Anaconda nabywa Outerbounds, aby zjednoczyć rozwój sztucznej inteligencji w przedsiębiorstwach

Anaconda nabyła Outerbounds, łącząc dwa warstwy ekosystemu sztucznej inteligencji w przedsiębiorstwach, które historycznie były fragmentowane: środowiska deweloperskie i orchestracja produkcji.

W swojej istocie, ten ruch odzwierciedla zmianę w sposobie, w jaki budowane są systemy sztucznej inteligencji. Zamiast traktować modele jako jeden z komponentów w tradycyjnym oprogramowaniu, przedsiębiorstwa projektują teraz aplikacje, w których model jest centralnym punktem. Ta zmiana ujawniła znaczącą lukę między eksperymentowaniem a produkcją, którą ta akwizycja jest wyraźnie ukierunkowana na zamknięcie.

Od podstaw Pythona do pełnego cyklu życia sztucznej inteligencji

Anaconda była od dawna punktem wyjścia dla nauki o danych i sztucznej inteligencji, szczególnie w Pythonie. Jej platforma jest zbudowana wokół zarządzania pakietami, zależnościami i środowiskami w sposób, który redukuje tarcie dla deweloperów, jednocześnie zachowując bezpieczeństwo i odtwarzalność. Daje zespołom dostęp do tysięcy wstępnie zweryfikowanych bibliotek i narzędzi, pozwalając im poruszać się szybko bez ciągłego rozwiązywania problemów zgodności lub ukrytych ryzyk.

Czego nie posiadała tradycyjnie, to pełnej podróży poza tym punktem wyjścia. Gdy modele są zbudowane, przedsiębiorstwa nadal potrzebują koordynowania przepływów pracy, skalowania obliczeń, śledzenia eksperymentów i zarządzania wdrożeniami na coraz bardziej złożonej infrastrukturze.

To jest miejsce, w którym Outerbounds się wkracza.

Co Outerbounds dodaje do równania

Outerbounds został zaprojektowany, aby rozwiązać operacyjną stronę uczenia maszynowego. Jego platforma, zbudowana na otwartym frameworku Metaflow pierwotnie opracowanym w Netflix, koncentruje się na tym, jak systemy sztucznej inteligencji naprawdę działają w środowiskach produkcyjnych.

Zamiast po prostu wykonywać kod, zarządza całym cyklem życia przepływów pracy z uczeniem maszynowym. Obejmuje to koordynowanie wieloetapowych potoków, śledzenie eksperymentów w czasie, obsługę artefaktów danych i rozkładanie obciążeń na chmurę lub hybrydową infrastrukturę. System jest zaprojektowany, aby działać na dowolnej infrastrukturze, którą firma już używa, co sprawiło, że stał się atrakcyjny dla organizacji, które chcą elastyczności, a nie są zablokowane w jednym dostawcy chmury.

To nie jest tylko o automatyzacji. To o tym, aby złożone systemy sztucznej inteligencji były obserwowalne i powtarzalne, co staje się krytyczne, gdy modele przechodzą od prototypów do systemów, które ciągle działają i ewoluują.

Dlaczego ta kombinacja ma znaczenie

Połączenie Anacondy i Outerbounds tworzy bardziej ciągłą ścieżkę od eksperymentowania do produkcji.

Zamiast deweloperzy budowali modele w jednym środowisku, a następnie przekazywali je do całkowicie innego zestawu narzędzi do wdrożenia, scalona platforma pozwala tym etapom istnieć w ramach tego samego kontrolowanego ekosystemu. Ta ciągłość redukuje tarcie, ale co ważniejsze, redukuje ryzyko. Kod generowany przez sztuczną inteligencję rośnie w szybkim tempie, a wraz z nim rośnie wyższy wskaźnik defektów i niebezpiecznych zależności. Zarządzanie tymi ryzykami wymaga widoczności na całym cyklu życia, a nie tylko na izolowanych etapach.

Poprzez integrację bezpiecznych środowisk, zarządzania zależnościami, orchestracji i zarządzania w jeden system, platforma jest pozycjonowana, aby radzić sobie z rosnącą złożonością aplikacji natywnych dla sztucznej inteligencji bez zmuszania zespołów do odbudowywania ich przepływów pracy od podstaw.

Szerszy trend w infrastrukturze sztucznej inteligencji

Ta akwizycja podkreśla również szerszy trend: konsolidację stosu narzędzi sztucznej inteligencji.

Przedsiębiorstwa spędziły ostatnie lata na budowaniu kolekcji narzędzi, aby obsłużyć różne części cyklu życia sztucznej inteligencji. Ten podejście działa w małej skali, ale staje się kruchy, gdy systemy rosną bardziej złożone i bardziej krytyczne dla operacji biznesowych. Branża teraz porusza się w kierunku platform, które ujednolicają te warstwy, jednocześnie pozwalając zespołom na utrzymanie kontroli nad swoją infrastrukturą.

Wyzwaniem jest balansowanie integracji z elastycznością. Organizacje chcą uproszczonego systemu, ale są coraz bardziej nieufne wobec bycia zablokowanymi w ekosystemach kontrolowanych przez garstkę dominujących dostawców.

To, co sprawia, że ten ruch jest godny uwagi, to fakt, że zarówno Anaconda, jak i Outerbounds historycznie podkreślały otwartość i niezależność od infrastruktury. Jeśli ta filozofia przeniesie się do scalonej platformy, sugeruje model, w którym przedsiębiorstwa mogą konsolidować swoje przepływy pracy sztucznej inteligencji bez rezygnacji z kontroli nad tym, gdzie i jak te systemy działają.

To może okazać się jednym z czynników definiujących, jak infrastruktura sztucznej inteligencji w przedsiębiorstwach ewoluuje w ciągu najbliższych kilku lat.