Anaconda.Acquires Outerbounds для об’єднання розробки корпоративного штучного інтелекту

Anaconda придбала Outerbounds, об’єднавши два шари корпоративної екосистеми штучного інтелекту, які історично були фрагментованими: середовища розробки та оркестрацію виробництва.

У своїй основі цей крок відображає зміну того, як будуються системи штучного інтелекту. Замість того, щоб розглядати моделі як просто ще один компонент всередині традиційного програмного забезпечення, підприємства тепер проектують програми, у яких модель знаходиться в центрі. Ця зміна викрила велику прогалину між експериментом і виробництвом, яку цей придбання явно спрямоване на закриття.

Від фундаменту Python до повного життєвого циклу штучного інтелекту

Anaconda тривалий час була початковою точкою для науки про дані та роботи зі штучним інтелектом, особливо в Python. Її платформа побудована навколо управління пакетами, залежностями та середовищами таким чином, щоб зменшити тертя для розробників, зберігаючи при цьому безпеку та репродуктивність. Вона надає командам доступ до тисяч попередньо перевірених бібліотек та інструментів, дозволяючи їм рухатися швидко без постійного виправлення проблем сумісності або прихованих ризиків.

Що вона традиційно не мала, так це повну подорож за межі цієї початкової точки. Як тільки моделі побудовані, підприємства все ще потребують координації робочих процесів, масштабування обчислень, відстеження експериментів та управління розгортуванням на все більш складній інфраструктурі.

Саме тут Outerbounds підходить.

Що Outerbounds додає до рівняння

Outerbounds була розроблена для вирішення операційної сторони машинного навчання. Її платформа, побудована на відкритій основі Metaflow framework, спочатку розробленому в Netflix, зосереджена на тому, як системи штучного інтелекту насправді працюють у виробничих середовищах.

Замість простого виконання коду, вона керує цілим життєвим циклом робочих процесів машинного навчання. Це включає координацію багатоступінчатих трубопроводів, відстеження експериментів з часом, обробку даних артефактів та розподілення навантажень по хмарній або гібридній інфраструктурі. Система розроблена для роботи на будь-якій інфраструктурі, яку компанія вже використовує, що зробило її привабливою для організацій, які хочуть гнучкості, а не бути заблокованими в одному постачальнику хмарних послуг.

Це не просто про автоматизацію. Це про те, щоб зробити складні системи штучного інтелекту спостережуваними та повторюваними, що стає критичним, коли моделі переходять від прототипів до систем, які безперервно працюють та еволюціонують.

Чому це поєднання має значення

Поєднання Anaconda та Outerbounds створює більш безперервний шлях від експерименту до виробництва.

Замість того, щоб розробники будували моделі в одному середовищі, а потім передавали їх іншим інструментам для розгортання, об’єднана платформа дозволяє цим стадіям існувати в одному контрольованому екосистемі. Ця безперервність зменшує тертя, але що більш важно, вона зменшує ризик. Код, згенерований штучним інтелектом, зростає швидко, і з ним зростає вища швидкість дефектів та ненадійних залежностей. Керування цими ризиками вимагає видимості на всьому життєвому циклі, а не тільки на ізольованих стадіях.

Об’єднавши безпечні середовища, управління залежностями, оркестрацію та управління у одну систему, платформа позиціонується для обробки зростаючої складності застосунків, заснованих на штучному інтелекті, без примусу команд перебудовувати свої робочі процеси з нуля.

Ширший зсув у інфраструктурі штучного інтелекту

Це придбання також підкреслює більший тренд: консолідацію стека інструментів штучного інтелекту.

Підприємства провели останні роки, збираючи колекції інструментів для обробки різних частин життєвого циклу штучного інтелекту. Цій підході працює у малому масштабі, але він стає крихким, коли системи зростають більш складними та більш критичними для бізнес-операцій. Індустрія зараз рухається до платформ, які об’єднують ці шари, зберігаючи при цьому контроль команд над інфраструктурою.

Виклик полягає в балансуванні інтеграції з гнучкістю. Організації хочуть потокової системи, але вони все частіше обережні щодо блокування в екосистемах, контрольованих кількома домінуючими постачальниками.

Що робить цей крок помітним, так це те, що як Anaconda, так і Outerbounds історично підкреслювали відкритість та незалежність інфраструктури. Якщо ця філософія проходить у об’єднану платформу, це свідчить про модель, у якій підприємства можуть консолідувати свої робочі процеси штучного інтелекту без втрати контролю над тим, де та як ці системи працюють.

Цей баланс може в кінцевому підсумку стати одним із визначальних факторів того, як інфраструктура штучного інтелекту підприємства розвиватиметься протягом наступних кількох років.