在大模型的喧嚣中,SAS向企业AI押注70亿

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 3个月
简介: 在大模型的喧嚣中,SAS向企业AI押注70亿

ChatGPT和GPT所代表的大模型,已经在国内形成了海啸效应,几乎所有顶级科技企业都在想方设法进入大模型赛道。大模型的最大价值在于普遍提升个人生产力,而各行各业的公司都在积极寻找应用大模型和生成式AI的机会,以普遍提升全员生产力。

在2023年5月9日举办的SAS Innovate大会上,被誉为全球数据分析之王的SAS公司创始人、首席执行官Jim Goodnight表示,大模型的确表现出了超乎预期的智能,虽然大模型能够创造完整的句子和文章,但大模型并非一直都在表达事实,大模型的风险不容忽视。

SAS公司创始人、首席执行官Jim Goodnight

SAS并没有选择跟进大模型。在2023 SAS Innovate大会上,SAS宣布在未来三年向行业AI解决方案领域投资10亿美元,接近70亿人民币,这些投资将显著提升各行业的企业AI生产力。什么是企业AI生产力?本次大会上发布的一份测试报告显示,SAS Viya的AI与分析速度要比同类的商业和开源产品快30倍,成本最多降低86%,且表现了更强的扩展性!


远超竞争对手的分析计算引擎

SAS是世界上著名的高级和预测分析软件领导者,至今已经有近50年的历史。SAS最核心的技术就是支持各种高级分析、预测分析和AI分析的计算引擎,从最早的大型机到后来的小型机和PC,从单机单线程计算向多核高性能分布式计算架构,再到今天的云原生计算引擎,SAS一直在致力于提升高级分析、预测分析和AI分析的速度和性能,不断降低成本。

今天,SAS Viya是SAS公司的新一代云原生大规模并行计算引擎,自从2019年耗资10亿美元研发而推出后,又历经不断发展、不断提升,已经在各类市场调研报告中胜出。为了进一步展现SAS Viya的性能,SAS公司与市场调研和技术测试公司The Futurum Group合作,将SAS Viya与数个市场主流的商业和开源AI/ML软件产品,进行对比测试。

本次对比涉及超过1500次测试,都是基于Azure Cloud云上的相同计算实例,以便对结果进行更为准确的对比——SAS Viya平均比竞争对手快30倍,比H2O和SparkML都要快,也比某“A”竞争对手要快;SAS Viya比竞争对手具有更好的扩展,特别是在大型数据集上的性能表现更佳;SAS Viya取得的最好结果是比某竞争对手快326倍,平均快49倍。

The Futurum Group发现,数据集越大,SAS Viya的表现越佳。特别是在训练一个3亿数据集的模型过程中,SAS Viya只用了不到12分钟就完成了训练,而SparkML和某“A”竞争对手则在运行数小时后失败——无法产出任何结果。实际上,SAS Viya不仅完胜所有竞争对手,而且是唯一一个能够不断扩展的软件平台。

The Futurum Group认为,SAS Viya能够更快地交付关键性商业决策,相应也就意味着更低的成本。由于SAS Viya的准确性和速度,能让企业用户有更多的模型选择。也就说,企业数据科学家无需增加预算,就能尝试更多的模型,从而选择可生成更好结果的模型。

The Futurum Group的分析师Russ Fellows表示,他在IT行业已经30年,从事分析师工作也有15年,其他测试能够达到平均快10倍的结果就已经很好了,而这一次测试中平均快30倍、最高达到326倍的结果,可以说“前所未有”!


扩散分析计算引擎的“算力”

今天,SAS Viya已经取得了云原生分析计算引擎的“王者”地位,SAS公司接下来的任务就是将SAS Viya的能力,扩散到更多的行业和领域,这就是基于SAS Viya支持的解决方案。Goodnight说,SAS公司不仅有强大的分布式高性能分析计算引擎,还有面向各行业和场景的解决方案,解决方案将是SAS公司接下来的投资重点和强劲增长点。

在2023 SAS Innovate大会上,SAS宣布在未来三年向行业AI解决方案领域投资10亿美元。这些投资将面向银行、保险、政府、医疗、零售、能源等行业领域,运用AI、机器学习和高级分析等解决这些行业的挑战。在过去40多年的时间里,SAS公司有着丰富的解决方案开发经验,开发了众多销售额超过1亿美元的明星解决方案,这些解决方案在更广泛的程度上解决了众多行业面临的诸多共性问题,例如多个行业都需要的欺诈预测分析。

SAS公司执行副总裁兼CTO Bryan Harris在接受采访的时候表示,SAS公司的R&D投资主要包括两大部分:纵向集成和横向集成。纵向集成即将行业解决方案与SAS Viya平台进行很好的集成,让行业解决方案可以在SAS Viya云原生平台上,获得超强的生产力、性能和安全,以及强大的可移植性。SAS Viya云原生平台基于容器和Kubernetes,除了已经部署在几大超级公有云外,还支持Red Hat Openshift等混合云架构,以及Nutanix超融合架构。

