Arquitectura de Inteligencia artificial de Azure Studio

AI Studio proporciona una experiencia unificada para que los desarrolladores de inteligencia artificial y los científicos de datos compilen, evalúen e implementen modelos de IA a través de un portal web, un SDK o una CLI. AI Studio se basa en funcionalidades y servicios proporcionados por otros servicios de Azure.

Los recursos de AI Studio de nivel superior (centro de conectividad y proyecto) se basan en Azure Machine Learning. Los recursos conectados, como Azure OpenAI, los servicios de Azure AI y Búsqueda de Azure AI, los usa el centro y el proyecto en referencia, pero siguen su propio ciclo de vida de administración de recursos.

• Centro de inteligencia artificial: el centro es el recurso de nivel superior de IA Studio. El proveedor de recursos de Azure para un centro es Microsoft.MachineLearningServices/workspaces, y el tipo de recurso es Hub. Ofrece las siguientes características:
  • Configuración de seguridad, incluida una red administrada que abarca proyectos y puntos de conexión de modelo.
  • Recursos de proceso para el desarrollo interactivo, ajuste, implementaciones de modelos sin servidor y de código abierto.
  • Conexiones a otros servicios de Azure, como Azure OpenAI, servicios de Azure AI y Búsqueda de Azure AI. Las conexiones con ámbito de concentrador se comparten con proyectos creados desde el centro.
  • Administración de proyectos. Un centro puede tener varios proyectos secundarios.
  • Una cuenta de Azure Storage asociada para la carga de datos y el almacenamiento de artefactos.
• Proyecto de IA: Un proyecto es un recurso secundario del centro. El proveedor de recursos de Azure para un proyecto es Microsoft.MachineLearningServices/workspaces, y el tipo de recurso es Project. El proyecto proporciona las siguientes características:
  • Acceso a las herramientas de desarrollo para crear y personalizar aplicaciones de inteligencia artificial.
  • Componentes reutilizables, incluidos conjuntos de datos, modelos e índices.
  • Un contenedor aislado en el que cargar datos (dentro del almacenamiento heredado del centro).
  • Conexiones con ámbito de proyecto. Por ejemplo, es posible que los miembros del proyecto necesiten acceso privado a los datos almacenados en una cuenta de Azure Storage sin conceder ese mismo acceso a otros proyectos.
  • Implementaciones de modelos de código abierto desde puntos de conexión de modelo de catálogo y optimizados.

Configuración y gobernanza centralizadas mediante centros de conectividad

Los centros de conectividad proporcionan una manera central para que un equipo controle la seguridad, la conectividad y los recursos informáticos en las áreas de juego y los proyectos. Los proyectos que se crean mediante un centro heredan la misma configuración de seguridad y el acceso a recursos compartidos. Teams puede crear tantos proyectos como sea necesario para organizar el trabajo, aislar los datos o restringir el acceso.

A menudo, los proyectos de un dominio empresarial requieren acceso a los mismos recursos de la empresa, como índices vectoriales, puntos de conexión de modelo o repositorios. Como responsable del equipo, puede configurar previamente la conectividad con estos recursos dentro de un centro de conectividad, por lo que los desarrolladores pueden acceder a ellos desde cualquier área de trabajo de proyecto nueva sin demora en TI.

Connections permite acceder a objetos de AI Studio administrados fuera del centro. Por ejemplo, los datos cargados en una cuenta de Azure Storage o implementaciones de modelos en un recurso de Azure OpenAI existente. Se puede compartir una conexión con cada proyecto o se puede acceder a un proyecto específico. Las conexiones se pueden configurar para usar acceso basado en claves o acceso directo de Microsoft Entra ID para autorizar el acceso a los usuarios en el recurso conectado. Como administrador, puede realizar un seguimiento, auditar y administrar conexiones en toda la organización desde una sola vista en AI Studio.

Organizar las necesidades de su equipo

El número de centros y proyectos que necesita depende de su manera de trabajar. Puede crear un único centro para un equipo grande con necesidades de acceso a datos similares. Esta configuración maximiza la rentabilidad, el uso compartido de recursos y minimiza la sobrecarga de configuración. Por ejemplo, un centro para todos los proyectos relacionados con el soporte técnico al cliente.

Si necesita aislamiento entre desarrollo, prueba y producción como parte de la estrategia de LLMOps o MLOps, considere la posibilidad de crear un centro para cada entorno. En función de la preparación de la solución para producción, puede decidir replicar las áreas de trabajo del proyecto en cada entorno o solo en uno.

