昨夜，微软将AI平民化点几下鼠标，草图就能变App

　　智东西（公众号：zhidxcom）
　　作者 | ZeR0
　　编辑 | 漠影
　　智东西5月25日报道，和前两年一样，今年微软Build开发者大会再度以虚拟方式举行，并由微软董事长兼CEO萨提亚·纳德拉发表开场演讲。
　　本届大会的主角是人工智能（AI）、低代码和无代码开发，微软还特别为AI开发者打造了一款外形酷似Mac Mini的全新硬件Project Volterra。
　　这是一款迷你版台式机，由高通骁龙计算平台提供支持，内置神经网络处理器（NPU），方便开发者构建和执行本地AI加速任务。
　　微软还进一步降低AI开发和软件开发门槛，不仅公布新的OpenAI服务，允许开发者使用GPT-3自然语言模型的功能，而且着重推出自动转换编程语言、自动补写代码、查错等能力，甚至为其Power Apps平台新增了一项AI快速设计功能，可将手绘草图、图像、文档、设计文件或演示文稿自动转换为工作软件。
　　此外，为了持续优化远程协作办公，微软在其视频会议软件Microsoft Teams中推出一项实时共享新功能，方便参会者直接在远程会议期间实时地展示3D创作的编辑、创作、更改过程。
　　合作方面，Meta选择微软Azure作为战略云供应商，将使用Azure的超级计算能力加速AI研究与开发，并将合作扩大PyTorch在Azure上的应用，微软还将继续为PyTorch提供企业级支持。
　　微软也正与PyTorch和AMD合作，为在Azure上运行PyTorch的客户优化性能和开发者体验。
　　一、微软首款＂台式机＂：内置高通骁龙和NPU
　　微软正在开发Visual Studio 2022的原生Arm版本和迷你版Arm PC。
　　虽然像Surface Pro X这样的Arm设备已经能够通过x64仿真运行Visual Studio，但一些功能没有得到支持，性能也有所限制。因此很多开发者都对听到更多Arm原生支持抱有期待。
　　微软正在创建一个全面的Arm原生开发工具链，包括Visual Studio 2022、VC++、.NET和.NET框架的Arm原生版本。微软正在努力支持Open JDK、Python、LLVM、Node和Git作为原生针对Arm64的开源项目。
　　微软还再次与高通合作，打造了一款由Arm驱动的开发者设备Project Volterra。
　　这款迷你＂台式机＂外形与Mac Mini相似，拥有可堆叠的设计，开发者可将多台Project Volterra PC堆叠在桌上或服务器机架内。
　　它内置有高通骁龙处理器、神经处理单元（NPU），适用于Windows的高通神经网络处理SDK工具包，可帮助开发者构建执行本地AI加速工作负载的应用。
　　Windows开发者能够在他们喜爱的所有生产力工具（包括Visual Studio、Windows Terminal、WSL、VSCode、Microsoft Office和Teams）旁边构建、测试和调试Arm原生应用程序。
　　这是微软构建智能混合计算世界愿景中的一环。微软希望，未来客户端与云之间的移动计算工作负载，将像今天手机在Wi-Fi和蜂窝网络之间移动一样动态和无缝。为此，微软一直在开发平台支持新兴的硬件平台和技术，包括MIPS、x86、Alpha、Itanium和x64在内的CPU。
　　微软尚未透露完整的规格，目前仅知Project Volterra由回收的海洋塑料制成，后面有3个USB端口、1个DisplayPort和1个以太网端口，侧面还有2个USB-C端口。微软后续会分享更多内容。
　　＂我们希望您构建云原生AI应用。＂Windows和设备负责人Panos Panay说，＂使用原生Arm64 Visual Studio，.NET support和Volterra项目将于今年晚些时候到来，我们将发布新的工具，帮助您迈出这一旅程的第一步。＂
　　有趣的是，两年前苹果宣布自家电脑芯片将从英特尔x86处理器向自研Arm处理器过渡时，也发布了开发者过渡套件（DTK），其Mac mini搭载了苹果基于Arm指令集架构研发的A12Z芯片。
　　去年微软曾在Build大会上宣布与高通合作，为开发者打造了一个基于Arm的开发工具包，以便为Windows构建原生Arm64应用。如今，双方的合作更进一步。我们也期待看到更多Arm驱动的Windows设备和应用。
　　Visual Studio 2022的原生Arm预览版将在＂未来几周内＂发布，预计将于今年晚些时候完全发布，同时支持Arm64 .NET。
　　二、让数十亿人都能开发软件！从即时创建app，到自动翻译代码
　　基于大模型，微软公布了由顶尖AI研发机构OpenAI打造的AI大模型GPT-3提供支持的首款产品功能——不会编码，也能构建应用程序。
