Fungsi AI merupakan sekumpulan fungsi pra-definisi di MaxCompute untuk kasus penggunaan terkait AI yang mengenkapsulasi operasi inferensi model kompleks ke dalam operator SQL atau Python yang ringkas. Dengan fungsi ini, Anda dapat langsung memanggil model besar atau model pembelajaran mesin dari SQL standar atau MaxFrame (engine Python terdistribusi) tanpa perlu menulis kode pemanggilan model tingkat rendah, sehingga secara signifikan menurunkan hambatan pemanfaatan AI dalam pemrosesan dan analitik data besar.
Kasus Penggunaan
Model besar memiliki kemampuan jauh lebih unggul dalam memahami data, sehingga mampu mengekstraksi informasi semantik yang akurat dari data multimodal—seperti data terstruktur, teks, dan data tidak terstruktur. Berkat kemampuan mengikuti instruksi, model-model ini dapat mengubah informasi semantik tersebut menjadi data ternormalisasi yang mendukung operasi aljabar relasional, memungkinkan kueri dan pemrosesan terpadu untuk data terstruktur maupun tidak terstruktur dalam satu platform data besar.
Seiring perkembangan kasus penggunaan, permintaan terhadap komputasi terpadu dalam platform data besar juga meningkat. MaxCompute memenuhi kebutuhan ini dengan menyediakan beberapa engine komputasi, seperti MaxFrame (Python) dan SQL. Dikombinasikan dengan fungsi AI, MaxCompute menawarkan cara yang lebih mudah bagi pengguna untuk memanfaatkan AI, sehingga meningkatkan kemampuan dan kualitas analisis serta komputasi data dalam berbagai skenario, termasuk pemrosesan data multimodal, pembuatan konten, ekstraksi informasi, serta analisis gambar dan teks. Kasus penggunaan khas meliputi:
Pra-pemrosesan data untuk pre-training model besar: Pemrosesan data web untuk pre-training model besar memerlukan model bahasa besar (LLM) berparameter kecil yang telah disesuaikan (fine-tuned) untuk melakukan tugas seperti menghitung skor kualitas teks, memfilter teks, dan mengklasifikasikan teks.
Pemahaman konten multimodal: Pemrosesan video dan gambar di bidang e-commerce tradisional maupun bidang otonom yang sedang berkembang memerlukan model multimodal untuk tugas seperti deteksi objek, pelabelan gambar, dan klasifikasi.
Kontrol risiko cerdas: Dalam kasus penggunaan kontrol risiko cerdas, Anda dapat menggunakan LLM berparameter kecil yang telah disesuaikan untuk tugas seperti klasifikasi perilaku pengguna dan peringatan risiko.
Manfaat
Pengembangan low-code: Mulai dengan cepat. Lakukan inferensi model hanya dengan satu pemanggilan fungsi, tanpa perlu men-deploy layanan model atau menulis logika inferensi yang kompleks. Hal ini secara signifikan memperpendek siklus pengembangan dan menurunkan hambatan dalam membangun aplikasi AI.
Integrasi mulus: Fungsi AI terintegrasi secara mulus dengan objek model MaxCompute, sumber daya komputasi, dan sistem izin, sehingga mempermudah adopsi.
Dukungan multi-engine terpadu: MaxCompute menyediakan kemampuan fungsi AI yang terpadu di kedua engine-nya, yaitu SQL dan MaxFrame. Hal ini memungkinkan analis data menggunakan SQL yang sudah dikenal untuk memanggil model AI yang kuat, sementara ilmuwan data dapat memanfaatkan daya komputasi Python terdistribusi dari MaxFrame untuk meningkatkan kemampuan dan kualitas pra-pemrosesan data mereka.
Fungsi AI
Fungsi AI SQL
MaxCompute menyediakan fungsi AI SQL yang memungkinkan Anda menjalankan inferensi model dengan menentukan objek model MaxCompute. Model yang didukung mencakup model bahasa besar publik bawaan, model yang diimpor pengguna, dan model remote dari PAI-EAS. Untuk informasi lebih lanjut, lihat Jenis model.
