As funções de IA são um conjunto de recursos predefinidos no MaxCompute para casos de uso relacionados à inteligência artificial. Elas encapsulam operações complexas de inferência de modelos em operadores SQL ou Python concisos. Use essas funções para invocar grandes modelos ou modelos de aprendizado de máquina diretamente do SQL padrão ou do MaxFrame (um mecanismo Python distribuído), sem escrever código de baixo nível para invocação de modelos. Isso reduz significativamente a barreira de entrada para o uso de IA no processamento de dados e na análise de big data.
Casos de uso
Os grandes modelos têm capacidade aprimorada de compreensão de dados, o que permite extrair informações semânticas precisas de dados multimodais, como estruturados, texto e não estruturados. Graças à capacidade de seguir instruções, esses modelos transformam as informações semânticas em dados normalizados e viabilizam operações de álgebra relacional. Assim, é possível consultar e processar dados estruturados e não estruturados de forma unificada em uma plataforma de big data.
Conforme os casos de uso se expandem, cresce a demanda por computação unificada nas plataformas de big data. O MaxCompute atende a essa necessidade ao fornecer múltiplos mecanismos de computação, como MaxFrame (Python) e SQL. Combinado com as funções de IA, o MaxCompute oferece uma maneira mais acessível de aproveitar a inteligência artificial. Esse recurso melhora a capacidade e a qualidade da análise de dados e da computação em diversos cenários, incluindo processamento de dados multimodais, geração de conteúdo, extração de informações e análise de imagens e textos. Os casos de uso típicos incluem:
Pré-processamento de dados para pré-treinamento de grandes modelos: O processamento de dados da web para pré-treinamento exige modelos de linguagem grandes (LLMs) ajustados e com poucos parâmetros para executar tarefas como cálculo de pontuação de qualidade de texto, filtragem e classificação de texto.
Compreensão de conteúdo multimodal: O processamento de vídeo e imagem no e-commerce tradicional e nos campos emergentes de direção autônoma requer modelos multimodais para tarefas como detecção de objetos, marcação de imagens e classificação.
Controle de risco inteligente: Em cenários de controle de risco inteligente, utilize LLMs ajustados e com poucos parâmetros para tarefas como classificação de comportamento do usuário e alertas de risco.
Benefícios
Desenvolvimento de baixo código: Comece rapidamente. Execute a inferência de modelos com uma única chamada de função, sem implantar serviços de modelo ou escrever lógicas complexas de inferência. Isso encurta significativamente o ciclo de desenvolvimento e reduz a barreira para criar aplicações de IA.
Integração perfeita: As funções de IA se integram perfeitamente aos objetos de modelo, recursos de computação e sistema de permissões do MaxCompute, simplificando a adoção.
Suporte unificado a múltiplos mecanismos: O MaxCompute fornece capacidades unificadas de funções de IA em seus mecanismos SQL e MaxFrame. Analistas de dados podem usar SQL familiar para chamar modelos de IA poderosos, enquanto cientistas de dados aproveitam o poder de computação Python distribuído do MaxFrame para aprimorar a capacidade e a qualidade do pré-processamento de dados.
Funções de IA
Funções de IA SQL
O MaxCompute fornece funções de IA SQL que permitem executar inferência de modelos especificando objetos de modelo do MaxCompute. Os modelos suportados incluem grandes modelos de linguagem públicos integrados, modelos importados pelo usuário e modelos remotos do PAI-EAS. Para obter mais informações, consulte Tipos de modelo.
-
A tabela a seguir descreve as funções de IA SQL suportadas pelo MaxCompute.
Função
Descrição
Tipos de modelo suportados
Extrai a string de rótulo mais adequada para o conteúdo de entrada a partir de um conjunto de rótulos fornecido.
Suporta os modelos da lista de modelos públicos, exceto
text-embedding-v4eQwen3-VL-8B-Instruct.Converte dados de texto/imagem em vetores.
Suporta os modelos
Qwen3-Embedding-0,6B-Q8_0,text-embedding-v4eqwen3-vl-embeddingda lista de modelos públicos.Extrai informações específicas dos dados de texto fornecidos.
Suporta os modelos da lista de modelos públicos, exceto
text-embedding-v4eQwen3-VL-8B-Instruct.Gera texto em linguagem natural. Suporta raciocínio lógico complexo, tarefas multimodais e processamento de dados não estruturados.
Suporta modelos públicos e modelos remotos, exceto
Qwen3-VL-8B-Instruct.Analisa o sentimento do texto de entrada.
Suporta os modelos da lista de modelos públicos, exceto
text-embedding-v4eQwen3-VL-8B-Instruct.Determina a similaridade textual e semântica entre dois textos. Retorna um número de ponto flutuante entre 0 e 1; um valor maior indica maior similaridade semântica.
Suporta os modelos da lista de modelos públicos, exceto
text-embedding-v4eQwen3-VL-8B-Instruct.Gera um resumo para um determinado texto.
Suporta os modelos da lista de modelos públicos, exceto
text-embedding-v4eQwen3-VL-8B-Instruct.Traduz o texto de entrada para um idioma especificado.
Suporta os modelos da lista de modelos públicos, exceto
text-embedding-v4eQwen3-VL-8B-Instruct.Faz previsões sobre dados estruturados. É comum em tarefas tradicionais de aprendizado de máquina, como classificação e regressão.
BOOSTED_TREE_REGRESSOR
BOOSTED_TREE_CLASSIFIER
Faturamento das funções de IA SQL
Ao usar uma função de IA SQL para chamar um modelo:
Se você utilizar recursos de computação padrão por assinatura (também chamados de cota CU por assinatura), o job consumirá sua cota CU.
Se você utilizar recursos de computação padrão de pagamento conforme o uso (também chamados de cota CU de pagamento conforme o uso), o faturamento será baseado na quantidade de dados verificados pelo job SQL, sem incorrer em taxas separadas de computação CU.
Funções de IA do MaxFrame
A Função de IA do MaxFrame fornece uma interface generate flexível e de uso geral, além de interfaces task concisas e baseadas em cenários (como tradução de texto, extração estruturada e embedding). Selecione um modelo e forneça uma tabela do MaxCompute e prompts como entrada.
Ao chamar uma interface, o MaxFrame primeiro fragmenta os dados da tabela. Defina um nível de simultaneidade com base no tamanho dos dados e inicie um grupo de workers. Cada worker renderiza prompts a partir das linhas de dados de entrada usando seu modelo de prompt e executa a inferência do modelo. Os resultados, incluindo o status de sucesso, são gravados de volta em uma tabela do MaxCompute.
A figura a seguir mostra a arquitetura geral e o fluxo de trabalho:
O MaxCompute também fornece funções de IA baseadas em Python por meio do MaxFrame.
A chamada consome recursos de CPU ou GPU com base no tipo de recurso necessário. Para obter mais informações, consulte Funções de IA do MaxFrame.
Tutoriais
Para mais tutoriais sobre como usar modelos do MaxCompute e funções de IA, consulte os seguintes tópicos: