和扩展AI所需的巨大计算负载，并于不久前的开发者大会上，微软宣布推出其芯片实验室设计的两款定制芯片——Azure Maia 100 AI加速器和Azure Cobalt 100处理器以实现更高效、更低成本地适配其开发的大型语言模型（LLM），满足未来算力的需求。从长远来看，这也是为了减少对英伟达的依赖，避免出现“卡脖子”的情况。

“Altman先生的离职是董事会经过深思熟虑的审议后所作出的决定。审议的结论是，他在与董事会的沟通中没有始终保持坦诚的态度，并妨碍了董事会履行职责。董事会不再相信Altman先生能够继续领导OpenAI。”

该公告的措词较为强硬，再加上这个决定是马上生效的，很难不让人去猜测OpenAI内部究竟发生了什么。毕竟，它可是目前走在AI领域最前沿的其中几间公司之一。然而，博文里面确实没有披露更多的细节。

OpenAI的拳头产品：ChatGPT

而Sam Altman则在X上表示：

“我热爱在OpenAI的时光。这段日子改变了我自己，也希望能对世界有一点点改变。最重要的是，我很喜欢和如此才华横溢的人们共事。

在晚些时候我会有更多话要讲。”

在该公告发布后的晚些时候，又一位重要人物，OepnAI总裁兼联合创始人Greg Brockman在X上宣布了自己的离开。他表示该决定是基于今天的新闻，也就是Sam Altman离职一事，所做出的。

目前，在Sam Altman和Greg Brockman离开后，OpenAI董事会成员包括首席科学家Ilya Sutskever，独立董事Quora CEO Adam D'Angelo，科技企业家Tasha McCauley，以及乔治城安全与新兴技术中心的Helen Toner。

启蒙1号是中科院研究人员基于BSD二元猜测图（Binary Speculation Diagram, 简称BSD）算法设计出来的，5个小时就生成了400万逻辑门，这个规模比GPT-4能设计的芯片大4000倍。这是一颗完全由AI设计的32位RISC-V架构32位CPU，相比GPT-4目前所能设计的电路规模大4000倍。

该CPU早在2021年12月就已经完成流片验证，之后中科院计算所还用它点亮了Linux操作系统，并运行了SPEC CPU2000测试程序，评估后认为性能跟英特尔的40486相当。虽然启蒙1号CPU的规模跟当前的顶级CPU相比还差很远，但随着AI技术的飞速进步，未来AI设计芯片会成为主流，将极大地提高芯片设计的效率。

此前纽约大学Tandon工程学院的研究人员尝试使用简单的英语“对话”与AI模型制造了一个微处理芯片，两名硬件工程师使用标准英语与ChatGPT-4“交谈”，设计了一种新型的微处理器架构。不过这并不是一个完整的设计，是整个CPU的一个部分：负责创建一个新颖的基于8位累加器的微处理器架构的逻辑。该芯片随后被送往Skywater，使用130nm光刻机进行制造。

目前，业内普遍认为生成式AI和大语言模型（LLMs）仅适宜在GPU上运行。然而，最新的数据显示，基于Intel产品组合的AI解决方案，能够为在封闭生态系统中寻求摆脱当前效率与规模限制的客户提供极具竞争力的选择。

先来说说Habana Gaudi2，训练生成式AI和大语言模型需要服务器集群来满足大规模的计算要求。最新MLPerf结果切实验证了Gaudi2在要求极为苛刻的模型——1750亿参数的GPT-3上的出色性能以及高效的可扩展性。

Gaudi2在GPT-3模型上，384个加速器上的训练时间为311分钟，从256个加速器到384个加速器实现近线性95%的扩展效果。•在计算机视觉模型ResNet-50（8个加速器）和Unet3D（8个加速器）以及自然语言处理模型BERT（8个和64个加速器）上取得了优异的训练结果。与去年11月提交的数据相比，BERT和ResNet模型的性能分别提高了10%和4%，证明Gaudi2软件成熟度的提升，软件支持在持续发展和成熟，并能与日益增长的生成式AI及大语言模型的需求保持同步。