Tipos de recursos y proveedores de Azure

Inteligencia artificial de Azure Studio se basa en el proveedor de recursos de Azure Machine Learning y toma una dependencia de varios otros servicios de Azure. Los proveedores de recursos para estos servicios deben registrarse en la suscripción de Azure. En la tabla siguiente se enumeran los tipos de recursos, el proveedor y el tipo:

Tipo de recurso	Proveedor de recursos	Clase
Centro de Azure AI Studio	Microsoft.MachineLearningServices/workspace	hub
Proyecto de Azure AI Studio	Microsoft.MachineLearningServices/workspace	project
Servicios de Azure AI o Servicio OpenAI de Azure AI	Microsoft.CognitiveServices/account	AIServices OpenAI

Al crear un nuevo centro, se requiere un conjunto de recursos de Azure dependientes para almacenar datos, obtener acceso a los modelos y proporcionar recursos de proceso para la personalización de IA. En la tabla siguiente se enumeran los recursos de Azure dependientes y sus proveedores de recursos:

Sugerencia

Si no proporciona un recurso dependiente al crear un centro y es una dependencia necesaria, AI Studio crea el recurso automáticamente.

Recurso de Azure dependiente	Proveedor de recursos	Opcionales	Nota:
Azure AI Search	Microsoft.Search/searchServices	✔	Proporciona funcionalidades de búsqueda para los proyectos.
Cuenta de Azure Storage	Microsoft.Storage/storageAccounts		Almacena artefactos para los proyectos como flujos y evaluaciones. Para el aislamiento de datos, los contenedores de almacenamiento tienen como prefijo el GUID del proyecto y se protegen condicionalmente mediante Azure ABAC para la identidad del proyecto.
Azure Key Vault	Microsoft.KeyVault/vaults		Almacena secretos como cadenas de conexión para las conexiones de recursos. En el caso del aislamiento de datos, los secretos no se pueden recuperar entre proyectos a través de API.
Azure Container Registry	Microsoft.ContainerRegistry/registries	✔	Almacena imágenes de Docker creadas al usar el entorno de ejecución personalizado para el flujo de avisos. Para el aislamiento de datos, las imágenes de docker tienen como prefijo el GUID del proyecto.
Azure Application Insights & Área de trabajo de Log Analytics	Microsoft.Insights/components Microsoft.OperationalInsights/workspaces	✔	Se usa como almacenamiento de registros al optar por el registro de nivel de aplicación para los flujos de avisos implementados.

Para obtener información sobre cómo registrar proveedores de recursos, consulte Registro de un proveedor de recursos de Azure.

Recursos hospedados por Microsoft

Aunque la mayoría de los recursos usados por la inteligencia artificial de Azure Studio residen en su suscripción de Azure, algunos recursos se encuentran en una suscripción de Azure administrada por Microsoft. El costo de estos recursos administrados se muestra en la factura de Azure como un elemento de línea en el proveedor de recursos de Azure Machine Learning. Los siguientes recursos están en la suscripción de Azure administrada por Microsoft y no aparecen en la suscripción de Azure:

• Recursos de proceso administrados: proporcionados por los recursos de Azure Batch en la suscripción de Microsoft.

• Red virtual administrada: proporcionada por los recursos de Azure Virtual Network en la suscripción de Microsoft. Si las reglas de FQDN están habilitadas, se agrega una instancia de Azure Firewall (estándar) y se cobra a la suscripción. Para más información, consulte Configuración de una red virtual administrada para la inteligencia artificial de Azure AI Studio.

• Almacenamiento de metadatos: proporcionado por los recursos de Azure Storage en la suscripción de Microsoft.

  Nota:

  Si usa claves administradas por el cliente, los recursos de almacenamiento de metadatos se crean en la suscripción. Para obtener más información, consulte Claves administradas por el cliente.

Los recursos de proceso administrados y las redes virtuales administradas existen en la suscripción de Microsoft, pero los administra usted. Por ejemplo, puede controlar qué tamaños de máquina virtual se usan para los recursos de proceso y qué reglas de salida están configuradas para la red virtual administrada.

Los recursos de proceso administrados también requieren administración de vulnerabilidades. La administración de vulnerabilidades es una responsabilidad compartida entre el usuario y Microsoft. Para obtener más información, consulte Administración de vulnerabilidades.

Control de acceso basado en rol y proxy del plano de control

Los servicios de Azure AI, incluido Azure OpenAI, proporcionan puntos de conexión del plano de control para operaciones como enumerar implementaciones de modelos. Estos puntos de conexión se protegen mediante una configuración independiente de control de acceso basado en rol (RBAC) de Azure que la que se usa para un centro.

Para reducir la complejidad de la administración de RBAC de Azure, AI Studio proporciona un proxy de plano de control que le permite realizar operaciones en los servicios de Azure AI conectados y los recursos de Azure OpenAI. La realización de operaciones en estos recursos a través del proxy del plano de control solo requiere permisos de RBAC de Azure en el centro. A continuación, el servicio Azure AI Studio realiza la llamada a los servicios de Azure AI o al punto de conexión del plano de control de Azure OpenAI en su nombre.

Para más información, consulte control de acceso basado en rol en Inteligencia artificial de Azure Studio.

