Anaconda 推出首个统一的开源 AI 平台，重新定义企业级 AI 开发

在开源 AI 社区的里程碑式宣布中，Anaconda Inc，一家长期以来致力于 Python 数据科学的领导者，推出了 Anaconda AI 平台 —— 第一个专门为开源设计的统一 AI 开发平台。该平台旨在简化和保障 AI 生命周期的末端，允许企业比以往任何时候都更快、更安全、更高效地从实验到生产。

该平台的推出不仅代表着新产品的推出，也代表着公司的战略转变：从成为 Python 的事实上的包管理器转变为成为开源创新背后的企业 AI 主干。

弥合创新和企业级 AI 之间的差距

开源工具的快速崛起是 AI 革命的催化剂。然而，虽然像 TensorFlow、PyTorch、scikit-learn 和 Hugging Face Transformers 这样的框架降低了实验的门槛，企业在大规模部署这些工具时面临着独特的挑战。安全漏洞、依赖冲突、合规风险和治理限制通常会阻碍企业的采用 —— 减缓创新步伐，正当创新最需要的时候。

Anaconda 的新平台旨在弥合这一差距。

“直到现在，还没有一个单一的开源 AI 开发目的地，这是包容性和创新 AI 的基础，” Anaconda 联合创始人和首席 AI 与创新官 Peter Wang 说。 “我们不仅提供流线型的工作流、增强的安全性和显著的时间节省，而且最终，我们让企业有自由以自己的方式构建 AI —— 不需要妥协。”

是什么使其成为第一个统一的开源 AI 平台？

Anaconda AI 平台集中了企业需要的一切来构建和运营基于开源软件的 AI 解决方案。与仅专注于模型托管或实验的其他平台不同，Anaconda 的平台涵盖了整个 AI 生命周期 —— 从获取和保护包到在任何环境中部署生产就绪的模型。

平台的关键功能包括：

• 值得信赖的开源包分发：
  包括访问超过 8,000 个预先验证、安全的包，这些包与 Anaconda 分发完全兼容。所有包都持续测试以发现漏洞，使企业更容易自信地采用开源工具。

• 安全的 AI 和治理：
  企业级安全功能，如单点登录 (SSO)、基于角色的访问控制和审计日志，确保可追溯性、用户责任和遵守法规，如 GDPR、HIPAA 和 SOC 2。

• AI 准备就绪的工作空间和环境：
  预配置的“快速启动”环境，用于金融、机器学习和 Python 分析等用例，能够加快价值实现时间，减少配置繁琐的设置的需要。

• 统一的 CLI，带有 AI 助手：
  由 AI 助手驱动的命令行界面帮助开发人员自动解决错误，减少上下文切换和调试时间。

• MLOps 准备就绪的集成：
  内置的监控、错误跟踪和包审计工具简化了 MLOps（机器学习运营），这是一门至关重要的学科，连接数据科学和生产工程。

什么是 MLOps，为什么它很重要？

MLOps 是 AI 领域的 DevOps：一套实践和工具，确保机器学习模型不仅被开发，还被部署、监控、更新和扩展。Anaconda 的 AI 平台与 MLOps 原则紧密对齐，允许团队标准化工作流、跟踪模型血统和实时优化模型性能。

通过集中 治理、自动化和协作，该平台简化了通常是分散和容易出错的过程。这一统一的方法是组织试图在整个团队中工业化 AI 能力的游戏规则改变者。

为什么现在？开源 AI 的激增，但带有隐藏的成本

开源已经成为现代 AI 的基础。Anaconda 引用的 最近的一项研究 发现，50% 的数据科学家每天都使用开源工具，66% 的 IT 管理员确认开源软件在其企业技术栈中发挥着至关重要的作用。然而，开源带来的自由和灵活性是有代价的 —— 尤其是在安全性和合规性方面。

每次团队从公共仓库（如 PyPI 或 GitHub）安装包时，他们都会引入潜在的安全风险。这些漏洞很难手动跟踪，尤其是当组织依赖于数百个包时，通常具有深层次的依赖树。

有了 Anaconda AI 平台，这种复杂性被抽象掉了。团队可以实时看到包漏洞、使用模式和合规性要求 —— 所有这些都使用他们熟悉的工具。

企业影响：可衡量的 ROI 和降低风险

为了了解平台的商业价值，Anaconda 委托 Forrester Consulting 进行了 总体经济影响研究（TEI）。发现结果令人惊讶：

• 119% 的 ROI 在三年内。

• 80% 的运营效率提高（价值 840,000 美元）。

• 60% 的安全漏洞风险降低 与包漏洞相关。

• 80% 的包安全管理时间降低。

这些结果表明，Anaconda AI 平台不仅仅是一个开发者工具 —— 它是一个战略性的企业资产，降低了开销，提高了生产力，并加快了 AI 开发的时间价值。

一个根植于开源、为 AI 时代打造的公司

Anaconda 并不是 AI 或数据科学领域的新手。该公司由 Peter Wang 和 Travis Oliphant 于 2012 年创立，最初的使命是将 Python（当时是一种新兴语言）带入企业数据分析的主流。如今，Python 是 AI 和机器学习中最广泛使用的语言，Anaconda 正处于这一运动的核心。

从最初的几个开源贡献者，公司已经发展成为一个拥有 300 多名全职员工和全球 4000 万+ 用户的全球运营。它继续维护和管理许多数据科学中使用的开源工具，例如 conda、pandas、NumPy 等。

Anaconda 不仅是一家公司 —— 它是一个运动。其工具支撑了微软、甲骨文和 IBM 等公司的关键创新，并驱动了 Python in Excel 和 Snowflake 的 Snowpark for Python 等集成。 (ORCL )

“我们始终致力于培养开源创新，” Wang 说。 “我们的工作是让开源变得企业就绪，这样创新就不会被复杂性、风险或合规性障碍所阻碍。”

一个适用于大规模 AI 的未来证明平台

Anaconda AI 平台现已推出，可以部署在公有云、专有云、主权云和本地环境中。它还在 AWS Marketplace 上列出，以实现无缝的采购和企业集成。

在一个速度、信任和规模至关重要的世界中，Anaconda 已经重新定义了开源 AI 的可能性 —— 不仅仅是针对个人开发者，还包括依赖他们的企业。