而第四代至强可扩展处理器则是众多解决方案中唯一提交的基于CPU的解决方案，MLPerf结果表明，至强可扩展处理器为企业提供了“开箱即用”的功能，可以在通用系统上部署AI，避免了引入专用AI系统的高昂成本和复杂性。

在封闭区，第四代至强可以分别在50分钟以内（47.93分钟）和90分钟以内（88.17分钟）的时间里训练BERT和ResNet-50模型。对于BERT模型的开放区，结果显示，当扩展至16个节点时，第四代至强能够在大约30分钟左右（31.06分钟）完成模型训练。对于较大的RetinaNet模型，第四代至强能够在16个节点上实现232分钟的训练时间，使客户能够灵活地使用非高峰期的至强周期来训练其模型，即可以在早晨、午餐或者夜间进行模型训练。具备Intel AMX的第四代英特尔至强可扩展处理器提供了显著的性能提升，其范围覆盖了多个框架、端到端数据科学工具，以及广泛的智能解决方案生态系统。

对于少数从头开始间歇性训练大模型的用户，他们可以使用通用CPU，并且通常是在已经完成部署的、基于Intel的服务器上运行其业务。此外，大多数人将采用预先训练好的模型，并用小型数据集对其进行微调。Intel发布的结果表明，通过使用Intel AI软件以及标准的行业开源软件，这种微调可以在短短几分钟内完成。

该公司的研究人员使用了一个名为PassGAN的模型，看名字就知道，这是password和GAN组合词，GAN指生成对抗网络。生成对抗网络由生成器和鉴别器组成，生成器负责生成数据，鉴别器负责鉴定生成的数据是否及格，有点像是两个人相互交手提升技术，常用于图像生成这一领域。因此跟一般简单粗暴的密码生成器不同，PassGAN会从现有的密码泄露中学习，并生产新的密码。

研究人员给PassGAN提供了1568万个常用的密码作为训练集，这些密码大多在4-18位之间，它们均来自于RockYou这个网站数年前泄露的数据。根据测试，11位以内的纯数字密码几乎是马上被破解的；包含小写字母的9位密码也仅需1分钟就能破解；至于大小写字母加符号的9位密码则需要花费2周，8位需要花费7小时。

乍听上去似乎AI已经把你的密码看光了，但事实上，根据Home Security Heros的研究，只要你用尽量长和复杂的密码，哪怕密码只要多一位数，AI就会难以下手。比如10位的大小写字母加符号密码需要5年来破解，但11位的密码就得花上356年。不过相比于AI，个人觉得还是防范一下社会工程学攻击比较好。

在开除了这个伦理道德团队后，微软在旗下产品集成AI应用及功能时，就是剩下了一个负责任AI办公室（Office of Responsible AI）来制定有关AI应用方面的规则以及标准。不过有这个部门的员工就表示，以往一般都是由那个专门的伦理道德团队，来确保他们所订下的规则会反映到微软的实际产品应用上，可以说是一个把关人的角色。

伦理道德团队在去年10月经历过一次重组，在重组后只剩下7个人，其他大部分员工都被转去别的岗位上。而在前阵子，微软旗下AI部门的副总裁John Montgomery就曾经向剩下的7名员工表示，他们最终是会被裁掉的。而团队内有的员工就认为他们会被裁员，是因为微软想集中注意力，想争取在竞争对手之前推出AI相关产品，把长远的社会影响放在了其次。

微软目前与OpenAI有合作关系，前者已经投入了数以亿计的投资，同时也在准备社Bing搜索引擎及Edge浏览器提供“比ChatGPT更强大以及专门为搜索而生的”新式次世代大型语言AI，前阵子我们也报导过, 微软将会在不久后发布新的GPT-4模型。在这个节点上解雇掉整个伦理道德团队，也是不禁会让人猜想微软对于AI应用准则以及产品设计方面的考虑是否周到。

