大约一年前，Google 宣布推出托管式 AI 平台 Vertex AI，旨在加速企业 AI 模型部署。为纪念该服务上线一周年及 Google Applied ML Summit 开幕，Google 今日宣布 Vertex AI 将新增多项功能，包括 AI 训练专用服务器及基于示例的解释功能。
Google Cloud 集团产品经理 Henry Tappen 表示：“我们推出 Vertex AI 的初衷是赋能新一代 AI，让数据科学家和工程师能高效、创造性地工作。新版功能将进一步加速机器学习模型在组织内的部署，推动 AI 民主化，助力更多人在生产环境中持续监控并利用 AI 驱动业务增长。”
Vertex AI 的核心优势在于将 Google Cloud AI 服务整合至统一 UI 与 API 中。Ford、Seagate、Wayfair、Cashapp、Cruise 及 Lowe’s 等企业已利用该平台在单一环境中完成机器学习模型的构建、训练与部署，实现从实验到生产的快速转化。
作为 MLOps（机器学习运维）平台的代表，Vertex AI 正与亚马逊云科技、Azure 等竞品展开竞争。德勤预测，到 2025 年 MLOps 市场规模将达 40 亿美元，较 2019 年增长近 12 倍。Gartner 亦指出，此类托管服务将推动云计算市场持续增长，预计 2024 年前公有云支出占比将持续上升。
新功能亮点
AI Training Reduction Server（AI 训练缩减服务器）：该技术可优化 Nvidia GPU 上多系统分布式训练的带宽与延迟，显著缩短大型语言模型（如 BERT）的训练时间，并平衡不同方法的成本。Google Cloud AI 副总裁 Andrew Moore 指出，更短的训练周期使数据科学家能在有限窗口内训练出预测性能更高的模型。
Tabular Workflows（表格工作流）：目前处于预览阶段，提供更高可定制性。用户可自主选择由 AutoML 处理或自行工程实现的环节。AutoML 虽能节省时间，但在高精度场景下仍需人工介入。Moore 表示，表格工作流元素可集成至现有 Vertex AI 管道，并新增 TabNet 等高级研究模型及特征选择、模型蒸馏等新算法。
无服务器 Spark 集成：同样处于预览阶段，支持用户启动无服务器 Spark 会话进行交互式代码开发，提升数据处理灵活性。
生态合作伙伴集成：得益于与 Neo4j 的合作，客户可在其平台上分析数据特征并通过 Vertex 部署模型；通过与 Labelbox 的合作，用户可直接在 Vertex 仪表板访问图像、文本、音频及视频标注服务，简化标签管理流程。
基于示例的解释（Example-based Explanations）：针对数据标记错误问题，该预览版功能利用“基于示例”的方法辅助诊断和处理数据异常。尽管计算语言学家 Vagrant Gautam 提醒需警惕对可解释 AI 工具的过度信任，避免非专家在未充分理解局限性的情况下盲目部署，但 Moore 强调，结合其他模型审计实践，该功能仍是保障模型准确性、可解释性及安全性的有效工具。
Moore 总结道：“数据科学家无需成为基础设施或运维专家，即可在动态环境中维护模型性能。我们的目标是提供易用工具，降低机器学习模型的管理与维护门槛。”