Azure OpenAI 部署介绍 | 国内企业如何使用 Azure OpenAI ？

一、Azure OpenAI 概述

在当今数字化时代，人工智能技术的迅猛发展正深刻改变着各个领域的格局。Azure OpenAI 作为微软与 OpenAI 合作的结晶，在企业级人工智能应用领域占据着重要地位。

（一）微软与 OpenAI 的合作目标

微软与 OpenAI 的合作聚焦于三大核心目标：

1. 构建企业级应用程序基础：充分借助 Azure 强大的基础设施，涵盖安全性、合规性以及广泛的区域可用性等关键要素，为企业级应用程序的构建筑牢根基。这使得企业在开发和部署应用时，能够放心依托 Azure 的稳定架构，满足复杂的企业环境需求，确保数据安全与合规运营，同时凭借其多区域部署能力，保障应用的高效访问与服务质量。
2. 模型功能集成与部署：将 OpenAI 的先进 AI 模型功能深度整合到微软丰富的产品线中，不仅包括 Azure AI 产品系列，还延伸至其他微软产品范畴。这种广泛的部署使得微软各产品能够借助 OpenAI 模型的强大能力，如语言理解、生成等功能，为用户提供更智能、高效的服务体验，拓展了产品的智能化边界。
3. 工作负载全面支持：利用 Azure 的卓越性能为 OpenAI 的所有工作负载提供坚实后盾。无论是大规模的数据处理、复杂模型的训练还是高并发的推理任务，Azure 都能确保 OpenAI 工作负载稳定、高效地运行，实现了计算资源与模型需求的完美匹配，促进了人工智能技术在各种场景下的广泛应用与创新发展。

国内企业合规用 Azure OpenAI

作为微软的合作伙伴，全云在线可为企业开通绿色申请通道！包括最新版本GPT-4o、o1、Sora、实时语音接口等，只要企业有需求，全云在线都能协助快速开通！

参考链接：https://azureopenai.cloudallonline.com/?zxwsh286

微软 Azure OpenAI 企业账户接口申请，提前预约sora

（二）Azure OpenAI 服务简介

Azure OpenAI 服务正是上述合作的具体成果体现，它巧妙地融合了 Azure 的企业级特性与 OpenAI 的生成式 AI 模型功能。目前，通过 Azure 平台即可便捷地使用 Azure OpenAI 服务，其主要涵盖以下四个关键组件：

1. 预先训练的生成式 AI 模型：这些模型是经过大量数据训练而成的基础模型，具备对多种自然语言任务的初步理解与处理能力。例如，能够对文本进行初步的理解、生成与转换，为后续的个性化定制与应用开发提供了强大的起点。自定义功能：为满足企业与开发者的个性化需求，Azure OpenAI 提供了使用自有数据对 AI 模型进行微调的功能。企业可以将自身领域的专业数据输入模型，使其学习到特定领域的知识与语言风格，从而在特定业务场景下提供更精准、专业的服务，如特定行业的文档生成、智能客服的个性化回答等。有害用例检测与缓解工具：在人工智能应用日益广泛的今天，确保其使用的安全性与合规性至关重要。Azure OpenAI 内置了专门用于检测和缓解有害用例的工具，能够有效识别并防范诸如恶意信息生成、歧视性言论等不良情况的发生，助力用户构建负责任的人工智能应用体系，维护良好的网络环境与社会秩序。企业级安全性保障：通过基于角色的访问控制（RBAC）机制，Azure OpenAI 能够精细地管理用户对服务资源的访问权限，确保只有经过授权的人员才能进行相应操作，防止数据泄露与恶意篡改。同时，借助专用网络，进一步隔离网络流量，增强数据传输的安全性，为企业级应用提供了全方位的安全防护屏障。

借助 Azure OpenAI 服务，用户能够在 Azure 服务与 OpenAI 功能之间无缝切换，充分利用 Azure 的专用网络优势，确保数据传输的高效与安全；依托其广泛的区域可用性，满足全球不同地区用户的访问需求；并借助负责任 AI 内容筛选机制，保障应用内容的合规性与质量。

（三）Azure OpenAI 工作负载

Azure OpenAI 对众多常见的 AI 工作负载提供有力支持，并积极探索解决一些新兴工作负载问题。常见的 AI 工作负载类型丰富多样，涵盖了机器学习、计算机视觉、自然语言处理、对话 AI、异常情况检测以及知识挖掘等多个领域。

在这些基础上，Azure OpenAI 支持的其他 AI 工作负载可进一步细分为以下三组：

1. 生成自然语言

• 文本完成：此功能可用于生成连贯、逻辑清晰的文本内容，如文章续写、文案创作等，也能够对已有文本进行编辑、润色，提升文本质量，使其更符合特定的语境与表达需求。嵌入：主要应用于文本的搜索、分类与比较场景。通过将文本转换为向量表示（嵌入），可以高效地在大规模文本数据集中进行相似性搜索，实现精准的文本分类与比较分析，例如文档检索系统、文本推荐引擎等应用场景。

1. 生成代码：能够自动生成、编辑代码片段，并对代码进行解释说明。这对于程序员来说是一个强大的辅助工具，可以提高编程效率，减少代码编写错误，尤其在一些重复性代码编写任务或代码框架生成方面具有显著优势，加速软件开发进程。生成图像：可以根据用户的文本描述或特定的图像生成需求，生成高质量的图像内容，并且能够对已有的图像进行编辑、修改与优化。这在创意设计、图像编辑自动化等领域具有广阔的应用前景，为设计师与创作者提供了全新的创作灵感与工具支持。

