아나콘다, Outerbounds 인수로 기업 AI 개발 통합

아나콘다는 Outerbounds를 인수하여 기업 AI 생태계의 두 가지 계층, 즉 개발 환경과 프로덕션 오케스트레이션을 하나로 통합했습니다.

이 움직임의 핵심은 AI 시스템을 구축하는 방식의 변화에 반영됩니다. 전통적인 소프트웨어 내에서 모델을 단순히 또 하나의 구성 요소로 취급하는 대신, 기업은 모델을 중심으로 애플리케이션을 설계하고 있습니다. 이러한 변화는 실험과 프로덕션 사이의 큰 간격을 노출시켰으며, 이 인수는 명백히 이러한 간격을 메우는 것을 목표로 합니다.

파이썬 기반에서 전체 AI 라이프사이클까지

아나콘다는 오랫동안 데이터 과학 및 AI 작업, 특히 파이썬을 위한 시작점이었습니다. 아나콘다의 플랫폼은 개발자에게 마찰을 줄이면서 보안과 재현성을 유지하는 방식으로 패키지, 종속성 및 환경을 관리하는 것을 중심으로 구축되었습니다. 아나콘다는 팀에 수천 개의 사전 검증된 라이브러리와 도구에 대한 액세스를 제공하여 호환성 문제나 숨겨진 위험 없이 빠르게 이동할 수 있도록 합니다.

그러나 아나콘다는 전통적으로 전체 여정을 소유하지 않았습니다. 모델을 구축한 후, 기업은 여전히 워크플로를 조정하고, 컴퓨팅을 확장하고, 실험을 추적하고, 복잡한 인프라에 걸쳐 배포를 관리해야 합니다.

이것이 Outerbounds가 들어오는 곳입니다.

Outerbounds가 방정식에 추가하는 것

Outerbounds는 기계 학습의 운영 측면을 해결하기 위해 설계되었습니다. Outerbounds의 플랫폼은 넷플릭스에서最初 개발된 Metaflow 프레임워크를 기반으로 구축되었습니다. Outerbounds는 프로덕션 환경에서 실제로 실행되는 AI 시스템에 중점을 둡니다.

Outerbounds는 단순히 코드를 실행하는 대신 기계 학습 워크플로의 전체 라이프사이클을 관리합니다. 이것에는 다단계 파이프라인을 조정하고, 시간이 지남에 따라 실험을 추적하고, 데이터 아티팩트를 처리하고, 클라우드 또는 하이브리드 인프라에 걸쳐 워크로드를 분산하는 것이 포함됩니다. Outerbounds는 이미 사용 중인 인프라에서 작동하도록 설계되었기 때문에 Outerbounds는 단일 클라우드 제공업체에 잠겨 있지 않고 유연성을 원하는 조직에게 매력적으로 보입니다.

이것은 자동화에 관한 것이 아닙니다. 복잡한 AI 시스템을 관찰 가능하고 반복 가능하게 만드는 것이 중요합니다. 모델이 프로토타입에서 연속적으로 작동하고 진화하는 시스템으로 이동할 때 중요해집니다.

이 조합이 중요한 이유

아나콘다와 Outerbounds의 조합은 실험에서 프로덕션까지 더 연속적인 경로를 만듭니다.

개발자가 모델을 하나의 환경에서 구축하고 나서 완전히 다른 도구 세트에 이를 전달하는 대신, 병합된 플랫폼은 이러한 단계가 동일한 제어 환경 내에서 존재하도록 허용합니다. 이러한 연속성은 마찰을 줄이고, 더 중요한 것은, 위험을 줄입니다. AI 생성 코드는 급격히 증가하고, 그에 따라 결함과 불안정한 종속성이 증가합니다. 이러한 위험을 관리하려면 전체 라이프사이클에 걸쳐 가시성이 필요하며, 단순히 분리된 단계에서만이 아닙니다.

보안 환경, 종속성 관리, 오케스트레이션 및 거버넌스를 하나의 시스템으로 통합함으로써, 플랫폼은 워크플로를 재구축할 필요 없이 AI 네이티브 애플리케이션의 증가하는 복잡성을 처리하도록 위치합니다.

AI 인프라의 더广泛한 변화

이 인수는 또한 더 큰 추세를 강조합니다. AI 도구 스택의 통합입니다.

기업은过去 몇 년 동안 AI 라이프사이클의 다양한 부분을 처리하기 위한 도구 모음을 조립했습니다. 이러한 접근 방식은 작은 규모에서 작동하지만 시스템이 더 복잡해지고 비즈니스 운영에 더 중요해짐에 따라 취약해집니다. 산업은 이제 이러한 계층을 통합하면서 팀이 인프라에 대한 제어를 유지할 수 있도록 하는 플랫폼으로 이동하고 있습니다.

통합과 유연성 사이의 균형을 맞추는 것이 도전입니다. 조직은 스트림라인 시스템을 원하지만, 점점 더 많은 도메인 제공업체에 의해 제어되는 생태계에 잠기고 있는 것을 우려하고 있습니다.

이동이 주목할 만한 것은 아나콘다와 Outerbounds가 모두 역사적으로 개방성과 인프라 독립성을 강조해 왔기 때문입니다. 이러한 철학이 결합된 플랫폼으로 이어진다면, 기업이 AI 워크플로를 통합하면서 시스템이 실행되는 위치와 방식을 제어하지 않도록 하는 모델을 제안합니다.

이 균형은 향후 몇 년 동안 기업 AI 인프라가 어떻게 진화하는지 결정하는 요소 중 하나가 될 수 있습니다.