咨询QQ:
      杂志订阅

      编辑

      网管

      培训班

      市场部

      发行部

电话服务:
 010-82024981
欢迎, 客人   会员中心   帮助   合订本   发布信息
设为首页 | 收藏本页
JFrog收购QwakAI,致力于简化AI模型从开发到生产的全流程
  • JFrog将不断扩展解决方案,为企业带来先进的MLOps功能,使其能够在一个统一的平台上构建、部署、管理和监测包括生成式AI、大语言模型(LLMs)和常规机器学习模型在内的AI工作流。

    JFrog将不断扩展解决方案,为企业带来先进的MLOps功能,使其能够在一个统一的平台上构建、部署、管理和监测包括生成式AI、大语言模型(LLMs)和常规机器学习模型在内的AI工作流。
        
      流式软件公司、JFrog软件供应链平台的缔造者JFrog(纳斯达克股票代码:FROG)近日宣布,公司已就收购AI和MLOps平台创建者QwakAI达成最终协议。
      
      通过此次收购,JFrog旨在为DevOps、安全和MLOps利益相关者提供统一、可扩展的解决方案。这一业界领先的先进MLOps功能旨在让数据科学家和开发人员摆脱基础设施问题的束缚,加速创建和交付AI驱动型应用程序。JFrog是所有软件包(二进制文件)的单一记录系统,其中包括存储在Artifactory中的模型。增强其机器学习(ML)模型功能将进一步使用户能够简化模型从开发到部署的全过程。
      
      JFrog首席执行官兼联合创始人Shlomi Ben Haim表示:“下一代软件供应链平台需要扩展并原生包含MLOps解决方案,以便更好地服务于开发组织。我们很高兴能将Qwak的MLOps解决方案整合到我们的平台中,赋能客户的AI之旅。Qwak的解决方案由JFrog Artifactory作为首选模型注册中心,JFrog Xray用于扫描和保护ML模型,持续致力于为用户提高效率,并为DevOps、DevSecOps、MLOps和MLSecOps提供统一的平台体验。我们期待着与Qwak的团队携手,共创辉煌!”
      
      作为JFrog平台的一部分,Qwak技术将为模型的投产流程带来一种直观、简便的用户体验,也确保了企业在部署AI驱动应用时所期待的高信任度和可追溯性。而之所以能够做到以上两者兼顾,正是利用了Qwak先进的模型训练和服务能力,从而实现对独立且复杂的模型生命周期的管理,同时结合了JFrog提供的模型存储管理和安全扫描服务。
      
      在此次收购之前,JFrog和Qwak已于今年早些时候成功整合解决方案,该整合基于JFrog的“模型即软件包(model as a package)”方法。这项整体解决方案旨在消除对单独工具的需求,简化合规工作,通过单一解决方案实现全面的可追溯性。
      
      Qwak首席执行官兼联合创始人Alon Lev表示:“我们非常高兴能够加入JFrog大家庭,并帮助客户加速其AI计划。我们创立Qwak的愿景是改变软件开发团队和数据科学家共同将AI资产投入生产的方式。借助JFrog软件供应链平台的力量,实现大规模的交付安全软件组件,我们正在创造一种全新的体验,致力于为统一的数字交付团队铺平道路,使他们能够以更简单、更可预测的方式将负责任的、安全的模型引入其应用程序。”
      
      随着企业开始交付AI驱动的应用,ML模型作为AI背后的驱动力,实现其快速上市和安全流动是现代MLOps计划背后的关键因素。根据Gartner的数据,MLOps在AI运营中发挥着至关重要的作用,预计至2024年底,75%的公司将从AI试点转向运营。
      
      JFrog战略执行副总裁Gal Marder表示:“数据科学家和ML工程师目前使用的工具大多与公司内部的标准DevOps和安全流程脱节,从而延误了发布时间并削弱了信任。跨开发、安全、机器学习和运营的统一记录系统将为数字团队和企业解决这一痛点。”
      
      如今的市场需要一个跨软件供应链的统一平台体验,以加速开发流程,并针对ML模型和元数据等AI关键驱动力实现相应地处理。与其他软件组件一样,ML模型必须进行存储、构建、追踪、版本控制、签名、安全保护和跨系统高效交付,以便大规模交付AI应用。在统一的解决方案中利用DevOps实践可以满足这些市场期望。
      
      对Qwak的收购将通过以下功能扩展JFrog解决方案:
      
      ·适用于DevSecOps和MLSecOps的统一平台:提供从传统模型到大语言模型和生成式AI的整体ML软件供应链
      
      ·快速、直接地为生产提供模型服务:进一步简化模型开发、部署和服务流程,从而优化AI计划
      
      ·模型训练和监测:通过OOTB数据集管理和特征存储支持来实现应用
      
      ·将模型作为一个软件包来管理:使客户能够通过使用DevSecOps最佳实践,实现与管理其他软件包相同的方式,对模型进行版本控制、管理和安全保护
      
      ·保证安全性:在开发工作流中自然地确保AI的来源证明和安全性
      
      ·从受控、安全的真实源中提取模型:进一步实现将ML模型与容器和Python包等其他构建模块进行整合
      
      ·对模型进行溯源:以便在生产模型出现问题时轻松召回,并且进行重新训练和重新部署
      
      JFrog的MLOps发展计划
      
      作为收购和整合进程的一部分,JFrog计划将Qwak的人才吸收到JFrog团队中,迅速壮大以MLOps为中心的团队。JFrog还将加快技术整合进程,将Qwak技术引入JFrog平台,贯穿JFrog DevOps和安全产品。JFrog和Qwak将与客户紧密合作,确保业务连续性,并顺利过渡到未来联合开发和支持的产品。
      
      MLOps生态系统与合作伙伴集成
      
      今年早些时候,JFrog宣布与AWS Sagemaker和Data Bricks开发的MLflow进行集成。作为公司追求实现通用性的途径之一,JFrog将继续与其他领先的MLOps生态系统合作伙伴提供集成,为开发人员和ML工程师提供更大的自由选择空间,避免供应商锁定的风险。
      
      编辑:Harris
      
      

    JFrog将不断扩展解决方案,为企业带来先进的MLOps功能,使其能够在一个统一的平台上构建、部署、管理和监测包括生成式AI、大语言模型(LLMs)和常规机器学习模型在内的AI工作流。