横向集成则指的是面向不同行业的相同场景,例如所有行业都需要的市场营销分析、交易欺诈分析、供应链分析等。SAS公司在研发解决方案的时候,更着眼于解决方案之下的可重复的IP,以取得最大化经济效益。当然,对于有足够大市场的行业来说,SAS公司也提供有针对性的方案,例如SAS Health就是针对医疗健康行业的解决方案,而SAS Clinical Enrollment Simulation则是专门解决临床研究中的患者招募问题,SAS Customer Intelligent 360则帮助品牌商运用消费者数据、营销技术和资源等实现更可持续和负责任的市场营销。

SAS未来三年的10亿美元投资主要包括:一方面将现有的SAS行业解决方案移植到SAS Viya之上;另一方面则结合云、大数据和AI等开发新的能力,例如金融行业的企业决策,SAS将原先孤立的信用风险分析、欺诈分析、市场营销等分析系统连接起来,形成一个统一的基于AI的架构,在共享数据的基础上进行分析,从而帮助金融机构跨业务链条优化运营,进而实现更为精准的决策,提升客户体验和盈利水平。


与顶尖伙伴强强联合

致力于企业AI生产力,未来三年向AI解决方案领域投资10亿美元,这其中也少不了合作伙伴。SAS的AI解决方案需要基于SAS的AI、高级分析和预测分析等强大的分析能力之上,而这些解决方案的大部分需要依靠SAS自有的分析和数据科学家及开发团队,同时也寻求与顶尖伙伴的强强联合。

与微软的合作就是一个标杆。2020年6月,在SAS Global Forum 2020上,SAS公司与微软公司联合宣布,双方将结成深度战略合作伙伴,共同塑造数据分析与人工智能的未来。3年后,SAS的技术已经与微软Azure、Dynamics 365、Microsoft 365等深度结合。在SAS Innovate 2023上,SAS公司再次宣布与微软合作的更深入成果:SAS、微软和AMD三家公司合作,在基于AMD EPYC芯片的微软Azure Confidential Computing隐私计算平台上,向客户提供SAS Viya服务,可以满足企业客户在内存计算中的敏感数据安全性和隐私保护。

而另一个技术伙伴的例子就是SingleStore。Bryan Harris在SAS Innovate 2023大会上隆重介绍了与SingleStore的合作,并将这个合作树立为另一个伙伴标杆。SingleStore提供了运行速度超快的云原生HTAP数据库,即将数据处理和分析功能整合到一个强大的分布式、多模型数据库中,提供统一数据库平台。SingleStore的前身就是大名鼎鼎的MemSQL,也是HTAP混合数据库理念的提出者和倡导者之一,SingleStore的最大特色就是实时数据库。

SAS与SingleStore在2020年12月开始建立战略合作伙伴关系,于2022年8月推出了双方深度集成的技术成果:SAS的分析技术可直接用于对SingleStore数据库中的数据进行分析,由于SingleStore的强大分布式能力,用户的数据无需离开存储地就能就地完成分析。Bryan高度盛赞双方这一深度集成的技术成果,并认为这将是下一代分析和AI架构。

构建可信任的AI是SAS Viya的一大愿景。SAS在可信任的AI(Resposible AI)方面已经进行了大量工作,包括:在SAS Viya平台上提供AI偏见检测、可解释性、决策审计,模型监督、治理与可信赖等;SAS数据伦理实践团队(Data Ethics Practice)已经完成了200多项咨询,帮助SAS公司和客户更好地实践可信任的AI;在公司内部推行可信任创新的培训;在公司总部举办美国国家人工智能咨询委员会会议,SAS公司数据伦理实践副总裁Reggie Townsend是该委员会的成员之一。

SAS可信任的AI最新成果是与两家荷兰伙伴一起合作成立了首个面向医疗健康的负责任与道德的AI实验室(Responsible and Ethical AI in Healthcare Lab,REAHL),两家荷兰机构分别是欧洲顶级学术型医院Erasmus University Medical Center和设有数字伦理中心的Delft University of Technology。REAHL旨在创建面向医疗健康机构的AI伦理框架,适用于全球的医疗机构和健康中心。REAHL也升级为荷兰国家AI创新中心的官方实验室。

SAS还是医疗AI联盟(Coalition for Health AI,CHAI)的创始成员之一,CHAI最新发布了医疗健康可信任AI蓝图。SAS还与全球顶级学术型医疗中心Duke Health一起合作,探索面向医疗健康领域的创新型数据与分析解决方案。


走向IPO:未来之路

SAS公司计划至2024年底前做好IPO的准备,在最新发布的SAS公司2022-2023年报中,SAS公司披露了超过30亿美元的年营收规模,其中SAS Cloud的销售增长了14%、SAS Viya的销售增长了23%,90%的财富100强公司都是SAS的客户。

