谷歌于I/O 2021 大会上推出Vertex AI托管式机器学习平台

曾于 2016 ~ 2018 年间担任亚马逊 AWS SageMaker AI 服务总经理，后于 2019 年加盟谷歌的 Google Cloud AI 平台产品管理总监 Craig Wiley 表示：

企业领域的机器学习应用正面临着一场危机，作为在该行业从事多年的工作者，如果你看过《哈佛商业评论》或分析师的观点，就会知道几乎没有多少人认为能够通过这方面的投资获得较高的价值，而这也是我们必须思变的地方”。

他指出，以谷歌为代表的许多机器学习研究公司，确实有看到这项技术能够产生怎样的革命性影响。

但与此同时，大型云服务提供商推出的数十种相关服务，其中有许多都陷入了死胡同（也包括谷歌自己）。

有鉴于此，Google Cloud 选择了与 Vertex 合作，以减少相关企业的投资回报时间，确保他们不仅能够构建模型，还可从正在构建模型中获得真正的价值。

Vertex 将成为一个非常灵活的平台，使得开发者和数据科学家们能够跨技能水平而开展快速的模型训练。

此外与某些竞争对手相比，Vertex 模型训练所需的代码量减少了大约 80%，且谷歌能够在这些模型的整个生命周期内提供帮助。

这项服务还与谷歌的 Vizier 人工智能优化器集成，能够自动调整机器学习模型中的超参数，从而极大地减少了调整模型所需的时间，并允许工程师更快地开展更多的实验。

此外 Vertex 提供了一个特征存储（Feature Store），可帮助用户服务、共享和重用机器学习的功能（以及 Vertex 实验），进而加快模型的选择与部署。

它由持续监控服务和 Vertex Pipelines 提供支持，后者是 Google Cloud 的 AI 平台管道的马甲，可帮助团队管理为模型准备和分析数据的工作流、开展训练评估、并将至部署到生产环境中。

为了向广大开发者提供正确的切入点，Vertex 服务还提供了三类接口，分别是一款拖放式工具、面向高级用户的笔记本、以及 BigQuery ML 。

用户可借助后者，在其 BigQuery 数据仓库中使用标准的 SQL 查询来创建和执行机器学习模型。

最后，Google Cloud 人工智能与行业解决方案副总裁兼副总经理 Andrew Moore 表示：

在构建 Vertex AI 时，我们遵循着两大指导 —— 首先是让数据科学家和工程师摆脱业务流程的束缚，其次是在整个行业范围内引领转变，使得每个人都能够认真对待将 AI，将之从试验炼狱过渡到全面推向生产环境。

基于上述种种努力，我们认为该平台能够推动新一代 AI 的认真部署，从而帮助数据科学家和工程师称能够开展充实且富有创意的各项工作。