伴隨著ChatGPT的誕生以后，人工智能相關產業(yè)鏈的熱度一直都處于上升期，首先是AIGC的熱潮，然后因為算力的需求，激發(fā)了CPO的火熱，接著就是最新產業(yè)鏈MLOPs的誕生。MLOPs 是通過構建和運行機器學習流水線（Pipeline ，統(tǒng)一機器學習（ML）項目研發(fā)（Dev）和運營（OPs）過程的一種方法，目的是為了提高 AI 模型生產質效，推動 AI 從滿足基本需求的能用變?yōu)闈M足高效率、高性能的“好用”。并且，MLOPs 能有效緩解 AI 生產過程的各種管理問題，提升 AI 生產的轉化效率。一般來說，實施 MLOps 需要遵循的原則包括自動化、持續(xù)性、版本化 、可監(jiān)控、可測試、可追溯、可復現(xiàn)、可協(xié)作等。當前，MLOps概念逐漸明晰，應用落地持續(xù)開展。組織在落地時，以總體流程架構為主線，以計劃解決的問題為目標，對關鍵能力各個擊破，逐步形成MLOps落地效應。