Rackspace 和 Uniphore 合作推出“基础设施到代理”架构，为企业 AI 提供解决方案

近几年，企业在人工智能领域进行了大量的实验，但许多项目仍然停留在试验阶段。Rackspace Technology 和 Uniphore 的新合作关系旨在通过引入“基础设施到代理”架构来解决这一问题，这是一种全栈方法，旨在帮助组织将人工智能系统从实验阶段转移到实际的生产环境中。

该合作关系于三月初宣布，结合了 Rackspace 的混合多云和私有云基础设施以及 Uniphore 的企业人工智能平台。两家公司表示，目标是创建一个集成环境，企业可以在其中部署人工智能模型、准备数据并运行自主人工智能代理，同时保持治理、安全和合规性。

该努力反映了企业人工智能领域更广泛的转变。组织正在从关注哪些模型或芯片的使用转变为如何将人工智能能力转化为可靠的业务结果。

将人工智能移入生产的挑战

生成式人工智能工具已经迅速在组织中传播，但构建可靠的系统并在生产环境中运行仍然很困难。许多公司面临着人工智能栈的碎片化。基础设施可能在一个地方管理，数据管道在另一个地方，人工智能模型在另一个环境中。

该合作关系旨在通过结合两个互补的层来解决这一碎片化问题。Rackspace 贡献了私有云基础设施，旨在安全地在 CPU 和 GPU 环境中运行人工智能工作负载。Uniphore 贡献了其 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。

两家公司共同致力于提供一个统一的环境，涵盖企业人工智能的整个生命周期。这包括准备数据、运行推理工作负载、管理模型和部署人工智能代理以自动化业务工作流程。

理解“基础设施到代理”栈

“基础设施到代理”概念是指将整个人工智能栈视为一个连接的系统，而不是独立的工具。

在这种架构中，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中的任务。

在合作关系下，企业将可以访问运行在 NVIDIA 和 AMD 计算架构上的推理环境。该平台还提供了数据准备服务，旨在结构化企业数据以便人工智能模型有效使用。细化的小型语言模型是另一个重要组成部分，允许公司部署专门针对特定业务功能的模型。

这些模型可以为人工智能代理提供动力，自动执行医疗保健、金融和保险等行业中的任务。

小型语言模型 在企业环境中发挥着特别重要的作用。与大型通用模型相比，它们可以针对更窄的用例进行优化，运行更高效，并提供对性能和治理的更大控制。

Uniphore 的代理企业愿景

Uniphore 的平台围绕着代理企业的理念构建，即人工智能代理在业务流程中执行结构化工作，而不仅仅是响应提示。

该公司的 Business AI Cloud 平台结合了几个协同工作的层。这些层包括用于推理的基础设施、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代理。

该架构旨在弥合消费者风格的人工智能工具和企业系统之间的差距，后者必须满足严格的可靠性、安全性和合规性要求。

通过与 Rackspace 的基础设施环境集成，该平台可以在由企业控制的私有云部署中运行。这种方法允许组织部署人工智能，同时保持对敏感数据的控制。

Rackspace 在人工智能运营中的作用

Rackspace 贡献了在复杂云环境中管理的经验，包括公有云和私有云基础设施。

通过合作，Rackspace 的工程师将与企业团队密切合作，以部署和运营联合平台。这些工程师帮助配置基础设施、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。

这种运营模式反映了 Rackspace 更广泛的战略，即提供托管基础设施服务，而不是仅仅提供硬件或软件组件。两家公司将该服务描述为结果驱动的，即重点是提供可衡量的结果，而不是仅仅部署技术。

主权人工智能和监管行业

合作关系背后的一个关键驱动因素是对主权人工智能基础设施日益增长的需求。

金融服务、医疗保健和保险等行业都受严格的监管框架的约束。这些组织通常需要对数据治理、隐私和运营控制做出强有力的保证。

通过在私有云环境中运行人工智能工作负载并允许企业选择最合适的计算架构，Rackspace 和 Uniphore 的平台旨在满足这些要求。这种方法允许组织采用人工智能技术，同时保持监管行业所期望的安全性和合规性标准。

向运营人工智能的转变

合作关系反映了企业对人工智能的态度发生了更广泛的变化。

在生成式人工智能热潮的早期，讨论主要集中在模型和硬件上。组织辩论哪些大型语言模型应该采用，或者哪些计算平台提供了最佳的性能。

如今，焦点已经转向运营集成。企业正在询问如何将人工智能嵌入实际的工作流程中，如何安全地管理系统，以及如何在不创建新的复杂性层的情况下扩大部署规模。

通过提出一个统一的“基础设施到代理”架构，Rackspace 和 Uniphore 正试图在系统级别解决这些挑战。

从实验到可衡量结果

最终，合作关系的目标是缩短人工智能实验到生产部署的路径。

许多组织仍然难以摆脱试验项目的局限，无法扩大到更广泛的环境中。一个集成了基础设施、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，这次合作可能会说明企业人工智能领域出现的一种新模式：下一阶段的采用将更少地依赖于新模型，而是更多地依赖于将人工智能系统集成到安全、受治理和运营的技术环境中的能力。