负责SAS公司IPO事宜的CEO办公室高级副总裁Gavin Day透露,SAS公司已经制定了三年战略规划,正在稳步推进执行工作。SAS“超越明天”的计划很简单,那就是支持客户所熟悉的所有语言、工具和环境,包括R、Python以及SAS自有语言和低代码/无代码编程等。对于企业客户来说,SAS提供的是统一分析平台,统一管理企业所有的AI分析、高级分析和预测分析,并且能够在公有云、私有云、混合云等任何环境中运行。

Gavin强调,合作伙伴对于SAS公司来说十分重要,SAS公司已经在今年初开始更新了合作伙伴和经销商的奖励政策,让合作伙伴理解如何与SAS进行长期可持续的合作,深入理解SAS技术、深耕SAS解决方案,不断拉动业务增长。


整体来看SAS公司已经完成了向云原生时代的转型,SAS Viya再次成为云原生分析的“王者”,同时SAS公司还在大力投资行业AI解决方案,进一步拉动SAS公司的长期可持续增长。正如同计算机的操作系统那样,SAS Viya正在成为企业AI分析的“操作系统”。


“云科技时代”的文章广泛出现在:微信公众号、天天快报、今日头条号、微博号、知乎专栏、搜狐新闻端、网易客户端、百度百家、百家号、一点号、CSDN博客、ITPub博客、新浪财经头条、新浪看点等。

“云科技时代”是今日头条优质科技作者、入选今日头条精选频道

“云科技时代”力作《读懂新基建:数字技术带来全民机遇》在京东、当当、抖音等电商平台以及全国各大书店有售,电子版上架"京东读书"和“微信读书”APP。

“云科技时代”所有文章均在www.cloudtechtime.com收录。

相关文章
|
1天前
|
机器学习/深度学习 人工智能 算法
AI大模型学习理论基础
本文探讨了AI大模型学习的理论基础,包括深度学习(模拟神经元工作原理,通过多层非线性变换提取特征)、神经网络结构(如前馈、循环和卷积网络)、训练方法(监督、无监督、强化学习)、优化算法(如SGD及其变种)、正则化(L1、L2和dropout防止过拟合)以及迁移学习(利用预训练模型加速新任务学习)。这些理论基础推动了AI大模型在复杂任务中的应用和人工智能的发展。
|
4天前
|
人工智能 搜索推荐 决策智能
【AI Agent系列】【阿里AgentScope框架】1. 深入源码:详细解读AgentScope中的智能体定义以及模型配置的流程
【AI Agent系列】【阿里AgentScope框架】1. 深入源码:详细解读AgentScope中的智能体定义以及模型配置的流程
35 0
|
4天前
|
数据采集 存储 人工智能
【AI大模型应用开发】【LangChain系列】实战案例4:再战RAG问答,提取在线网页数据,并返回生成答案的来源
【AI大模型应用开发】【LangChain系列】实战案例4:再战RAG问答,提取在线网页数据,并返回生成答案的来源
29 0
|
4天前
|
数据采集 存储 人工智能
【AI大模型应用开发】【LangChain系列】实战案例2:通过URL加载网页内容 - LangChain对爬虫功能的封装
【AI大模型应用开发】【LangChain系列】实战案例2:通过URL加载网页内容 - LangChain对爬虫功能的封装
14 0
|
4天前
|
人工智能 Python
【AI大模型应用开发】【LangChain系列】实战案例1:用LangChain写Python代码并执行来生成答案
【AI大模型应用开发】【LangChain系列】实战案例1:用LangChain写Python代码并执行来生成答案
9 0
|
4天前
|
人工智能 监控 数据处理
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】1. 快速上手数据集与测试评估过程
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】1. 快速上手数据集与测试评估过程
18 0
|
4天前
|
人工智能 监控 数据可视化
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然
8 0
|
4天前
|
人工智能 API 开发者
【AI大模型应用开发】0.2 智谱AI API接入详细步骤和简单应用
【AI大模型应用开发】0.2 智谱AI API接入详细步骤和简单应用
16 0
|
4天前
|
数据采集 人工智能 数据可视化
【AI大模型应用开发】【LangChain系列】4. 从Chain到LCEL:探索和实战LangChain的巧妙设计
【AI大模型应用开发】【LangChain系列】4. 从Chain到LCEL:探索和实战LangChain的巧妙设计
17 0
|
4天前
|
存储 人工智能 JSON
【AI大模型应用开发】【LangChain系列】3. 一文了解LangChain的记忆模块(理论实战+细节)
本文介绍了LangChain库中用于处理对话会话记忆的组件。Memory功能用于存储和检索先前的交互信息,以便在对话中提供上下文。目前,LangChain的Memory大多处于测试阶段,其中较为成熟的是`ChatMessageHistory`。Memory类型包括:`ConversationBufferMemory`(保存对话历史数组)、`ConversationBufferWindowMemory`(限制为最近的K条对话)和`ConversationTokenBufferMemory`(根据Token数限制上下文长度)。
13 0