　　微软企业业务应用程序和平台副总裁Charles Lamanna认为，通过使用AI驱动的开发，从低代码到无代码，数十亿人将能够开发软件。
　　为此，Lamanna团队将GPT-3与微软低代码应用开发平台Microsoft Power Apps集成，用于一项名为Power App Ideas的功能，该功能允许人们在开源编程语言Power Fx中使用对话语言创建应用程序。Power Fx建立在Microsoft Excel上。
　　通过GPT-3支持的新功能，Microsoft Power Apps用户可以用会话语言描述编程目标，并将其自动转换为Power Fx代码。
　　无论是几乎没有编码经验的人，还是有深厚编程专业知识的专业开发者，都能借助这一新AI功能提高构建应用程序的效率。
　　此外，微软在Build大会上公布一项名为Power Apps Express Design的新功能：通过利用Azure认知服务的AI模型，用户只需点击几下，就能直接将纸质表格、PowerPoint、PDF、手绘草图、传统应用程序的UI屏幕截图、Figma专业设计资产等图像和设计文件即时转换为软件应用。
　　将草图上传至Express Design，即可快速生成可用的app
　　微软还宣布了其具备自动编程功能的GitHub Copilot和OpenAI Codex的更新：
　　GitHub Copilot在技术预览中的使用数据以及关于一般可用性的更新。Copilot项目将代码翻译成自然语言描述，可为新手开发者或从事不熟悉的代码库的人提供有效帮助。
　　OpenAI Codex源自GPT-3，可将自然语言翻译成十几种编程语言的代码。
　　例如，在图形渲染引擎Babylon.js中工作的创建者将＂创建太阳系模型＂输入文本框，AI驱动的软件会将该命令转换为太阳系模型的代码。
　　微软GitHub与OpenAI合作，将Codex集成到Visual Studio Code等软件开发程序的可下载扩展GitHub Copilot中。
　　GitHub Copilot使用Codex从开发者的现有代码中提取上下文，可向开发者建议接下来可输入的代码和函数行。开发者还可以用自然语言描述他们想要实现的目标，Copilot将利用其知识库和当前上下文来提供方法或解决方案。
　　这些演示和相关代码将在GitHub上提供给微软Build的参会者。与会者还可以在3个月内无限制地访问OpenAI的Codex模型。
　　此外，微软的代码开发和托管平台Power Pages现可预览，低代码制作者和专业开发者可以借助这一平台高效设计、配置和发布桌面和移动网站。Power Pages经过重新设计，已经拥有全新的用户体验和许多新功能。
　　微软还将Azure Bot Framework Composer的专业代码功能的复杂性和Power Virtual Agents低代码平台的简易性进一步整合，方便专业及普通开发者协作构建智能机器人。
　　根据微软对近1000名商业决策者、用户及潜在用户关于低代码影响的调查，近90%的用户认为低代码对其生产力有积极的影响，83%的用户认为低代码使他们能够自己做一些通常需要开发团队的事情，超过80%的用户认为低码/无码平台提供了一个提高他们开发知识和技术能力的机会。
　　三、OpenAI服务现可预览，允许访问GPT-3和Codex
　　微软Azure人工智能为认知服务推出了两项更新。
　　一个是Azure OpenAI服务，现已可以预览。获批的用户可利用Azure的企业能力访问OpenAI的不同模型，包括GPT-3基础系列（Ada、Babbage、Curie和DaVinci）、Codex系列和嵌入模型。
　　OpenAI服务能帮助客户为写作辅助、代码生成和理解非结构化数据等用例构建先进的应用。通过微调和内置负责任的AI等功能，客户还可以根据具体需求定制模型，以检测和减少负面的应用。
　　另一处更新是Azure Cognitive Service for Language服务。该服务可为文档和对话提供总结，帮助开发者快速浮现文档和联络中心电话中的关键信息，例如通话的原因和解决方案。
　　其他功能包括自定义命名实体识别，用于帮助开发者识别某个领域的特定术语；以及自定义文本分类，以帮助开发者用特定领域标签来组织和分类文本，如发票。
　　新西兰最大的农村供应合作社Farmlands使用Azure OpenAI服务来高效总结35万次客户互动
　　微软Azure机器学习负责任的AI仪表板功能现已进入预览阶段。
　　该AI仪表板汇集了数据资源管理器、公平性、模型可解释性、错误分析以及反事实和因果推理分析等多种功能，有助于开发者调试他们的模型，从而加速模型部署。
　　此外，Azure机器学习提供了一个负责任的AI记分卡，以总结模型性能和见解，帮助技术和非技术受众了解应用负责任AI的影响。
　　四、远程开会，还实时演示3D创作
　　＂临场感是最终级的杀手级应用。＂纳德拉说。
