微软前沿科技上新:全系7款自研模型,还有二代量子芯片
科技巨头微软发布首款AI(人工智能)推理旗舰模型,以及一系列前沿科技产品上新。
当地时间6月2日,在一年一度的微软Build 2026开发者大会上,微软宣布全面转向“智能体时代”(Agentic Era),发布属于“MAI系列”的7款自研模型,包括旗下首款高级推理模型MAI-Thinking-1,以及首款代码生成模型MAI-Code-1-Flash。
同时,在硬件以及上游应用层,微软发布了新一代量子芯片Majorana 2,还有首款“Autopilot(自动驾驶级)”的工作智能体Microsoft Scout和旨在为用户提供AI交互的产品平台项目Project Solara。
2日当天,微软(Nasdaq:MSFT)股价跌4.17%收于每股441.31美元,总市值3.28万亿美元。就在一天前,英伟达宣布联手微软,推出面向Windows系统的超级芯片RTX Spark,推动微软股价攀升至3个月以来的高点。
推出首款推理模型和编程模型,瞄准日常工作流
MAI系列模型的发布,意味着微软正式开始与OpenAI、Anthropic和谷歌DeepMind等前沿AI模型实验室展开竞争。
微软CEO萨提亚·纳德拉(Satya Nadella)表示:“大家所见证的是一次重大转变。我们认为,是时候让每家企业都实现跨越,不再仅限于消费前沿模型,而是要全方位地参与到前沿生态中来。”
据介绍,微软首款推理模型MAI-Thinking-1是一款中等规模模型,拥有350亿活跃参数、总参数量约1万亿,专为复杂的多步骤指令、长上下文推理和代码生成设计,在关键软件工程基准测试中能够达到业界领先模型的水平。微软强调,该模型“完全基于干净数据从头训练”,未使用来自第三方模型的蒸馏数据。
作为一款稀疏混合专家模型(MoE)模型,MAI-Thinking-1的推理资源占用(Inference Footprint)远小于市场上的巨型模型,让前沿AI编码与推理能力更轻松地融入日常工作流。尤其是在数学竞赛能力方面,该模型在AIME 2025测试中的得分达到97.0%,而AIME 2026测试的得分达到94.5%,展示出了同级别模型中极强的数理与科学推理能力。
MAI-Thinking-1的部分基准测试成绩。来源:微软微软的首款代码生成模型MAI-Code-1-Flash则能够根据用户输入的自然语言描述,自动生成应用程序和网站的源代码。目前,该模型已集成至GitHub Copilot AI编程助手以及Visual Studio Code编辑器中。
此外,在图像方面,微软发布了MAI-Image 2.5及其Flash版本,均支持文生图和图像编辑功能;语音转写方面,微软推出MAI-Transcribe-1.5,称其速度“可达竞争对手模型的5倍”;语音能力方面,微软发布了新增对15种语言支持的MAI-Voice-2,并称其将推出轻量级Flash版本。
随着OpenAI和Anthropic持续刷新公司估值并向公开市场迈进,微软试图在AI技术栈的更多层面上布局。微软已向OpenAI投资130 亿美元,向Anthropic投资50亿美元,并通过Azure云平台提供这两家公司的模型。
微软量子芯片上新,计划在2029年前推出量子机器
微软新一代量子芯片Majorana 2的发布,是本次大会的另一大重头戏。公司还给出了极具雄心的科学商业化路线图,计划在2029年之前正式推出全球首台“具有商业价值、完全可扩展且具备全容错能力”的量子计算机。
据介绍,传统量子计算机的量子比特非常脆弱,其“相干时间”(即保持量子状态不崩溃的时间)通常只能以微秒或毫秒计算。而Majorana 2芯片上的拓扑量子比特实现了平均20秒 的相干寿命,在特定完美测试环境下甚至可以维持长达1分钟,为执行复杂的量子算法提供了更为充裕的时间。
同时,Majorana 2利用拓扑材料的物理特性,在硬件层面将量子信息进行了“非局域化”编码,意味着环境中的微小噪声或局部瑕疵无法轻易破坏量子状态。相比于微软此前的实验性芯片,Majorana 2的操作可靠性表现提升了1000倍。
微软新一代量子芯片Majorana 2。来源:微软不过,为实现微软在2029年前拥有实际可用的量子计算机的目标,这台机器需要搭载数百万个量子比特,而Majorana 2芯片仅能搭载12个量子比特。当然,这一数字已较微软在去年推出的上一代产品有所提升,Majorana 1量子芯片采用了8个拓扑量子比特。
目前,微软没有公开披露关于其量子研究的全部细节,理由是涉及商业机密。面对相关质疑,负责微软量子计算业务的执行副总裁杰森·赞德(Jason Zander)在接受外媒采访时表示:“我们在物理学层面上已经做得足够充分,获得了不错的数据。相信我,如果我觉得在物理原理上还有所欠缺的话,是绝对不会把大笔资金砸向工程制造阶段的。”
相关推荐
-
无线物联网芯片制程规范:选型误区与生产损耗的真相
2无线物联网芯片制程规范:选型误区与生产损耗的真相在实际交付中,我们发现一个普遍现象:很多客户在无线物联网芯片选型时,过于迷信“先进制程”的标称数据。比如,某款标称12nm制程的芯片,理论上功耗更低、性能更强,但实际用在工业物联网网关上,却频繁出现信号丢包、功耗异常的问题。这里面的水很深——制程规范不是简单的数字游戏,而是涉及从设计到生产的完整链路。选型误区:制程越先进,性能越好?听起来可能反直觉,...
