本指南(nan)由中國信通院云計算(suan)與大數據(ju)研究所(suo)、人(ren)工(gong)智能(neng)關(guan)(guan)鍵(jian)(jian)技術 和(he)應用評測(ce)工(gong)業和(he)信息化部重點實驗室(shi)聯合(he)發布。本指南(nan)站在組(zu)織(zhi)如何(he)布局和(he)落地 MLOps 的(de)視角，以模型的(de)高質量、可(ke)持續(xu)交付作為(wei)核 心邏輯，系統(tong)性(xing)梳理(li) MLOps 概念(nian)內涵、發展(zhan)過(guo)程、落地挑戰(zhan)等現狀， 并(bing)基(ji)于(yu) MLOps 的(de)理(li)論研究和(he)實踐案例分析組(zu)織(zhi)如何(he)構建 MLOps 框 架體(ti)系和(he)關(guan)(guan)鍵(jian)(jian)能(neng)力，最(zui)后總結和(he)展(zhan)望(wang)其發展(zhan)趨(qu)勢。

由于 AI 產業的快速變(bian)革，MLOps 落地應用持續深入，工具市場 不斷迭代(dai)，我(wo)們對 MLOps 的認(ren)識還有待繼(ji)續深化，本指南可能仍存(cun) 在不足之(zhi)處(chu)，歡迎大(da)家(jia)批評指正。

IT 行業：應用 MLOps 后，美國某(mou) IT 公(gong)司將(jiang)開發和部署新 AI 服 務的時間縮短到原來的 1/12 到 1/6，運營成本降低 50%；德國某(mou) IT 公(gong)司，通過自動化編排和實驗(yan)跟蹤，以相同(tong)的工作(zuo)量(liang)運行 10 倍的實  驗(yan)數量(liang)

金融行業：應用 MLOps 后，新加坡某保險公司推理(li)結果的生(sheng)成 時間(jian)從幾天縮短(duan)至不到(dao) 1 小時

電(dian)子商務：應用(yong) MLOps 后，荷蘭某酒店預定網站通過打(da)通機(ji)器(qi)(qi) 學(xue)習模型(xing)(xing)生產流程，提高了生產規模，具備應用(yong) 150 個面向用(yong)戶的(de)機(ji) 器(qi)(qi)學(xue)習模型(xing)(xing)的(de)能(neng)力

制造業(ye)(ye)：應(ying)用(yong) MLOps 后，土耳其某(mou)水泥制造公司通過提升模(mo)型 生(sheng)產效率(lv)和質量(liang)，大(da)大(da)提升了 AI 賦(fu)能業(ye)(ye)務的(de)能力，使得(de)替代燃料的(de) 使用(yong)量(liang)增加 7 倍(bei)，減少 2%的(de)二氧(yang)化碳排放總量(liang)，成本降低 3900 萬(wan)美(mei) 元

化(hua)工行業：應用 MLOps 后(hou)，美國(guo)某化(hua)工企(qi)業將(jiang)模型(xing)部署(shu)周(zhou)期從(cong) 原來的(de) 12 個月縮(suo)減至 30 到 90 天

...

附件：人工智能研發運營體系（ML0ps）實踐指南2023