AWS推出托管开源MLflow以提升Amazon SageMaker机器学习体验

在过去一年中，尽管 AWS 的生成性 AI 领域主要关注于 Amazon Bedrock，但 Amazon SageMaker 仍然是一个重要的资产，为机器学习提供了关键功能。

自 2017 年推出以来，Amazon SageMaker 简化了整个机器学习生命周期，从模型创建和训练到大规模部署和管理。它提供一个全面的托管环境，配备多种工具，帮助客户构建、训练和部署机器学习与深度学习模型。数十万用户依赖 SageMaker 来完成诸如培训流行的生成性 AI 模型和管理机器学习工作负载等任务。其应用实例包括培训 Stability AI 的 Stable Diffusion 及为 Luma 的 Dream Machine 文本生成视频工具提供支持。

AWS 正在通过全面提供托管的 MLflow 服务来进一步增强 SageMaker。MLflow 是一个开源平台，简化了机器学习生命周期，包括实验、再现、部署和模型监控。通过将 MLflow 作为 SageMaker 的托管服务集成，AWS 使用户能够更高效地创建下一代 AI 模型。

AWS 的 Amazon SageMaker 总监兼总经理 Ankur Mehrotra 表示：“鉴于创新的快速步伐，我们的客户希望快速实现从实验到生产的转变，加快上市时间。我们将 MLflow 作为 SageMaker 的托管能力推出，让用户只需几次点击就能设置和启动 MLflow。”

MLflow 为 AWS 用户提供的价值

MLflow 在开发人员和组织中广泛应用于 MLOps。Mehrotra 强调，新的托管服务增强了企业用户的选择，而不影响现有功能。

通过将 MLflow 作为集成于 SageMaker 的全面托管解决方案，AWS 满足了希望在两个平台上获得无缝体验的用户需求。“在迭代模型时，他们可以轻松记录指标，跟踪并比较不同的迭代，”Mehrotra 解释道。“然后，他们可以将这些模型注册到模型注册表中并轻松部署。”

托管的 MLflow 服务与 SageMaker 的现有组件深度集成，确保在 MLflow 中的操作与 SageMaker 服务（如模型注册表）自动同步。“我们构建这一点以与 SageMaker 的能力无缝集成，包括模型训练、部署或托管，为客户提供一致的 MLflow 体验，”Mehrotra 补充道。

包括网络托管提供商 GoDaddy 和丰田汽车子公司 Toyota Connected 在内的多家组织，已在其测试阶段探索了该托管服务。

SageMaker 与 Bedrock：互补服务

虽然 Amazon SageMaker 专注于完整的机器学习生命周期，AWS 最近推出了 Amazon Bedrock，用于开发生成性 AI 应用。Mehrotra 阐明了 SageMaker 在这一 AI 生态系统中的角色：“SageMaker 旨在构建、训练和部署模型，而 Bedrock 则擅长创建生成性 AI 应用。许多客户同时利用 SageMaker 和 Bedrock，以及其他服务，来开发生成性 AI 解决方案。”

这使开发人员能够在 SageMaker 中创建模型，并通过 Bedrock 部署到 AI 应用程序，同时利用其无服务器能力，将这些服务发展为 AWS 生成性 AI 产品的互补组成部分。

Amazon SageMaker 的未来重点

展望未来，Mehrotra 分享了指导 Amazon SageMaker 产品路线图的关键优先事项。一个主要的关注点是优化成本并简化客户的开发过程。

“我们旨在减少客户在构建新 AI 解决方案时的繁杂工作。可以期待更多功能的推出，使客户能够更快地创建和启动这些解决方案，”他总结道。

这一战略重点使 Amazon SageMaker 成为推动机器学习和生成性 AI 领域发展的关键参与者。