Google Cloud于19日Google I/O开发者大会发布Vertex AI，是新托管式机器学习平台，开发人员可更轻松部署和维护AI模型。过去Google I/O大会不会发布太多Google Cloud的新闻，如今宣布推出Vertex AI服务，在在说明Google认为对众多开发人员的重要性。
训练模型程序代码减少约80%，完整的模型生命周期管理
Vertex是Google Cloud团队对市场需求深思熟虑的结果。 “在我看来，机器学习在企业正处于危机，”Google Cloud AI平台产品管理总监Craig Wiley表示。 “凡是在这个领域工作多年的人，只要看看《哈佛商业评论》或分析师评论，每个人都会说，大多数公司不是正在投资机器学习，就是对这投资感兴趣，但却没有公司从中获得价值。这种情况必须改变。”
2019年加入Google前，Wiley曾在2016~2018年担AWS SageMaker AI服务总经理，他指出，Google和其他让机器学习发挥作用的人莫不看到机器学习如何造成变革性影响，但他也指出，大型云计算平台多半通过推动数十项服务为提供服务的起手式，“其中许多都陷入死胡同”（Google自己一些服务也是如此）。 “最终，我们与Vertex的目标缩减这些企业的投资报酬率时间，确保不仅可创建模型，且从模型获得真正的价值。”
因此Vertex是非常灵活的平台，能让具备不同技能水准的开发人员和资料科学家快速训练模型。Google表示，与竞争对手相比，训练模型所需程序代码行数减少约80%，并协助他们为这些模型进行完整生命周期管理。
Feature Store与Vertex Pipelines加持，能加速AI模型部署至实际产线
服务还集成Google AI优化器Vizier，可自动调整机器学习模型的超参数（hyperparameter）。大大减少调整模型所需时间，并允许工程师做更多实验，速度还更快。
Vertex还提供所谓的“功能商店”（Feature Store），帮助用户支持、共享和重新使用机器学习功能及Vertex实验，帮助他们通过更快模型选择，加速将模型部署至生产线。
部署背后是由一项持续监控服务和Vertex Pipelines支撑，也即Google Cloud旗下新命名的AI Platform Pipelines，可帮助团队管理与模型资料的准备与分析有关的工作流，然后训练评估并部署到生产。
为了提供各种开发人员正确切入点，提供三种接口：拖拉式工具、高端用户专属Notebook开发环境以及BigQuery ML，BigQuery ML是Google旗下使用标准SQL查询，以便在自家BigQuery数据仓库创建并执行机器学习模式工具。
“构建Vertex AI时，我们有两个明确目标：让资料科学家和工程师摆脱机器学习工作流编排的束缚；创造整个产业的转变，让每个人都认真考虑将AI从先期测试的炼狱，转向至全面量产。”Google Cloud云计算AI与产业解决方案副总裁兼总经理Andrew Moore表示。 “我们为取得的成就感到自豪，因使新一代AI真正部署，进而让资料科学家和工程师从事有意义与富创意的工作。”
（首图来源：Google Cloud）