隨著人工智能工程化應用的全面爆發(fā)，智能化轉(zhuǎn)型企業(yè)的關注從完備易用的工具和平臺體系，逐漸轉(zhuǎn)化為數(shù)據(jù)、算法和模型等AI資產(chǎn)的研發(fā)運營和管理。MLOps和ModelOps技術被譽為實現(xiàn)人工智能規(guī)模化應用的最佳路徑，受到了產(chǎn)業(yè)界和人工智能技術應用方的廣泛關注。

近日，中國信通院云大所于“AI工程化論壇”上發(fā)布全球首個AI模型開發(fā)管理標準——《人工智能研發(fā)運營一體化（Model/MLOps）能力成熟度模型第一部分：開發(fā)管理》。作為《人工智能研發(fā)運營一體化（Model/MLOps）能力成熟度模型》系列標準的首個標準，填補了國內(nèi)外機器學習項目開發(fā)管理標準的空白。淵亭科技作為行業(yè)內(nèi)領先的全棧人工智能平臺與服務提供商，與華為、百度、京東、中原銀行、工商銀行等30多家金融、運營商、頭部科技企業(yè)共同編制。

AI工程化是人工智能從學術研究走向行業(yè)應用的必經(jīng)之路，而本系列標準正是在企業(yè)智能化轉(zhuǎn)型和升級時，為AI項目研發(fā)效能提升和模型治理提供了前瞻性方向和實踐性指引。標準從需求管理、數(shù)據(jù)工程和模型開發(fā)等3個能力子域切入，包括10個能力項和28個能力子項，對機器學習開發(fā)管理過程提出了五個級別的能力要求，分別為基礎級、專業(yè)級、優(yōu)秀級、卓越級和領航級。

作為MLOps/ModelOps的踐行者，淵亭科技擁有領先的核心技術優(yōu)勢，具備豐富的人工智能開發(fā)平臺研發(fā)及項目落地經(jīng)驗。其人工智能產(chǎn)品面向AI開發(fā)過程的全角色，提供體系化的全生命周期工具能力支持，能夠結(jié)合業(yè)務場景的特點，快速構建領域人工智能應用。目前，淵亭自主研發(fā)的技術和產(chǎn)品已賦能多個領域。

MLOps和ModelOps：

MLOps來自于學術界，最早于2015年在Sculley， D等人的文章中被提出。具體來說，MLOps是一組實踐，旨在可靠且高效地在生產(chǎn)中部署和維護機器學習模型。這個詞的來源是“機器學習”和DevOps的復合體。機器學習模型在實驗系統(tǒng)中進行測試和開發(fā)，當算法開發(fā)完成時，會實施 MLOps，將算法過渡到生產(chǎn)系統(tǒng)。

ModelOps的定義最早由Gartner提出，Gartner認為MLOps是ModelOps的一個子集，Gartner 定義的ModelOps是在MLOps基礎上增加對可操作人工智能和決策模型的治理和生命周期管理，包括機器學習、知識圖譜、規(guī)則、優(yōu)化、語言和基于代理的模型。Gartner 認為ModelOps將是任何企業(yè)AI戰(zhàn)略的核心，它協(xié)調(diào)整個企業(yè)生產(chǎn)中所有模型的模型生命周期，從將模型投入生產(chǎn)，到制定模型治理和評估規(guī)則來實現(xiàn)對模型的更新和持續(xù)與現(xiàn)有生產(chǎn)系統(tǒng)的集成，并使業(yè)務領域?qū)＜夷軌颡毩⒂跀?shù)據(jù)科學家評估生產(chǎn)中的AI模型。

淵亭科技長期專注于人工智能前沿課題的研究，曾先后參與工信部信通院主辦的《知識圖譜行業(yè)標準》、IEEE標準協(xié)會主辦的《深度學習評估框架和過程》等多項國內(nèi)及國際標準的制定。

未來，淵亭科技將持續(xù)關注人工智能工程化進展的前沿資訊，繼續(xù)深耕人工智能領域，為成為行業(yè)AI開發(fā)的技術基準和應用標桿的目標繼續(xù)努力前行。