人工智能（AI）和机器学习（ML）正在改变世界各地的行业，从开拓人机对话和语音分析的新领域，到改善零售业的产品发现，再到利用AlphaFold等先进技术解锁医学研究。
但支撑所有ML进步的是一个共同的挑战：快速跟踪ML模型的构建和部署到生产中，并将技术上最复杂的过程抽象为统一的平台，向更多的用户开放ML。
我们的使命是消除大规模部署有用和可预测的ML的所有障碍。这就是为什么在2021年5月，我们宣布全面推出顶点人工智能，一个专门为加速ML模型的部署和维护而设计的管理型ML平台。利用顶点AI，数据科学家可以将ML开发和实验的速度提高5倍，所需的代码行数减少80%。
在推出后的一年里，不同行业的客户利用顶点人工智能成功地加快了生产中机器学习模型的部署。
事实上，通过顶点人工智能和BigQuery，我们看到2021年产生的机器学习预测比前一年多2.5倍。此外，客户正在看到Vertex AI的统一数据和人工智能故事的巨大价值。在过去的六个月里，我们看到Vertex AI Workbench的活跃客户增长了25倍，这就是最好的体现。
让我们来看看其中一些组织今天是如何使用顶点人工智能的。
加速零售业的ML。Wayfair、Etsy、Lowe's和Magalu的ML。
我们对100多名全球零售业高管的研究表明，人工智能和ML驱动的应用有可能推动2300-5150亿美元的商业价值。 无论是涉及优化库存还是改善客户体验的用例，零售业都是ML应用最强的行业之一。
例如，在线家具和家居用品零售商Wayfair通过利用顶点人工智能，已经能够以5-10倍的速度运行大型模型训练工作。
"我们正在做大规模的ML，我们想让它变得简单。这意味着加速新模型的价值实现时间，提高非常大的定期重新训练工作的可靠性和速度，并减少大规模建立和部署模型的摩擦，"Wayfair的广告技术、客户智能和机器学习主管Matt Ferrari在福布斯的文章中说。顶点人工智能帮助该公司 "将ML编织到我们做决策的结构中"，他补充说。
在其他地方，Etsy估计它已经将从构思到现场ML实验的时间减少了约50%。
"我们的培训和原型设计平台主要依靠谷歌云服务，如顶点人工智能和Dataflow，客户可以用他们选择的ML框架进行自由实验，"该公司在一篇博文中指出。"这些服务让客户通过Jupyter Notebooks等舒适的界面轻松利用复杂的ML基础设施（如GPU）。大规模的提取转换负载（ETL）工作可以通过Dataflow运行，而任何形式的复杂训练工作都可以提交给Vertex AI进行优化。"
特别是预测是一个主要的零售用例，可以通过ML的力量大大改善。Lowe's创新、数据和供应链技术高级副总裁Amaresh Siva表示，Vertex AI Forecast已经在帮助Lowe's在该公司的1700多家商店使用一系列的模型。
"使用Vertex AI预测，Lowe's已经能够创建精确的分层模型，在SKU和商店级预测之间取得平衡。这些模型考虑到了我们的商店级、SKU级和区域级库存、促销数据和其他多种信号，并产生了更准确的预测，"Siva说。
巴西零售商Magalu也同样部署了顶点人工智能来减少库存预测错误。
有了顶点人工智能，"与我们以前的模型相比，四周的实时预测显示出误差（WAPE）的显著改善，"Magalu的分析和战略规划总监Fernando Nagano说。"这种高精度的洞察力帮助我们更有效地规划库存分配和补货，以确保正确的物品在正确的时间出现在正确的位置，以满足客户的需求并适当地管理成本。"
从存储器到制造业到移动支付。希捷公司、日本可口可乐装瓶公司和现金应用的ML
零售业并不是唯一利用人工智能和ML的力量的行业。根据我们的研究，在日常运营中使用人工智能的制造商中，有66%的人表示，他们对人工智能的依赖正在增加。
谷歌与希捷--我们为谷歌数据中心提供的硬盘原始设备制造商（OEM）合作伙伴--联手，利用ML来改进对硬盘频繁问题的预测，如磁盘故障。为这项工作生成的顶点人工智能AutoML模型达到了98%的精度和35%的召回率，而竞争性的定制ML模型的精度为70-80%，召回率为20-25%。
Coca Cola Bottlers Japan（CCBJ）也在加强其ML工作，使用Vertex AI和BigQuery来处理来自70万台自动售货机的数十亿条数据记录，帮助该公司就何时何地放置产品做出战略决策。
"我们已经创建了一个预测模型，即在哪里放置自动售货机，什么产品在机器里排队，价格是多少，会卖多少钱，并实施了一个可以在地图上分析的机制，"Minori Matsuda说。
CCBJ的数据科学经理/谷歌开发专家Minori Matsuda在一篇博文中说。 "我们能够在很短的时间内实现，从平台考察到介绍，预测模型训练，现场概念验证到推广，速度感很强。"
谈到金融，美国金融服务公司Square的平台Cash App正在利用谷歌云和英伟达的产品，使核心ML处理工作流程的完成时间提高了大约66%。
"谷歌云给了我们对流程的关键控制，"Dessa的高级软件工程师Kyle De Freitas说，该公司于2020年被Cash App收购。"我们认识到，由英伟达A100 Tensor Core GPU驱动的Compute Engine A2虚拟机可以极大地减少处理时间，让我们的实验速度大大加快。在谷歌云的顶点人工智能上运行英伟达A100 GPU为我们提供了继续创新并将想法转化为对客户有影响的现实所需的基础。"
驶向一个以ML为燃料的未来。Cruise和SUBARU的ML
在汽车领域，世界各地的制造商已经投资了数十亿美元来实现数字化操作，并投资于人工智能，以优化设计和实现新功能。
例如，自动驾驶汽车服务Cruise已经有数百万英里的自主旅行，顶点人工智能帮助该公司快速训练和更新ML模型，为图像识别和场景理解等关键功能提供动力。
"Cruise公司工程部执行副总裁Mo Elshenawy在一篇博文中解释说："在我们摄取和分析这些数据后，它被反馈到我们的动态ML大脑中，这是一个持续学习的机器，它从收集的数据中积极挖掘，自动训练新的模型，使之超过旧模型的性能。"这是在顶点人工智能的帮助下完成的，我们能够同时训练数百个模型，每个月使用数百个GPU年！"
同时，SUBARU正在转向ML，以消除由其汽车造成的致命事故。例如，SUBARU实验室使用谷歌云来分析来自该公司EyeSight立体摄像机的图像。该团队使用NVIDIA A100 GPU和Compute Engine的组合来处理肌肉，数据科学家和数据工程师使用Vertex AI来建立模型。
"我从许多平台中选择了谷歌云，因为它有多种管理服务，如Verex AI、管理笔记本选项和顶点AI培训，这些服务对AI开发很有用。拥有能够处理大规模机器学习操作的高性能硬件也很吸引人，"SUBARU人工智能研发的高级工程师Thossimi Okubo说。
携手合作，加速ML部署
我们对顶点人工智能的采用感到非常鼓舞，我们很高兴能继续与主要客户和合作伙伴合作，围绕数据科学家在生产中加速部署ML模型所面临的挑战拓展思路。观看我们与Uber AI工程总监Smi-tha Shyam和福特汽车公司AI和云计算总监Bryan Goodman的谷歌云应用ML峰会会议，以了解我们如何与合作伙伴和客户在这个旅程中合作。
