BitNet Microsoft: AI Cekap Generasi Baru
BitNet Microsoft merevolusikan AI dengan model bahasa cekap, membuka peluang AI termaju pada peranti harian melalui kuantisasi ternary.
BitNet Microsoft merevolusikan AI dengan model bahasa cekap, membuka peluang AI termaju pada peranti harian melalui kuantisasi ternary.
Microsoft memperkenalkan pelayan MCP untuk memudahkan integrasi data dan pembangunan AI. Inisiatif ini menyokong Azure Cosmos DB, Azure Storage, PostgreSQL, dan banyak lagi, mengurangkan keperluan penyambung khusus dan mempromosikan ekosistem AI yang lebih terbuka dan cekap.
Microsoft perkenal model AI BitNet, jimat sumber, guna CPU, tanpa GPU, laju digandakan, ringan.
Microsoft memperkenalkan model AI baharu yang sangat cekap untuk CPU, termasuk cip M2 Apple, menjadikan AI lebih mudah diakses.
Microsoft memperkenalkan BitNet b1.58 2B4T, model bahasa besar 1-bit sumber terbuka. Model ini beroperasi cekap pada CPU, meningkatkan akses dan kecekapan tenaga AI. Ia menggunakan memori yang kurang dan boleh dijalankan pada peranti seperti cip Apple M2.
Petunjuk terkini mencadangkan potensi kelembapan dalam pengembangan agresif Microsoft dalam sektor AI. Walau bagaimanapun, pemeriksaan lebih dekat mendedahkan penentukuran semula strategik dan bukannya pengunduran lengkap.
Fenomena seni AI gaya Ghibli yang tular, dipacu oleh GPT-4o OpenAI, bukan sekadar hiburan. Ia menunjukkan keupayaan AI yang berkembang pesat dan nilai strategik besar untuk Microsoft, melalui penggunaan Azure dan pelaburan dalam OpenAI, serta menyerlahkan permintaan tinggi untuk GPU.
Japan Airlines (JAL) memperkenalkan 'JAL-AI Report', aplikasi AI di peranti menggunakan model Phi-4 Microsoft untuk kru kabin. Ia memudahkan pelaporan acara penerbangan, menjimatkan masa, dan meningkatkan perkhidmatan pelanggan dengan membolehkan penjanaan laporan luar talian dan terjemahan satu ketik.
Microsoft tingkatkan Copilot 365 dengan alat 'penyelidikan mendalam', cabar pesaing seperti OpenAI, Google, xAI. Ini mencerminkan trend AI menjadi rakan analitikal kompleks.
Microsoft Research memperkenalkan kaedah baharu untuk menyepadukan pengetahuan luaran ke dalam model bahasa besar (LLM). Sistem 'plug-and-play' ini, KBLaM, mengelakkan pengubahsuaian model sedia ada, menawarkan pendekatan yang lebih cekap berbanding teknik tradisional seperti RAG dan In-Context Learning, dengan mengintegrasikan pengetahuan terus ke dalam seni bina model.