人工智能研發(fā)運(yùn)營體系（ML0ps）實(shí)踐指南2023

本指南由中國信通院云計(jì)算與大數(shù)據(jù)研究所、人工智能關(guān)鍵技術(shù) 和應(yīng)用評(píng)測工業(yè)和信息化部重點(diǎn)實(shí)驗(yàn)室聯(lián)合發(fā)布。本指南站在組織如何布局和落地 MLOps 的視角，以模型的高質(zhì)量、可持續(xù)交付作為核 心邏輯，系統(tǒng)性梳理 MLOps 概念內(nèi)涵、發(fā)展過程、落地挑戰(zhàn)等現(xiàn)狀， 并基于 MLOps 的理論研究和實(shí)踐案例分析組織如何構(gòu)建 MLOps 框 架體系和關(guān)鍵能力，最后總結(jié)和展望其發(fā)展趨勢。

由于 AI 產(chǎn)業(yè)的快速變革，MLOps 落地應(yīng)用持續(xù)深入，工具市場 不斷迭代，我們對(duì) MLOps 的認(rèn)識(shí)還有待繼續(xù)深化，本指南可能仍存 在不足之處，歡迎大家批評(píng)指正。

IT 行業(yè)：應(yīng)用 MLOps 后，美國某 IT 公司將開發(fā)和部署新 AI 服 務(wù)的時(shí)間縮短到原來的 1/12 到 1/6，運(yùn)營成本降低 50%；德國某 IT 公司，通過自動(dòng)化編排和實(shí)驗(yàn)跟蹤，以相同的工作量運(yùn)行 10 倍的實(shí) 驗(yàn)數(shù)量

金融行業(yè)：應(yīng)用 MLOps 后，新加坡某保險(xiǎn)公司推理結(jié)果的生成 時(shí)間從幾天縮短至不到 1 小時(shí)

電子商務(wù)：應(yīng)用 MLOps 后，荷蘭某酒店預(yù)定網(wǎng)站通過打通機(jī)器 學(xué)習(xí)模型生產(chǎn)流程，提高了生產(chǎn)規(guī)模，具備應(yīng)用 150 個(gè)面向用戶的機(jī) 器學(xué)習(xí)模型的能力

制造業(yè)：應(yīng)用 MLOps 后，土耳其某水泥制造公司通過提升模型 生產(chǎn)效率和質(zhì)量，大大提升了 AI 賦能業(yè)務(wù)的能力，使得替代燃料的 使用量增加 7 倍，減少 2%的二氧化碳排放總量，成本降低 3900 萬美 元

化工行業(yè)：應(yīng)用 MLOps 后，美國某化工企業(yè)將模型部署周期從 原來的 12 個(gè)月縮減至 30 到 90 天

...

附件：人工智能研發(fā)運(yùn)營體系（ML0ps）實(shí)踐指南2023