昨夜,微软将AI平民化:点几下鼠标,草图就能变App( 四 )


Meta选择Azure作为战略云供应商 , 帮助加速开发者的AI研究和实验 。作为协议的一部分 , Meta公司将扩大使用Azure的超级计算能力 , 以加速其Meta人工智能小组的AI研究和开发 。
Meta将利用由5400个GPU组成的专用Azure集群 , 使用Azure中最新的虚拟机(VM)系列(NDmA100v4系列 , 采用英伟达A100TensorCore80GBGPU) , 用于其一些大规模的AI研究工作负载 。
此外 , Meta与微软将合作扩大PyTorch在Azure上的应用 , 并加速开发者从实验到生产的过程 。
在未来几个月 , 微软将建立新的PyTorch开发加速器 , 以促进在Azure上快速实施基于PyTorch的解决方案 。微软还将继续为PyTorch提供企业级支持 , 使客户和合作伙伴能够在云和边缘的生产中部署PyTorch模型 。
因为Azure将是第一个部署AMD旗舰M200GPU用于大规模AI训练的公共云 , 微软正与PyTorch和AMD合作 , 为在Azure上运行PyTorch的客户优化性能和开发者体验 , 并确保开发者的PyTorch项目在AMD硬件上以最佳方式运行 。
面向数据科学家和机器学习从业者的开源平台HuggingFace也将加深与微软的合作 , 并扩大其Azure的整合 。
新的HuggingFace端点服务得到了Azure机器学习的支持 , 可在Azure市场上使用 , 将帮助开发人员和数据科学家更快速、更容易地部署成千上万的自定义或预训练的转换模型 。
此外 , HuggingFace和微软将把PrivateModelHub和专家加速计划引入Azure , 并使HuggingFace的API直接在Azure机器学习中消费 。
06.其他AI更新:增强大规模
管理部署 , 简化多种开发体验
Azure机器学习的其他更新包括:
(1)Azure机器学习管理端点现在普遍可用 , 可以帮助开发者和数据科学家更轻松地部署大规模机器学习模型 , 用于实时和批量推理 。
(2)预览版AutoML功能包括对自然语言处理和图像任务的支持、模型训练代码的生成以及对产品集成和机器学习操作(MLOps)的增强 。
(3)预览版PythonSDKv2简化了开发者的体验 , 命令行界面v2允许用户无需学习特定的编程语言 , 即可参与机器学习的生命周期 。
面向更具体的行业应用 , Azure表单识别器在预览中增加新功能 。用户可解锁新的文档处理场景 , 如利用保险卡和疫苗卡的预建模型简化病人的登记和疫苗验证 。此外 , 针对段落、标题的布局能力使文本提取更加精确 。
▲两名NHS外科医生正在使用AzureAI来发现手术期间面临更大风险的患者
微软智能数据平台现已全面上市 , 它是一个新的集成平台 , 将数据库、分析和治理统一起来 , 使企业能够投入更多时间创造价值 , 而不是整合和管理零散的数据资产 。
微软智能数据平台使企业能够在快速发展的环境中轻松地进行调整 , 为他们的应用程序增加智能层 , 释放预测性的洞察力 , 并在任何地方管理他们的数据 。它解决了客户的主要痛点 , 如市场分散 , 同时也使客户能够更有效地捕获和利用数据 , 以增加市场份额 。
07.结语:AI和低代码开发
正成为微软的杀手锏
此次微软Build大会清晰传递出微软对AI开发、低代码&无代码产品以及协作开发的看重 。
作为愈发被公认的生产力工具 , AI不止被用于挖掘各行各业的数据价值和提高生产效率 , 也正驱动软件开发流程的创新与升级 。
从微软提供的一系列工具 , 我们看到由AI驱动的模型和工具 , 可以帮助开发者清理数据、补写编程代码、转换编程语言、检查代码错误、调试错误 , 乃至直接将草图手稿转换成即时可用的app 。
这些工具和平台 , 不仅进一步降低了AI与软件开发的门槛 , 使得开发者、工程师可以跳出一些繁琐的步骤 , 少掉几根头发 , 还使其得以将重心放到更有价值的创新工作上来 。