　　微软正不断为其Microsoft Teams视频会议软件建立更丰富的实时协作体验。最新增加的一个功能是实时共享（Live Share）。
　　对于具有Live Share功能的应用程序，Team允许参会者共同创建、编辑、注释、放大和缩小以及各种形式地进行共享内容的互动。
　　比如，Hexagon开发者创建了一个应用原型，在Teams中使用Live Share功能后，参会者可以一边开会，一边放大、注释和编辑3D模型。
　　微软还在Team中提供白板集成，其中包括与Live Share类似的共同创建和共同编辑体验。
　　Live Share工具建立在微软Fluid Framework上，只需几行代码，开发者便可借此创建更多共享和交互式服务和应用，微软已将Fluid作为其Loop组件集成到Teams和Outlook中。
　　五、与Meta合作加速AI与PyTorch应用
　　微软还宣布了与社交平台巨头Meta、芯片巨头AMD、知名开源平台Hugging Face的重要合作伙伴关系。
　　Meta选择Azure作为战略云供应商，帮助加速开发者的AI研究和实验。作为协议的一部分，Meta公司将扩大使用Azure的超级计算能力，以加速其Meta人工智能小组的AI研究和开发。
　　Meta将利用由5400个GPU组成的专用Azure集群，使用Azure中最新的虚拟机（VM）系列（NDm A100 v4系列，采用英伟达A100 Tensor Core 80 GB GPU），用于其一些大规模的AI研究工作负载。
　　此外，Meta与微软将合作扩大PyTorch在Azure上的应用，并加速开发者从实验到生产的过程。
　　在未来几个月，微软将建立新的PyTorch开发加速器，以促进在Azure上快速实施基于PyTorch的解决方案。微软还将继续为PyTorch提供企业级支持，使客户和合作伙伴能够在云和边缘的生产中部署PyTorch模型。
　　因为Azure将是第一个部署AMD旗舰M200 GPU用于大规模AI训练的公共云，微软正与PyTorch和AMD合作，为在Azure上运行PyTorch的客户优化性能和开发者体验，并确保开发者的PyTorch项目在AMD硬件上以最佳方式运行。
　　面向数据科学家和机器学习从业者的开源平台Hugging Face也将加深与微软的合作，并扩大其Azure的整合。
　　新的Hugging Face端点服务得到了Azure机器学习的支持，可在Azure市场上使用，将帮助开发人员和数据科学家更快速、更容易地部署成千上万的自定义或预训练的转换模型。
　　此外，Hugging Face和微软将把Private Model Hub和专家加速计划引入Azure，并使Hugging Face的API直接在Azure机器学习中消费。
　　六、其他AI更新：增强大规模管理部署，简化多种开发体验
　　Azure机器学习的其他更新包括：
　　（1）Azure机器学习管理端点现在普遍可用，可以帮助开发者和数据科学家更轻松地部署大规模机器学习模型，用于实时和批量推理。
　　（2）预览版AutoML功能包括对自然语言处理和图像任务的支持、模型训练代码的生成以及对产品集成和机器学习操作（MLOps）的增强。
　　（3）预览版Python SDK v2简化了开发者的体验，命令行界面v2允许用户无需学习特定的编程语言，即可参与机器学习的生命周期。
　　面向更具体的行业应用，Azure表单识别器在预览中增加新功能。用户可解锁新的文档处理场景，如利用保险卡和疫苗卡的预建模型简化病人的登记和疫苗验证。此外，针对段落、标题的布局能力使文本提取更加精确。
　　两名NHS外科医生正在使用Azure AI来发现手术期间面临更大风险的患者
　　微软智能数据平台现已全面上市，它是一个新的集成平台，将数据库、分析和治理统一起来，使企业能够投入更多时间创造价值，而不是整合和管理零散的数据资产。
　　微软智能数据平台使企业能够在快速发展的环境中轻松地进行调整，为他们的应用程序增加智能层，释放预测性的洞察力，并在任何地方管理他们的数据。它解决了客户的主要痛点，如市场分散，同时也使客户能够更有效地捕获和利用数据，以增加市场份额。
　　结语：AI和低代码开发，正成为微软的杀手锏
　　此次微软Build大会清晰传递出微软对AI开发、低代码&无代码产品以及协作开发的看重。
　　作为愈发被公认的生产力工具，AI不止被用于挖掘各行各业的数据价值和提高生产效率，也正驱动软件开发流程的创新与升级。
　　从微软提供的一系列工具，我们看到由AI驱动的模型和工具，可以帮助开发者清理数据、补写编程代码、转换编程语言、检查代码错误、调试错误，乃至直接将草图手稿转换成即时可用的app。
　　这些工具和平台，不仅进一步降低了AI与软件开发的门槛，使得开发者、工程师可以跳出一些繁琐的步骤，少掉几根头发，并将重心放到更有价值的创新工作上来。