随着国家新型基础设施建设发展战略(2020)、国家“十四五规划 和 2035 年远景目标纲要”等系列政策的出台,人工智能(AI)发展迎 来新一轮红利,科技革命和产业升级处于进行时。近年来,AI 工程化 的研究热度持续提升,其目的是帮助组织在数智化转型过程中,更高 效、大规模地利用 AI 创造业务价值。人工智能研发运营体系(MLOps) 作为 AI 工程化重要组成部分,其核心思想是解决 AI 生产过程中团 队协作难、管理乱、交付周期长等问题,最终实现高质量、高效率、 可持续的 AI 生产过程。
MLOps 的发展呈现出逐渐成熟的态势,近几年国内外 MLOps 落 地应用正持续快速推进,特别是在 IT、银行、电信等行业取得明显效 果。与此同时,MLOps 行业应用成熟度不足,使得组织在制度规范的 建立、流程的打通、工具链的建设等诸多环节面临困难。因此本指南 旨在成为组织落地 MLOps 并赋能业务的“口袋书”,围绕机器学习全 生命周期,为模型的持续构建、持续交付、持续运营等过程提供参考, 推进组织的 MLOps 落地进程,提高组织 AI 生产质效。
本指南由中国信通院云计算与大数据研究所、人工智能关键技术 和应用评测工业和信息化部重点实验室联合发布。本指南站在组织如 何布局和落地 MLOps 的视角,以模型的高质量、可持续交付作为核 心逻辑,系统性梳理 MLOps 概念内涵、发展过程、落地挑战等现状, 并基于 MLOps 的理论研究和实践案例分析组织如何构建 MLOps 框 架体系和关键能力,最后总结和展望其发展趋势。