CB Insights中国发布《2021年ModelOps技术应用及趋势白皮书》：AI自治化曙光初现，科学治理驶向高维智能

近年来，企业中大量 AI/ML 模型被快速开发、部署。而粗放式的发展使得企业对 AI 的使用呈“重开发，轻治理”之态，开发与运维之间的鸿沟、部门之间协作不畅带来的“隐藏技术债”逐渐暴露。

企业亟需一种科学的治理方法，对“隐藏技术债”进行“偿还”。

ModelOps（Model Operations）在这一背景下萌芽，并在一些企业的 AI 治理中不断扎根、深化。

“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如是说。

时值 ModelOps 峥嵘初现，全球知名市场数据及科技研究平台 CB Insights 中国联合九章云极发布《2021 年 ModelOps 技术应用及趋势白皮书》。

白皮书聚焦 ModelOps 技术应用及未来趋势，从背景溯源出发，回顾企业科学模型治理方式的缺失及 ModelOps 应用的必要性，以及对 ModelOps 的发展历程及主要参与方进行盘点和分析。

其次，白皮书对 ModelOps 平台的主要功能及关键技术进行拆解，详解工业制造与金融服务场景下的典型应用案例，探究 ModelOps 具体如何帮助企业走通技术应用的“最后一公里”。

最后，思考 ModelOps 可能遇到的挑战，以及对未来技术趋势进行展望。

报告指出，随着企业对技术债的察觉，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：“隐藏技术债”日益严重，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阵痛。

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。

白皮书从拆解 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，消除“隐藏技术债”。

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）

目前，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覆盖。

展望：高维智能降低 AI 技术使用门槛

从模型算法设计到决策系统落地，AI 技术发展重心正悄然转移。

在 ModelOps 框架下，科学的模型治理不仅使企业的 AI 计划更易从模型算法设计走向生产决策系统落地，实现规模化效应，也使 AI 拥有部分能动性，逐渐走向自治化——“以 AI 治理 AI”变为可能。

自治化意味着更高维智能的实现，AI 的使用门槛更低。企业在应用 AI 提升生产力时，对数据科学家及专业技术人员的依赖将逐渐弱化。

未来，ModelOps 持续监控、流程化、标准化、可复用的模型全生命周期治理框架将带动 AI 治理方式更迭。

ModelOps 将有望成为企业 AI 治理的“标配”。

点击下方链接或文末“阅读原文”，查看完整报告。

-End-

  往期文章推荐    

偿还技术债，通向自治化，ModelOps或将成为企业AI治理的“标配”

疫情难挡AI收购热潮，“五巨头”中苹果暂居首位

关于 CB Insights

CB Insights 成立于 2008 年，将数据科学、数据可视化和预测分析工具相结合，为 VC/PE、跨国企业、初创公司等创建了一个技术和行业研究的全球化数据平台。CB Insights 已发布近千份市场地图、数据报告和行业研究报告，以及连续多年发布全球 AI 100、Fintech 250 和 Digital Health 150 企业名单。

CB Insights China（CB Insights 中国） 于 2019 年 12 月正式落地中国，扎根技术和行业研究，研究领域覆盖人工智能、生命科学、半导体、新能源汽车、金融科技、零售消费等十余个领域、几十个细分赛道，致力于发掘行业中更多有潜力的科技企业。

如有任何研究与合作需求，请联系我们：[e-mail]。

CB Insights 中文读者交流群

CB Insights 中文读者交流群主要用于报告分享、资讯输送以及观点交流，扫描下方二维码即可获取入群方式。

点击“阅读原文”获取 PDF 版完整报告，密码：qpYk