微软豪掷“算力自由”筹码：挖走AI2全明星团队，剑指自主超级智能

当OpenAI与微软的合作关系日渐微妙，一场静默却激烈的“人才军备竞赛”已在AI界悄然打响。最近，微软没有发布新模型，也没有宣布巨额投资——而是悄悄签下了AI2（艾伦人工智能研究院）最核心的科研力量。这支由前AI2 CEO阿里·法哈迪领衔的“梦之队”，正加速集结于微软全新成立的超级智能（Superintelligence）部门。这不是一次普通招聘，而是一次战略级的人才迁移——目标直指摆脱对第三方大模型的依赖，打造真正属于微软的、以人为本的超级智能底座。

🌟 三位“开源+多模态+高效训练”的顶尖科学家，集体空降

这支团队的含金量，远超常规高管引进：

• 阿里·法哈迪（Ali Farhadi）：计算机视觉先驱，更以“效率狂魔”著称——在他执掌AI2期间，团队曾一年内密集发布超100个模型，将小规模团队的创新密度推至行业标杆；
• 汉娜·哈吉希尔齐（Hanna Hajishirzi）：开源LLM领域的关键推手，是广受学术界和工业界信赖的OLMo（Open Language Model）项目联合负责人，坚持模型、数据、训练代码全开源；
• 兰杰·克里希纳（Ranjay Krishna）：多模态理解实战派，主导开发了轻量但强泛化的Molmo系列模型，在图像-文本联合推理任务中屡破SOTA，且训练成本显著低于同类大模型。

他们带来的不仅是履历光环，更是一套被验证过的“以小博大”研发哲学：用更少的数据、更低的算力、更快的迭代，逼近前沿性能——这恰恰是微软当前亟需补足的“基础模型敏捷性”。

⚖️ 合作未破，但信任已悄然重构

微软与OpenAI的合作仍持续运转，Azure云上依然跑着GPT-4 Turbo和o1推理服务。但现实正变得复杂：双方在产品路径、技术路线乃至治理理念上的分歧，已从后台走向台前。监管文件披露、高管公开表态、甚至GitHub上模型权重的授权争议，都在提醒业界——深度绑定≠绝对可控。

于是，“超级智能”部门应运而生。它不取代Copilot或Azure AI，而是作为底层引擎的“第二大脑”：专注构建可解释、可审计、可定制的自主基础模型栈。法哈迪团队的开源基因与高效训练经验，将成为这套系统的关键差异化优势——毕竟，在谷歌Gemini Ultra动辄消耗数万卡、亚马逊Nova依赖自研芯片的算力军备中，“聪明地用算力”，比“拼命堆算力”更可持续。

🌍 人才流向，就是AI权力版图的实时地图

对AI2而言，这次流失堪称重击。这家非营利机构曾以“用1%的资源做出10%的影响力”为信条，孕育出Semantic Scholar、Aristo等影响深远的项目。但当单个大模型预训练成本轻松突破数千万美元，当头部企业年度AI投入飙升至数十亿级别，纯粹靠理想与学术声誉维系顶尖人才，已越来越难。

这背后是一个正在固化的趋势：AI前沿研究正快速收拢至少数几家科技巨头手中。不是因为学术界变弱了，而是因为“极限前沿”的入场券，如今既需要顶级算法直觉，也需要千卡集群的调度权限——而后者，目前只有微软、谷歌、Meta和亚马逊能稳定供给。

🔮 下一站：不是替代OpenAI，而是定义“超级智能”的另一种可能

微软没有说要抛弃OpenAI。但它明确选择了另一条路：把“超级智能”的定义权，握回自己手里。法哈迪团队擅长的，不是参数堆砌，而是结构创新、数据蒸馏与推理优化；哈吉希尔齐坚持的，不是闭源护城河，而是可复现、可共建的开源生态；克里希纳深耕的，不是纯文本幻觉，而是图文协同的真实世界理解。

当AGI竞赛从“谁先发布万亿参数”转向“谁先让智能真正安全、透明、服务于人”，这支兼具学术厚度与工程锐度的团队，或许正是微软押下的最冷静、也最富远见的一注。

💡 关键事实速览（全部来自官方披露与可信信源）：
– 阿里·法哈迪曾任AI2 CEO，2023年率团队发布超100个模型；
– OLMo由AI2于2024年3月开源，完整开放模型权重、训练数据集及代码；
– Molmo系列由AI2于2024年6月发布，支持端到端多模态训练，单卡可微调；
– 微软“超级智能”部门为2024年新设实体，直属首席技术官凯文·斯科特（Kevin Scott）领导。