Arrikto 的使命是让数据科学家能够更快地构建和部署他们的机器学习模型。该公司于 2020 年底筹集了 1000 万美元的 A 轮融资，正在将其平台构建在Kubeflow 之上，这是一个用于构建机器学习操作的云原生开源项目，最初由谷歌开发，但现在主要由谷歌管理社区。到目前为止，Arrikto 的主要产品是一个自我管理的 Kubeflow 企业发行版，适用于希望在其数据中心或虚拟私有云中运行它的企业（恰当地命名为“企业 Kubeflow”）。今天，该公司还推出了完全托管的 Kubeflow 版本。
“将 ML 模型从实验推向生产非常复杂，”Arrikto 首席执行官兼联合创始人 Constantinos Venetsanopoulos 告诉我。 “我们看到了一些常见的原因。第一，数据科学家本质上不是运维专家，运维人员也不是数据科学家——他们不想成为数据科学家。其次，在过去的几年里，我们看到了机器学习工具的爆炸式增长。它们非常分散，需要大量集成。我们看到的是人们努力将所有东西缝合在一起。这两个因素都造成了巨大的进入壁垒。”
图片来源： Arrikto
凭借其完全托管的 Kubeflow，Arrikto 旨在为企业提供一个平台，该平台可以帮助他们加速其 ML 管道并使数据科学家不必担心基础设施，同时还允许他们继续使用他们已经熟悉的工具（想想笔记本、TensorFlow、PyTorch、Hugging Face 等）。 “我们希望打破阻碍大多数公司部署真正机器学习能力的技术障碍，”Venetsanopoulos 说。
该公司认为，通过 Kubeflow 即服务，数据科学家将能够即时访问端到端的 MLops 平台。它本质上是 Arrikto 的 Enterprise Kubeflow，上面有很多自定义自动化工具，可以抽象出它所在的 Kubernetes 平台的所有细节。
目前，Arrikto 将仅在单一云上运行，但从长远来看，该计划是支持三大云提供商以确保低延迟（并减少在云之间移动大量数据的需要）。
有趣的是，Venetsanopoulos 认为，该公司目前最大的竞争对手不是 AWS 的 SageMaker 等其他托管服务，而是试图通过整合开源工具来构建自己的平台的企业。
“Kubeflow 即服务为数据科学家和 DevOps 工程师提供了在 Kubernetes 上使用 MLOps 平台的最简单方法，而无需向其 IT 部门请求任何基础设施，”Venetsanopoulos 说。 “当一个组织在生产环境中部署 Kubeflow 时——无论是在本地还是在云端——Arrikto 的 Kubeflow 即服务将加速这个过程。”
该公司现在拥有约 60 名员工，除了这项新的全托管服务外，还将继续提供 Kubeflow Enterprise。
原文： https://techcrunch.com/2022/05/10/arrikto-expands-it-mlops-platform-with-kubeflow-as-a-service/