文章图片

阿里云智能研究员、机器学习PAI平台和大数据平台技术负责人林伟
数据质量决定模型高度
【阿里灵杰，让AI工程化由畅想照进现实】通过湖仓一体化、数据分析引擎和AI一体化以及基于DataWorks打造的数据质量监控体系 ， 灵杰围绕数据层面建立了完善的全链路体系以支持开发者进行AI模型的开发 。

文章图片

算法开发迭代速度是重要生产力
阿里灵杰基于云原生打造了极具开放性的弹性算力 ， 为用户提供快速迭代算法的基础能力 。 同时为了帮助客户实现算法模型的落地 ， 阿里灵杰提供了针对模型编译以及部署等流程的优化能力 ， 为大模型提供了从训练到落地的一体化服务 。

文章图片

AI系统能力是核心能力
围绕超大规模稀疏模型训练及服务、超大规模多模态预训练模型、自动编译、大规模集群调度与MLOps能力 ， 阿里灵杰针对工程领域打造了从开发到部署的端到端AI系统能力 。

文章图片

PAI为基底 ， 向上支撑 ， AI工程化愿景初成
在本次峰会上 ， 阿里云机器学习PAI平台产品负责人黄博远带来了PAI-AI工作空间、PAI-iTAG智能标注、PAI-Designer、PAI-DSW、PAI-DLC等一系列全新产品的介绍 ， 并针对M6大模型的生态体系与开发平台进行了深入解读 。

文章图片

阿里云机器学习PAI平台产品负责人黄博远
PAI-AI工作空间
AI项目开发过程中 ， 涉及到大量关于算力、存储的资源对接访问 。 PAI-AI工作空间能为开发者及团队提供了基于PAI-DLC、MaxCompute、Flink-VVP等资源进行分布式训练的对接能力 。 同时采用基于角色的访问控制方式 ， 可保障空间内工作协同的高效与安全 。

文章图片

针对现有的AI资产 ， 工作空间内部采用了细粒度的管理模式 ， 数据集、模型、镜像、代码等AI生产资料均可进行管理沉淀及跨模块复用 。 此外 ， 为了支撑AI开发端到端流程一体化需求 ， PAI-AI工作空间配备了一站式工作台 ， 支持产品模块向导式链路流转与实例实施快速共享写作 。
PAI-iTAG 智能标注
数据是AI三要素中的重要一环 ， 如何高效获取高质量的数据是每一位AI开发者必须研究的课题 。 PAI-iTAG智能标注围绕三大能力层构建了全场景、智能化的标注服务 。 其中 ， 工具能力层为用户提供了基于AI能力打造的智能标注、预标注能力 ， 并基于阿里云最新的数字安全传输技术极大保障了标注数据的安全性 。 管理能力层则带来了任务分发验收与人员权限管理能力 ， 在提升人员、任务管理能力的同时保障标注数据的高质量交付 。 最后一层是服务能力层 ， 对于企业及个人所需的专业全托管数据标注服务 ， 在PAI-iTAG智能标注平台上也能够得到满足 。

文章图片

PAI-Designer
PAI-Designer是一款依托PAI Flow的云原生工作流设计器 ， 开发者可以通过该产品自定义灵活串联自身所需的Python训练 。 同时PAI-Designer还提供了面向行业场景的Easy系列深度学习套件以及Alink端到端传统机器学习套件 。 开发者可以通过托拉拽的方式构建机器学习PAIPlan ， 并支持实验对照组功能 ， 此外可视化大屏与开放OpenAPI集成功能够帮助AI开发者打造“所见即所得”的开发体验 。