Hugging Face 宣布其 Hub 服務正式登陸 AWS Marketplace。企業客戶現在可以直接使用現有的 AWS 帳戶訂閱與支付 Hugging Face 的服務(如 Enterprise Hub)。這項合作簡化了企業的採購與財務審批流程,並允許企業利用現有的 AWS 承諾消費(Commitments)來抵扣 Hugging Face 的費用,加速企業級 AI 應用的落地。
Hugging Face 宣布與微軟 Azure 展開深度合作,於 Azure 機器學習平台推出 Hugging Face Model Catalog。這項整合讓開發者能直接在 Azure 安全且合規的基礎設施中,一鍵部署與微調數萬個 Hugging Face 的開源模型。此舉大幅降低了企業採用開源 AI 技術的門檻,並強化了 Azure 的開源生態系。
美國知名消費回饋平台 Fetch 過去面臨 AI 工具碎片化與部署流程繁瑣的挑戰。透過在 AWS 上導入 Hugging Face 的解決方案,Fetch 成功統一了其機器學習工作流。這項整合不僅簡化了模型訓練與部署,更為團隊節省了高達 30% 的開發時間,加速了其收據辨識與個人化推薦服務的迭代。
Hugging Face 與 AWS 宣布建立戰略合作夥伴關係,AWS 成為其首選雲端供應商。雙方將深度整合,讓開發者能透過 Amazon SageMaker 輕鬆訓練與部署 Hugging Face 上的超大型 AI 模型。此外,合作也將優化 AWS 自研晶片(Trainium 與 Inferentia)對開源模型的支援,大幅降低企業導入生成式 AI 的成本與門檻。
Mantis NLP 團隊分享了他們將 NLP 模型部署全面轉向 Hugging Face Inference Endpoints 的實戰經驗。相較於傳統自建 AWS SageMaker 或 EC2 基礎設施,Hugging Face 提供極低的維護門檻、靈活的自動縮放(包括縮減至零)以及極具競爭力的價格。這項轉變不僅大幅縮短了產品上線時間,也讓團隊能更專注於模型本身的研發而非繁雜的運維工作。
本文為 Hugging Face 官方發布的推理(Inference)解決方案指南,系統性介紹了四大核心方案:免費且即開即用的 Serverless Inference API、適合生產環境且安全可控的 Inference Endpoints、用於展示與應用的 Spaces,以及與 AWS/Azure 合作的雲端整合方案。旨在幫助開發者根據預算、延遲與隱私需求,選擇最適合的開源模型部署路徑。
Hugging Face 宣布與 AWS 達成全新合作夥伴關係,將其熱門的 Transformers 庫深度整合至 Amazon SageMaker。透過全新推出的 Hugging Face 深度學習容器(DLCs),開發者可以更輕鬆、快速地在 AWS 雲端上進行 NLP 模型的訓練、微調與推理部署。此合作大幅降低了企業在大規模機器學習基礎設施管理上的門檻。