微软AI研究部门近日宣布，其自主研发的两款AI模型已正式亮相。这两款模型分别是基础模型MAI-1-preview和语音生成模型MAI-Voice-1，标志着微软在AI自研道路上迈出了重要一步。
值得注意的是，MAI-Voice-1的发布与OpenAI新推出的语音模型不谋而合。MAI-Voice-1以其高保真度和表现力强的音频特性，已在Copilot Daily和Podcasts上线，并可在Copilot Labs进行体验。这款模型展现了高度的定制化能力，用户不仅可以选择情绪模式和声音模板，还能从至少40种语体风格中挑选。无论是常见的情绪表达，还是扮演机器人、海盗、吸血鬼等角色，MAI-Voice-1都能对同一段文本进行自主改写和演绎，极具趣味性。
当输入中文文本时，MAI-Voice-1会自动转为英文输出。尽管如此，其生成速度依然迅速，微软表示该模型能在单款GPU上运行，一秒钟即可输出一分钟的音频。
另一方面，MAI-1-preview作为一款混合专家模型，已在约1.5万个英伟达H100 GPU上完成了预训练和后训练。该模型主打指令遵循和日常问题解答等能力，并已在LMArena（大模型竞技场）内进行盲测。虽然目前暂时无法直接体验该模型，但微软透露，未来几周内，MAI-1-preview将应用于Copilot的部分文本场景，以收集反馈并优化用户体验。
微软AI的CEO Mustafa Suleyman在接受专访时表示，AI对微软的业务具有根本性意义，而自研模型计划早在14个月前便已开始。他强调，微软将继续与OpenAI等企业合作，并使用开源模型，但确保始终有选择权至关重要。Suleyman将MAI-1-preview定义为“人格原材料”，意味着该模型在融入产品的过程中，可以展现出各种不同的人格特点。通过后训练、提示词工程等方法，未来的大模型有望涌现出数百万种不同的人格。
在谈到资源投入时，Suleyman表示，微软拥有打造强大模型所需的资源，正在构建世界最大规模的GB200、GB300集群。然而，他强调规模固然重要，但效率同样关键。这意味着要精挑细选高质量训练数据，确保每一次浮点运算和GPU迭代都能发挥最大效用。
Suleyman还分享了对“可解释性”研究的看法。他认为，模型本质是空心的，可解释性研究虽然有意义，但并不会揭示意识的本质。他呼吁业界应谨慎对待AI的发展，提前思考潜在风险，并在发现问题时及时公开、认真对待，推动社区开发者迅速采取行动。
对于微软与OpenAI的关系，Suleyman表示，微软的目标是进一步深化与OpenAI的合作，确保这种关系能持续多年。他强调，双方的合作一直非常成功，未来也将继续合作。
在谈到未来规划时，Suleyman透露，微软AI有一个为期五年的宏大路线图，每个季度都会持续投入。他预计，随着模型的迭代和反馈的收集，性能将显著提升。同时，微软也在积极探索多模态领域，以进一步提升模型的通用性和表现能力。
