人工智能 (AI) 和机器学习 (ML) 正在改变世界各地的行业，从对话式人机交互和基于语音的分析的开拓新领域，到改进零售中的产品发现，再到利用 AlphaFold 等进步解锁医学研究。

但是在机器学习的运用过程中，各行各业都面临着一个共同的挑战：如何快速跟踪 ML 模型的构建和部署到生产中去，并将技术上最复杂的流程抽象到统一平台中，从而使得更多用户可以使用 ML 技术。

谷歌云于2021年5月宣布 Vertex AI 全面上市，这是一个全托管的机器学习平台，专为加速 ML 模型的部署和维护而设计。利用 Vertex AI，数据科学家可以将 ML 开发和实验速度提高 5 倍，所需的代码行数减少 80%。

自推出以来的一年里，各行各业的客户已经成功地使用 Vertex AI 加速了机器学习模型在生产中的部署。

事实上，通过 Vertex AI 和 BigQuery，我们看到 2021 年产生的机器学习预测是前一年的 2.5 倍。此外，客户在 Vertex AI 的统一数据和 AI 故事中看到了巨大的价值。在过去六个月中，我们看到 Vertex AI Workbench 的活跃客户增长了 25 倍，这最能体现这一点。

让我们来看看其中一些组织如何使用 Vertex AI。

零售行业案例：Wayfair、Etsy、Lowe’s 和 Magalu

谷歌云在针对对100多名全球零售行业高管的研究中发现，人工智能和 ML 驱动的应用程序有可能带来 230-5150 亿美元的商业价值。无论用例涉及优化库存还是改善客户体验，零售业都是机器学习采用率最高的行业之一。

例如，在线家具和家居用品零售商 Wayfair 通过利用 Vertex AI 能够以 5-10 倍的速度运行大型模型训练作业。

Wayfair 的客户智能广告技术主管在一篇文章中提到：“我们正在大规模进行 ML，我们希望让这一切变得简单。这意味着加快新模型的价值实现时间，提高大型定期再培训工作的可靠性和速度，并减少大规模构建和部署模型的摩擦，Vertex AI 帮助公司将 ML 融入到我们如何做出决策的结构中。”

而除了 Wayfair 外，Etsy 也使用了 Vertex AI，并且在使用过程中发现，Vertex AI 使得 Etsy 从构思到实时 ML 实验所需的时间减少了约 50%。

Etsy 在一篇博文中指出：“我们的培训和原型设计平台很大程度上依赖于 Vertex AI 和 Dataflow 等谷歌云服务，客户可以在其中自由试验他们选择的 ML 框架。 ” “这些服务让客户可以通过 Jupyter Notebooks 等舒适的界面轻松利用复杂的 ML 基础设施（如 GPU）。大规模提取转换负载 (ETL) 作业可以通过 Dataflow 运行，而任何形式的复杂训练作业都可以提交给 Vertex AI 进行优化。”

预测也是零售行业使用 ML 的一个原因，

据 Lowe’s 创新、数据和供应链技术高级副总裁 Amaresh Siva 称，Vertex AI Forecast 已经在公司的 1,700 多家商店中为 Lowe’s 提供一系列模型。

“使用 Vertex AI 预测，Lowe’s 能够创建准确的分层模型，在 SKU 和商店级别预测之间取得平衡。这些模型考虑了我们的商店级别、SKU 级别和区域级别的库存、促销数据和多种其他信号，并产生了更准确的预测，”Siva 说。

巴西零售商 Magalu 也同样部署了 Vertex AI 来减少库存预测错误。

Magalu 分析和战略规划总监 Fernando Nagano 表示，借助 Vertex AI，“与我们之前的模型相比，为期四周的实时预测显示出错误率 (WAPE) 的显着改善。” “这种高精度的洞察力帮助我们更有效地计划库存分配和补货，以确保正确的物品在正确的时间出现在正确的位置，从而满足客户需求并适当地管理成本。”

从内存到制造再到移动支付：Seagate、Coca Cola Bottlers Japan 、Cash App

零售业并不是唯一利用 AI 和 ML 力量的行业。根据谷歌的研究，在日常运营中使用人工智能的制造商中有 66% 表示他们对人工智能的依赖正在增加。

Google 与 HDD 原始设备制造商 (OEM) 合作伙伴 Seagate 联手打造 Google 数据中心，利用 ML改进对常见 HDD 问题（例如磁盘故障）的预测。为这项工作生成的 Vertex AI AutoML 模型实现了 98% 的精度和 35% 的召回率，相比之下，竞争的自定义 ML 模型的精度为 70-80%，召回率为 20-25%。

Coca Cola Bottlers Japan (CCBJ) 也在加大机器学习的力度，使用 Vertex AI 和 BigQuery 处理来自 700,000 台自动售货机的数十亿条数据记录，帮助公司就何时何地定位产品做出战略决策。

“我们已经创建了一个预测模型，可以预测自动售货机的放置位置、机器中排列的产品以及价格和销售量，并实施了一种可以在地图上进行分析的机制，”Minori Matsuda 说，

CCBJ 的数据科学经理/谷歌开发专家，在一篇博文中。“我们能够在短时间内以速度感实现它，从平台审查到引入，预测模型训练，现场概念验证到推出。”

谈到金融，美国金融服务公司 Square 的平台 Cash App 正在利用 Google Cloud 和 NVIDIA 的产品，将核心 ML 处理工作流的完成时间缩短 了大约 66% 。

“Google Cloud 使我们能够对流程进行关键控制，”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 NVIDIA A100 Tensor Core GPU 提供支持的 Compute Engine A2 虚拟机，可以显着减少处理时间，让我们更快地进行实验。在 Google Cloud 的 Vertex AI 上运行 NVIDIA 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力的现实所需的基础。”

汽车制造行业案例：Cruise 、 SUBARU

在汽车领域，世界各地的制造商已投资数十亿美元来实现运营数字化并投资于人工智能，以优化设计并启用新功能。

例如，自动驾驶汽车服务 Cruise 拥有数百万英里的自动行驶里程，Vertex AI 帮助公司快速训练和更新机器学习模型，这些模型支持图像识别和场景理解等关键功能。

“在我们摄取和分析这些数据后，它会反馈到我们的动态 ML Brain 中，这是一种持续学习机器，可以从收集的数据中主动挖掘，以自动训练超过旧模型性能的新模型，”执行副 Mo Elshenawy 解释说Cruise 的工程总裁，在一篇博文中。“这是在 Vertex AI 的帮助下完成的，我们能够同时训练数百个模型，每月使用数百年的 GPU！”

与此同时，斯巴鲁正在转向 ML 以消除其汽车造成的致命事故。例如，SUBARU Lab 使用 Google Cloud 分析来自公司 EyeSight 立体摄像头的图像。该团队结合使用 NVIDIA A100 GPU 和 Compute Engine 来处理肌肉，而数据科学家和数据工程师则使用 Vertex AI 来构建模型。

“我从许多平台中选择了 Google Cloud，因为它有多种托管服务，例如 Verex AI、托管笔记本选项和 Vertex AI 培训，这些服务对 AI 开发很有用。拥有可以处理大规模机器学习操作的高性能硬件也令人着迷，”斯巴鲁人工智能研发高级工程师 Thossimi Okubo 说。

Cloud Ace是亚太地区拥有最多据点的Google Cloud经销商，拥有200多名工程师，是谷歌最高级别合作伙伴，多次获得Google Cloud合作伙伴奖。 作为谷歌托管服务商，我们提供谷歌云、谷歌地图、谷歌Workspace、谷歌云认证培训服务。