周四,OpenAI和微软宣布已签署一项不具约束力的协议来修订其合作关系,这标志着两家公司关系的最新发展。随着双方在AI市场竞争客户并为不断增长的基础设施需求寻求新合作伙伴,两家公司的关系变得越来越复杂。
"微软和OpenAI已经为合作关系的下一阶段签署了不具约束力的谅解备忘录(MOU),"两家公司在联合声明中写道。"我们正在积极努力最终确定正式协议中的合同条款。我们共同致力于为每个人提供最好的AI工具,这基于我们对安全的共同承诺。"
这一宣布正值OpenAI寻求从非营利组织重组为营利性实体之际,这一转变需要微软的批准,因为微软是OpenAI最大的投资者,自2019年以来已承诺投资超过130亿美元。
随着OpenAI从研究实验室发展成为估值5000亿美元的公司,合作关系显示出越来越大的压力。两家公司现在都在竞争客户,而OpenAI寻求的计算能力超过了微软能够提供的范围。这种关系还面临合同条款方面的复杂性,包括一旦公司达到所谓的AGI(通用人工智能)就限制微软获得OpenAI技术的条款——这是一个模糊的里程碑,两家公司现在在经济上将其定义为能够产生至少1000亿美元利润的AI系统。
5月,在前员工、监管机构和包括埃隆·马斯克在内的批评者日益增长的压力下,OpenAI放弃了完全转换为营利性公司的原计划。马斯克已起诉阻止这种转换,认为这背叛了OpenAI作为致力于造福人类的非营利组织的创立使命。
该公司转而宣布了一种修改后的方法,即非营利董事会将保持控制权,同时将其营利性子公司转换为公共利益公司。根据这种修订后的结构,非营利组织将成为最大股东,持有价值超过1000亿美元的股份,这是OpenAI董事长布雷特·泰勒在5月宣布的。周四与微软签署的谅解备忘录表明,两家公司正在努力就这一修改后的重组计划达成一致。
与重组相关的高风险
重组仍需要加利福尼亚州和特拉华州总检察长的批准,他们继续审查拟议的转换。慈善机构联盟也呼吁监管机构阻止该计划。
微软在1月的博客文章中表示,合作关系的关键要素将保持到2030年,包括获得OpenAI的知识产权、收入分享安排和OpenAI API的独占性。该协议为计算能力引入了优先购买权模式,取代了微软之前作为OpenAI唯一云提供商的独占性。
这两个曾经坚定合作伙伴之间关系的快速变化,反映了AI行业在过去六年中从实验性研究实验室爆炸性增长为数千亿美元基础设施投资的历程,这始于两家公司首次达成投资协议。OpenAI已经实现了基础设施合作伙伴关系的多元化,包括参与与Oracle和软银合作的5000亿美元Stargate项目,而微软已经扩展Azure来托管来自Meta、xAI和DeepSeek的竞争模型。
尽管两家公司都努力减少相互依赖,但它们的命运仍然深度交织。微软在最近的财报中披露,Azure已成为年收入750亿美元的业务,其中OpenAI相关服务贡献显著。
Q&A
Q1:OpenAI和微软签署的谅解备忘录主要内容是什么?
A:两家公司签署了不具约束力的谅解备忘录(MOU)来修订合作关系的下一阶段,目前正在积极努力最终确定正式协议中的合同条款,共同致力于为每个人提供最好的AI工具。
Q2:OpenAI为什么要从非营利组织转为营利性实体?
A:OpenAI已从研究实验室发展成为估值5000亿美元的公司,需要重组来适应业务发展。公司采用修改后的方法,非营利董事会保持控制权,同时将营利性子公司转换为公共利益公司,非营利组织将成为持有价值超过1000亿美元股份的最大股东。
Q3:微软和OpenAI的合作关系面临哪些挑战?
A:两家公司现在都在竞争客户,OpenAI寻求的计算能力超过微软能提供的范围。合作关系还面临合同条款复杂性,包括一旦达到AGI就限制微软获得OpenAI技术的条款,AGI被定义为能够产生至少1000亿美元利润的AI系统。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。