MosaicML 以其最先進的 MPT 大語言模型 (LLM) 而聞名。隨著MPT-7B的下載量超過 330 萬次以及最近發布的MPT-30B，MosaicML 展示了組織如何以經濟高效的方式使用其數據快速構建和訓練自己的最先進模型。 AI2（艾倫人工智慧研究所）、Generally Intelligence、Hippocratic AI、Replit 和 Scatter Labs 等客戶利用 MosaicML 來實現各種生成式 AI 用例。
Ali Ghodsi 表示：「每個組織都應該能夠從人工智慧革命中受益，並且能夠更好地控制資料的使用方式。Databricks 和MosaicML 擁有絕佳的機會來實現人工智慧的民主化，並使Lakehouse 成為構建生成式人工智慧和法學碩士的最佳場所。 “Databricks 和 MosaicML 的共同願景植根於透明度和開源貢獻的歷史，將為我們的客戶帶來價值，幫助他們應對當今時代最大的計算革命。”
為組織提供一種簡單、快速的方式來建立、擁有和保護模型
如今，幾乎每個組織都在探索如何最好地使用生成式人工智慧和法學碩士，每個領導者都在考慮如何利用這些新創新，同時保留對最寶貴資源（數據）的控制。組織和管理人員希望能夠建構、擁有和保護自己的模型。
Databricks Lakehouse 平台與 MosaicML 的技術相結合，將為客戶提供一種簡單、快速的方式來保留對其寶貴資料的控制、安全性和所有權，而無需支付高昂的成本。根據 MosaicML 的說法，與標準方法相比，模型訓練的自動最佳化可提供 2-7 倍的訓練速度。結合近乎線性的資源擴展，數十億參數的模型可以在數小時而不是幾天內完成訓練。借助 Databricks 和 MosaicML，培訓和使用法學碩士將花費數千美元，而不是數百萬美元。
Databricks 的統一資料和人工智慧平台與 MosaicML 的生成式人工智慧訓練功能相結合，將提供一個足夠強大的平台，可以為世界上最大的組織提供服務，並且足夠靈活，可以解決廣泛的人工智慧用例。
Databricks 和 MosaicML 的共同願景
整個 MosaicML 團隊，包括 MosaicML 行業領先的研究團隊，預計將在交易完成後加入 Databricks。 MosaicML 的機器學習和神經網路專家進行開創性的人工智慧研究，以提高模型訓練效率。該團隊支援當今一些最受歡迎和最先進的開源基礎模型，例如MPT-30B以及為 MosaicML 產品提供支援的訓練演算法。
隨著時間的推移，MosaicML 的平台將得到支援、擴展和集成，為客戶提供一個無縫的統一平台，他們可以在其中建立、擁有和保護其生成式 AI 模型。 Databricks 和 MosaicML 將為客戶提供更多選擇，幫助他們建立自己的模型、使用自己獨特的資料訓練模型以及為其業務創建差異化 IP。
「在 MosaicML，我們相信世界上每個人都有權建立和訓練 緬甸企業電子郵件列表 自己的模型，並融入自己的觀點和觀點，與 Databricks 聯手將幫助我們實現這一信念，」聯合創始人 Naveen Rao 說。兼首席執行官。 「我們啟動MosaicML 是為了解決必要的工程和研究難題，使每個人都能更容易地進行大規模訓練。隨著最近的生成式AI 浪潮，這一使命已成為焦點。與Databricks 一 起，我們將讓天平向有利於許多人——我們將作為志同道合的人來做這件事：研究人員轉型為企業家，有著相似的使命，我們期待與人工智能社區一起繼續這一旅程。
若要隨時了解 Databricks 的最新 AI 創新，包括有關 MosaicML 收購的更新，請在此處註冊。
有關擬議收購的詳細信息
擬議的收購須滿足慣例成交條件，包括任何所需的監管許可。
關於 MosaicML
MosaicML 是一個生成式人工智慧平台，使企業能夠建立自己的人工智慧。 MosaicML 的研究和工程團隊進行尖端科學研究，以建立產品，使任何人都能快速、經濟高效且輕鬆地訓練當今最受歡迎的深度學習模型。 MosaicML 使開發人員能夠透過平台設計中內建的模型所有權和資料隱私來保持對其構建的 AI 模型的完全控制。
關於Databricks
Databricks 是一家資料和人工智慧公司。全球超過 10,000 家組織（包括 Comcast、Condé Nast 以及超過 50% 的財富 500 強企業）依靠 Databricks Lakehouse 平台來統一其數據、分析和人工智慧。 Databricks 總部位於舊金山，在全球各地設有辦公室。 Databricks 由 Delta Lake、Apache Spark™ 和 MLflow 的原始創建者創立，其使命是幫助資料團隊解決世界上最棘手的問題。要了解更多信息，請在Twitter、LinkedIn和Facebook上關注 Databricks 。
