Fundamental 的大型表格模型 NEXUS 现已在 Amazon SageMaker JumpStart 上可用

今天，我们宣布 Amazon SageMaker AI 支持 Fundamental 的 NEXUS 模型。借助此次发布，您可以部署一个专为表格数据预测而构建的基础模型（FM）。该模型可帮助企业在数天内从结构化数据生成准确、确定性的预测，而不是耗时数月。

本文将介绍如何在 Amazon SageMaker JumpStart 上开始使用 NEXUS，演示部署流程，并展示如何针对企业数据集运行预测。

什么是 NEXUS？

NEXUS 是由 Fundamental 开发、面向表格数据预测构建的基础模型。大型语言模型（LLM）为文本而设计，传统机器学习（ML）方法则需要大量特征工程和模型训练。NEXUS 采用了不同的方法。它在跨结构化数据集的数十亿个真实世界预测任务上进行了预训练，因此在使用时已经具备从数据中发现信号的能力。

作为大型表格模型，NEXUS 面向结构化数据分析而构建，并提供以下关键创新：

• 确定性架构——概率式 LLM 可能会对相同查询给出不同答案。NEXUS 会为每一次单独预测生成一致、可复现的结果。
• 原生表格理解——NEXUS 在数十亿张表格上训练而成，可原生处理数字、类别、日期和非结构化文本，无需手动特征工程。
• 非序列推理——大多数 AI 模型预测序列数据（例如下一个词或下一个像素）。NEXUS 分析企业表格中的多维关系。例如，在预测客户流失时，NEXUS 能理解多个因素（交易频率、支持工单和经济指标）如何影响流失可能性。

为什么现有方法存在不足

最有价值的企业数据存在于各种表格中，例如电子表格、企业资源计划（ERP）系统、客户关系管理（CRM）系统和关系型数据库。许多关键业务决策依赖于基于这些数据作出的预测。然而，当前工具存在显著局限：

• 传统 ML 需要数据科学家团队花费 3–6 个月，为单一用例构建、训练和部署模型。您会在预测质量与预测数量之间持续面临取舍。
• LLM 具有非确定性，在同一数据集上会产生不同答案。它们在分词过程中会丢失数值上下文，导致结构化数据上的结果不准确，并需要复杂的护栏机制来缓解这些问题。

NEXUS 专为表格数据设计，并提供如下优势：

• 排列不变性——能够识别列顺序的改变并不改变含义，这不同于 transformer 处理数据的方式。
• 十亿行能力——可处理海量数据集，无需截断或抽样。
• 跨模式推理——自动连接不同表格中的相关数据。
• 自主数据清洗——处理不完整条目（例如，即使存在缺失项，NEXUS 仍可进行预测）。

NEXUS 如何在 Amazon SageMaker AI 上工作

下图展示了在 SageMaker AI 上部署并使用 NEXUS 运行预测的端到端流程。

NEXUS 在 SageMaker AI 托管环境中的专用、单租户、网络隔离 GPU 实例上运行。工作流程包括以下步骤：

1. 订阅并部署——在 AWS Marketplace 上订阅 NEXUS 模型包，然后将其作为 SageMaker AI 托管推理端点部署到 ml.p5en.48xlarge 实例（8× NVIDIA H200 GPU）上。
2. 安装 SDK——安装 Fundamental Python SDK，并将其连接到您的 SageMaker 端点。该 SDK 提供熟悉的、兼容 scikit-learn 的 API，包含 NEXUSClassifier 和 NEXUSRegressor 估计器。
3. 将数据上传到 Amazon S3——SDK 会序列化您的表格数据，并将其上传到您账户中的 Amazon Simple Storage Service（Amazon S3）存储桶。
4. 训练模型——调用 clf.fit(X_train, y_train) 进行训练。NEXUS 会自动处理数据清理和特征工程，无需手动构建流水线。
5. 生成预测——调用 clf.predict(X_test) 生成确定性预测，或调用 clf.predict_proba(X_test) 生成概率估计。结果会存回您的 Amazon S3 存储桶。

在整个过程中，您的数据都保留在您的 AWS 环境中。该端点采用网络隔离和单租户模式，使 NEXUS 适用于涉及敏感数据的企业工作负载。

在 Amazon SageMaker AI 上开始使用 NEXUS

要开始使用，请导航到 Amazon SageMaker JumpStart，搜索 Fundamental NEXUS，并从以下选项中选择：

• 基础模型（在超过 100 亿行表格数据上预训练）。
• 行业特定变体（金融、医疗保健和制造）。

改变各行业的企业用例

表格数据是企业决策的基础，从财务账簿到患者记录，再到供应链日志。NEXUS 专为此类数据构建，可帮助您在无需大量特征工程或模型训练的情况下，从原始结构化数据转向生产级预测。以下是 NEXUS 可创造价值的一些代表性用例。

金融服务

• 欺诈检测——分析数百万账户的交易模式。
• 信用风险建模——通过自动特征提取处理贷款组合。
• 监管合规——从非结构化监管申报文件中提取结构化数据。

医疗保健

• 临床试验匹配——在电子健康记录（EHR）系统中识别符合条件的患者。
• 药物发现——分析用于化合物筛选的生物测定数据。
• 患者风险分层——使用重症监护病房（ICU）时间序列数据预测再入院风险。

制造与供应链

• 预测性维护——基于传感器数据预测设备故障。
• 需求预测——预测全球分销网络中的库存需求。
• 供应商风险分析——使用采购历史评估供应商可靠性。

零售与电子商务

• 流失预测——利用购买历史和浏览行为识别有风险客户。
• 动态定价——根据竞争对手数据和库存水平优化价格。
• 购物车放弃分析——帮助您了解客户为何将商品留在在线购物车中。

为什么选择 Amazon SageMaker AI 上的 NEXUS

部署模型只是问题的一半。运行模型的基础设施决定了您从实验走向生产的速度。SageMaker AI 为企业级规模运行 NEXUS 提供托管、安全且可扩展的环境。NEXUS 与 AWS 共同减少无差别的繁重工作，使数据科学家能够专注于业务结果，而不是基础设施管理。

• 加速价值实现——预构建容器和脚本可缩短部署时间。
• 成本效率——SageMaker AI 的托管基础设施可降低运营开销。
• 可扩展性——自动扩展到 PB 级数据集。
• 合规就绪——默认满足 GDPR、HIPAA 和 SOC 2 要求。
• 持续学习——与 Amazon SageMaker Pipelines 原生集成，用于模型再训练。
• 多路复用支持——支持在单个 SageMaker AI 端点上执行多个拟合和预测操作，从而无需为每个用例配置专用资源。

战略性 AWS 合作伙伴关系

Fundamental 已与 AWS 建立战略合作伙伴关系，以加速企业采用：

• 原生集成——直接从 AWS Marketplace 部署 NEXUS。
• 安全基础设施——运行于 AWS 安全、合规的云环境。
• 企业支持——由专属 AWS Solutions Architects 提供实施指导。

后续步骤

准备好改变您的数据驱动决策了吗？

• 联系 Fundamental 团队了解更多信息。
• 在 Amazon SageMaker AI 的 JupyterLab 空间中试用托管示例笔记本。

结论

本文展示了 Amazon SageMaker AI 对 NEXUS 模型的支持如何帮助您从结构化数据资产中解锁新的洞察。无论您是在预测设备故障、优化供应链，还是检测金融欺诈，NEXUS 都可为企业预测工作负载提供确定性、可扩展的能力。

要了解更多信息，请参阅以下资源：

• Fundamental NEXUS 文档
• Amazon SageMaker AI 开发者指南

作者简介