中国基金报记者 文夕

AI概念持续发酵
，
市场迎来“接棒者”
。


近日
，
市场关于MLOps（人工智能研发运营一体化）概念讨论明显增多
。
对于AI细分赛道MLOps
，
其旨在帮助AI团队更有效地开发、部署和维护机器学习模型
，
MLOps其也被视为AI领域“掘金铲子”
。


在业内看来
，
随着AI行业在海内外的高速发展
，
MLOps的市场规模将从2022年的11亿美元增长到2027年的59亿美元
，
未来的市场规模将呈高速增长的态势
。
在国内市场上
，
已有多家上市公司公开表示布局这一赛道
。


市场资金也已向这一赛道靠拢
。
在4月4日的二级市场上
，
包括绿盟科技、宇信科技均涨逾12%
，
而启明信息也一度涨停
。


解决AI模型痛点？

近日
，
市场关于MLOps的讨论日渐增多
。
所谓MLOps
，
是指完成AI模型开发和落地的一套工具包
，
从数据采集和处理-模型接入-模型开发-模型部署和应用-监控和运维
，
MLOps提供一整套对应AI全生命周期的工具和服务
。


换言之
，
MLOps是通过构建和运行机器学习流水线项目研发（Dev）和运营（Ops）过程的一种方法
，
目的是为了提高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”
。
其作为AI基础设施之一
，
能有效缓解AI生产过程的各种管理问题
，
提升AI生产的转化效率
。


据Gartner调查显示
，
只有53%的项目能够从AI原型转化为生产
。
AI生产转化率低的主要原因在于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
。


具体来看
，
第一
，
跨团队协作难度大
。
机器学习项目生命周期中涉及业务、数据、算法、研发、运维等多团队
，
团队间缺乏相同的技术和业务背景知识作为协作基础
，
从而带来沟通屏障
。


第二是
，
过程和资产管理欠缺
。
模型生产过程无标准化管理
，
导致AI资产的价值无法有效发挥
，
原因在于
：
一是生产过程冗长难管理
，
AI模型生产过程涉及的环境、流程复杂
，
各部门习惯于小作坊的生产模式
，
重复造轮子现象普遍；二是AI资产无集中共享机制
，
组织内数据、特征、模型等碎片化AI资产无法共享使用
，
优秀实践经验难以沉淀
。


第三
，
生产和交付周期长
。
机器学习模型生产和交付是一个漫长、复杂又易出错的过程
，
且耗费的时间成本较高
。
据Algorithmia报告显示
，
38%的企业花费超过50%的时间在模型部署上
。


中国通信院3月发布的《人工智能研发运营体系（MLOps）实践指南（2023年）》也显示
，
目前AI生产过程管理问题凸显
。


该指南认为
，
MLOps通过连接模型构建团队、业务团队及运维团队
，
为机器学习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
，
使组织规模化、高质量、高效率、可持续地生产机器学习模型
。
MLOps能有效缓解AI生产过程的各种管理问题
，
提升AI生产的转化效率
。


人工智能产业发展联盟AIIA也表示
，
AI工程化是AI大规模发展的必经之路
，
AI要成为企业的生产力
，
就必须以工程化的技术来解决模型开发、训练、预测等全链路生命周期的问题
，
从而实现模型的规模化生产
，
而MLOps就是AI工程化的重要助推器
。


中金公司近日研报指出
，
AI大规模生产中存在由于流程、管理不当造成的效率低、周期长等问题影响实际落地
，
MLOps是为解决上述问题、通过统一ML研发和运营过程实现提质增效的一套工程管理方法论和工具链
，
赋能AI模型全生命周期的各个流程
。


上市公司布局 股价启动上涨

事实上
，
MLOps被视为是AI掘金时代的“铲子”
，
从模型到生产应用
，
MLOps助力AI模型落地生花
。


据了解
，
当前在国外
，
MLOps落地广泛、效果显著
，
其主要应用于组织内部的服务运营、产品或服务开发、营销、风险预测及供应链管理等场景
，
应用行业涉及IT、金融、电子商务、制造、化工和医疗行业等
。


