AI概念持續(xù)發(fā)酵,，市場迎來“接棒者”,。
近日，市場關(guān)于MLOps（人工智能研發(fā)運營一體化）概念討論明顯增多,。對于AI細分賽道MLOps，其旨在幫助AI團隊更有效地開發(fā),、部署和維護機器學(xué)習(xí)模型,，MLOps其也被視為AI領(lǐng)域“掘金鏟子”。
在業(yè)內(nèi)看來,，隨著AI行業(yè)在海內(nèi)外的高速發(fā)展,，MLOps的市場規(guī)模將從2022年的11億美元增長到2027年的59億美元，未來的市場規(guī)模將呈高速增長的態(tài)勢,。在國內(nèi)市場上,，已有多家上市公司公開表示布局這一賽道。
市場資金也已向這一賽道靠攏,。在4月4日的二級市場上,，包括綠盟科技、宇信科技均漲逾12%,，而啟明信息也一度漲停,。
近日,，市場關(guān)于MLOps的討論日漸增多。所謂MLOps,，是指完成AI模型開發(fā)和落地的一套工具包,，從數(shù)據(jù)采集和處理-模型接入-模型開發(fā)-模型部署和應(yīng)用-監(jiān)控和運維，MLOps提供一整套對應(yīng)AI全生命周期的工具和服務(wù),。
換言之,，MLOps是通過構(gòu)建和運行機器學(xué)習(xí)流水線項目研發(fā)（Dev）和運營（Ops）過程的一種方法，目的是為了提高AI模型生產(chǎn)質(zhì)效,，推動AI從滿足基本需求的能用變?yōu)闈M足高效率,、高性能的“好用”。其作為AI基礎(chǔ)設(shè)施之一,，能有效緩解AI生產(chǎn)過程的各種管理問題,，提升AI生產(chǎn)的轉(zhuǎn)化效率。
據(jù)Gartner調(diào)查顯示,，只有53%的項目能夠從AI原型轉(zhuǎn)化為生產(chǎn),。AI生產(chǎn)轉(zhuǎn)化率低的主要原因在于模型全鏈路生命周期管理存在問題,，包括跨團隊協(xié)作難度大、過程和資產(chǎn)管理欠缺,、生產(chǎn)和交付周期長等,。
具體來看，第一,，跨團隊協(xié)作難度大,。機器學(xué)習(xí)項目生命周期中涉及業(yè)務(wù)、數(shù)據(jù),、算法,、研發(fā)、運維等多團隊,，團隊間缺乏相同的技術(shù)和業(yè)務(wù)背景知識作為協(xié)作基礎(chǔ),，從而帶來溝通屏障。
第二是,，過程和資產(chǎn)管理欠缺,。模型生產(chǎn)過程無標(biāo)準(zhǔn)化管理，導(dǎo)致AI資產(chǎn)的價值無法有效發(fā)揮,，原因在于：一是生產(chǎn)過程冗長難管理,，AI模型生產(chǎn)過程涉及的環(huán)境、流程復(fù)雜,，各部門習(xí)慣于小作坊的生產(chǎn)模式,，重復(fù)造輪子現(xiàn)象普遍；二是AI資產(chǎn)無集中共享機制,，組織內(nèi)數(shù)據(jù),、特征、模型等碎片化AI資產(chǎn)無法共享使用,，優(yōu)秀實踐經(jīng)驗難以沉淀,。
第三，生產(chǎn)和交付周期長,。機器學(xué)習(xí)模型生產(chǎn)和交付是一個漫長,、復(fù)雜又易出錯的過程，且耗費的時間成本較高,。據(jù)Algorithmia報告顯示,，38%的企業(yè)花費超過50%的時間在模型部署上。
中國通信院3月發(fā)布的《人工智能研發(fā)運營體系（MLOps）實踐指南（2023年）》也顯示，目前AI生產(chǎn)過程管理問題凸顯,。
該指南認為,，MLOps通過連接模型構(gòu)建團隊、業(yè)務(wù)團隊及運維團隊,，為機器學(xué)習(xí)模型全生命周期建設(shè)標(biāo)準(zhǔn)化,、自動化、可持續(xù)改進的過程管理體系,，使組織規(guī)?；⒏哔|(zhì)量,、高效率,、可持續(xù)地生產(chǎn)機器學(xué)習(xí)模型。MLOps能有效緩解AI生產(chǎn)過程的各種管理問題,，提升AI生產(chǎn)的轉(zhuǎn)化效率,。
人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟AIIA也表示，AI工程化是AI大規(guī)模發(fā)展的必經(jīng)之路,，AI要成為企業(yè)的生產(chǎn)力,，就必須以工程化的技術(shù)來解決模型開發(fā)、訓(xùn)練,、預(yù)測等全鏈路生命周期的問題,，從而實現(xiàn)模型的規(guī)模化生產(chǎn),，而MLOps就是AI工程化的重要助推器,。
