隨著技術(shù)的升級迭代，人工智能技術(shù)研發(fā)也正在逐漸從已有的瀑布式開發(fā)轉(zhuǎn)變?yōu)槊艚蓍_發(fā)，MLOps（Machine Learning Operations）等模式應(yīng)運而生。AI工程化能力的高低很大程度上取決于AI生產(chǎn)運維管理水平，而MLOps為AI工程化落地的團隊協(xié)作難、過程管理亂、業(yè)務(wù)交付差等3大難題提供了最佳實踐和解決方案。近日中國信息通信研究院發(fā)布的《人工智能研發(fā)運營一體化（Model/MLOps）能力成熟度模型 第二部分：模型交付》更是標(biāo)志著行業(yè)在MLOps模型交付階段已取得階段性進展。
目前，各行各業(yè)都將AI工程化能力作為智能化轉(zhuǎn)型比拼的基礎(chǔ)，智能時代下的數(shù)據(jù)迭代進程也隨著技術(shù)的發(fā)展各有側(cè)重。在云測數(shù)據(jù)總經(jīng)理看來，智能時代下的數(shù)據(jù)迭代進程一般要經(jīng)歷算法預(yù)研期、算法研發(fā)期再到算法持續(xù)優(yōu)化期三個階段，對數(shù)據(jù)的要求也在不斷深入。
階段一：算法預(yù)研期（數(shù)據(jù)產(chǎn)品），階段特點：1、基于成品數(shù)據(jù)集快速得到驗證；2、對傳感器及場景要求較低；在此階段，需要需要行業(yè)基礎(chǔ)數(shù)據(jù)集。
階段二：算法研發(fā)期（定制數(shù)據(jù)服務(wù)），階段特點：1、應(yīng)用場景及傳感器明確；2、需要大規(guī)模的場景化優(yōu)質(zhì)數(shù)據(jù)進行算法迭代；
階段三：算法持續(xù)優(yōu)化期（數(shù)據(jù)產(chǎn)品+持續(xù)數(shù)據(jù)服務(wù)），階段特點：1、模型及迭代方法論已趨于成熟；2、算法處理生產(chǎn)環(huán)境數(shù)據(jù)；3、持續(xù)通過生產(chǎn)環(huán)境數(shù)據(jù)迭代算法；
在數(shù)據(jù)迭代升級過程當(dāng)中，每一個階段的算法皆有其特點，都是迭代過程中的重要一步，通過數(shù)據(jù)的升級迭代，可以幫助企業(yè)完成AI工程化，讓人工智能實現(xiàn)更快的產(chǎn)業(yè)落地。
數(shù)據(jù)推動AI的工程化實踐進程
中國人工智能產(chǎn)業(yè)正進入快速增長階段，AI領(lǐng)域?qū)I(yè)化和細分化程度將進一步提升。在人工智能概念熱度和巨大的市場前景背后，一個成功的AI應(yīng)用勢必更多的來自于精準大量的訓(xùn)練數(shù)據(jù)，諸如自動駕駛、工業(yè)制造等智能應(yīng)用場景越來越復(fù)雜，因而，高質(zhì)量、精細化的數(shù)據(jù)將直接影響未來AI的工程化實踐。
作為人工智能數(shù)據(jù)服務(wù)領(lǐng)域頭部代表廠商，云測數(shù)據(jù)也在積極推動相關(guān)行業(yè)標(biāo)準化工作的建設(shè)，積極參與《人工智能研發(fā)運營一體化（Model/MLOps）能力成熟度模型 第二部分：模型交付》的標(biāo)準編寫。
云測數(shù)據(jù)在早期就已關(guān)注到AI數(shù)據(jù)服務(wù)的需求缺口和潛在的應(yīng)用市場，立足高質(zhì)量、場景化的AI訓(xùn)練數(shù)據(jù)服務(wù)，率先形成AI訓(xùn)練數(shù)據(jù)的“采、標(biāo)、管、存”一站式服務(wù)，實現(xiàn)了從“數(shù)據(jù)原料”到最后的“數(shù)據(jù)成品”全鏈條打通并通過數(shù)據(jù)產(chǎn)品、數(shù)據(jù)處理工具與數(shù)據(jù)服務(wù)的“三螺旋”，為智能駕駛、智慧城市、智能IOT、智慧金融等行業(yè)提供高效率、高質(zhì)量、多維度、場景化的數(shù)據(jù)服務(wù)與策略，最大化發(fā)揮訓(xùn)練數(shù)據(jù)的價值，為人工智能場景化落地輸送更多數(shù)據(jù)支撐。
云測數(shù)據(jù)認為，AI最終是為了落地、為了被使用，所以對于AI所需的數(shù)據(jù)質(zhì)量要求會更高更精準。其面向AI工程化率先推出的新一代數(shù)據(jù)解決方案，硬核實力在于——可在保障數(shù)據(jù)安全的基礎(chǔ)上，加速AI企業(yè)算法模型開發(fā)周期，在AI數(shù)據(jù)訓(xùn)練過程中綜合效能可提升200%以上、數(shù)據(jù)交付質(zhì)量最高可達99.99%標(biāo)注精度、助力企業(yè)降本增效。同時提升數(shù)據(jù)管理、場景庫管理能力，幫助運用人工智能的企業(yè)對數(shù)據(jù)資產(chǎn)加以沉淀、安全管控和風(fēng)險治理，提升企業(yè)AI治理能力，推動挖掘更加多元化的AI價值。
以自動駕駛領(lǐng)域為例，通過采用云測數(shù)據(jù)標(biāo)注平臺，可實現(xiàn)車企DataOps數(shù)據(jù)閉環(huán)中數(shù)據(jù)清洗、標(biāo)注工作，與原流程相比提升2倍流轉(zhuǎn)效率。
總結(jié)：
作為人工智能產(chǎn)業(yè)的內(nèi)部驅(qū)動力，數(shù)據(jù)、算法和算力三大要素對人工智能技術(shù)的升級發(fā)展一直至關(guān)重要。以數(shù)據(jù)為例，由于人工智能技術(shù)以有監(jiān)督學(xué)習(xí)的模型訓(xùn)練方式為主，在產(chǎn)業(yè)蓬勃發(fā)展的背后，數(shù)據(jù)作為技術(shù)發(fā)展的基石，不斷發(fā)揮著越來越重要的作用。在這場面向AI行業(yè)未來發(fā)展的浪潮中，會有更多如云測數(shù)據(jù)的廠商，以硬核實力叩開人工智能落地的未來之門。
