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。”
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/