微软在2022年Gartner云计算AI开发者服务魔力象限中被评为“领导者”
在2022 Gartner® Magic Quadrant™ 云计算AI开发者服务上，微软的服务获得了Gartner的认可，在“愿景完善度”坐标轴上处于最远端。
根据Gartner的定义，这些“云托管或容器化服务能够让非数据科学的开发者和从业者通过API、软件开发工具包 (SDK) 或应用程序使用AI 模型。”
我们非常欣喜能够因为Azure AI Platform而获得认可。在这篇文章中，我们将深入探讨 Gartner 评估及其对开发人员的意义，同时提供Gartner 魔力象限的完整重印版的资源，方便大家了解相关更多信息。
使用生产就绪式AI模型拓展智能应用程序
“尽管 ModelOps 实践愈发成熟，大多数软件工程团队仍然需要不依赖高级机器学习的 AI 功能。基于这个原因，云 AI 开发者服务 (CAIDS) 就成为了软件工程团队必不可少的工具。”
—— Gartner
在所有 AI 项目中，有多达87%从未投入到生产¹。除了要完成复杂的数据预处理和 AI 建模以外，企业还需要费力做好可扩展性、安全性、治理等其他方面才能让模型可以投入生产。这也就是为什么在今天有超过85% 的财富 100 强公司选择 Azure AI 来实现跨不同行业的各种例。
如今，为更快地实现价值，有越来越多的开发人员使用预制且可定制的AI 模型来构建智能解决方案。多年来，微软研究院在AI领域取得了多项重大突破，包括率先在语音、视觉和语言能力方面实现人类拟真。目前，我们正在通过 Turing、GPT-3 和 Codex（支持 GitHub Copilot 的模型）等大型模型来实现突破性的语言功能，由此提升开发人员的工作效率。Azure AI 将这些创新全部整合成一个生产就绪的通用模型系列，称之为Azure 认知服务和用例特定模型。利用 Azure 应用人工智能服务，开发者可通过 API 或 SDK 集成模型，之后继续通过微调来获得更高的准确性。
对于希望大规模构建生产就绪机器学习模型的开发者和数据科学家，我们支持使用名为 AutoML 的自动化机器学习。作为Azure 机器学习的一部分，AutoML 源自微软的突破性研究，专注于将机器学习模型开发中耗时费力的迭代任务自动化。其作用是让数据科学家、分析师和开发人员能专注于非操作的增值任务，并加快项目的投产速度。
提升组织的AI 团队的生产力
“随着越来越多的开发者使用 CAIDS 来构建机器学习模型，开发者与数据科学家之间的合作正变得愈发重要。”
—— Gartner
随着 AI 在工作层面的不断普及，组织必须为员工提供必要的工具，确保他们能够有效和负责任地合作、构建、管理和部署AI解决方案。正如微软董事长兼首席执行官 Satya Nadella 在微软 Build 大会上所分享的那样，微软正在“按 Azure 平台的标准构建模型”，其目的是让不同技能的开发人员都能将突破性的 AI 研究成果融入到自己的应用程序中。其中既包括使用 API 和 SDK 构建智能应用的专业开发者，也包括使用微软 Power Platform 预建模型的业余开发者。
利用 Azure AI，开发者能够用偏好的语言构建应用，并通过容器实现云、本地或边缘部署。近期，我们还宣布支持使用任何 Kubernetes 集群和拓展机器学习实现靠近数据所在位置的部署运行。这些资源可以通过 Azure Arc 提供的管理、一致性和可靠性在单一窗格中运行。
落实Responsible AI原则
“不论对供应商还是客户来说，机器学习模型的意义不仅仅是寻求性能和准确性。在选择 AutoML 服务时，他们应更关注内置有偏差检测和补偿机制的可解释透明化模型。”
—— Gartner
微软的产品战略和开发生命周期都遵循 Responsible AI 的准则。我们还让客户也遵循这些准则作为优先级。为此，我们提供工具和资源来帮助客户认识、保护和控制他们的AI 解决方案。这些工具和资源包括Responsible AI 仪表盘、机器人开发指南以及更多内置工具，用于解释模型行为和测试公平性等。除支持实施 Responsible AI 准则以外，为数据科学团队提供这样一致化的工具集还有助于提高透明度和提升模型部署的效率和一致性。
微软被认定为云端人工智能开发者服务领域的“领导者”，我们为此感到非常自豪，我们对微软和整个AI行业创新也感到十分兴奋，这些创新使开发者能够利用人工智能解决现实世界的挑战。如需了解更多详情，请查看完整的 Gartner 魔力象限。
了解更多
参考资料
¹ 为什么87%的数据科学项目无法投入生产? Venture Beat.
Gartner Inc.：“云人工智能开发者服务魔力象限”, Van Baker、Svetlana Sicular、Erick Brethenoux、Arun Batchu、Mike Fang，2022 年 5 月 23 日。
Gartner 和魔力象限是 Gartner, Inc. 和/或其附属公司在美国和全球的注册商标和服务标志。本文的使用是获得许可的。保留所有权利。本图来自 Gartner, Inc. 发布的一份大型研究文件，其效用应依此评估。Gartner 可应微软的要求提供文档。Gartner 并未认可其研究出版物中描述的任何供应商、产品或服务，也不建议技术用户仅选择具有最高评级或其他特征的供应商。Gartner 研究出版物代表的是 Gartner 研究机构的意见，但不应解释为对事实的陈述。Gartner 对与本研究有关的所有明示或暗示的保证概不负责，包括对适销性或特定用途的适用性的任何保证。