近年来，企业中大量 AI/ML 模型被快速开发、部署。而粗放式的发展使得企业对 AI 的使用呈“重开发，轻治理”之态，开发与运维之间的鸿沟、部门之间协作不畅带来的“隐藏技术债”逐渐暴露。
企业亟需一种科学的治理方法，对“隐藏技术债”进行“偿还”。ModelOps（Model Operations）在这一背景下萌芽，并在一些企业的 AI 治理中不断扎根、深化。“未来，随着机器学习等模型的普遍化应用，模型治理的重要性越发凸显，ModelOps 将成为数据智能系统开发运行过程的标配。”北京九章云极科技有限公司董事长方磊博士如是说。时值 ModelOps 峥嵘初现，全球知名市场数据及科技研究平台 CB Insights 中国联合九章云极发布《2021 年 ModelOps 技术应用及趋势白皮书》。
白皮书聚焦 ModelOps 技术应用及未来趋势，从背景溯源出发，回顾企业科学模型治理方式的缺失及 ModelOps 应用的必要性，以及对 ModelOps 的发展历程及主要参与方进行盘点和分析。
其次，白皮书对 ModelOps 平台的主要功能及关键技术进行拆解，详解工业制造与金融服务场景下的典型应用案例，探究 ModelOps 具体如何帮助企业走通技术应用的“最后一公里”。
最后，思考 ModelOps 可能遇到的挑战，以及对未来技术趋势进行展望。报告指出，随着企业对技术债的察觉，对模型治理的重视程度提高，ModelOps 这一高效赋能、科学治理的方式将逐渐普及，成为企业 AI 管理模型“标配”。溯源：“隐藏技术债”日益严重，ModelOps 应时而生图片作为新一轮产业变革的核心驱动力，AI 技术在近年来不断发展。数字化转型浪潮的席卷之下，企业纷纷加大 AI 投入，开发、部署的模型数量不断激增。
然而，在数字化转型的过程中，“重开发、轻治理”的风气使得模型的开发、部署不连贯，技术应用的“最后一公里”难以推进，逐渐成为企业无法忽视的阵痛。
这一大环境下，ModelOps（Model Operations）应运而生，这种科学的模型全生命周期治理框架，是 DevOps 及 MLOps 的扩展，将模型的全生命周期梳理为流程化、标准化的闭环，通过持续监控及验证以不断训练模型，达到生产优化的效果，弥补了模型科学治理方式的缺失。
关注微信
