來(lái)源：云云眾生s

在部署用于數(shù)據(jù)科學(xué),、機(jī)器學(xué)習(xí)或人工智能工作的AI模型的人群中，云環(huán)境的使用激增,。

譯自Cloud Deployment of AI Models Jumps, Says Data Science Study,，作者 Lawrence E Hecht,。

忽略您聽(tīng)到的關(guān)于AI工作負(fù)載推動(dòng)從云端遷移到本地和私有云環(huán)境的軼事。在2024年,，Anaconda最新“數(shù)據(jù)科學(xué)現(xiàn)狀”報(bào)告中只有27%的專(zhuān)業(yè)受訪者將大部分模型部署到本地服務(wù)器,，這比2022年同項(xiàng)研究中41%的比例大幅下降。

事實(shí)上,，在主要執(zhí)行數(shù)據(jù)科學(xué),、機(jī)器學(xué)習(xí)或人工智能任務(wù)的模型部署受訪者中，云環(huán)境的使用率大幅提升,。59%的受訪者表示他們的模型主要位于云端,，高于2022年的49%。

盡管AI領(lǐng)域明顯增長(zhǎng),，但只有64%的受訪專(zhuān)業(yè)人士將模型部署到生產(chǎn)環(huán)境中,，低于2022年研究中的76%。這一下降是由較少的開(kāi)發(fā)人員和數(shù)據(jù)工程師表示他們部署模型造成的,。下降的一個(gè)解釋可能是對(duì)第三方托管大型語(yǔ)言模型的依賴(lài)性增加,。

2024年，87%的受訪專(zhuān)業(yè)人士參與了模型訓(xùn)練和開(kāi)發(fā),，高于2022年的85%,。在進(jìn)行訓(xùn)練和模型開(kāi)發(fā)的人員中，現(xiàn)在使用本地服務(wù)器的人數(shù)減少了一半（2024年為10%,，而2022年為20%）,。即使現(xiàn)在云端進(jìn)行的訓(xùn)練更多,，本地臺(tái)式機(jī)和筆記本電腦仍然是最常見(jiàn)的地點(diǎn)。我們將其解釋為用戶將其計(jì)算機(jī)直接連接到云端,，并且未使用本地服務(wù)器,。

部署模型到生產(chǎn)環(huán)境的挑戰(zhàn)

Anaconda還詢(xún)問(wèn)了公司在將數(shù)據(jù)科學(xué)或AI模型遷移到生產(chǎn)環(huán)境時(shí)面臨的障礙。如前所述,，較少的受訪者將模型部署到生產(chǎn)環(huán)境中,，但問(wèn)題只關(guān)注已經(jīng)將模型遷移到生產(chǎn)使用的公司面臨的問(wèn)題。在這個(gè)群體中,，滿足IT/信息安全標(biāo)準(zhǔn)（58%）仍然是在將數(shù)據(jù)科學(xué)或AI模型遷移到生產(chǎn)環(huán)境時(shí)最常被提及的障礙,。安全和IT標(biāo)準(zhǔn)尤其讓數(shù)據(jù)工程師擔(dān)憂，88%的人表示這是一個(gè)挑戰(zhàn),。

確保數(shù)據(jù)連接（53%）是部署模型到生產(chǎn)環(huán)境的公司最常提及的第二個(gè)障礙,，其次是組織技能差距（50%）。自2022年以來(lái),，技能差距有所惡化,，當(dāng)時(shí)只有34%的人將其列為障礙。

令人欣慰的是,，較少的受訪者表示他們受到必須將模型從Python或R重新編碼為另一種語(yǔ)言的限制：這在障礙清單中排名第7,，低于2022年的第2位。有趣的是,，這種下降只發(fā)生在那些主要不從事數(shù)據(jù)科學(xué),、AI或ML工作職能的專(zhuān)業(yè)人士中。因此,，我們認(rèn)為改進(jìn)的工具,，包括更多低代碼/無(wú)代碼選項(xiàng)，可能使這一挑戰(zhàn)對(duì)于那些并非每天都專(zhuān)注于數(shù)據(jù)科學(xué)的人來(lái)說(shuō)不那么常見(jiàn),。

關(guān)于技術(shù)使用的其他發(fā)現(xiàn)

• 由于Anaconda提供托管的Python產(chǎn)品,，因此67%的受訪專(zhuān)業(yè)人士定期使用Python（總是或經(jīng)常使用）并不令人驚訝。對(duì)于主要從事數(shù)據(jù)科學(xué),、ML或AI工作職能的人來(lái)說(shuō),，這一數(shù)字上升到82%。
• 數(shù)據(jù)清洗,、可視化和分析（66%）是受訪專(zhuān)業(yè)人士使用AI最常見(jiàn)的方式,。專(zhuān)業(yè)人士使用AI的下一個(gè)最可能的用途是自動(dòng)化任務(wù)（52%）、預(yù)測(cè)或檢測(cè)模型（49%）和LLM（即聊天機(jī)器人,；44%）,。
• 數(shù)據(jù)工程師在使用AI構(gòu)建新工具和構(gòu)建內(nèi)部使用的AI模型方面處于領(lǐng)先地位?？傮w而言,，59%的專(zhuān)業(yè)人士表示他們的公司正在使用AI構(gòu)建新工具,，數(shù)據(jù)工程師（69%）更有可能報(bào)告這一點(diǎn)。此外,，56%的專(zhuān)業(yè)人士表示他們的公司正在構(gòu)建用于內(nèi)部使用的AI模型,，數(shù)據(jù)工程師（65%）更有可能報(bào)告這一點(diǎn)。

關(guān)于此研究

Anaconda在2024年6月至2024年9月進(jìn)行的在線調(diào)查中收到了3096份回復(fù),，其中36%的參與者位于亞洲,，29%位于北美，15%位于歐洲,。Anaconda向The New Stack提供了2022年和2024年研究的原始數(shù)據(jù)文件,。

本文部分發(fā)現(xiàn)與Anaconda發(fā)布的報(bào)告有所不同。這是因?yàn)锳naconda根據(jù)當(dāng)前職位角色問(wèn)題對(duì)數(shù)據(jù)進(jìn)行了分割,，而我們根據(jù)當(dāng)前職位職能對(duì)數(shù)據(jù)進(jìn)行了分割,。我們的方法能夠與2022年的研究進(jìn)行準(zhǔn)確的時(shí)間序列比較。另請(qǐng)注意,，由于特定問(wèn)題的樣本量較小,，我們對(duì)Anaconda發(fā)布的關(guān)于工作保障和招聘AI職位類(lèi)型的研究結(jié)果缺乏信心。

本文在云云眾生（https://yylives.cc/）首發(fā),，歡迎大家訪問(wèn),。