MaxCompute SQL AI 全新上線,一句SQL就能用上大模型,零門檻讓數據分析師秒變AI高手。
在大模型能力飛速進化、推理成本持續下降的今天,AI 正從“可選項”變為大數據處理流水線中的“必選項”。越來越多的場景——無論是文本摘要、實體抽取,還是多模態的圖像識別、金融風控中的行為分析——都開始用模型推理替代傳統的規則邏輯,實現更智能、更精準的數據處理。
MaxCompute SQL AI 的出現,正是為了把強大的AI能力交到每一位開發者的手中。作為MaxCompute的SQL開發人員,你將無需切換開發環境、無需學習新框架,只需用熟悉的 SELECT 語句,就能完成端到端的 AI 增強計算。藉助大模型對結構化與非結構化數據的深度理解能力,你的SQL也將不再只是操作表格的工具,而是能直接調用 AI 進行語義理解、內容生成和智能轉換的統一語言。
MaxCompute 模型三大優勢,讓 AI 更高效融入數據處理
✅ 統一管理,安全合規
模型在 MaxCompute 中可以像數據一樣被對待——支持權限控制、版本管理,全面滿足企業對安全性與合規性的要求,讓模型在受控環境中高效落地。
✅ 多引擎無縫協同
無論是習慣寫 SQL 的數據分析師,還是依賴 Python 的數據科學家,MaxCompute 都為你打通了路徑:通過 SQL 或藉助 MaxFrame 的分佈式 Python 能力均可直接對接MaxCompute模型,全角色覆蓋。
✅ 簡化運維
告別“導出-計算-回傳”的繁瑣流程!模型調用可以直接在MaxCompute內執行,既避免了數據外泄風險,又省去了傳輸成本與延遲,安全、高效、一步到位。
MaxCompute 模型類型全面,覆蓋各類使用場景
模型是在 MaxCompute 中註冊的、可以用於進行預測或生成任務的部署對象。主要目的是將諸如大語言模型、機器學習模型提供的AI 計算能力,無縫地集成到用户數據所在的同一個平台(MaxCompute)中。
MaxCompute的提供了不同類型的模型,覆蓋用户使用過程中的各類場景:
|
模型類型 |
能力描述
|
|
公共模型
|
MaxCompute內置了開箱即用多種的開源大模型,支持用户無須自行創建和管理模型對象,即可靈活使用AI Function調用模型,降低了用户使用門檻。
支持模型如下:
+ Qwen3-0.6B-GGUF
+ Qwen3-1.7B-GGUF
+ Qwen3-4B-GGUF
+ Qwen3-8B-GGUF
+ Qwen3-14B-GGUF
+ DeepSeek-R1-Distill-Qwen-1.5B
+ DeepSeek-R1-Distill-Qwen-7B
+ DeepSeek-R1-Distill-Qwen-14B
+ DeepSeek-R1-0528-Qwen3-8B
|
|
遠程模型
|
支持對接 PAI-EAS上已經部署好的模型,指定對應訪問Endpoint和token,註冊成為MaxCompute遠端模型,從而直接使用AI Function調用模型。
|
|
內部訓練模型
|
支持用户使用MaxCompute Maxframe進行傳統機器學習模型訓練,執行 to_odps_model將其保存成為MaxCompute內部訓練模型。
|
|
導入模型
|
實際業務場景中,內置公共模型可能無法完全滿足業務需求,支持用户將微調模型導入至MaxCompute,在後續推理中使用。
|
用户可以在MaxCompute產品控制枱隨時查看公共模型和用户模型信息。
MaxCompute SQL AI 實踐示例
MaxCompute 提供了 基於SQL語言的 SQL AI Function,支持指定 MaxCompute 模型對象進行推理調用,包括內置提供的公共大語言模型,用户導入模型及遠程模型,讓SQL開發者可以用熟悉的SQL語言輕鬆駕馭大模型!
示例 1:一句話問答,快速獲取信息
調用 MaxCompute 內置的輕量級公共模型 Qwen3-0.6B-GGUF,直接生成答案:
SET odps.sql.using.public.model=true;
SELECT AI_GENERATE(
bigdata_public_modelset.default.Qwen3-0.6B-GGUF,
DEFAULT_VERSION,
'What is the capital of China?'
);
✅ 返回結果:
"The capital of China is **Beijing**."
示例 2:批量情感分析,洞察用户聲音
使用更強的 Qwen3-1.7B-GGUF 模型,對多條用户評論自動進行情感分類(僅輸出“正面”“負面”或“中性”):
SET odps.sql.using.public.model=true;
SELECT
prompt,
AI_GENERATE(
bigdata_public_modelset.default.Qwen3-1.7B-GGUF,
DEFAULT_VERSION,
CONCAT('請對以下評論進行情感分析分類,輸出結果僅限於以下三個選項之一:正面、負面、中性。待分析的評論:', prompt)
) AS generated_text
FROM (
VALUES
('今天天氣真好,心情很不錯!陽光明媚,適合出去散步。 /no_think'),
('今天天氣真好,心情很不錯!陽光明媚 /no_think'),
('科技發展日新月異,人工智能改變生活。 /no_think'),
('疫情防控措施很到位,為醫護人員點贊! /no_think'),
('這個商品質量很差 /no_think')
) t (prompt);
✅ 返回結果:
|
prompt |
generated_text
|
|
今天天氣真好,心情很不錯!陽光明媚,適合出去散步…
|
正面 |
|
今天天氣真好,心情很不錯!陽光明媚
|
正面
|
|
科技發展日新月異,人工智能改變生活。
|
正面
|
|
疫情防控措施很到位,為醫護人員點贊!
|
正面
|
|
這個商品質量很差
|
負面
|
MaxCompute SQL AI 能力已經正式上線,無論你是想快速驗證一個 AI 想法,還是構建企業級智能數據流水線,現在都可以用最熟悉的 SQL 語言輕鬆實現。
🔥 立即體驗:登陸控制枱,創建並連接你的MaxCompute項目,開始調用大模型吧!
📚 深入學習:查看官網文檔《模型與AI Function》章節,查看更多語法細節及場景示例。
AI 並不遙遠,它就在你的下一條 SELECT 語句裏。