中金公司近日研報指出，AI大規(guī)模生產(chǎn)中存在由于流程,、管理不當(dāng)造成的效率低,、周期長等問題影響實際落地，MLOps是為解決上述問題,、通過統(tǒng)一ML研發(fā)和運營過程實現(xiàn)提質(zhì)增效的一套工程管理方法論和工具鏈,，賦能AI模型全生命周期的各個流程,。
事實上，MLOps被視為是AI掘金時代的“鏟子”,，從模型到生產(chǎn)應(yīng)用,，MLOps助力AI模型落地生花。
據(jù)了解,，當(dāng)前在國外,，MLOps落地廣泛、效果顯著,，其主要應(yīng)用于組織內(nèi)部的服務(wù)運營,、產(chǎn)品或服務(wù)開發(fā)、營銷,、風(fēng)險預(yù)測及供應(yīng)鏈管理等場景,，應(yīng)用行業(yè)涉及IT、金融,、電子商務(wù),、制造、化工和醫(yī)療行業(yè)等,。
中國通信院報告顯示,，以IT行業(yè)為例，應(yīng)用MLOps后,，美國一家IT公司將開發(fā)和部署新AI服務(wù)的時間縮短到原來的1/12到1/6,，運營成本降低50%；德國一家IT公司,，通過自動化編排和實驗跟蹤,，以相同的工作量運行10倍的實驗數(shù)量；以色列IT公司實驗復(fù)現(xiàn)時間減少50%,；美國一家出行科技公司三年內(nèi)機器學(xué)習(xí)產(chǎn)品數(shù)量從零擴展到數(shù)百個,。
根據(jù)Marketsand markets數(shù)據(jù)顯示，全球MLOps市場處于快速發(fā)展階段,，預(yù)計將從2022年的11億美元增長到2027年的59億美元,，CAGR超過40%。
目前MLOps廠商主要分為專項工具和平臺型產(chǎn)品兩類,，海外MLOps生態(tài)龐雜,，細分賽道參與者眾多。Weights&Biases,、Tecton,、OctoML等初創(chuàng)公司均獲得了數(shù)億美元的融資。
國內(nèi)方面,，MLOps處于規(guī)劃和建設(shè)前期,。據(jù)IDC預(yù)測,，到2024年60%的中國企業(yè)將通過MLOps來運作其機器學(xué)習(xí)工作流程。近年來,，國內(nèi)各行業(yè)開始探索契合自身特點的MLOps落地解決方案,，在數(shù)智化轉(zhuǎn)型熱潮中，IT,、金融和電信等數(shù)字化程度較高的行業(yè)處于相對領(lǐng)先地位,，其他行業(yè)進展稍緩。
在國內(nèi)上市公司中,，已經(jīng)不乏參與者切入賽道,。其中，萬達信息近期透露,，公司此前參編的《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》、《人工智能研發(fā)運營一體化（Model/MLOps）能力成熟度模型 第二部分：模型交付》已經(jīng)于2022年正式發(fā)布,。
而啟明信息方面也表示,，該公司基于云原生開發(fā)了MLOps敏捷AI平臺，幫助開發(fā)人員快速準(zhǔn)備,、構(gòu)建,、訓(xùn)練和部署高質(zhì)量的AI模型，降低AI的成本,，幫助企業(yè)AI進入工業(yè)化階段,。
此外，綠盟科技近期也官宣,，該公司參與編寫中國信通院《人工智能研發(fā)運營體系（MLOps）實踐指南（2023年）》,。
在二級市場上，MLOps概念被視為AI細分賽道,，已經(jīng)受到資金追捧,。綠盟科技和宇信科技股價在4日漲逾12%，而啟明信息在3日封板后,，4日一度沖擊漲停,。而星環(huán)科技-U自3月初以來，股價漲幅已達75%,。
免責(zé)聲明：本文來自網(wǎng)絡(luò)收錄或投稿,，觀點僅代表作者本人,，不代表芒果財經(jīng)贊同其觀點或證實其描述，版權(quán)歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1011770.html
溫馨提示：投資有風(fēng)險,，入市須謹慎,。本資訊不作為投資理財建議。
