【為什麼我們要挑選這篇新聞稿】在網速快、數據多、傳輸量龐大的 5G 時代裡,想要把握好數據、優化模型開發、進而做出精準決策,啟動 AI 上雲才是強化企業數位韌性的重要關鍵。應對這波 AI 上雲趨勢, 企業該怎麼無痛推行 AI 上雲呢?(責任編輯:許雅琦)

越來越多企業靠 AI 協助分析,雲端需求也越來越大。SAS 台灣業務顧問部陳新銓副總經理指出,雲端運算有著靈活性彈性節省成本三大優勢,可避免預先佈建過多資源、根據需求快速擴展、節省實體伺服器成本,甚至有助於風險管理與資料保護的法規遵循

AI 成企業標配,善用雲原生架構加速模型開發、部署和管理

美國 Turbonomic 公司今年調查全球近千位 CIO (註),顯示優化公有雲成為企業用雲策略的首要目標推動公有雲戰略、搬遷更多應用到雲上更名列 Top 3,成為企業應付日益增長的 AI 分析需求手段。

註: A CIO’s Guide to the Underlying Dynamics Fueling Multicloud Strategies, February 2021 Turbonomic, Inc

陳新銓指出,AI 模型要上線,必須先經過硬體佈建、資料前處理、建構模型、重寫評分程式碼和人工部署等階段,完成後,才開始產生分析價值。然而,許多企業缺乏完整的模型治理或重新訓練機制,導致模型決策正確性隨著時間遞減。

但他點出,這些問題可透過雲分析服務來解決。他建議,企業挑選雲分析服務時,需掌握 4 個要點,包括是否採敏捷的雲原生架構分析平台內建的 AI 模型是否經實務驗證,以及是否有良好的資料控管,讓決策結果可複製、可解釋。最後一點是,平台是否提供整合不同技術和流程的端到端自動化資料分析決策,促進跨部門參與、實現 AI 平民化。

SAS 與微軟結為策略夥伴,今再拓展其他公有雲平台與 Kubernetes 發揮混合雲優勢

然而,現今即使是那些擁有雲端基礎的企業,要能讓整體分析生命週期在雲端發揮效益,仍是舉步維艱。陳新銓表示,為提供企業更便利的雲分析服務,去年6月微軟 Azure 成為 SAS 雲端服務首選平台,今年,雙方更深度整合彼此服務,企業已可在 Azure 、Dynamics 365 以及 Power Platform 上使用 SAS Viya 分析平台服務。

以 Azure 來說,使用者可在 AKS 佈建 SAS Viya 平台,也能直接在資料處理平台 Azure Synapse 中執行 SAS 模型 。未來,Azure Synapse 還會整合 SAS Viya,減少資料搬移成本,也計畫在 Azure 的 ML 平台加入 SAS AI 模型,供使用者直接採用。

微軟合作夥伴發展全球總監 Jakob Maciolek 也於雙方合作研討會中表示,SAS 與微軟的合作,補足了企業採用 AI 的最後一哩路,更透露,微軟將持續整合 SAS 至微軟雲端產品組合,團隊正進行水平和垂直推廣,要將零售、金融、醫療保健、IoT 即時分析和資安都納入服務推廣範圍。

SAS Viya 平台除了能在微軟 Azure 上使用,還兼容其他公有雲平台,包括 AWS 的 EKS、GCP 的 GKS,以及下半年會支援的紅帽 OpenShift。要是企業不採用公有雲,也能在 Kubernetes 上佈建 SAS Viya 平台。

國際銀行、醫療與運動產業,紛紛將 AI 分析遷徙至雲端

疫情已突顯企業對於能在各地都能持續運算各種規模資料的需求,加速國際各組織將 AI 分析遷徙到雲端的行動。包含美國 Axcess 金融公司、醫療系統商 Mercy、全球最大衛生紙製造商美國喬治亞太平洋消費品與化工公司,甚至是 NBA 奧蘭多魔術隊都採用 SAS Viya 平台,於各雲端供應商進行包含重塑客戶體驗、預測需求短缺及改善照護服務等應用,而其之所以遷徙至雲端,主要是看中能提升決策效能和成本效益

SAS Viya 平台原先即設計用來滿足分析生命週期的需求整合,新一代 Viya 採用可擴展的雲原生架構,讓進行資料前處理、特徵工程以及自動化佈署,能以更彈性、容器化的架構大幅縮短企業開發模型的時間和人力成本。模型上線後,平台也能自動監控模型效能,根據使用者設定來自動重新訓練模型、重建或重新部署,讓模型的決策正確性維持在最佳狀態。

最讓多數客戶肯定的是,SAS Viya 提供全透明的 AutoML 建模作業,企業可同時使用 SAS 模型和開源模型。此外還具備強大兼容性,企業能使用以 R、Python 等其他程式語言開發的模型。使用者也能使用 SAS 豐富的開放 API 集,來開發或與第三方應用程式整合。 後續提供模型管理功能,來追蹤模型效能,不論是 SAS 模型還是開源模型都能應用。

舉例來說,使用者開發一款運用 SAS 分析的客製化微軟 Power 應用程式,可直接透過單一入口登入,在 Model Manager 介面中查看專案。當使用者匯入資料建立新模型時,SAS Viya 平台能自動將資料視覺化呈現,來讓使用者判斷是否符合建模需求。

在這個過程中,使用者還能使用 SAS 混合現代統計所開發的特徵機器做到高度自動化的特徵工程和資料清理。在訓練階段,使用者可藉助 SAS 專利的模型最佳化框架,自動決定並訓練出最佳機器學習模型(AutoML),並比較各種模型效能指標,找出表現最好的冠軍模型和效能接近的挑戰者模型。最後,使用者可以透過拖拉點選方式納入業務規則和模型來定義業務決策,並在微軟 Power 應用程式建立 App 直接使用。

「求精確、搶時效,在雲中部署 AI 工作負載,才能讓你達成真正的決策敏捷化!」

陳新銓強調,以單一平台,讓決策者、資料科學家、數據工程師、企業使用者和 IT 人員一起合作,並利用雲原生架構的敏捷優勢,以及混合雲靈活部署的優點,精準掌握模型生命週期,才能降低決策偏差與提供數位轉型試錯的時間空間,讓 AI 能實際協助營運業務,取得更快的 AI 投資報酬效益!

(本文訊息由 SAS 提供,內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供,可寄至:[email protected],經編輯檯審核並評估合宜性後再行刊登。首圖來源:Shutterstock。)

延伸閱讀