Snowflake (NYSE: SNOW), firma oferująca Chmurę Danych AI (AI Data Cloud), ogłosiła na dorocznej konferencji użytkowników Snowflake Summit 2024 nowe narzędzia i innowacje, które przyspieszają sposób, w jaki programiści tworzą potoki, modele i aplikacje klasy korporacyjnej z wykorzystaniem swoich danych.
Snowflake kontynuuje misję eliminowania złożoności dla klientów dzięki nowym narzędziom dla deweloperów i natywnym integracjom, które przyspieszają rozwój, jednocześnie umożliwiając wydajne dostarczanie bardziej zaawansowanych produktów w Chmurze Danych AI.
– Tysiące deweloperów na całym świecie polega już na Snowflake jako swojej platformie programistycznej. Nasze innowacje przesuwają granice tego, co deweloperzy mogą tworzyć w Chmurze Danych AI – mówi Jeff Hollan, Head of Applications and Developer Platform w Snowflake. – Deweloperzy mogą wykorzystać pełen zakres wiodącej skali, wydajności i zarządzania Snowflake, aby łatwo dostarczać aplikacje oparte na dużych modelach językowych (LLM), które odblokowują wartość, ostatecznie dając dostęp do sztucznej inteligencji większej liczbie użytkowników.
Wykorzystaj szybkość i prostotę Snowflake, aby przyspieszyć rozwój sztucznej inteligencji
Programiści regularnie szukają sposobów na skrócenie czasu od stworzenia prototypu do wdrożenia, a Snowflake szybko staje się platformą do tworzenia potężnych produktów opartych na danych. Wykorzystując połączenie Dynamic Tables i Snowpipe Streaming, użytkownicy mogą odblokować potoki transformacji o niskim opóźnieniu, aby napędzać rozwój modeli sztucznej inteligencji i uczenia maszynowego (ML), a wszystko to w ramach Chmury Danych AI. Obecnie ponad 2900 klientów korzysta z ponad 200 000 Dynamic Tables do tworzenia i zarządzania potokami danych klasy produkcyjnej, a liczba ta stale wzrasta.
Snowflake uzbraja teraz deweloperów w jeszcze więcej możliwości pozwalających na przyspieszenie rozwoju sztucznej inteligencji bezpośrednio na ich danych w ramach Chmury Danych AI. Wszystko to dzięki Snowflake Notebooks (obecnie public preview), rozwiązaniu natywnie zintegrowanemu z pełnym zakresem platformy Snowflake, w tym Snowpark ML, Streamlit i Snowflake Cortex AI. Snowflake Notebooks zapewnia pojedynczy, łatwy w użyciu interfejs programistyczny dla Python, SQL i Markdown. Programiści mogą również wykorzystywać Snowflake Notebooks do eksperymentowania i iteracji swoich potoków ML, wykorzystywania funkcji edycji opartych na sztucznej inteligencji, upraszczania przepływów pracy inżynierii danych i nie tylko w celu odblokowania zwiększonej produktywności i rozwoju.
– Dzięki Snowflake Notebooks możemy łatwo zintegrować nasze śledzenie eksperymentów z Weights & Biases bezpośrednio w notatnikach – mówi Lukas Biewald, współzałożyciel i CEO Weights & Biases. – Scentralizowany, bezpieczny dostęp do danych i obliczeń Snowflake pozwala na prowadzenie inżynierii i analizy danych wraz z modelowaniem ML w znanym, intuicyjnym i wydajnym formacie notatnika. Jesteśmy podekscytowani, widząc, jak nasi klienci używają tego rozwiązania do szybszego przeprowadzania eksperymentów.
Snowflake dodaje również interfejs Snowpark pandas API (obecnie public preview), umożliwiając programistom Python pracę z tą samą składnią pandas, którą znają i cenią, w celu jeszcze bardziej zaawansowanego rozwoju sztucznej inteligencji i potoków, a wszystko to z wydajnością, skalą i zarządzaniem charakterystycznymi dla Snowflake.
