Rackspace与Uniphore合作，为企业人工智能提供“基础设施到代理”架构

过去几年，企业一直在尝试应用人工智能，但许多项目仍停留在试点阶段。一项新的合作关系…… 机架空间技术 以及 Uniphore 旨在通过引入公司所谓的……来弥补这一差距 “基础设施到代理”架构这是一种全栈式方法，旨在帮助组织将人工智能系统从实验阶段过渡到实际生产环境。

该合作项目于三月初宣布，结合了 Rackspace 的 混合多云 以及与 Uniphore 企业级 AI 平台集成的私有云基础设施。两家公司表示，其目标是创建一个集成环境，企业可以在其中部署 AI 模型、准备数据并运行自主 AI 代理，同时确保治理、安全性和合规性。

这一举措反映了企业人工智能领域更广泛的转变。各组织不再纠结于使用哪些模型或芯片，而是将重点放在如何将人工智能能力转化为可靠的业务成果上。

将人工智能投入生产所面临的挑战

生成式人工智能工具已在各组织机构中迅速普及，但构建可在生产环境中可靠运行的系统仍然困难重重。许多公司面临着人工智能技术栈碎片化的困境。基础设施可能在一个地方管理，数据管道在另一个地方管理，而人工智能模型则在另一个环境中管理。

此次合作旨在通过整合两个互补层面来解决这种碎片化问题。Rackspace 提供私有云基础设施，旨在跨 CPU 和 GPU 环境安全地运行 AI 工作负载。Uniphore 提供其 Business AI Cloud 平台，该平台集成了模型、数据管道、知识层和基于代理的自动化功能。

两家公司携手合作，旨在提供一个涵盖企业人工智能全生命周期的统一环境。这包括数据准备、运行推理工作负载、管理模型以及部署用于自动化业务工作流程的人工智能代理。

理解“基础设施到代理”堆栈

基础设施到代理的概念是指将整个人工智能堆栈视为一个相互连接的系统，而不是一系列独立工具的集合。

在此架构中，基础设施支持计算层，数据准备管道将企业数据转换为可用的输入，模型执行推理和预测，人工智能代理自动执行操作工作流程中的任务。

根据合作协议，企业将能够使用可在 NVIDIA 和 AMD 计算架构上运行的推理环境。该平台还提供数据准备服务，旨在构建企业数据结构，使其能够被 AI 模型高效利用。经过微调的小型语言模型是另一个重要组成部分，它允许企业部署针对特定业务功能量身定制的专用模型。

这些模型可以为人工智能代理提供支持，从而实现医疗保健、金融和保险等行业的任务自动化。

小语言模型 它们在企业环境中发挥着尤为重要的作用。与大型通用模型相比，它们可以针对更具体的用例进行优化，运行效率更高，并且能够更好地控制性能和治理。

Uniphore 对智能企业的愿景

Uniphore 的平台是围绕以下理念构建的： 代理企业人工智能代理在业务流程中执行结构化工作，而不是仅仅响应提示。

该公司推出的商业人工智能云平台融合了多个协同工作的层级。这些层级包括推理所需的基础设施、用于组织企业信息的数据和知识系统、模型本身，以及基于这些模型执行任务的智能体。

该架构旨在弥合消费级人工智能工具与必须满足可靠性、安全性和合规性严格要求的企业系统之间的差距。

通过与 Rackspace 的基础设施环境集成，该平台可以在企业控制的私有云部署中运行。这种方法使组织能够在部署人工智能的同时，保持对敏感数据的控制。

Rackspace 在人工智能运营方面

Rackspace 在管理公共和私有基础设施的复杂云环境方面拥有丰富的经验。

通过此次合作，Rackspace 的工程师将与企业团队紧密合作，部署和运维这一整合平台。这些工程师将协助配置基础设施、优化工作负载，并确保人工智能系统在生产环境中可靠运行。

这种运营模式体现了Rackspace更广泛的战略，即提供托管基础设施服务，而不仅仅是交付硬件或软件组件。两家公司将这种服务描述为以结果为导向，这意味着重点在于交付可衡量的成果，而不仅仅是部署技术。

主权人工智能与受监管行业

此次合作的关键驱动因素之一是日益增长的需求 主权人工智能基础设施.

金融服务、医疗保健和保险等行业均在严格的监管框架下运营。这些机构通常需要对数据治理、隐私和运营控制做出强有力的保障。

Rackspace 和 Uniphore 的平台通过在私有云环境中运行 AI 工作负载，并允许企业选择最合适的计算架构，旨在满足这些需求。这种方法使组织能够在采用 AI 技术的同时，保持受监管行业所要求的安全性和合规性标准。

向运营型人工智能转型

此次合作反映了企业对待人工智能方式的更广泛转变。

在生成式人工智能蓬勃发展的早期阶段，讨论的焦点主要集中在模型和硬件上。各个组织争论应该采用哪些大型语言模型，或者哪些计算平台性能最佳。

如今，关注点已转向运营整合。企业正在探讨如何将人工智能嵌入到实际工作流程中，如何安全地管理系统，以及如何在不增加新的复杂性的情况下扩展部署规模。

Rackspace 和 Uniphore 通过提出统一的基础设施到代理架构，试图在系统层面解决这些挑战。

从实验到可衡量的结果

最终，此次合作的目标是缩短从人工智能实验到生产部署的路径。

许多组织仍然面临着试点项目无法扩展到有限测试环境之外的困境。一个整合了基础设施、数据准备、模型和人工智能代理的统一平台可以帮助减少这些障碍。

如果成功，此次合作可能揭示企业人工智能领域的一种新兴模式：下一阶段的采用将较少依赖于新模型，而更多地依赖于将人工智能系统集成到安全、受监管和可操作的技术环境中的能力。