理工酷

随着国家新型基础设施建设发展战略（2020）、国家“十四五规划和2035年远景目标纲要”等系列政策的出台，人工智能（AI）发展迎来新一轮红利，科技革命和产业升级处于进行时。近年来，AI工程化的研究热度持续提升，其目的是帮助组织在数智化转型过程中，更高效、大规模地利用AI创造业务价值。人工智能研发运营体系（MLOps）作为AI工程化重要组成部分，其核心思想是解决AI生产过程中团队协作难、管理乱、交付周期长等问题，最终实现高质量、高效率、可持续的AI生产过程。

MLOps的发展呈现出逐渐成熟的态势，近几年国内外MLOps 落地应用正持续快速推进，特别是在IT、银行、电信等行业取得明显效果。与此同时，MLOps行业应用成熟度不足，使得组织在制度规范的建立、流程的打通、工具链的建设等诸多环节面临困难。因此本指南旨在成为组织落地MLOps并赋能业务的“口袋书”，围绕机器学习全生命周期，为模型的持续构建、持续交付、持续运营等过程提供参考，推进组织的MLOps落地进程，提高组织AI生产质效。

本指南由中国信通院云计算与大数据研究所、人工智能关键技术和应用评测工业和信息化部重点实验室联合发布。本指南站在组织如何布局和落地MLOps的视角，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、落地挑战等现状，并基于MLOps的理论研究和实践案例分析组织如何构建MLOps框架体系和关键能力，最后总结和展望其发展趋势。

由于AI产业的快速变革，MLOps落地应用持续深入，工具市场不断迭代，我们对MLOps的认识还有待继续深化，本指南可能仍存在不足之处，欢迎大家批评指正。

来源：中国信息通信研究院、人工智能关键技术和应用评测、工业和信息化部重点实验室