微软近日在2017年的Microsoft Ignite全球开发者大会上，以数位转型为主轴，与超过2万5千家企业和合作伙伴介绍一系列的新产品， 微软副总裁Joseph Sirosh在Azure的官方部落格表示， AI已经成为企业数位转型背后的最具破坏性的力量之一，并宣布AI开发平台的新进展。

为了提供每个企业和开发者可以更方便运用AI技术，协助企业用不同的方式增加生产力，这次的新进展以Azure 机器学习服务为基础，延伸出更多新的服务，包含新增开发工具Visual Studio Code Tools for AI，以及认知服务中也提供开发人员，在iOS、Android和 Windows的平台上，建置多项AI应用，此外也推出 AI企业版的解决方案等。

微软也宣布下一代的Azure机器学习服务的进展，在AML工作平台、AML实验、AML 模型管理服务等服务中，新增多项功能与工具，提供开发人员使用。

AML工作平台是一个跨平台的应用程式，提供开发人员运用AI技术，来处理数据和实验管理，AML实验服务则是协助资料科学家，增加利用大数据和GPU的实验，AML 模型管理服务是一项提供开发人员，控制办本版本、管理，和监控机器学习模型的工具。

开发人员可在Windows和Mac的作业系统下执行AML工作平台，AML工作平台是部署周期的控制面板，对开发人员而言，是个适合开始开发机器学习模型的环境，可支持Python、PySpark和Scala，方便开发人员和资料科学家打造机器学习模型，此外，AML工作平台也整合了Jupyter Notebooks和像是Visual Studio Code、PyCharm的整合开发环境。

其中，最特别的是，微软还在AML工作平台上，建立了用AI技术驱动的数据整理功能，系统会学习范例，并自动产生数据转换的程式，经过微软实测数据整理的结果显示，该功能可以大幅降低资料科学家转换数据的时间。

AML实验服务因为采用云端服务，使得企业在测试机器学习技术时，变得更加弹性，企业可用Docker容器在本地端的服务器或是Azure上，运行机器学习实验，也能在微软部署及管理Apache Hadoop云端丛集的服务Azure HDInsight上执行。

这项工具也支持大多数的深度学习框架，像是CNTK、Tensorflow、Caffe2、PyTorch和Chainer，此外，还利用Git储存库追蹤储存和管理模型、环境配置和参数，提供资料科学家管理实验的记录和过程。

AML 模型管理服务则是让开发人员和数资料科学家，在本地端、装置端，或是大规模的云端丛集中，部署和管理已训练完成的模型，可以将模型在Docker容器中集中，以及部署到网路边缘装置，让模型可以更靠近数据产生环境，来即时分析数据。

除此之外，AML还与Excel整合，全球有上百万的使用者主要用Excel当作数据分析的工具，微软也宣布，Excel的使用者现在也可以拥有AI的技术，每个企业都能用AML根据自身的需求建立模型，再将这些模型部署成云端的函式。