作为人工智能的关键基石，机器学习能够从过往数据中发现规律、总结知识并预测趋势，近年来越来越受到重视，并在各行各业中展现出巨大的潜力。

从预测疫情的发展、优化仓储和物流资源、避免道路拥堵、洞察流行趋势，到个性化推荐商品，机器学习在各种场景中都发挥了重要作用。

然而，构建和部署机器学习模型，并使其高效运行，并非易事，尤其是在处理复杂数据源和大规模运营需求时。这就对企业在技术能力和运维水平上提出了更高的要求。机器学习运维（MLOps）通过改进模型监控、调试和管理等环节，全面提升了机器学习模型的效率，真正释放了其潜力。

准确预测，打造更稳定高效的全球云服务

云计算是一个庞大且复杂的技术平台，如何安全有效地管理分布在全球各地的数据中心中的各种软硬件资源，不仅需要大量的资源投入，还关系到亿万客户的业务系统和服务是否能够稳定运行。微软Azure目前服务全球58个区域，是全球覆盖面最广的公有云之一。为了最大化利用云计算资源，优化整体运营水平，Azure团队和微软研究院的研究人员开始考虑如何利用机器学习来预测和优化资源分配。

传统的资源管理依赖固定的策略，但这两种策略存在缺陷：首先，策略的阈值通常是为了满足不同类型的工作负载而大致设定的；其次，被动的措施往往会导致额外的成本和负面影响。基于机器学习的预测式资源管理则可以有效解决这些问题。

Azure团队与微软研究院合作开发了名为Resource Central的服务，这是一款通用的机器学习预测系统，可以为Azure的各种云计算资源管理器提供工作负载和硬件基础设施分配的预测洞察。Resource Central收集容器和服务器的运行数据，分析过去的运行情况和故障情况，从中寻找规律，对未来可能出现的情况进行预测。基于分析和预测的自动化管理策略，可以动态调整阈值，合理、动态、及时地分配虚拟机、容器、CPU等资源，从而提高云计算的整体运行效率。

目前，Resource Central已经部署在全球各地的Azure区域，对数据中心效率、云平台效率和可用性、服务器效率和可用性、虚拟机效率等方面进行监控、预测和优化。其预测准确率平均超过了80%。在虚拟机管理方面，由于实现了对实际工作负载的准确预测，本已认为满载的系统现在可以运行更多的虚拟机，与对照组相比，物理资源耗尽的情况减少了六倍。

更准确的预测意味着更低的宕机风险、更高的可用性、更灵活高效的资源管理和更低的运行成本，这也使得Azure能够为全球客户提供更加安全、可靠和经济的云计算服务。

机器学习让PowerPoint更懂设计

与此同时，机器学习也在推动微软生产力云平台的智能化升级。多年来，微软一直致力于为Office添加更多的人工智能功能，帮助用户高效地完成工作和发挥创意。PowerPoint的“设计灵感”功能和Outlook的“建议回复”功能就是其中的典型例子。

PowerPoint中的设计灵感功能可以根据用户输入的文字和图片，自动生成多种风格的幻灯片布局，用户无需手动调整字体大小、行间距、图形效果等细节，就能获得美观的设计。Outlook网页版和移动客户端提供的建议回复功能，可以根据邮件内容自动生成快速回复的文字选项，帮助用户简化操作。目前，这些智能功能都是由Azure机器学习服务驱动的。

以设计灵感为例，该功能首先需要分析用户输入的图像、文字和表格等内容，再将其放入风格匹配的专业设计模板中。这一过程涉及到图像分类、内容建议、文字分析、页面结构分析等多个环节，都需要借助机器学习技术。自推出以来，设计灵感功能已经帮助用户创建了超过17亿个幻灯片，并且需要不断更新和优化模型，以提高内容建议的准确性。

为了应对快速增长的用户需求，PowerPoint开始采用Azure机器学习和MLOps服务，更快地构建和部署机器学习模型，并增加了对背景图片、视频和复杂内容的处理建议。原始数据会被转换成模型可以识别的格式，通过分布式训练和模型优化，最终实现持续高效的智能迭代和升级。

Azure MLOps，让机器学习运维触手可及

为了帮助企业将机器学习模型部署到生产环境，并实现高效的开发运维，微软在Azure机器学习的基础上推出了Azure机器学习运维（MLOps）服务。Azure MLOps提供了从开发、封装、测试、部署、监控、重训练到迭代的全生命周期流程，支持通过复制开发流程实现规模化扩展，从而帮助企业充分发挥机器学习和人工智能的潜力。

例如，加拿大温哥华市的公共交通运营商TransLink在其公交系统中部署了1.8万个机器学习模型，用于预测每趟公交车的发车时间，融合了交通、天气等多种因素的影响。借助Azure机器学习和MLOps服务，他们能够并行运行所有这些预测模型。

美国有着130年历史的江森自控公司，是一家专注于楼宇消防、空调和安防系统的企业。该公司提供数千种冷却设备，每台设备上可能有70个不同的传感器，实时发送的数据量可达TB级。MLOps可以快速部署机器学习模型，提供实时的数据洞察，提前几天预测冷却设备的故障风险，从而降低损失并确保客户满意度。

全球覆盖的微软智能云为机器学习和机器学习运维提供了理想的平台，同时也不断采用最新的机器学习和MLOps技术，实现快速的迭代和自我更新。欲了解更多详情，请访问微软Azure官网：https://azure.microsoft.com/zh-cn/services/machine-learning/

关于微软智能云Azure的最新进展和技术革新，敬请关注4月17日至4月18日举行的首届微软在线技术峰会。您可以扫描下方二维码立即报名参加。

（注：图片二维码部分省略）