关注《田丰说》，每天3分钟，掌握全球AI大事件！本视频由商汤“如影”数字人APP生成。

田老师认为，当前的基础大模型正在依赖尺度定律更庞大的算力、数据、参数快速提升能力水平，23年到25年的大模型能力会从本科生提升到博士生智力水平，AI原生公司需要在3至6个月升级的基础大模型上，找到降低成本的应用实践，从而让AI应用能在产业场景中跟上基础大模型的市场预期，微软All in AI就是通过千亿美元级别大笔投资更庞大的AI超级计算中心。

全球AI要闻，微软CTO分享搞大模型最容易犯的错。

7月10日，微软公司CTOKevin Scott与红杉资本合伙人Pat Grady、Bill Coughran对话分享：“我认为在Scaling（尺度定律）这件事上，微软稍微有点落后，2017年后我们没有很快把所有鸡蛋都放进正确的篮子里，虽然在AI上花了很多钱，也只是不想伤害‘内部聪明人’的感情，但这些钱被分散在一大堆不同的事情上，甚至不知道诊断结果是什么。我们没有笃定规模才是最重要的 。我重组了微软内部，更加专注AI。在2019年战略投资和OpenAI合作，一起探索构建AI平台的基础系统是什么。”

亮点1，目前整个领域最有趣的是，前沿模型的能力确实呈指数级增长，而且还没有达到规模边际收益递减的程度。2019年，微软对尺度定律有了清晰的认识，当时有两三个选择，在CEO纳德拉和CTO Kevin看来，选OpenAI是让我们自力更生并进入正轨的最快方法。

亮点2，Scaling的影响是每隔几年一次，因为建造超级计算机并大规模训练需要时间，下一代大模型即将问世。6月初微软也提到已见到了PhD-level博士智能水平的模型。微软AI板块CEO、前Inflection创始人Mustafa Suleyman预测，2年内会见到完成Agent能力的博士智力模型，而不是热议的GPT-5。

亮点3，微软内部反思，产品研发会犯的错误就是，认为解决问题的唯一方法就是我必须去利用前沿模型，并用一大堆东西来补充。要让自己有足够的灵活性，以便前沿模型出现，迅速适应它。

亮点4，一种扼杀是，团队看到前沿模型后，说绝对不可能在此基础上部署产品，因为太贵了，然后开始要人和GPU，他们要建立一个特定的模型，与前沿模型边界性能相似，成本便宜些。但前沿模型一迭代，新的点就把当下产品碾压了。

每天3分钟，掌握全球AI大事件！《田丰说》全网发布，敬请关注！