譯者 | 核子可樂

審校 | 重樓

事實證明，云已經成為大規模AI部署的主要陣地，其提供的快速原型設計、彈性計算及存儲等AI原生API，正是攻克擴展問題的利器。本文將助你快速梳理如何在云端構建并擴展生成式AI應用程序。

云在生成式AI中的重要作用

云在當代生成式AI應用中的核心作用，在于其能夠容納AI模型所需要的巨大處理能力、數據存儲與分布式流程需求。相比之下，傳統部署往往無法在靈活性和性能等方面，適應不斷變化的業務挑戰。

以Azure AI為例，其提供現成的算法和模型，同時輔以構建并擴展AI應用程序所必需的各類基礎設施工具。

此外，依托云端的生成式AI項目還將受益于以下優勢：

• 彈性配置：根據業務需求自動或手動配置資源。
• 成本優級：AI工具支持多種配置項，可自動即時擴展以優化運營成本。此外大型云服務商還支持即用即付模式與混合云選項。所有這些改進都有助于用戶將更多精力放在模型開發上，避免在硬件和基礎設施支持與管理方面耗費心神。
• 集成AI服務：集成預訓練的模型、API及各類高級工具包，加快產品上市速度。

憑借這些優勢，云已經成為當前生成式AI開發的核心，全面涵蓋大語言模型及多模態AI系統。

數據準備

任何有效的生成式AI應用，都離不開高質量數據的支持。在準備充分的不同數據集上訓練模型，能夠大大提升其通用性與彈性。

數據準備步驟

• 數據收集與提取：此功能允許大家用指定的數據存儲工具對數據集進行分類，還能在自動提取管道的幫助下自動從多個來源處傳輸數據。
• 數據清洗與轉換：某些數據應用程序有助于清洗未經處理的數據，并將其塑造成更有意義且實用的形式。
• 數據注釋與治理：可使用注釋工具或云服務，對某些生成式AI模型所需的特定數據集進行注釋。示例集越豐富、結構越好，也就越貼合模型的“時間周期”。

數據準備最佳實踐

• 數據治理：通過嚴格的數據保護、訪問及合規性以保障安全。
• 云原生例規：與你選定的技術提供商一道選定應用策略以進行用戶合規性驗證。
• 數據保護：通過監管數據保護措施以保護數據訪問，并確保遵守適用的法律。確保你擁有廣泛的合規性認證，包括但不限于SOC、GDPR和HIPAA。這些認證承諾改善對敏感數據的管理。
• 云原生安全：使用你選定的工具提供商的現有安全方案（若有），借此通過持續監控以確保滿足既定標準并預防高級威脅。

微調模型

各大云服務商還提供生成式AI模型訓練與微調所需的全部資源，包括對資源進行重新配置。

• 預訓練模型：合用已經訓練完成的模型（例如OpenAI GPT-4或DALL-E）能夠大大節約時間和成本。云GPU或TPU，以及Hugging Face等框架，可用于對這些模型進行微調。
• 分布式訓練：某些機器學習工具支持分布式訓練功能，可在云端多個節點間實現良好擴展。

此外，在開發過程中認真考慮AI道德問題也很重要。這些工具能夠有效解決人們對于AI偏見及公平性的合理擔憂，深入理解模型行為并對偏見進行檢測與緩解。

大規模部署中的各項因素

在評估生成式AI模型之前，我們還須分析系統的可擴展性、延遲與維護成本。

• 托管模型：某些OpenAI模型通過可擴展端點進行部署，旨在實現超低延遲的高容量推理。其先進的負載均衡器與彈性擴展資源緩沖區，可確保無論動態負載如何均提供卓越服務。
• 無服務器架構：無服務器計算可自動創建適應規模，消除對基礎設施單獨管理的需求和負擔。

CI/CD（持續集成/持續部署）能夠與機器學習模型良好集成，允許模型通過自動化管道實現重新訓練與測試部署。內置的監控與回滾功能可確保快速更新且不致產生過多風險，因此成為管理高可用性及可靠性AI系統的理想選擇。

推理與實際應用

推理結果（即由訓練后模型生成的輸出），必須在延遲、吞吐量和成本方面做兼顧考量。

實時推理的注意事項

盡可能使用量化或模型修剪優化技術以縮短推理時間，另外務必使用托管推理服務。

真實用例

• 預測分析：使用分析方法了解不同模式與事實，借此大大改善財務、醫療保健與物流決策。
• 內容自動創建：使用AI生成各類不同風格的書面內容，包括創意寫作、營銷或產品詳細信息。

使用生成式AI的挑戰

盡管生成式AI前景光明，但在云端擴展其應用仍面臨諸多困難，包括：

• 基礎設施成本：若未正確理解基礎設施需求，可能導致資源過度配置或浪費重要基礎設施。因此，負載測試與未來需求評估將至關重要。
• 跨學科協作：即使是功能原型設計，也往往需要由技術與領域知識兼備的跨職能團隊負責打理。
• 業務協調：每個模型都必須針對問題解法做調整，以便為實際業務提供價值。建議盡量促成數據科學家、產品經理及其他利益相關方的通力配合。

總結

生成式AI與云技術的結合，為業務的創新和擴展帶來了無限的可能。組織可以動用云設施的靈活性、增強功能與成本效益克服擴展問題，真正讓生成式AI成為踐行顛覆性效能的有力武器。

原文標題：Build Scalable GenAI Applications in the Cloud: From Data Preparation to Deployment，作者：Aravind Nuthalapati