2018 年 10 月，BERT 发布仅一个月后，BERT-as-service 横空出世。用户可以使用一行代码，通过 C/S 架构的方式，连接到服务端，快速获得句向量。

访问 BERT-as-service：

https://github.com/jina-ai/bert-as-service

作为基于 BERT 的第一个微服务框架，BERT-as-service 通过对 BERT 的高度封装和深度优化，以方便易用的网络微服务 API 接口，赢得了 NLP 及机器学习技术社区的广泛关注。

如果说 BERT 是迁移学习的里程碑，那么 BERT-as-service 的出现，可以称得上是迁移学习，在工程服务化的里程碑。

时隔三年，BERT-as-service 再度更新，升级为全新的 CLIP-as-service，不仅保留了原有的高并发、微服务、简单易用等特性，更可以同时生成文本和图像的表征向量。

访问 CLIP-as-service GitHub：

https://github.com/jina-ai/clip-as-service

CLIP-as-service 的背后是由 OpenAI 在 2021 年 1 月发布的 CLIP (Contrastive Language-Image Pre-training) 模型，它可以基于文本对图像进行分类，打破了自然语言处理和计算机视觉两大门派「泾渭分明」的界限，实现了多模态 AI 系统。
 
CLIP-as-service 具有以下特点：
* 开箱即用：无需额外学习，只需调用客户端或服务端的 API，即可实时生成图像和文本的向量输出。
* 速度快：为大型数据集和长耗时任务量身定制，同时支持 ONNX 和 PyTorch 模型引擎，以提供快速推理服务。
* 高扩展：支持多核、单核 GPU 上并行扩展多个 CLIP 模型，并自动进行负载均衡。服务器端可以选择通过 gRPC、Websocket 或 HTTP 三种方式对外提供服务。
* 神经搜索全家桶：开发者可以短时间内，快速融合 CLIP-as-service 及 Jina、DocArray，搭建跨模态和多模态搜索行业解决方案。

内容中包含的图片若涉及版权问题，请及时与我们联系删除