ChatGPT近段时间大火，各种应用层出不穷，其算力由英伟达提供，苹果M系列芯片也设计有AI运算单元。AMD在CES 2023推出Alveo V70加速卡，共有1460亿个晶体管，采用Chiplets技术，使用台积电5nm/6nm制程工艺。

此前台积电表示受半导体库存调节影响，预计2023年上半年营收同比减少，下半年则有望同比增长，全年预计小幅增长。由于苹果，AMD、英伟达近期下单AI芯片，预计2023年第二季度营收缩减幅度有望收窄至3%。

台积电目前受到影响主要是6nm/7nm制程工艺，随着苹果、AMD、英伟达加速AI布局，相关加速器与芯片设计应用主要以台积电5nm工艺生产，使得台积电5nm产能利用率仍有一定支撑。

研究机构Counterpoint预测，AMD与英伟达新产品目前多以4nm/5nm制程工艺生产，预计2023年下半年之后陆续推出采用3nm制程工艺的CPU/GPU产品，估计2023年5nm产能约半数由AMD与英伟达承包，另一半由苹果消化。

“越位”向来是判断小白球迷和进阶球迷的门槛，但厄瓜多尔队的这个案例其实是比较复杂的，即便是不少进阶球迷也搞不清楚为什么是越位了？大家可以参阅这篇解释文章，这里就不多作叙述了。而我们更关注的重点是，这个进球取消是半自动化越位技术发挥了作用，边裁在这个人员密集的角度是很难看出那多出来一个脚位。

而根据FIFA国际足联的介绍到，这项半自动化越位技术主要基于肢部追踪技术（limb tracking），通过在球场边线新增设的12台相机，以每秒500次的频率收集球员身上的29个数据点，加上本次世界杯用球Adidas AI Rihla，内置有IMU芯片用来收集足球的运动轨迹，这两样数据会通过AI技术来计算出球员是否越位。其实在此前在卡塔尔本土的比赛，以及欧洲冠军杯的决赛就有投入使用该项技术。

另外这次比赛用球AI Rihla也是科技满满，Adidas在它的表面采用特殊的纹理和涂层，根据风洞测试，相比过往的足球，它在低速时有更低的阻力系数，可以更快地达到更高球速，理论上在比赛中一些远射会让门将更猝不及防，更容易出现进球。

不过在揭幕战由于厄瓜多尔队人高马大，所以多采用空中优势来对付卡塔而队，就没有多少远射来表现出AI Rihla的特性了，还要留意之后的比赛会不会有更多世界波、脚趾尾拉西、天神下凡的远射进球出现了。

其实FIFA这一项技术在去年12月就已经公布了，还用在当时的2021年阿拉伯杯足球赛上进行测试，根据FIFA的官方介绍，这项技术主要基于肢部追踪技术（limb tracking），通过在球场边线新增设的12台相机，以每秒500次的频率收集球员身上的29个数据点，加上本次世界杯用球Adidas AI Rihla，内置有IMU芯片用来收集足球的运动轨迹，这两样数据会通过AI技术来计算出球员是否越位。这个处理过程只需要几秒时间，而目前通过VAR的人工判断越位，往往要长达数分钟（FIFA官方数据是平均70秒），这也是很多球迷抱怨VAR技术打断了比赛节奏，而新技术应该能大大改善这一情况。

不过FIFA目前还表示，如果视频裁判不同意系统的判定，依然还是可以自行再划线和参考支点数据来重新研究，所以最后应该还是要看主裁判怎样决定，这可能也是它为什么称为“半自动”。而且由于这项技术是可以决定比赛胜负的，所以需要有很严谨的准确度，FIFA目前还在继续测试和优化这个半自动越位判定技术，但官方都确定了会在世界杯上正式启用，到时候我们再来见识下它的真实效果如何。