1. 看起来提供了AMD MI300 VM计算服务，更像是陪跑，几个CSP未来加速卡策略大概相同：一供NVDA+二供+自研ASIC，比例不确定，三者得都有。所以你说目前阶段除了分散供应风险，二供和ASIC的真实商业价值有多大？从模型上也一样，一供GPT-4+二供一堆开源+自研phi-3等一堆小模型。实质上策略都是一样的。但从目前来看，同为一供的NVDA+GPT-4/5，正在形成商业、生态上的正循环，其他真不好说。多说一句，有位读者提过，微软的确在fix AMD MI300的软件问题...

2. 英伟达与微软进入“全栈合作”，除了GPU、DGX Cloud，Azure AI Platform上支持了NIM，之前我们分享过Al Enterprise是一个端到端的云原生软件平台，如果打开去看其里面的Infra、框架、工具、应用，这就是一个基于GPU的操作系统。上到各家CSP服务是第一步，能否建立操作系统的地位还是未知。之前我们听到过单卡收了4500美金/年的软件收入，更多针对enterprise，对微软谷歌亚马逊能收到这么钱吗？目前还真不确定。但未来随着推理服务的扩大、复杂化，serving本身变成一件极其专业、且严重依赖于GPU infra的事情，“操作系统”的价值会越来越突出。

3. 过去一年，GPT-4速度性能提升了6倍，但cost降低到了之前的1/12，对应性能/成本提升了70倍。这基本符合我们之前说的推理成本基本半年降低一个数量级。考虑到下一步硬件加成、模型架构继续优化，GPT-4推出免费版本的时间越来越近了

4. 微软自身的算力过去一年提升了30倍。且CTO Kevin Scott强调这种算力的扩张“ the end is nowhere in sight”，看不到头。之前大概匡算过微软手里目前等效H100可能到了40-60w张，今年整个还要翻三倍到180w张。

5. copilot从C端进入B端企业工作流，或者从office进入enterprise software。与过去微软发展路径差不多，在大家预料之内。但要注意的是这相比之前office对模型准确度提出了更高要求，说实话个人觉得会比昨天AIPC 类似rewind那种功能更难。比如rewind未来依赖于更多模态统一压缩降维到latent后的大幅降本，可能是个工程问题，而long thinking、复杂推理精确度，需要模型能力实质提高。因此微软target是今年年底推出相关产品，不知道是否与新模型发布节奏有关。

欢迎私信讨论