详解苹果和微软的AI集成策略

简介: 详解苹果和微软的AI集成策略

本文来自 企业网D1net公众号

苹果和微软都在尝试将AI功能集成到它们的应用程序中,但策略各不相同,目前尚难断言哪条路线图会胜出,但目前来看,微软似乎遥遥领先。


当OpenAI在其春季更新会议上宣布推出macOS的ChatGPT桌面应用时,人们不禁疑惑为什么它没有先从Windows开始,毕竟,微软是OpenAI的主要投资者,理应最早获得新ChatGPT功能的访问权限。


现在我们知道原因了,在Build会议上宣布的微软新Copilot+ PC展示了一套深度集成到操作系统中的丰富功能,能够无缝地使用设备和云端的AI模型,相比之下,目前仅适用于Mac的OpenAI ChatGPT桌面应用显得微不足道。


苹果和微软都在尝试将AI功能集成到它们的应用程序中,但策略各不相同,目前尚难断言哪条路线图会胜出,但目前来看,微软似乎遥遥领先。




设备上的AI




苹果的策略一直是打造具有前沿技术的非常精致的产品,并为未来的应用和软件功能预留大量空间。


你可以在Vision Pro、新的iPad Pro M4,甚至是每年发布的MacBook和iPhone中看到这一点。新设备通常拥有比大多数人日常使用所需更多的内存和计算能力。


苹果逐步发布操作系统更新和新功能以及软件,以利用这些加速器和专用硬件。


例如,当M1芯片发布时,没人想到要在Mac上运行大语言模型,但现在,已经有一整套库和工具可以优化模型以在苹果硅上运行,苹果研究团队也定期发布能够在其设备上运行的模型。


然而,苹果的方法问题在于设备上的GenAI还不够成熟,尽管过去一年在这一领域取得了令人印象深刻的进展,但仍未达到设备上的模型足够可靠以独立执行多项任务的程度,这就是macOS的ChatGPT应用在苹果找到运行云端模型的方法或设备上的AI达到无需云端模型的水平之前要填补的空白。


结果是各种AI工具的拼凑,这些工具无法无缝集成到操作系统中。




无缝的AI




另一方面,微软专注于提供最前沿的AI技术,然后想办法尽可能接近用户。


首先,与OpenAI的投资和合作使微软处于一个独特的位置,可以将前沿模型集成到其产品中。


但微软也通过支持开放模型如Llama和Mistral来扩大范围,同时,微软开始发布小语言模型(SLM)如Phi和Orca。


在世界经济论坛上,微软CEO Satya Nadella被问及他的公司是否过于依赖OpenAI,他的回答如下:


“我认为我们非常有能力控制自己的命运……我们的产品不是关于一个模型,我们关心拥有最好的前沿模型,今天是GPT-4,但我们也在Azure上有Mixtral作为服务模型,我们在某些地方使用Llama,我们有Phi,这是微软最好的SLM,所以我们将拥有多样化的能力和模型,我们将投资于这些模型,但我们将与OpenAI进行非常深入的合作。”


最后,微软通过其Copilot品牌创建了一个抽象层,减少了对OpenAI的依赖。微软用户将在整个Windows中与Copilot互动。在幕后,AI助手将使用最适合任务的模型。


这些功能在Microsoft Build大会上得到了充分展示,新款Copilot+ PC展示了一系列AI功能,包括图像创建、实时字幕、生产力工具以及让人感到毛骨悚然的Recall功能。其中一些功能在设备上运行,一些在云端运行,还有一些在两者之间分布。


这个领域将继续发展,特别是微软加倍努力将先进的ARM芯片带入其笔记本电脑。硬件将变得更强大,设备上的大语言模型将变得更高效,而Copilot的后端模型将会更换而不影响用户体验。


这个演示给人留下了深刻的印象,以至于Stratechery的Ben Thompson将其形容为“类似MacBook Air”的产品,并表示“与苹果的产品不同,实际上与AI有意义地集成,不仅今天看起来很有用,而且随着开发者利用微软的AI能力,这种基础将变得更有用。”




微软的特洛伊木马?




在macOS版ChatGPT应用程序宣布后,一些用户在社交媒体上嘲笑微软花费100亿美元在OpenAI上却推出了一个macOS应用。


但鉴于Microsoft Build的公告,似乎ChatGPT已经成为微软在苹果生态系统中的特洛伊木马。ChatGPT运行在Azure云上,ChatGPT与macOS和iOS的更深度集成将使微软在苹果用户体验中获得更强的立足点。看起来Satya在这一回合赢了,但比赛还没有结束,我们还要看看苹果在6月的WWDC上会发布什么。


相关文章
|
2月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
简介:本文整理自阿里云高级技术专家李麟在Flink Forward Asia 2025新加坡站的分享,介绍了Flink 2.1 SQL在实时数据处理与AI融合方面的关键进展,包括AI函数集成、Join优化及未来发展方向,助力构建高效实时AI管道。
524 43
|
14天前
|
人工智能 自然语言处理 API
快速集成GPT-4o:下一代多模态AI实战指南
快速集成GPT-4o:下一代多模态AI实战指南
204 101
|
2月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
本文整理自阿里云的高级技术专家、Apache Flink PMC 成员李麟老师在 Flink Forward Asia 2025 新加坡[1]站 —— 实时 AI 专场中的分享。将带来关于 Flink 2.1 版本中 SQL 在实时数据处理和 AI 方面进展的话题。
175 0
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
201 8
|
2月前
|
数据采集 存储 人工智能
基于 EventBridge 构筑 AI 领域高效数据集成方案
本文深入探讨了AI时代数据处理的变革与挑战,分析了事件驱动架构(EventBridge)在AI数据处理中的技术优势,并结合实践案例,展示了其在多源数据接入、向量数据库优化、智能数据转换等方面的应用价值。
388 30
|
1月前
|
人工智能 安全 数据库
构建可扩展的 AI 应用:LangChain 与 MCP 服务的集成模式
本文以LangChain和文件系统服务器为例,详细介绍了MCP的配置、工具创建及调用流程,展现了其“即插即用”的模块化优势,为构建复杂AI应用提供了强大支持。
|
2月前
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
442 1
|
3月前
|
人工智能 搜索推荐 API
AI-Compass DeepSearch深度搜索生态:集成阿里ZeroSearch、字节DeerFlow、MindSearch等前沿平台,实现超越传统关键词匹配的智能信息检索革命
AI-Compass DeepSearch深度搜索生态:集成阿里ZeroSearch、字节DeerFlow、MindSearch等前沿平台,实现超越传统关键词匹配的智能信息检索革命
AI-Compass DeepSearch深度搜索生态:集成阿里ZeroSearch、字节DeerFlow、MindSearch等前沿平台,实现超越传统关键词匹配的智能信息检索革命
|
3月前
|
机器学习/深度学习 人工智能 算法
AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐
AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐
 AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐

热门文章

最新文章