随着人工智能工程化应用的全面爆发，智能化转型企业的关注从完备易用的工具和平台体系，逐渐转化为数据、算法和模型等AI资产的研发运营和管理。MLOps和ModelOps技术被誉为实现人工智能规模化应用的最佳路径，受到了产业界和人工智能技术应用方的广泛关注。
近日，中国信通院云大所于“AI工程化论坛”上发布全球首个AI模型开发管理标准《人工智能研发运营一体化(Model/MLOps)能力成熟度模型第一部分：开发管理》。作为《人工智能研发运营一体化(Model/MLOps)能力成熟度模型》系列标准的首个标准，填补了国内外机器学习项目开发管理标准的空白。渊亭科技作为行业内领先的全栈人工智能平台与服务提供商，与华为、百度、京东、中原银行、工商银行等30多家金融、运营商、头部科技企业共同编制。
AI工程化是人工智能从学术研究走向行业应用的必经之路，而本系列标准正是在企业智能化转型和升级时，为AI项目研发效能提升和模型治理提供了前瞻性方向和实践性指引。标准从需求管理、数据工程和模型开发等3个能力子域切入，包括10个能力项和28个能力子项，对机器学习开发管理过程提出了五个级别的能力要求，分别为基础级、专业级、优秀级、卓越级和领航级。
作为MLOps/ModelOps的践行者，渊亭科技拥有领先的核心技术优势，具备丰富的人工智能开发平台研发及项目落地经验。其人工智能产品面向AI开发过程的全角色，提供体系化的全生命周期工具能力支持，能够结合业务场景的特点，快速构建领域人工智能应用。目前，渊亭自主研发的技术和产品已赋能多个领域。
MLOps和ModelOps：
MLOps来自于学术界，最早于2015年在Sculley, D等人的文章中被提出。具体来说，MLOps是一组实践，旨在可靠且高效地在生产中部署和维护机器学习模型。这个词的来源是“机器学习”和DevOps的复合体。机器学习模型在实验系统中进行测试和开发，当算法开发完成时，会实施 MLOps，将算法过渡到生产系统。
ModelOps的定义最早由Gartner提出，Gartner认为MLOps是ModelOps的一个子集，Gartner 定义的ModelOps是在MLOps基础上增加对可操作人工智能和决策模型的治理和生命周期管理，包括机器学习、知识图谱、规则、优化、语言和基于代理的模型。Gartner 认为ModelOps将是任何企业AI战略的核心，它协调整个企业生产中所有模型的模型生命周期，从将模型投入生产，到制定模型治理和评估规则来实现对模型的更新和持续与现有生产系统的集成，并使业务领域专家能够独立于数据科学家评估生产中的AI模型。
渊亭科技长期专注于人工智能前沿课题的研究，曾先后参与工信部信通院主办的《知识图谱行业标准》、IEEE标准协会主办的《深度学习评估框架和过程》等多项国内及国际标准的制定。
未来，渊亭科技将持续关注人工智能工程化进展的前沿资讯，继续深耕人工智能领域，为成为行业AI开发的技术基准和应用标杆的目标继续努力前行。
更多资讯请关注公众号：渊亭科技
相关文章