中国通信院报告显示
，
以IT行业为例
，
应用MLOps后
，
美国一家IT公司将开发和部署新AI服务的时间缩短到原来的1/12到1/6
，
运营成本降低50%；德国一家IT公司
，
通过自动化编排和实验跟踪
，
以相同的工作量运行10倍的实验数量；以色列IT公司实验复现时间减少50%；美国一家出行科技公司三年内机器学习产品数量从零扩展到数百个
。


根据Marketsand markets数据显示
，
全球MLOps市场处于快速发展阶段
，
预计将从2022年的11亿美元增长到2027年的59亿美元
，
CAGR超过40%
。


目前MLOps厂商主要分为专项工具和平台型产品两类
，
海外MLOps生态庞杂
，
细分赛道参与者众多
。
Weights&Biases、Tecton、OctoML等初创公司均获得了数亿美元的融资
。


国内方面
，
MLOps处于规划和建设前期
。
据IDC预测
，
到2024年60%的中国企业将通过MLOps来运作其机器学习工作流程
。
近年来
，
国内各行业开始探索契合自身特点的MLOps落地解决方案
，
在数智化转型热潮中
，
IT、金融和电信等数字化程度较高的行业处于相对领先地位
，
其他行业进展稍缓
。


在国内上市公司中
，
已经不乏参与者切入赛道
。
其中
，
万达信息近期透露
，
公司此前参编的《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》已经于2022年正式发布
。


而启明信息方面也表示
，
该公司基于云原生开发了MLOps敏捷AI平台
，
帮助开发人员快速准备、构建、训练和部署高质量的AI模型
，
降低AI的成本
，
帮助企业AI进入工业化阶段
。


此外
，
绿盟科技近期也官宣
，
该公司参与编写中国信通院《人工智能研发运营体系（MLOps）实践指南（2023年）》
。


在二级市场上
，
MLOps概念被视为AI细分赛道
，
已经受到资金追捧
。
绿盟科技和宇信科技股价在4日涨逾12%
，
而启明信息在3日封板后
，
4日一度冲击涨停
。
而星环科技-U自3月初以来
，
股价涨幅已达75%
。


编辑
：
小茉

审核
：
木鱼

网友看法

1、网友hydwk
：
不炒那里有钱

2、网友房建施工者
：
希望AI人工智能能多用于改善民生工程上[作揖]

3、网友率真光束ja
：
今天买绿盟被套
，
会解套吗

4、网友菜鸡互啄668
：
美亚柏科？

5、网友乐天派画板r4
：
酒鬼酒
，
茅台
，
五粮液那个不是涨十多倍了
，
这才刚开始呢
，
微微一笑

6、网友股往金来侠
：
为何脱水？

7、网友尚德益张1
：
利好出来了
，
广告来了
，
散户上山站岗
，
散户冻的瑟瑟发抖
，
山下已无散户
，
资本已控制了股市
。


8、网友神行旭日东升
：
人工智能机器手臂应用在生产上
，
1000人的厂只须200台
，
工人只须2个维修工1个程序员
。


9、网友汜忆
：
今天早上入的绿盟[呲牙]

10、网友喜庆的星星Be
：
游戏才是真正能快速变现提高十倍效率的
。
别的没那么快
。


11、网友孤狼看菜单
：
老师好老师辛苦啦麻烦看看露笑科技能不能买？

12、网友精英平民
：
炒
，
万恶之本

13、网友薰衣草159586611
：
要用于制造上

14、网友离境17
：
认真的么？

15、网友寒雪020909
：
启明信息

16、网友翻倍五
：
大涨

17、网友Kpasf
：
马上好多股就加上这个概念了
，
找个新概念炒

18、网友新工资讯河南
：
我都没在头条里搜过股票
，
居然给我推送了
，
看来ai要见顶了
。


19、网友龙沧苑
：
机构进去后就忽悠一个概念

20、网友十三点五维度
：
每个都在高位
，
是不是在找接盘侠？[呲牙]