在AWS的生成式AI領域中,過去一年來,焦點主要集中在Amazon Bedrock上,但Amazon SageMaker仍然是一項重要資產,提供機器學習所需的核心功能。自2017年推出以來,Amazon SageMaker支持整個機器學習生命周期,從模型創建、訓練到大規模部署和管理。它提供全面的管理環境,配備工具使客戶能夠構建、訓練和部署機器學習及深度學習模型。成千上萬的用戶依賴SageMaker進行流行生成式AI模型的訓練和管理機器學習工作負載,顯著的應用包括訓練Stability AI的Stable Diffusion以及為Luma的Dream Machine文本轉視頻生成器提供支持。
AWS進一步通過推出管理版MLflow服務來增強SageMaker。MLflow是一個開源平台,簡化了機器學習生命周期,包括實驗、可重複性、部署和模型監控。通過將MLflow作為管理服務整合到SageMaker中,AWS使用戶能更高效地創建下一代AI模型。
AWS的Amazon SageMaker總監兼經理Ankur Mehrotra表示:「考慮到創新速度的加快,我們的客戶希望能快速從實驗過渡到生產,加速上市時間。我們正在SageMaker中推出MLflow作為一項管理能力,讓用戶輕鬆設置並啟動MLflow。」
MLflow為AWS用戶提供的優勢
MLflow在開發者和組織中被廣泛應用於MLOps。Mehrotra強調,這項新的管理服務提升了企業用戶的選擇,同時不影響現有功能。
AWS通過提供MLflow作為一個完全管理的解決方案,滿足希望在兩個平台上獲得無縫體驗的用戶需求。Mehrotra解釋說:「在迭代模型的過程中,用戶可以輕鬆地記錄指標,跟踪和比較不同的迭代。他們可以將這些模型註冊到模型註冊表中,並輕鬆部署。」
經理MLflow服務與現有的SageMaker組件深度整合,確保MLflow中的操作與SageMaker服務(如模型註冊表)自動同步。Mehrotra補充說:「我們構建這一服務以與SageMaker的功能無縫整合,無論是模型訓練、部署還是托管,為客戶提供一致的MLflow體驗。」
一些組織,包括網站托管提供商GoDaddy和豐田汽車公司旗下的Toyota Connected,已在其Beta階段探索這項管理服務。
SageMaker與Bedrock:互補服務
Amazon SageMaker專注於完整的機器學習生命周期,而AWS最近推出的Amazon Bedrock則旨在開發生成式AI應用。Mehrotra澄清了SageMaker在這一AI生態系統中的角色:「SageMaker專為構建、訓練和部署模型而設,而Bedrock則特別適合創建生成式AI應用。許多客戶利用SageMaker和Bedrock以及其他服務來開發他們的生成式AI解決方案。」
這使開發者能夠在SageMaker中創建模型,然後通過Bedrock將其部署到AI應用中,利用其無伺服器的能力,將這些服務發展成AWS生成式AI產品的互補元素。
Amazon SageMaker的未來發展重點
展望未來,Mehrotra分享了指導Amazon SageMaker產品路線圖的主要優先事項,重點在於擴展和優化成本,同時簡化客戶的開發過程。「我們旨在減少客戶在打造新AI解決方案時的無差異繁重工作。預計會看到更多能力,使客戶能更快創建和推出這些解決方案。」他總結道。
這一戰略重點使Amazon SageMaker成為推動機器學習和生成式AI領域重要角色。