查看全文 -
SoC芯片制程规范:从选型误区到生产损耗的深度拆解
2选型陷阱与制程损耗:那些标称数据不会告诉你的真相在实际交付中,我们发现一个普遍现象:很多客户拿着SoC芯片的制程参数表,直接对标“28nm”“14nm”甚至“7nm”的数字,认为制程越先进,性能就一定越强。听起来可能反直觉,但制程节点早已不是衡量芯片性能的唯一标准——尤其是在模拟与数字混合的SoC领域,制程规范里的“水”远比想象中深。选型误区:制程节点≠综合性能很多标称数据背后的真相是,制程节点的...
查看全文 -
数字温度计的工艺瓶颈:选型陷阱与生产损耗的真相
4数字温度计的工艺瓶颈:选型陷阱与生产损耗的真相在实际交付中,我们发现很多客户对数字温度计的选型存在一个致命误区:过度依赖标称精度。标称0.1℃的分辨率听起来很诱人,但很多标称数据背后的真相是——这些参数往往是在实验室理想环境下测得的,而实际生产现场的温度波动、电磁干扰、电源噪声,会直接让精度打对折。听起来可能反直觉,但数字温度计的工艺瓶颈,从来不在传感器本身,而在如何把传感器采集的微弱信号,稳定地...
查看全文 -
智能家电芯片选型:撕开行业壁垒的真相
0选型陷阱与隐性损耗:智能家电芯片的「暗战」在实际交付中,我们发现智能家电厂商对芯片的认知存在一个致命误区:把「标称算力」等同于「实际性能」。很多标称数据背后的真相是——这些数值是在实验室理想环境下测得的,而生产现场的电磁干扰、温度波动、电源纹波,会直接让芯片性能缩水30%以上。听起来可能反直觉,但智能家电的芯片选型,本质是一场「抗干扰能力」的较量。选型误区:被数据绑架的决策某头部空调厂商曾向我们反...
查看全文 -
保护芯片的转换效率陷阱:选型误区与生产损耗的真相
3保护芯片的转换效率陷阱:选型误区与生产损耗的真相在实际交付中,我们发现一个现象:很多工程师在选型保护芯片时,往往只盯着标称的转换效率数据,却忽略了实际生产环境中的隐性损耗。这种选型误区,直接导致产品在批量应用时性能缩水,甚至引发可靠性问题。听起来可能反直觉,但保护芯片的转换效率,远不是纸面数据那么简单。选型误区:标称数据背后的真相很多标称数据背后的真相是,实验室环境与实际生产环境存在巨大差异。比如...
查看全文 -
智能手表芯片选型:别被市场锚定效应带偏了
5智能手表芯片选型:别被市场锚定效应带偏了在实际交付中,我们发现很多客户在智能手表芯片选型时,会陷入「市场锚定」的陷阱——被供应商标榜的「高主频」「低功耗」「多接口」等参数牵着鼻子走,却忽略了芯片与实际生产环境的适配性。这里面的水很深,很多标称数据背后的真相是:实验室环境和量产场景的差距,可能比想象中大得多。选型误区:被「参数游戏」绑架很多客户选型时,第一反应是看芯片主频——「2.0GHz比1.5G...
查看全文

hth·华体