Odblokuj rozwój dzięki nowym możliwościom DevOps i obserwowalności
Snowflake jeszcze bardziej upraszcza pracę deweloperów dzięki prawdziwie skoncentrowanemu na danych podejściu do DevOps, płynnie integrując rozwój, operacje i zarządzanie danymi w ramach jednej platformy. Definiując pożądany stan swoich potoków danych zgodnie z zasadami infrastruktury jako kodu, zamiast skryptować złożone przepływy pracy wiersz po wierszu, Snowflake nadaje priorytet deklaratywnemu podejściu do rozwoju dzięki nowej funkcji Database Change Management (obecnie public preview). Ponadto inżynierowie danych i programiści mogą teraz korzystać z nowej integracji Snowflake z Git (obecnie public preview) w celu usprawnienia współpracy programistycznej między zespołami i umożliwienia wdrożeń w różnych środowiskach, a także wykorzystać interfejs Python API Snowflake (ogólnie dostępny wkrótce) do wydajnego zarządzania zasobami czy skorzystać z otwartego interfejsu Snowflake CLI (ogólnie dostępny wkrótce) jako pojedynczego interfejsu do zarządzania potokami CI / CD i nie tylko.
Snowflake prezentuje również Snowflake Trail, szeroki zestaw funkcji obserwowalności, które zapewniają lepszy wgląd w jakość danych, potoki i aplikacje, umożliwiając programistom łatwe monitorowanie, rozwiązywanie problemów i optymalizację pracy. Snowflake zapewnia wbudowane sygnały telemetryczne dla Snowpark i Snowpark Container Services, umożliwiając użytkownikom łatwe diagnozowanie i debugowanie błędów przy użyciu metryk oraz dzienników i rozproszonego śledzenia. Wszystko to bez konieczności ręcznego konfigurowania agentów lub przesyłania danych. Snowflake Trail jest zbudowany zgodnie ze standardami OpenTelemetry, dzięki czemu deweloperzy mogą integrować się z popularnymi platformami obserwacyjnymi i alertami, w tym Datadog, Grafana, Metaplane, PagerDuty, Slack i nie tylko, oprócz natywnej pracy w Snowsight. Snowflake współpracuje również z platformami obserwacyjnymi, takimi jak Monte Carlo i Observe, aby zapewnić klientom kompleksową obserwowalność.
Wprowadzaj aplikacje oparte na sztucznej inteligencji i rozwijaj swoją firmę szybciej w Chmurze Danych AI
Jak wynika z niedawnego badania IDC, aplikacje AI są obecnie największą kategorią oprogramowania AI, odpowiadającą za około połowę całkowitych przychodów rynku w 2023 roku. Aby pomóc firmom w dalszym tworzeniu i dostarczaniu tych złożonych aplikacji, Snowflake ogłasza integrację Snowflake Native App Framework ze Snowpark Container Services (obecnie public preview na AWS). Integracja umożliwia organizacjom rozszerzenie zakresu i różnorodności aplikacji, które tworzą w Chmurze Danych AI przy użyciu konfigurowalnych instancji GPU i CPU, aby dopasować je do szeregu przypadków użycia obejmujących automatyzację wizji komputerowej, analizę danych geoprzestrzennych, aplikacje ML dla przedsiębiorstw i nie tylko.
Deweloperzy aplikacji mogą najpierw tworzyć swoje natywne aplikacje Snowflake oparte na sztucznej inteligencji, a następnie wdrażać i dystrybuować je w różnych chmurach i regionach do tysięcy klientów Snowflake za pośrednictwem Snowflake Marketplace, gdzie już dziś znajduje się 160 natywnych aplikacji Snowflake. Wiele największych organizacji na świecie polega na Snowflake Marketplace jako platformie dystrybucyjnej do odblokowywania zupełnie nowych źródeł przychodów, dystrybucji ich Snowflake Native Apps oraz przyspieszania monetyzacji i zakupów tych aplikacji. Ponadto setki startupów decydują się na zbudowanie całej swojej działalności na Snowflake, a grono dostawców, w tym Maxa, My Data Outlet i RelationalAI, zarabia miliony na swoich aplikacjach, dystrybuując je na Snowflake Marketplace.
– Odkąd udostępniliśmy naszą Snowflake Native App zbudowaną przy użyciu Snowpark Container Services, zaobserwowaliśmy pięciokrotny wzrost zainteresowania klientów, a nasz proces sprzedaży został znacznie usprawniony – mówi Molham Aref, założyciel i CEO RelationalAI. –To, co wcześniej zajmowało kilka miesięcy z przeglądami architektury, bezpieczeństwa i zamówień, teraz zajmuje zaledwie kilka dni, a możliwość zarabiania na naszej Snowflake Native App na platformie Snowflake za pośrednictwem programu Marketplace Capacity Drawdown jeszcze bardziej wpłynie na zaangażowanie naszych klientów. Nasze partnerstwo ze Snowflake zapewnia niesamowitą wartość dla klientów i umożliwia organizacjom takim jak Cash App uzyskanie ważnych informacji z ich danych w sposób, który wcześniej nie był dostępny.
