AWS 今日通过其 SageMaker 和 S3 Tables 工具推出新服务,承诺提供更加规范且具有成本效益的 AI 数据管道。
作为圆周率日贡献的一部分,这家云计算巨头宣布 SageMaker Unified Studio 正式发布。AWS 分析副总裁 Sirish Chandrasekaran 向 Blocks and Files 表示,这是一个集成了 AWS 数据分析和 AI/ML 服务的单一开发环境。
它整合了该公司的 Lakehouse 平台和作为治理层的 SageMaker Catalog。"通过这个工作室,你可以在同一个地方完成从 SQL、分析、数据准备、数据集成、模型构建到生成式 AI 应用开发的所有工作。"
他表示,SageMaker AI 增加了新模型,如 Claude 3.7 Sonnet 和 Deepseek R1。
"我们为 Anthropic、Meta 和 Amazon 的特定模型添加了对延迟敏感的推理功能。我们还简化了如何使用 Bedrock 来开发原型应用程序并在团队成员之间共享的方式。"
AWS 还宣布可以在 SageMaker Lakehouse 中访问 S3 Tables。"现在你可以运行 SQL、Spark 作业、模型构建和生成式 AI 应用。你可以将 S3 Table 数据与 Lakehouse 中的其他数据结合起来,无论是在 Redshift 中的原生分区 S3 数据,还是本地和联邦数据源,都可以整合在一起。"
他表示,这些都将帮助使用 AWS 服务的公司为其 AI 项目建立更好的数据基础。
"我们的观点是,差异化是通过数据实现的,因为每个现代企业都是数据企业,而对你公司来说独特的就是你的数据。"
他说:"我们越来越多地看到,数据孤岛正在减缓客户的发展速度",这是因为在同一位置汇集数据或不同团队之间协作存在挑战。同时,在其他组织中,这些孤岛正在变得模糊。
显然,一些公司正在急于整合数据以投入 AI 领域。这引发了人们对传统数据管理规范和技能被搁置的担忧。Chandrasekaran 表示他看到的情况恰恰相反。"我从许多公司看到的是,他们现在意识到加快发展的方式是回归基础。"
"我们重新构想 SageMaker Lakehouse 的很大一部分是能够在数据所在位置进行查询。你现在不需要将数据从 Redshift 传输到 S3 或从 S3 传输到 Redshift。你可以从 Redshift 查询 Lake 数据。"
他说这减少了数据重复,"这显然可以节省成本,联邦数据源也是如此。"
同时他表示,公司深刻意识到治理的需求,"但我认为这个新世界的不同之处在于,治理不再仅仅是关于合规性。它关乎信心。"这包括对 AI 项目使用和训练可信数据的信心,"以及对你的 AI 遵守负责任 AI 使用政策的信心。"
好文章,需要你的鼓励
本文探讨代理型 AI 如何推动网络安全变革。CrowdStrike CEO George Kurtz 详细介绍了其在自主威胁响应中的应用及由此带来的新风险,强调了数据驱动策略的重要性。
Ai2 最近发布了名为 Olmo 2 1B 的 10 亿参数小型 AI 模型,在算术推理与事实核查测试中表现优于 Google、Meta 与阿里,尽管存在潜在风险,不建议商业应用。
在人工智能推动海量数据处理需求下,电力短缺问题愈发严重。为突破电网瓶颈,开发商正通过现场发电、天然气和小型模块反应器等措施,确保数据中心高效、可靠地供电。
一项新研究称 LM Arena 平台存在不公正操作,偏向大企业私测的专有模型,而开放模型得不到足够评测,平台运营者对此表示争议。