Anaconda Hankkii Outerboundsin Yhdistääkseen Enterprise AI -kehityksen

Anaconda on hankkinut Outerboundsin, yhdistäen kaksi kerrosta enterprise AI -ekosysteemistä, jotka ovat historiallisesti olleet hajanaisia: kehitysympäristöt ja tuotannon orkestraatio.

Anacondan liike vastaa siirtymää siinä, miten AI -järjestelmiä rakennetaan. Sen sijaan, että mallit kohdellaan vain yhtenä komponenttina perinteisessä ohjelmistossa, yritykset suunnittelevat sovelluksia, joissa malli on keskipisteenä. Tämä siirtymä on paljastanut suuren aukon kokeilun ja tuotannon välillä, ja tämä hankinta on selvästi tarkoitettu tämän aukon sulkemiseen.

Python -perustasta kokonaiseen AI -elinkaareen

Anaconda on pitkään ollut lähtökohta data-tieteelle ja AI -työlle, erityisesti Pythonissa. Sen alusta on rakennettu pakettien, riippuvuuksien ja ympäristöjen hallinnan ympärille tavalla, joka vähentää kitkaa kehittäjille samalla, kun se ylläpitää turvallisuutta ja toistettavuutta. Se antaa tiimille pääsyn tuhansiin esitarkistettuihin kirjastoihin ja työkaluihin, jolloin he voivat liikkua nopeasti ilman jatkuvaa vianetsintää yhteensopivuusongelmien tai piilevien riskien vuoksi.

Mitä se ei perinteisesti omistanut, on kokonainen matka sen jälkeen. Kun mallit on rakennettu, yrityksillä on edelleen koordinoida työvirran, skaalata laskentaa, seurata kokeiluja ja hallita käyttöönottoja yhä monimutkaisemman infrastruktuurin yli.

Siihen Outerbounds sopii.

Mikä Outerbounds lisää yhtälöön

Outerbounds suunniteltiin ratkaisemaan koneoppimisen operatiivinen puoli. Sen alusta, joka on rakennettu avoimen Metaflow -kehykseen, joka on alun perin kehitetty Netflixissä, keskittyy siihen, miten AI -järjestelmät toimivat tuotantoympäristöissä.

Sen sijaan, että suorittaa koodia, se hallinnoi koneoppimisen työvirran koko elinkaarta. Se sisältää monivaiheisten putkien koordinoinnin, kokeilujen seuraamisen ajan myötä, data-artefaktien käsittelyn ja työnjaon jakamisen pilvi- tai hybridinfrastruktuurin yli. Järjestelmä on suunniteltu toimimaan millä tahansa infrastruktuurilla, jonka yritys jo käyttää, mikä on tehnyt siitä houkuttelevan organisaatioille, jotka haluavat joustavuutta eikä lukittua yhteen pilvipalveluntarjoajaan.

Tämä ei ole vain automaatio. Se on tehty kompleksisten AI -järjestelmien teettäväksi havaittavaksi ja toistettavaksi, mikä tulee kriittiseksi, kun mallit siirtyvät prototyypeistä järjestelmiksi, jotka jatkuvasti toimivat ja kehittyvät.

Miksi tämä yhdistelmä on tärkeä

Anacondan ja Outerboundsin yhdistelmä luo jatkuvamman polun kokeilusta tuotantoon.

Sen sijaan, että kehittäjät rakentavat malleja yhdessä ympäristössä ja sitten luovuttavat ne täysin eri työkaluille käyttöönottoa varten, yhdistetty alusta sallii, että nämä vaiheet ovat olemassa samassa hallitussa ekosysteemissä. Tämä jatkuvuus vähentää kitkaa, mutta ennen kaikkea se vähentää riskiä. AI -koodi on kasvamassa nopeasti, ja sen myötä tulee korkeampi vikojen ja epävarmojen riippuvuuksien määrä. Näiden riskien hallitseminen edellyttää näkyvyyttä koko elinkaaren ajan, ei vain eristetyissä vaiheissa.

Yhdistämällä turvalliset ympäristöt, riippuvuuksien hallinnan, orkestraation ja hallinnan yhteen järjestelmään, alusta on valmis käsittelemään AI -sovellusten kasvavaa monimutkaisuutta ilman, että tiimien on rakennettava työvirran uudelleen alusta alkaen.

Laajempi siirtymä AI -infrastruktuurissa

Tämä hankinta korostaa myös laajempaa trendiä: AI -työkalupinon konsolidointia.

Yritykset ovat viettäneet viime vuosia kokoamalla työkalukokoelmia eri osien AI -elinkaaren käsittelyyn. Tämä lähestymistapa toimii pienessä mittakaavassa, mutta se tulee hauraksi, kun järjestelmät kasvavat monimutkaisemmiksi ja tärkeämmiksi liiketoiminnan operaatioille. Teollisuus on nyt siirtymässä alustoille, jotka yhdistävät nämä kerrokset samalla, kun ne sallivat tiimien ylläpitää hallintaa infrastruktuurinsa yli.

Haaste on balanssin löytäminen integraation ja joustavuuden välillä. Organisaatiot haluavat sujuvan järjestelmän, mutta he ovat yhä varovaisempia lukittautumisesta ekosysteemeihin, joita hallitsee muutama hallitseva toimija.

Mikä tekee tämän liikkeen merkittäväksi, on se, että sekä Anaconda että Outerbounds ovat historiallisesti korostaneet avoimuutta ja infrastruktuuririippumattomuutta. Jos tämä filosofia jatkuu yhdistetyssä alustassa, se viittaa malliin, jossa yritykset voivat konsolidoida AI -työvirran ilman, että he menettävät hallinnan siitä, missä ja miten nämä järjestelmät toimivat.

Tämä tasapaino saattaa lopulta olla yksi määrittävistä tekijöistä siinä, miten yritysten AI -infrastruktuuri kehittyy seuraavien vuosien aikana.