近年來，人工智能工程化受到業(ye) 界的高度關(guan) 注，Gartner連續兩(liang) 年將其列為(wei) 重要的戰略趨勢。行業(ye) 專(zhuan) 家大膽對2022年的企業(ye) 人工智能趨勢發展作出了戰略預測，其中“機器學習(xi) 操作 (MLOps)逐漸規範化”的預測正朝著麵向AI規模化落地的目標逐步實現當中。

MLOps發展迅猛，研發難點突顯        

        自人工智能進入工程化應用的產(chan) 業(ye) 爆發期後，國外頭部科技企業(ye) 均已推出MLOps解決(jue) 方案並湧現出一批提供MLOps解決(jue) 方案的創業(ye) 公司，國內(nei) 頭部科技企業(ye) 則在AI中台上逐步擴展流程管理功能，逐步推出MLOps解決(jue) 方案。然而，在此過程中產(chan) 業(ye) 遇到了用戶方要花費大量時間精力做調研、選型、需求匹配、驗收等工作，產(chan) 品方缺乏行業(ye) 共識，經常要麵臨(lin) 大量定製化需求的難題。因此，為(wei) AI研發運營管理體(ti) 係製定一套全方位的標準規範，加速人工智能應用的研發和落地勢在必行。

首個(ge) AI模型開發管理標準正式發布        

        4月28日，中國信通院雲(yun) 大所於(yu) “AI工程化論壇”上發布全球首個(ge) AI模型開發管理標準——《人工智能研發運營一體(ti) 化(Model/MLOps)能力成熟度模型第一部分：開發管理》。通過“以評促建，以評促改”係統性評估企業(ye) 人工智能項目研發運營一體(ti) 化（開發管理）水平，查缺補漏，持續改進，橫向對標行業(ye) 內(nei) 優(you) 秀實踐和能力，取長補短。作為(wei) 《人工智能研發運營一體(ti) 化(Model/MLOps)能力成熟度模型》係列標準的首個(ge) 標準，填補了國內(nei) 外機器學習(xi) 項目開發管理標準的空白。

圖1：Model/MLOps係列標準體(ti) 係架構

        其中，標準第一部分“開發管理”將麵向具備自研能力的用戶方企業(ye) 、ModelOps/MLOps 開發平台產(chan) 品提供方等對象，以需求管理、數據工程及模型開發三大能力子域作為(wei) 開發管理的切入點，為(wei) 具備人工智能軟件研發交付運營能力的組織在實施模型開發管理過程中的能力給予評價(jia) 和指導。

圖2：開發管理總體(ti) 結構

        作為(wei) 一家科技領先型企業(ye) ，40001百老汇科技依托其多年來全棧自研人工智能技術的實施能力經驗，結合自身源於(yu) MLOps理念開發的“Alphamind AI能力開放平台”的研發曆程，在參編“數據工程”能力子域的標準製定與(yu) 研究工作的過程中分享產(chan) 品在開發流程及研發人員在開發AI能力過程中的經驗，為(wei) 推動完善人工智能產(chan) 業(ye) 創新實踐工作添上了濃墨重彩的一筆！

圖3：“開發管理”標準參編單位

        40001百老汇科技將繼續積極參與(yu) 《人工智能研發運營一體(ti) 化(Model/MLOps)能力成熟度模型 第二部分：模型交付》標準編製，協同推進開發平台的產(chan) 品化、產(chan) 業(ye) 化、服務化進程，為(wei) 行業(ye) 提供更高質量的參考標準。