AI 関数は、AI 関連のユースケースに対応するために MaxCompute にプリセットされた一連の関数です。複雑なモデル推論操作を簡潔な SQL または Python 演算子にカプセル化します。これらの関数を使用すると、低レベルのモデル呼び出しコードを記述することなく、標準の SQL または MaxFrame (分散 Python エンジン) から直接、大規模モデルや機械学習モデルを呼び出すことができます。これにより、データ処理やビッグデータ分析で AI を使用するための参入障壁が大幅に下がります。
ユースケース
大規模モデルはデータ理解能力が大幅に向上しており、構造化データ、テキストデータ、非構造化データなどのマルチモーダルデータから正確な意味情報を抽出できます。これらのモデルは、指示追従能力に基づいて、その意味情報を正規化データに変換し、リレーショナル代数演算を可能にします。これにより、ビッグデータプラットフォーム内で構造化データと非構造化データの両方に対する統一的なクエリと処理が実現します。
ユースケースが拡大するにつれて、ビッグデータプラットフォーム内での統一的なコンピューティングに対する需要が高まっています。MaxCompute は、MaxFrame (Python) や SQL といった複数のコンピューティングエンジンを提供することで、この需要に応えます。AI 関数と組み合わせることで、MaxCompute はユーザーが AI をより簡単に活用できる方法を提供します。これにより、マルチモーダルデータ処理、コンテンツ生成、情報抽出、画像・テキスト分析など、さまざまなユースケースにおけるデータ分析とコンピューティングの能力と品質が向上します。典型的なユースケースは次のとおりです。
大規模モデルの事前学習のためのデータ前処理：大規模モデルの事前学習のための Web データ処理では、テキスト品質スコアの計算、テキストのフィルタリング、テキストの分類などのタスクを実行するために、ファインチューニングされた小規模パラメータの大規模言語モデル (LLM) が必要です。
マルチモーダルコンテンツの理解：従来の E コマースや新しい自動運転分野における動画および画像処理では、オブジェクト検出、画像タギング、分類などのタスクのためにマルチモーダルモデルが必要です。
インテリジェントなリスク管理：インテリジェントなリスク管理のユースケースでは、ユーザー行動の分類やリスク警告などのタスクに、ファインチューニングされた小規模パラメータの LLM を使用できます。
利点
ローコード開発：迅速に開始できます。モデルサービスをデプロイしたり、複雑な推論ロジックを記述したりすることなく、1 回の関数呼び出しでモデル推論を実行できます。これにより、開発サイクルが大幅に短縮され、AI アプリケーション構築の参入障壁が下がります。
シームレスな統合：AI 関数は MaxCompute のモデルオブジェクト、コンピューティングリソース、権限システムとシームレスに統合されており、導入が簡素化されます。
統一されたマルチエンジンサポート：MaxCompute は、SQL と MaxFrame の両エンジンにわたって統一された AI 関数機能を提供します。これにより、データアナリストは使い慣れた SQL を使用して強力な AI モデルを呼び出すことができ、データサイエンティストは MaxFrame の分散 Python コンピューティング能力を活用してデータ前処理の能力と品質を向上させることができます。
AI 関数
SQL AI 関数
MaxCompute は、MaxCompute モデルオブジェクトを指定してモデル推論を実行できる SQL AI 関数を提供します。サポートされているモデルには、組み込みのパブリック大規模言語モデル、ユーザーがインポートしたモデル、PAI-EAS のリモートモデルなどがあります。詳細については、「モデルタイプ」をご参照ください。
次の表に、MaxCompute がサポートする SQL AI 関数を示します。
関数
説明
サポートされるモデルタイプ
指定されたラベルセットの中から、入力コンテンツに最も一致するラベル文字列を抽出します。
パブリックモデルリストにあるモデルをサポートします (
text-embedding-v4とQwen3-VL-8B-Instructを除く)。テキスト/画像データをベクトルに変換します。
パブリックモデルリストのモデル
Qwen3-Embedding-0.6B-Q8_0、text-embedding-v4、qwen3-vl-embeddingをサポートしています。指定されたテキストデータから特定の情報を抽出します。
パブリックモデルリストにあるモデルをサポートします (
text-embedding-v4とQwen3-VL-8B-Instructを除く)。自然言語テキストを生成します。複雑な論理的推論や非構造化データの処理をサポートします。
パブリックモデルリストにあるモデルとリモートモデルをサポートします (
Qwen3-VL-8B-Instructを除く)。入力テキストの感情分析を実行します。
パブリックモデルリストにあるモデルをサポートします (
text-embedding-v4とQwen3-VL-8B-Instructを除く)。2 つのテキスト間のテキスト上および意味上の類似性を判断します。0 から 1 の間の浮動小数点数を返します。値が大きいほど意味的類似性が高いことを示します。
パブリックモデルリストにあるモデルをサポートします (
text-embedding-v4とQwen3-VL-8B-Instructを除く)。指定されたテキストの要約を生成します。
パブリックモデルリストにあるモデルをサポートします (
text-embedding-v4とQwen3-VL-8B-Instructを除く)。入力テキストを指定された言語に翻訳します。
パブリックモデルリストにあるモデルをサポートします (
text-embedding-v4とQwen3-VL-8B-Instructを除く)。構造化データに対して予測を行います。これは、分類や回帰などの従来の機械学習タスクで一般的です。
BOOSTED_TREE_REGRESSOR
BOOSTED_TREE_CLASSIFIER
SQL AI 関数の課金
SQL AI 関数を使用してモデルを呼び出す場合：
サブスクリプションの標準コンピューティングリソース (サブスクリプション CU クォータ) を使用する場合、ジョブは CU クォータを消費します。
従量課金の標準コンピューティングリソース (従量課金 CU クォータ) を使用する場合、SQL ジョブによってスキャンされたデータ量に基づいて課金され、別途 CU コンピューティング料金は発生しません。
MaxFrame AI 関数
MaxFrame AI 機能は、柔軟で汎用的な generate インターフェイスと、簡潔なシナリオベースの task インターフェイス (テキスト翻訳、構造化抽出、エンベディングなど) を提供します。モデルを選択し、MaxCompute テーブルとプロンプトを入力として提供します。
インターフェースを呼び出すと、MaxFrame はまずテーブルデータをシャーディングします。データサイズに基づいて並行処理レベルを設定し、ワーカーのグループを起動します。各ワーカーは、プロンプトテンプレートを使用して入力データ行からプロンプトをレンダリングし、モデル推論を実行します。成功ステータスを含む結果は、MaxCompute テーブルに書き戻されます。
以下の図は、全体的なアーキテクチャとワークフローを示しています。
MaxCompute は、MaxFrame を通じて Python ベースの AI 関数も提供します。
呼び出しは、必要なリソースタイプに基づいて CPU または GPU リソースを消費します。詳細については、「MaxFrame AI 関数」をご参照ください。
チュートリアル
MaxCompute モデルと AI 関数の使用に関するその他のチュートリアルについては、次のトピックをご参照ください：