Zum Hauptinhalt wechseln

Gartner hat Microsoft als Leader im 2022 Gartner® Magic Quadrant™ für Cloud AI Developer Services anerkannt, wobei Microsoft in "Completeness of Vision" am weitesten auf platzte.

Gartner definiert den Markt als "in der Cloud gehostete oder containerisierte Dienste, die Es Entwicklungsteams und Geschäftsbenutzern ermöglichen, die keine Data Science-Experten sind, KI-Modelle über APIs, Software Development Kits (SDKs) oder Anwendungen zu verwenden."

A square chart split into four quadrants that compares Cloud AI Developer Services on a vertical axis for Ability to Execute and horizontal axis for Completeness of Vision. Microsoft is shown in the top right quadrant as a Leader on both axes.

Wir sind stolz darauf, für unsere Azure AI-Plattform anerkannt zu werden. In diesem Beitrag graben wir uns in die Bewertung von Gartner ein, was es für Entwickler bedeutet, und bieten Zugriff auf den vollständigen Reprint des Magic Quadrant von Gartner, um mehr zu erfahren.

Skalieren intelligenter Apps mit produktionsbereiter KI

"Obwohl ModelOps-Praktiken reif sind, benötigen die meisten Software-Engineering-Teams immer noch KI-Funktionen, die keine erweiterten maschinellen Lernfähigkeiten erfordern. Aus diesem Grund sind Cloud AI Developer Services (CAIDS) wesentliche Tools für Software engineering Teams." — Gartner

Ein gestaffeltes 87 Prozent der KI-Projekte machen es nie in die Produktion.¹ Über die Komplexität der Datenvorverarbeitung und -erstellung von KI-Modellen hinaus ringen Organisationen mit Skalierbarkeit, Sicherheit, Governance und mehr, um die Produktion ihres Modells vorzubereiten. Aus diesem Grund nutzen über 85 Prozent der Fortune 100-Unternehmen heute Azure AI, die Branchen und Anwendungsfälle umfassen.

Immer mehr sehen wir, dass Entwickler zeitschneller werden, indem sie vordefinierte und anpassbare KI-Modelle als Bausteine für intelligente Lösungen verwenden. Microsoft Research hat im Laufe der Jahre bedeutende Durchbrüche in der KI erzielt, als erster, um die menschliche Parität über Sprach-, Visions- und Sprachfunktionen hinweg zu erreichen. Heute setzen wir die Grenzen der Sprachmodellfunktionen mit großen Modellen wie Turing, GPT-3 und Codex (modell powering GitHub Copilot) voran, um Entwicklern zu helfen, produktiver zu sein. Azure AI packt diese Innovationen in produktionsbereite allgemeine Modelle, die als Azure Cognitive Services bezeichnet werden, und verwenden fallspezifische Modelle, Azure-App lied AI Services für Entwickler, die über API oder ein SDK integriert werden können, und optimieren dann weiterhin die Genauigkeit.

Für Entwickler und Data Scientists, die produktionsbereite Machine Learning-Modelle im Maßstab erstellen möchten, unterstützen wir automatisiertes maschinelles Lernen, das auch als AutoML bezeichnet wird. AutoML in Azure Machine Learning basiert auf bahnbrechenden Microsoft-Forschungen, die sich auf die Automatisierung zeitaufwändiger, iterativer Aufgaben der Entwicklung von Maschinellem Lernen konzentrieren. Dadurch werden Data Scientists, Analysten und Entwickler frei, sich auf Aufgaben außerhalb des Betriebs mit Mehrwert zu konzentrieren und ihre Zeit zur Produktion zu beschleunigen.

Aktivieren der Produktivität für KI-Teams in der gesamten Organisation

"Da mehr Entwickler CAIDS verwenden, um Machine Learning-Modelle zu erstellen, wird die Zusammenarbeit zwischen Entwicklern und Data Scientists immer wichtiger." — Gartner

Da KI in Organisationen Standard streams wird, ist es wichtig, dass Mitarbeiter über die Tools verfügen, die sie für die Zusammenarbeit, erstellung, Verwaltung und Bereitstellung von KI-Lösungen benötigen, effektiv und verantwortungsbewusst. Wie Microsoft Chairman und CEO Satya Nadella bei Microsoft Build geteilt hat, ist Microsoft "Gebäudemodelle als Plattformen in Azure", damit Entwickler mit unterschiedlichen Fähigkeiten die Vorteile der bahnbrechenden KI-Forschung nutzen und sie in ihre eigenen Anwendungen einbetten können. Dies reicht von professionellen Entwicklern, die intelligente Apps mit APIs und SDKs erstellen, bis hin zu Bürgerentwicklern, die vordefinierte Modelle über Microsoft Power Platform verwenden.

Azure AI ermöglicht Entwicklern das Erstellen von Apps in ihrer bevorzugten Sprache und die Bereitstellung in der Cloud, lokal oder am Edge mithilfe von Containern. Vor kurzem haben wir auch die Möglichkeit angekündigt, jeden Kubernetes-Cluster zu verwenden und maschinelles Lernen zu erweitern, um nah an der Stelle zu laufen, an der Sich Ihre Daten befinden. Diese Ressourcen können über einen einzelnen Bereich mit der Verwaltung, Konsistenz und Zuverlässigkeit von Azure Arc ausgeführt werden.

Verantwortungsvolle KI-Praktiken operationalisieren

"Anbieter und Kunden suchen mehr als nur Leistung und Genauigkeit aus dem Machine Learning-Modell. Bei der Auswahl von AutoML-Diensten sollten sie Anbieter priorisieren, die sich durch die Bereitstellung von erklärenden, transparenten Modellen mit integrierten Verzerrungserkennungs- und Ausgleichsmechanismen auszeichnen." — Gartner

Bei Microsoft wenden wir unseren Verantwortungs-KI-Standard auf unsere Produktstrategie und den Entwicklungslebenszyklus an, und wir haben es zu einer Priorität gemacht, um Kunden dabei zu helfen, dasselbe zu tun. Darüber hinaus stellen wir Tools und Ressourcen bereit, die Kunden dabei unterstützen, ihre KI-Lösungen zu verstehen, zu schützen und zu steuern, einschließlich eines verantwortlichen KI-Dashboards, bot-Entwicklungsrichtlinien und integrierter Tools, die ihnen bei der Erläuterung des Modellverhaltens, beim Testen auf Fairness und mehr helfen. Die Bereitstellung eines konsistenten Toolsets für Ihr Data Science-Team unterstützt nicht nur die verantwortungsvolle KI-Implementierung, sondern bietet auch mehr Transparenz und ermöglicht konsistentere, effizientere Modellbereitstellungen.

Microsoft ist stolz darauf, als Marktführer in Cloud AI Developer Services anerkannt zu werden, und wir freuen uns auf Innovationen in Microsoft und in der gesamten Branche, die Es Entwicklern ermöglichen, echte Herausforderungen mit KI zu bewältigen. Sie können jetzt aus dem kompletten Gartner Magic Quadrant lesen und lernen.

Weitere Informationen


Informationsquellen

¹Why do 87 percent of data science projects never make it into production? Venture Beat.

Gartner Inc.: "Magic Quadrant for Cloud AI Developer Services", Van Baker, Svetlana Sicular, Erick Brethenoux, Arun Batchu, Mike Fang, 23. Mai 2022.

Gartner und Magic Quadrant sind eingetragene Marken und Dienstleistungsmarken von Gartner, Inc. und/oder deren Tochtergesellschaften in den USA und international und werden hiermit mit Erlaubnis verwendet. Alle Rechte vorbehalten. Diese Grafik wurde von Gartner, Inc. im Rahmen eines größeren Forschungsberichts veröffentlicht und sollte im Kontext des vollständigen Dokuments betrachtet werden. Sie erhalten das Gartner-Dokument auf Anfrage von Microsoft. Gartner unterstützt die Anbieter, Produkte oder Dienste aus seinen Veröffentlichungen nicht. Das Institut empfiehlt Technologiebenutzern auch nicht, nur die Anbieter mit den höchsten Bewertungen oder anderen Kennzeichnungen auszuwählen. Die Veröffentlichungen von Gartner spiegeln die Meinungen der Forschungseinrichtungen von Gartner wider und sollten nicht als Tatsachenfeststellungen interpretiert werden. Gartner schließt alle ausdrücklichen oder stillschweigenden Garantien in Bezug auf diese Forschung aus, einschließlich sämtlicher Garantien zur Marktgängigkeit oder Eignung für einen bestimmten Zweck.

  • Explore

     

    Let us know what you think of Azure and what you would like to see in the future.

     

    Provide feedback

  • Build your cloud computing and Azure skills with free courses by Microsoft Learn.

     

    Explore Azure learning


Join the conversation