微软发布三款新的基础 AI 模型

微软通过发布三款新的内部基础 AI 模型，做出了重大的战略飞跃，表明其有意与 OpenAI 和谷歌等竞争对手在核心模型领域展开直接竞争。这三款模型包括一个最先进的语音转录系统、一个复杂的语音生成引擎和一个升级版、功能更强大的图像生成器。 此次发布标志着微软构建和控制自身全面 AI 技术栈的更广泛战略迈出了关键一步。虽然该公司与 OpenAI 保持着牢固的合作伙伴关系，并使用了 GPT-4 等模型，但开发专有的基础模型提供了更大的独立性、定制化和潜在的成本效益。新的语音和音频模型旨在挑战音频 AI 领域的现有参与者，而增强的图像生成器则致力于推动生成式视觉艺术领域的发展。 此举突显了在支撑现代 AI 革命的基础技术领域，主导权之争日益激烈。通过大力投资这些核心模型的自主研发，微软确保了自己能够直接参与塑造未来 AI 在语音、音频和视觉方面的能力。这一发展将微软定位为不仅仅是 AI 的平台和云提供商，更是推动下一波智能应用的基础工具的主要创新者和架构师。