Control de acceso basado en atributos

Cada centro que cree tiene una cuenta de almacenamiento predeterminada. Cada proyecto secundario del centro hereda la cuenta de almacenamiento del centro. La cuenta de almacenamiento se usa para almacenar datos y artefactos.

Para proteger la cuenta de almacenamiento compartido, Inteligencia artificial de Azure Studio usa tanto Azure RBAC como el control de acceso basado en atributos de Azure (Azure ABAC). Azure ABAC es un modelo de seguridad que define el control de acceso en función de los atributos asociados con el usuario, el recurso y el entorno. Cada proyecto tiene:

• Una entidad de seguridad de servicio a la que se ha asignado el rol de Colaborador de datos de blobs de almacenamiento en la cuenta de almacenamiento.
• Un identificador único (id. del área de trabajo).
• Un conjunto de contenedores en la cuenta de almacenamiento. Cada contenedor tiene un prefijo que corresponde al valor de identificador del área de trabajo para el proyecto.

La asignación de roles para la entidad de servicio de cada proyecto tiene una condición que solo permite que la entidad de servicio acceda a contenedores con el valor de prefijo coincidente. Esta condición garantiza que cada proyecto solo pueda acceder a sus propios contenedores.

Nota:

Para el cifrado de datos en la cuenta de almacenamiento, el ámbito es todo el almacenamiento y no por contenedor. Por lo tanto, todos los contenedores se cifran con la misma clave (proporcionada por Microsoft o por el cliente).

Para más información sobre el control de acceso basado en atributos de Azure, consulte Qué es el control de acceso basado en atributos de Azure.

Contenedores en la cuenta de almacenamiento

La cuenta de almacenamiento predeterminada para un centro tiene los siguientes contenedores. Estos contenedores se crean para cada proyecto y el prefijo {workspace-id} coincide con el identificador único del proyecto. Los proyectos acceden a un contenedor mediante una conexión.

Sugerencia

Para buscar el identificador del proyecto, vaya al proyecto en Azure Portal. Expanda Configuración y, a continuación, seleccione Propiedades. Se muestra el id. del área de trabajo.

Nombre del contenedor	Nombre de conexión	Descripción
{workspace-ID}-azureml	workspaceartifactstore	Almacenamiento para recursos como métricas, modelos y componentes.
{workspace-ID}-blobstore	workspaceblobstore	Almacenamiento para carga de datos, instantáneas de código de trabajo y caché de datos de canalización.
{workspace-ID}-code	N/D	Almacenamiento para cuadernos, instancias de proceso y flujo de avisos.
{workspace-ID}-file	N/D	Contenedor alternativo para la carga de datos.

Cifrado

Inteligencia artificial de Azure Studio usa el cifrado para proteger los datos en reposo y en tránsito. De forma predeterminada, las claves administradas por Microsoft se usan para el cifrado. Sin embargo, puede usar sus propias claves de cifrado. Para obtener más información, consulte Claves administradas por el cliente.

Red virtual

Un centro se puede configurar para usar una red virtual administrada. La red virtual administrada protege las comunicaciones entre el centro, los proyectos y los recursos administrados, como los procesos. Si los servicios de dependencia (Azure Storage, Key Vault y Container Registry) tienen deshabilitado el acceso público, se crea un punto de conexión privado para cada servicio de dependencia para proteger la comunicación entre el centro y el proyecto y el servicio de dependencia.

Nota:

Si desea usar una red virtual para proteger las comunicaciones entre los clientes y el centro o proyecto, debe usar una instancia de Azure Virtual Network que cree y administre. Por ejemplo, una red virtual Azure que usa una conexión VPN o ExpressRoute a su red local.

Para más información sobre cómo configurar una red virtual administrada, consulte Configuración de una red virtual administrada para Inteligencia artificial de Azure Studio.

Azure Monitor

Azure Monitor y Azure Log Analytics proporcionan supervisión y registro de los recursos subyacentes usados por la Inteligencia artificial de Azure Studio. Dado que Azure AI Studio se basa en Azure Machine Learning, Azure OpenAI, servicios de Azure AI y Azure AI Search, use los siguientes artículos para aprender a supervisar los servicios:

Resource	Supervisión y registro
Centro y proyecto de Azure AI Studio	Supervisión de Azure Machine Learning
Azure OpenAI	Supervisión de Azure OpenAI
Servicios de Azure AI	Supervisión de Azure AI (entrenamiento)
Azure AI Search	Supervisión de Azure AI Search

Precio y cuota

Para obtener más información sobre el precio y la cuota, use los siguientes artículos:

• Planificación y administración de costos
• Precios del nivel de compromiso
• Administración de cuotas

Pasos siguientes

Cree un centro con uno de los métodos siguientes:

• Azure AI Studio: Creación de un centro para empezar.
• Azure Portal: Cree un centro con sus propias redes.
• Plantilla de Bicep.