Tianjin RARESOFT TECHNOLOGY

IT新闻

聚合微软、Windows、企业 IT、云服务与 AI 应用等方向的最新动态,帮助企业及时了解平台变化、功能更新与潜在风险。

没有真正落地的路径:微软资深 AI 科学家辞职,称可将 AI 成本减半的研究甚至未被认真考虑

2026.11.17
微软研究院资深研究员、AI Frontiers联合创始人已离开微软微软研究院资深研究员、AI Frontiers联合创始人已离开微软。图片:微软

John Langford在微软研究院工作了14年多,是一位资深研究员,也是AI Frontiers实验室的联合创始人,如今已离开微软。他表示,由Mustafa Suleyman领导的微软AI部门在9月接管了他约50人的团队,但该部门只关心扩大模型规模,而不重视研究;AI Frontiers的其他创始负责人似乎也得出了类似结论。

如果你不关注AI研究,可能不知道Langford是机器学习领域的重要人物。他所说的微软AI不愿认真考虑的那类研究,后来已由TikTok母公司字节跳动在更大规模上进行了测试。微软为什么不在意他离职?

Scott Langford在2002届微软研究院毕业生中Scott Langford,2002届微软研究院毕业生。图片:Siebel Scholars

John Langford参与了微软研究院多项重要AI成果的开发

我看了看他令人印象深刻的履历。Langford于2012年5月加入微软研究院,成为其纽约实验室的创始成员之一。此前,他曾在雅虎研究院和IBM工作,之后升任合伙人研究经理。

他是开源机器学习系统Vowpal Wabbit的主要开发者,还创造了“情境赌博”一词。这是一种用于个性化展示应用和网站内容的方法。2019年至2021年,他还担任了顶级机器学习会议之一ICML的主席。

2023年,ChatGPT问世(世界也因此发生了根本性变化)后,Langford和几位同事在微软研究院内部创立了AI Frontiers。他们认为,凭借聪明点子单打独斗的研究人员,已无法与其他地方组织更完善的团队竞争。他们的许多工作都集中在智能体上,包括AutoGen框架和Fara-7B计算机使用模型。

公平地说,微软研究院的成果确实会应用到产品中,比如最终为Edge端侧AI提供支持的Phi小型语言模型。

Microsoft Edge中的Phi-mini APIMicrosoft Edge中的Phi-mini API | 图片由WindowsLatest.com提供

Langford称,微软AI的理念是“扩大规模,而且坚决不做研究”

微软AI成立于2024年3月。当时,Satya Nadella聘请Inflection联合创始人Mustafa Suleyman和Karén Simonyan,负责领导Copilot和面向消费者的AI业务。2026年9月上旬,AI Frontiers被并入该部门。

Langford在博客文章中表示,从理念上看,这次合并或许说得通,但微软AI的“前Inflection管理层”与他们的理念并不相容。他写道:“他们的核心理念就是扩大规模,而且坚决不做研究。”

Scott Langford和Mustafa SuleymanScott Langford和Mustafa Suleyman。图片:微软

他承认,对微软这样的企业而言,更大的模型确实能做出更准确的预测,规模化带来的回报也更可预测,但只顾扩大规模的做法会把大部分精力都投入数据。他还表示,有“充足的证据表明,他们其实并不想要我们”;一位从其他团队转入微软AI的匿名评论者也说,自己“……有同样的感受”。

微软尚未公开回应。不过,9月14日更新的AI Frontiers页面称,该实验室“现已成为微软AI的一部分”,并将继续开展前沿研究。微软AI还在Build 2026发布七款MAI模型时表示,正在建设一所超级智能实验室。

微软在Build 2026上公布的AI模型微软在Build 2026上公布的AI模型。图片:微软

Langford的Full Bandwidth Transformer研究或可将AI训练和推理成本减半

语言模型通常会把每一步得出的结果压缩成一个token,并丢弃其余信息。Langford和七位合著者于8月发表的Full Bandwidth Transformer,则会把这一状态连同下一个token一起反馈给模型。

论文测试显示,使用最多4000亿个token训练的10亿参数模型,表现可媲美或接近使用约1.5倍数据训练的普通Transformer。每个token增加的成本微乎其微。

随后,10月25日,字节跳动Seed团队发布了Recycler。它以类似方式重复利用隐藏状态,在参数量特别是推理和数学能力方面,可胜过参数量高出两到三倍的模型。Langford在X上表示,除了细节略有不同,Recycler“就是Full Bandwidth Transformer”,而字节跳动的实验规模更大、也更全面。也就是说,微软研究成果的一些有力证据竟来自竞争对手……

根据这些结果,Langford认为,他的架构变体“可能足以媲美规模大一倍的模型”。他还提出,面对行业近万亿美元的投资,将训练和推理成本减半究竟价值几何?

需要注意的是,减半成本只是Langford的预测;即便模型在基准测试中达到更大模型的水平,也不代表账单就会自动减半。他也没有明确表示微软AI拒绝了这篇论文,只是说自己在微软AI“无法让创新落地(甚至无法让它得到认真考虑)”。

令我不解的是,微软AI在博客文章中大谈突破质量与成本的边界,还推出了一款“性能更好、速度更快、成本仅为四分之一”的编程模型。降低AI成本显然是优先事项,只不过研究成果不在此列!

Langford称AI Frontiers已结束,自己也不会回到微软研究院

Langford说自己“尽可能妥善安顿好团队成员后就离开了”,并表示有两个原因让他不愿回到微软研究院:

  • 他写道:“我不愿待在一家无法让我的研究真正落地的公司。”既然他的想法在微软AI内部得不到考虑,他认为回到微软研究院也不会有什么改善。
  • 他还觉得,微软研究院“做好工作就会有好结果”这一基本约定已经失效:他的团队做出了出色的工作,却被“未经同意就重组拆散”。他认为,在微软研究院领导层组织起来“迎接当下挑战”之前,这种事还会继续发生。
  • Langford写道:“所以,AI Frontiers已经结束了。”他还补充说,明年这个团队不会再招实习生。他在X上的帖子称这一情况“有点像一场灾难”,浏览量已超过33万。

    微软押注规模化和智能体,研究人员却纷纷离开

    Langford离职之际,微软正向约6万名员工提供买断方案,而Nadella则在谈论让2000万个AI智能体承担工作。微软也在缩减Windows 11中的Copilot功能,因为AI功能未能兑现承诺。

    没错,我相信扩大规模行得通,微软也有足够的数据中心。但AI对算力的需求已经推高了RAM价格;如果他们忽视那些能让AI成本减半的研究,功劳就会落到别人头上(这很符合微软一贯的作风)。字节跳动已经发布了自己的版本。

    Langford仍然相信,如果负责人“再多一些智慧”,微软未来“或许能重新成为适合做研究的地方”。我只希望雷德蒙德有人能看到这篇文章。