Meta und AWS erweitern Partnerschaft und zielen darauf ab, die Akzeptanz von PyTorch zu verbessern

Die beiden Unternehmen werden zusammenarbeiten, um Unternehmen bei der Nutzung von PyTorch auf AWS und der Skalierung von Deep-Learning-Modellen zu unterstützen.

Meta wählt Amazon Web Services als langfristigen strategischen Cloud-Anbieter, um seine On-Premises-Infrastruktur zu ergänzen und seine Integrations- und PyTorch-Strategie abzurunden.

Die Partnerschaft hat die bestehende Beziehung zwischen Meta und AWS in den letzten fünf Jahren erweitert. Meta nutzt AWS-Datenverarbeitungs-, Speicher-, Datenbank- und Sicherheitsservices, um seine eigene lokale Infrastruktur zu ergänzen. Als Meta (damals Facebook) Instagram im Jahr 2012 übernahm, verlagerte der Social-Media-Riese Instagram jedoch von AWS auf eine interne Infrastruktur. Mehrere Tuck-in-Akquisitionen durch Meta haben auch AWS genutzt.

Auf der AWS-Konferenz re:Invent skizzierten Meta und AWS Folgendes:

• Meta wird AWS nutzen, um seine lokale Infrastruktur zu ergänzen.
• Die beiden Unternehmen werden zusammenarbeiten, um Unternehmen bei der Nutzung von PyTorch auf AWS zu unterstützen und Deep-Learning-Modelle zu skalieren.
• Meta wird die Zusammenarbeit mit Drittanbietern in AWS durchführen. Meta nutzt AWS auch, um bessere Unternehmen zu integrieren, die es erwirbt und die auf dem Cloud-Riesen laufen.
• Meta wird AWS-Datenverarbeitungsservices für seine KI-Forschung und -Entwicklung für seine Meta AI-Einheit nutzen.
• Meta und AWS werden sich zum Ziel setzen, die Leistung für Kunden zu verbessern, die PyTorch auf AWS ausführen.

Die übergeordnete Mission der Unternehmen ist es, die Art und Weise zu beschleunigen, wie Entwickler KI- und Machine-Learning-Modelle erstellen, trainieren, bereitstellen und betreiben. 

• KI: Der neue Algorithmus von Facebook wurde mit einer Milliarde Instagram-Bildern trainiert.

Im Erfolgsfall könnten Meta und AWS die Leistung von PyTorch auf Amazon Elastic Compute Cloud (EC2) und Amazon SageMaker optimieren. Ziel der Unternehmen ist es, native Tools zu entwickeln, um die Leistung, Erklärbarkeit und Inferenzkosten von PyTorch zu verbessern. Darüber hinaus werden Meta und AWS TorchServe, die Serving-Engine von PyTorch, weiter verbessern.

PyTorch zieht bereits viel Aufmerksamkeit auf sich, da Unternehmen versuchen, KI- und maschinelle Lernmodelle zu skalieren. 

• Microsoft fügt Unternehmensunterstützung für PyTorch AI in Azure hinzu
• PyTorch 1.9 ist da: Das müssen Sie wissen
• Der freundschaftliche Kampf von Facebook AI zwischen Forschern und Entwicklern findet PyTorch triumphierend
• Verwendung von PyTorch zur Optimierung von Projekten im Bereich des maschinellen Lernens