Tabel berikut menjelaskan fungsi AI SQL yang didukung oleh MaxCompute.
Fungsi
Deskripsi
Jenis model yang didukung
Mengekstraksi string label yang paling sesuai untuk konten input dari kumpulan label yang diberikan.
Mendukung model dalam daftar model publik, kecuali
text-embedding-v4danQwen3-VL-8B-Instruct.Mengonversi data teks/gambar menjadi vektor.
Mendukung model daftar model publik
Qwen3-Embedding-0.6B-Q8_0,text-embedding-v4, danqwen3-vl-embedding.Mengekstraksi informasi tertentu dari data teks yang diberikan.
Mendukung model dalam daftar model publik, kecuali
text-embedding-v4danQwen3-VL-8B-Instruct.Menghasilkan teks bahasa alami. Mendukung penalaran logis kompleks, tugas multimodal, dan pemrosesan data tidak terstruktur.
Mendukung model publik dan model remote, kecuali
Qwen3-VL-8B-Instruct.Menjalankan analisis sentimen pada teks input.
Mendukung model dalam daftar model publik, kecuali
text-embedding-v4danQwen3-VL-8B-Instruct.Menentukan kesamaan tekstual dan semantik antara dua teks. Mengembalikan bilangan titik mengambang antara 0 dan 1; nilai yang lebih besar menunjukkan kesamaan semantik yang lebih tinggi.
Mendukung model dalam daftar model publik, kecuali
text-embedding-v4danQwen3-VL-8B-Instruct.Menghasilkan ringkasan untuk teks yang diberikan.
Mendukung model dalam daftar model publik, kecuali
text-embedding-v4danQwen3-VL-8B-Instruct.Menerjemahkan teks input ke bahasa yang ditentukan.
Mendukung model dalam daftar model publik, kecuali
text-embedding-v4danQwen3-VL-8B-Instruct.Memberikan prediksi pada data terstruktur. Umum digunakan dalam tugas pembelajaran mesin tradisional seperti klasifikasi dan regresi.
BOOSTED_TREE_REGRESSOR
BOOSTED_TREE_CLASSIFIER
Penagihan Fungsi AI SQL
Saat Anda menggunakan fungsi AI SQL untuk memanggil model:
Jika Anda menggunakan sumber daya komputasi standar berlangganan (juga disebut kuota CU berlangganan), pekerjaan tersebut mengonsumsi kuota CU Anda.
Jika Anda menggunakan sumber daya komputasi standar bayar sesuai penggunaan (juga disebut kuota CU bayar sesuai penggunaan), Anda ditagih berdasarkan jumlah data yang dipindai oleh pekerjaan SQL, dan tidak dikenai biaya komputasi CU terpisah.
Fungsi AI MaxFrame
Fungsi AI MaxFrame menyediakan antarmuka generate yang fleksibel dan umum, serta antarmuka task yang ringkas dan berbasis skenario (seperti terjemahan teks, ekstraksi terstruktur, dan penyematan). Anda memilih model dan memberikan tabel MaxCompute serta prompt sebagai input.
Saat Anda memanggil antarmuka, MaxFrame pertama-tama membagi data tabel menjadi shard. Anda menetapkan tingkat konkurensi berdasarkan ukuran data dan memulai sekelompok worker. Setiap worker merender prompt dari baris data input menggunakan templat prompt Anda dan menjalankan inferensi model. Hasilnya, termasuk status keberhasilan, ditulis kembali ke tabel MaxCompute.
Gambar berikut menunjukkan arsitektur dan alur kerja secara keseluruhan:
MaxCompute juga menyediakan fungsi AI berbasis Python melalui MaxFrame.
Pemanggilan ini mengonsumsi sumber daya CPU atau GPU berdasarkan jenis sumber daya yang dibutuhkan. Untuk informasi lebih lanjut, lihat Fungsi AI MaxFrame.
Tutorial
Untuk tutorial lebih lanjut tentang penggunaan model MaxCompute dan fungsi AI, lihat topik-topik berikut: