“未来,随着机器学习等模型的普遍化应用,模型治理的重要性越发凸显,ModelOps 将成为数据智能系统开发运行过程的标配。”——北京九章云极科技有限公司董事长方磊博士。

时值 ModelOps 峥嵘初现,九章云极DataCanvas联合全球知名市场数据及科技研究平台 CB Insights 中国发布**《2021 年 ModelOps 技术应用及趋势白皮书》** 。

报告指出,随着企业对模型治理的重视程度提高,ModelOps 这一高效赋能、科学治理的方式将逐渐普及,成为企业 AI 管理模型“标配”。

溯源:要开发更要治理,ModelOps 应时而生

作为新一轮产业变革的核心驱动力,AI 技术在近年来不断发展。数字化转型浪潮的席卷之下,企业纷纷加大 AI 投入,开发、部署的模型数量不断激增。

然而,在数字化转型的过程中,“重开发、轻治理”的风气使得模型的开发、部署不连贯,技术应用的“最后一公里”难以推进,逐渐成为企业无法忽视的一环。

这一大环境下,ModelOps(Model Operations)应运而生,这种科学的模型全生命周期治理框架,是 DevOps 及 MLOps 的扩展,将模型的全生命周期梳理为流程化、标准化的闭环,通过持续监控及验证以不断训练模型,达到生产优化的效果,弥补了模型科学治理方式的缺失。

图丨ModelOps 与相关概念关系厘定(来源:CB Insights 中国)

技术:集流程化、监控、可视化等多功能一体,助力企业模型全生命周期科学治理

ModelOps 平台是数据科学和软件工程的结合产物,集成多种技术,从全局角度打通模型需求、开发、验证、审批、投产到应用以及下线的全流程。

白皮书从解析 ModelOps 平台中的核心技术出发,详细解释了 ModelOps 平台的核心功能,以及这些功能如何帮助企业科学治理模型。

图丨ModelOps 平台建设与治理目标(来源:CB Insights 中国)

除了具有提高机器学习、 AI 模型开发和运维效率的功能外,ModelOps 更关注模型资产管理。通过持续监控及可视化手段使模型稳定性、风险始终可控,以赋与企业科学的模型全生命周期治理能力。其核心功能实现如下:

图丨ModelOps 平台架构及核心功能实现(来源:九章云极DataCanvas、CB Insights 中国)

应用:初现峥嵘,将实现对更多行业的覆盖

白皮书以工业场景和金融场景为例,剖析 ModelOps 如何在特定场景中助力企业实现模型科学治理、提高 AI 应用效率。同时,也指出 ModelOps 落地时面对的挑战、影响应用差异化的关键因素。

在工业等数字化进程相对早期的场景中,ModelOps 重于以有限的数据资源对企业赋能机器学习(比如在设备预测与健康管理中,以

AI 替代人工进行高效准确的实时预测)。

图丨ModelOps 在工业智能场景中的作用流程(来源:CB Insights 中国)

在金融服务等数字化程度相对领先的场景中,更重于开发态和运营态的打通以及之后的模型风险的治理(Model Risk Management,MRM)。

图丨九章云极 ModelOps 银行解决方案架构(来源:九章云极DataCanvas、CB Insights 中国)

受制于数据安全焦虑等因素,ModelOps 的应用目前仍处在探索的早期阶段。未来,随着 ModelOps 的交互设计更友好、兼容程度升高,企业管理者对模型治理的认识、理解更深,ModelOps 将实现对更多行业的