隨著人工智能工程化應用的全面爆發，智能化轉型企業的關注從完備易用的工具和平臺體系，逐漸轉化為數據、算法和模型等AI資產的研發運營和管理。MLOps和ModelOps技術被譽為實現人工智能規模化應用的最佳路徑，受到了產業界和人工智能技術應用方的廣泛關注。

近日，中國信通院云大所于“AI工程化論壇”上發布全球首個AI模型開發管理標準——《人工智能研發運營一體化（Model/MLOps）能力成熟度模型第一部分：開發管理》。作為《人工智能研發運營一體化（Model/MLOps）能力成熟度模型》系列標準的首個標準，填補了國內外機器學習項目開發管理標準的空白。淵亭科技作為行業內領先的全棧人工智能平臺與服務提供商，與華為、百度、京東、中原銀行、工商銀行等30多家金融、運營商、頭部科技企業共同編制。

AI工程化是人工智能從學術研究走向行業應用的必經之路，而本系列標準正是在企業智能化轉型和升級時，為AI項目研發效能提升和模型治理提供了前瞻性方向和實踐性指引。標準從需求管理、數據工程和模型開發等3個能力子域切入，包括10個能力項和28個能力子項，對機器學習開發管理過程提出了五個級別的能力要求，分別為基礎級、專業級、優秀級、卓越級和領航級。

作為MLOps/ModelOps的踐行者，淵亭科技擁有領先的核心技術優勢，具備豐富的人工智能開發平臺研發及項目落地經驗。其人工智能產品面向AI開發過程的全角色，提供體系化的全生命周期工具能力支持，能夠結合業務場景的特點，快速構建領域人工智能應用。目前，淵亭自主研發的技術和產品已賦能多個領域。

MLOps和ModelOps：

MLOps來自于學術界，最早于2015年在Sculley， D等人的文章中被提出。具體來說，MLOps是一組實踐，旨在可靠且高效地在生產中部署和維護機器學習模型。這個詞的來源是“機器學習”和DevOps的復合體。機器學習模型在實驗系統中進行測試和開發，當算法開發完成時，會實施 MLOps，將算法過渡到生產系統。

ModelOps的定義最早由Gartner提出，Gartner認為MLOps是ModelOps的一個子集，Gartner 定義的ModelOps是在MLOps基礎上增加對可操作人工智能和決策模型的治理和生命周期管理，包括機器學習、知識圖譜、規則、優化、語言和基于代理的模型。Gartner 認為ModelOps將是任何企業AI戰略的核心，它協調整個企業生產中所有模型的模型生命周期，從將模型投入生產，到制定模型治理和評估規則來實現對模型的更新和持續與現有生產系統的集成，并使業務領域專家能夠獨立于數據科學家評估生產中的AI模型。

淵亭科技長期專注于人工智能前沿課題的研究，曾先后參與工信部信通院主辦的《知識圖譜行業標準》、IEEE標準協會主辦的《深度學習評估框架和過程》等多項國內及國際標準的制定。

未來，淵亭科技將持續關注人工智能工程化進展的前沿資訊，繼續深耕人工智能領域，為成為行業AI開發的技術基準和應用標桿的目標繼續努力前行。