（四）Azure OpenAI 与 Azure AI 的关系

Azure 的 AI 服务是一系列用于解决 AI 工作负载的强大工具集，主要可划分为 Azure 的机器学习平台、认知服务和应用 AI 服务三大类别。其中，Azure 认知服务包含五大核心支柱：视觉、语音、语言、决策以及 Azure OpenAI 服务。

用户在选择使用具体服务时，需依据实际任务需求进行决策。具体而言，认知服务的语言服务与 OpenAI 服务之间存在部分功能重叠现象，例如翻译功能可在两者中均能实现，用于不同语言之间的转换；情绪分析功能可用于判断文本中的情感倾向；关键字提取功能则能够从文本中提取关键信息等。

虽然在实际应用中，对于何时选用特定服务并没有绝对严格的准则，但一般来说，Azure 现有的语言服务在处理一些广为人知且对模型优化需求较低的用例时表现出色。这些用例通常涉及较为成熟、标准化的语言处理任务，通过已有的优化模型即可快速实现。而对于那些需要高度自定义生成模型的场景，如特定领域的深度文本创作、个性化的智能交互应用，或者处于探索性研究阶段，需要灵活调整模型结构与参数以适应不断变化的研究需求时，Azure OpenAI 服务则更具优势，能够提供更强大的模型定制能力与创新空间。

在进行有关模型类型选择的业务决策时，深入理解时间和计算需求对机器学习训练的影响至关重要。获取一个有效的机器学习模型离不开数据训练环节。在训练过程中，“学习” 阶段要求计算机对所有可能的解决方案进行逐一尝试，直至找到与数据最为匹配的模型。在此过程中，模型性能的高低、任务的复杂程度以及训练数据集的规模大小均会对所需运行时间产生显著影响。性能更优、结构更复杂的模型在处理复杂任务且面对大规模训练数据时，需要耗费更多的计算资源与时间来遍历所有可能的解决方案，以确定最终的最优模型。

二、Azure OpenAI 使用指南

（一）访问申请与资源创建

当前，若要使用 Azure OpenAI，首先需要在 Azure 门户中提交访问申请。这一申请流程旨在确保服务的合理使用与资源分配，符合 Azure OpenAI 的服务规范与安全要求。在成功获得访问权限后，用户即可如同操作其他 Azure 服务一般，创建 Azure OpenAI 资源。这一资源创建过程是后续使用 Azure OpenAI 服务的基础，通过合理配置资源参数，如计算资源规模、存储容量等，能够满足不同应用场景下的性能与成本需求。

（二）使用方式

创建资源后，用户可以通过多种途径使用 Azure OpenAI 服务，主要包括 REST API、Python SDK 或 Azure OpenAI Studio 中基于 Web 的界面。

1. Azure OpenAI Studio

• 在 Azure OpenAI Studio 中，用户能够方便地生成 AI 模型并将其部署到软件应用程序中，以供公众使用。Azure OpenAI 的丰富功能是通过一系列特定的生成式 AI 模型来实现的。这些模型具有高度的专业性与针对性，不同模型针对不同类型的任务进行了深度优化。例如，部分模型在简单的摘要任务上表现卓越，能够快速、准确地从长篇文本中提取关键信息并生成精炼的摘要；一些模型则擅长处理一般的非结构化响应任务，能够理解并生成自然流畅、符合逻辑的对话或文本回复；还有部分模型专注于从文本输入生成独特的图像，为创意设计与视觉内容创作提供了全新的途径。在 Azure OpenAI Studio 中，还设有名为 GPT - 3 操场的文本框用户界面。在这里，用户无需编写复杂的代码，只需在提示框中输入相应内容，即可即时查看模型生成的响应。这一功能为用户提供了一个便捷的模型试验平台，无论是初步探索模型功能、进行创意激发还是快速验证想法，都能够高效地完成，极大地降低了使用门槛，促进了用户与模型之间的互动与创新。

Azure OpenAI 上提供的 OpenAI 模型主要分为以下几个主要系列：

1. 生成式预训练转换器（GPT）：GPT 系列模型以其强大的自然语言理解与生成能力而闻名。通过大规模的文本数据预训练，GPT 模型能够理解各种自然语言语境，生成高质量、连贯且富有逻辑性的文本内容，广泛应用于文本创作、对话系统、知识问答等多个领域，为自然语言处理任务提供了强有力的支持。Codex：Codex 模型专注于代码生成与编辑领域。它能够根据给定的任务描述或代码片段上下文，自动生成完整的代码结构、函数定义等，同时也能够对已有代码进行智能编辑与优化，帮助程序员提高编程效率，减少代码编写错误，加速软件开发周期，尤其在智能代码补全、代码模板生成等方面具有显著优势。DALL - E：DALL - E 模型则在图像生成领域独树一帜。它能够依据用户提供的文本描述，生成高度逼真、富有创意的图像内容。无论是绘制风景、人物形象还是设计产品概念图，DALL - E 都能够将文字描述转化为视觉图像，为创意设计、广告宣传、艺术创作等领域带来了全新的创作方式与灵感源泉。

此外，Azure OpenAI 还提供嵌入模型。这些嵌入模型专门针对特定任务而创建，例如在文本搜索与分类场景中，嵌入模型能够将文本转换为向量表示，通过计算向量之间的相似度，实现高效的文本匹配与分类，提升了文本处理的准确性与效率。并且，Azure OpenAI 的所有 AI 模型均支持通过微调进行训练和自定义，用户可以根据自身的个性化需求，利用自有数据对模型进行进一步训练与优化，使其更好地适应特定业务场景与应用需求，从而实现更精准、智能的服务输出。