News Center

数据智能基础软件推进MLOps产业化应用进程

发布日期:2023.03.21

x7.jpg

近日,在“AI工程化论坛暨MLOps实践指南发布会”上,中国信息通信研究院(简称“中国信通院”)重磅发布《人工智能研发运营体系(MLOps)实践指南(2023年)》(以下简称“《指南》”)。依托深厚的MLOps技术沉淀和丰富的MLOps应用经验,九章云极DataCanvas公司作为核心参编单位深度参与《指南》编订,持续发挥业内领先作用,为推动前沿技术向行业应用转化积极输出AI力量。

x8.jpg

图片来源:中国信通院

自2021年起,中国信息通信研究院积极开展人工智能研发运营一体化(Model/MLOps)系列标准的研究编制工作,已发布《人工智能研发运营一体化(Model/MLOps)能力成熟度模型 第一部分:开发管理》《人工智能研发运营一体化(Model/MLOps)能力成熟度模型 第二部分:模型交付》两大标准,九章云极DataCanvas公司均作为核心参编单位全程参与。此次发布的《指南》聚焦实践,对加速MLOps技术融入产业应用具有重大意义。

从开发到实践 MLOps 产业发展按下加速键

随着“十四五”规划等国家政策的深化落地,人工智能(AI)发展迎来又一轮红利,AI工程化热度进一步提升。人工智能研发运营体系(MLOps)作为AI工程化重要组成部分,呈现出方法论逐渐成熟、落地应用持续推进的态势。《指南》的发布,将进一步引导各行业MLOps成熟度能力建设,激发MLOps工具平台创新主体活力,推动MLOps产业生态健康发展。

《指南》从组织如何布局和落地MLOps的角度出发,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,为组织高效构建MLOps框架体系和关键能力提供方法论和实践案例的参考与借鉴,并研判MLOps未来发展趋势。《指南》发布了四大核心观点:

1. MLOps概念渐晰,为解决AI生产过程管理问题意义明显。

MLOps目的是提高AI模型生产质效,推动AI从满足基本需求的“能用”变为满足高效率、高性能的“好用”,有效化解模型全链路生命周期管理存在问题,包括跨团队协作难度大、过程和资产管理欠缺、生产和交付周期长等。

2. 国内外MLOps发展百花齐放,落地仍面临问题和挑战。

MLOps前后经历了斟酌发酵、概念明确、落地应用三大阶段,且随着新工具不断涌现,在IT、金融、电信等行业得到了广泛应用和落地。但在这个渐进式发展过程中,MLOps落地也面临着诸多挑战。

3. 围绕流水线的构建,MLOps框架体系逐步完善。

基于机器学习项目全生命周期,以CI/CD/CT/CM为核心,通过构建各条机器学习流水线,MLOps全生命周期闭环框架逐步完善。

4. 渐进式建设关键能力,MLOps落地效应逐步形成。

通过MLOps过程管理能力的全面把控和制品管理能力的提升,同时以模型安全作为AI生产过程中的关键保障之一,MLOps落地效应日益凸显。

基于MLOps的理论研究和实践案例,《指南》重点解读了组织如何构建MLOps框架体系和关键能力。围绕 MLOps 过程管理、制品管理和基础保障三个维度,以业界共识为基础,《指南》提出了MLOps 12个关键能力的建设,对工程实践过程中应考虑的核心要点展开分析,并提供优秀实践案例以供参考,九章云极DataCanvas公司基于DataCanvas APS机器学习平台的MLOps实践案例被《指南》收录。

x9.jpg

中国信通院:MLOps 关键能力与技术实践

图片来源:中国信通院

目标直指AI应用转化 数据智能基础软件价值凸显

《指南》指出,近年来,MLOps 相关工具链已成为 AI 投融资领域的明星赛道。在资本市场的驱动下,MLOps 工具持续创新,主要分为两大类:一类是 MLOps 端到端工具平台,为机器学习项目全生命周期提供支持;另一类是 MLOps 专项工具,对特定步骤提供更为集中的支持,主要包括数据处理、模型构建、运营监控三大类。《指南》中引用的九章云极 DataCanvas APS机器学习平台即是第一类工具平台的典型软件产品代表。

DataCanvas APS 机器学习平台支持对机器学习模型、深度学习模型和预训练模型等进行分组和集中管理,并实现不同模型的统一评估和比对,从而识别冠军模型,以确保最佳模型性能。在《指南》引用的某商业银行建设ModelOps 平台的案例中,该银行应用 DataCanvas APS 构建了涵盖标准建模、过程管控、敏捷部署、灵活迭代、持续监控到退役下线的全生命周期模型管理闭环体系,打造了完整的模型生态。

x11.jpg

九章云极 DataCanvas 模型管理功能示意图

案例中,通过模型管理模块注册纳管了平台自训练及第三方生产的近百个 AI 模型,按照业务场景细分为智能营销、智慧风控、运营支撑、审计合规、智能运维、创新应用等进行集中分类管理。通过对企业的AI 模型资产的梳理分类、模型状态及版本的精细化管理,大幅缩短模型迭代周期。

MLOps 是人工智能生产化的重要推动力。九章云极DataCanvas公司以企业级数据智能基础软件为地基,运用MLOps为AI模型全生命周期建设标准化、自动化、可持续改进的过程管理体系,放大数据资产价值,助力政府和企业规模化、高质效地运营管理AI模型资产。

作为中国数据智能基础软件领军者,公司自主研发的一系列企业级AI应用所需的平台软件产品及解决方案已覆盖政府、金融、通信、制造等行业的多类智能化场景,并加速向更多行业和场景大规模覆盖。未来,乘着“数字中国”的时代大潮,凭借AutoML、AutoDL、Causal AI等前沿AI技术的自主创新和深入应用,九章云极DataCanvas公司的数据智能基础软件将成为AI应用的核心引擎,在数字经济时代缔造更多商业价值。


咨询