本文協助組織在 Azure 平台即服務（PaaS）解決方案上建構 AI 工作負載。 這些服務同時支援具有企業級安全性和延展性的產生式和非產生 AI 工作負載。
使用生成式 AI 架構和指南
產生 AI 架構會建立新的內容，並透過大型語言模型啟用對話式體驗。 這些架構提供不同的複雜度層級，以符合貴組織的需求和技術成熟度。 您必須根據組織規模、合規要求及現有 Azure 基礎架構來選擇合適的架構。 方法如下：
從基準架構開始，為生產工作負載提供經過證實的設計模式。 這些架構包括安全性設定、網路設計，以及企業對於可靠 AI 部署所需的作業實務。 它們可解決常見的挑戰，例如模型控管、成本管理和數據保護。
發行項 文章類型 目標組織 Baseline Foundry 聊天機能參考架構於 Azure 著陸區 建築 Enterprise AI 應用著陸區 建築 任意 基礎 Foundry 聊天參考架構 建築 任意 Basic Foundry 聊天參考架構 建築 Startup 套用支援 AI 開發生命週期管理的作業指引。 這些指南會建立跨開發環境模型部署、監視和持續改進的作法。 它們可確保 AI 應用程式隨著 AI 應用程式演進而保持一致的品質和可靠性。
發行項 文章類型 目標組織 GenAIOps Guide 任意 開發RAG解決方案 Guide 任意 Proxy Azure OpenAI 使用量 Guide 任意 實作 Well-Architected 設計區域，以解決 AI 工作負載的特定技術問題。 這些設計區域提供應用程式設計、數據管理和卓越營運的詳細建議，以補充架構模式。
發行項 文章類型 目標組織 應用程式設計 設計區域 任意 應用程式平臺 設計區域 任意 訓練數據設計 設計區域 任意 地面數據設計 設計區域 任意 數據平臺 設計區域 任意 MLOps 和 GenAIOps 設計區域 任意 操作 設計區域 任意 測試和評估 設計區域 任意 負責任的人工智慧 設計區域 任意
使用非生成型AI架構和指南
非行性 AI 架構著重於分類、預測和分析工作，而不需建立新的內容。 這些架構會處理現有的數據，以擷取深入解析、自動化決策，以及增強商務程式。 您必須選擇符合特定數據處理和分析需求的架構。
方法如下：
選取處理數據處理和分析之特定使用案例的特製化架構。 這些架構會針對常見的商務案例示範經證實的模式，例如文件處理、媒體分析和預測性分析。 它們提供將 AI 功能整合到現有商務程式的實作指引。
發行項 文章類型 目標組織 檔處理架構 建築 任意 影片和影像分類架構 建築 任意 音訊處理架構 建築 任意 預測性分析架構 建築 任意 套用支持機器學習模型生命週期管理的作架構。 這些指南會建立模型定型、部署和監視的最佳做法，以確保生產環境中的一致效能和可靠性。
發行項 文章類型 目標組織 Azure Machine Learning Guide 任意 MLOps Guide 任意
採用 AI 標準
以下文章提供使用 Azure PaaS 解決方案採用 AI 工作負載的最佳實務。 這些做法可確保 AI 工作負載符合跨主要類別的安全性、治理和營運卓越需求。
- 資源選取 - 使用最佳做法來選擇適當的 AI 服務和計算資源。
- 網路 - 套用最佳做法，以設計安全且高效能的網路連線。
- 治理 - 遵循最佳做法來建立 AI 資源管理的原則和控件。
- 管理 - 實作監視和作業做法的最佳做法。
- 安全性 - 強制執行套用安全性控制與合規性需求的最佳做法。
Azure 資源
| 類別 | Tool | 說明 |
|---|---|---|
| 平台服務 | 鑄造廠 | 用於建置及部署產生的和非行性 AI 應用程式的整合平臺 |
| 平台服務 | Azure OpenAI | 使用符合企業安全標準與合規要求的方式來存取 OpenAI 模型 |
| 平台服務 | Azure Machine Learning | 端對端機器學習生命週期管理平臺 |
| 平台服務 | 鑄造工具 | 適用於視覺、語音、語言和決策的預先建置 AI 功能 |
| 架構指引 | Azure 架構中心 AI/ML | AI 和機器學習架構模式的完整集合 |
| 最佳做法 | Well-Architected Framework AI 工作負載 | Azure 上 AI 工作負載的設計原則與建議 |