伴随着ChatGPT的诞生以后，人工智能相关产业链的热度一直都处于上升期。首先是AIGC的热潮，然后因为算力的需求，激发了CPO的火热，人工智能进一步扩散，再度“孵化”新题材，资金有了新的追捧方向。
4月4日，MLOps概念股开盘大涨，成为AI行情又一大热点。
一，什么是MLOps
MLOps是一门工程学科，通过构建和运行机器学习流水线（Pipeline ，统一机器学习（ML）项目研发（Dev）和运营（OPs）过程的一种方法，目的是为了提高 AI 模型生产质效，推动 AI 从满足基本需求的能用变为满足高效率、高性能的“好用”。
MLOps中文译为人工智能研发运营体系，是一组最佳实践、框架和工具，可以帮助企业管理数据、模型、部署、监控，以及其他利用理论概念验证AI系统并使之奏效的方方面面。
可以说，MLOps将软件行业中使用的DevOps方法引入机器学习模型全生命周期。因此，可以把 MLOps 理解为 ML + Dev + Ops。
打个比方的话，可把它想象成一个餐厅：数据科学家相当于大厨，他们将原材料（数据）转换为美味佳肴（机器学习模型）；机器学习工程师则负责确保菜品（模型）在餐厅各个环节的质量和一致性，例如调整配方、监控烹饪过程等；IT运维人员则负责餐厅的基础设施，如确保设备正常运行、提供必要的资源和环境等。
而MLOps就是这个餐厅的管理团队，协调各个部门，确保整个流程高效运转，从而让顾客（用户）享受到高质量的产品（机器学习模型）
二，为什么是 MLOps？
要了解 MLOps，我们必须首先了解 ML 系统的生命周期。生命周期涉及数据驱动组织的多个不同团队。
这是 ML 生命周期的非常简化的表示。
MLOps包含项目设计、模型开发、模型运维三大步骤，融合了业务、数据、算法、运维的业务人员，以更好更快地试验、开发、部署、管理ML模型，保证ML模型的交付与运行质量为目标，是机器学习服务模式与技术的新兴领域，相当于机器学习领域的DevOps，其核心是构建一条可通用、复用的模型生产流水线。
总体上讲，机器学习生命周期全流程复杂且耗时长，只有在部署的模型与现有业务充分整合后，各业务线才能从模型中获得效用与价值，而实际情况是业务开发与模型部署常常脱节。
细分而言，放大生命周期全流程的各个环节，会发现更多的问题：工具链碎片化、各业务人员的专业知识存在短板且团队之间缺乏协作、ML就绪数据匮乏、集成开发环境缺失、模型可解释性差等。
为改善甚至消除这些障碍，MLOps这一概念应运而生。
三，MLOps的实施原则：
作为AI基础设施之一，MLOps 促进各团队高效协作，提升业务价值产出。一般来说，实施 MLOps 需要遵循的原则包括自动化、持续性、版本化、可监控、可测试、可追溯、可复现、可协作等。
四、MLOps发展历程
2015 年至今，从业界意识到机器学习项目技术债给AI 生产上线带来的潜在巨大影响伊始，MLOps 前后经历了斟酌发酵、概念明确、落地应用三大阶段。
斟酌发酵阶段（2015年至2017年前后）
概念明确阶段（2018年至2019年前后）
落地应用阶段（2020年至今）
MLOps 产品提供方和应用方不同程度地受益于MLOps体系的蓬勃发展。随着工具市场和行业应用的发展不断推进，新工具不断涌现，在 IT、金融、电信等行业得到了广泛应用和落地。根据情报和市场研究平台 MarketsandMarkets 2022 年研究报告显示，MLOps市场规模到2027年将比2022年翻5倍。
五，行业应用：降本增效
MLOps核心部分包含，代码管理和版本控制、自动化构建和部署、测试和质量保证、监控和故障排除、模型管理和更新、数据管理和资源调度。可以帮助从业人员将其开发的机器学习模型更好地部署到生产环境中，并在整个模型生命周期中保持模型的鲁棒性和可靠性。
ML OPs 能有效缓解 AI 生产过程的各种管理问题，提升 AI 生产的转化效率。它可以帮助开发人员更容易地构建、训练和部署机器学习模型，减少了研发周期和成本，并可以提高模型的性能和可靠性。此外，MLOps还可以提供完整的可追溯性，使团队可以更好地了解机器学习模型的工作方式，从而更好地进行决策。
1，IT行业：
应用MLOps后，美国某IT公司将开发和部署新AI服务的时间缩短到原来的1/12到1/6，运营成本降低50%；德国某IT公司，通过自动化编排和实验跟踪，以相同的工作量运行10倍的实验数量；以色列某IT公司实验复现时间减少50%；某美国出行科技公司三年内机器学习产品数量从零扩展到数百个。
2，金融行业：
应用MLOps后，新加坡某保险公司推理结果的生成时间从几天缩短至不到1小时；欧洲某大型保险公司节省了大量维护和调查时间，可实时跟踪和比较模型性能，并自动检测以前需要数月才能检测到的漂移；美国某支付公司可实时部署和运行其反欺诈预测模型，并实时分析新数据以适应新威胁。
3，电子商务：
应用MLOps后，荷兰某酒店预定网站通过打通机器学习模型生产流程，提高了生产规模，具备应用150个面向用户的机器学习模型的能力，逐步推进AI规模化落地。
4，制造业：
应用MLOps后，土耳其某水泥制造公司通过提升模型生产效率和质量，大大提升了AI赋能业务的能力，使得替代燃料的使用量增加7倍，减少2%的二氧化碳排放总量，成本降低3900万美元。
5，化工行业：
应用MLOps后，美国某化工企业将模型部署周期从原来的12个月缩减至30到90天。
6，医疗行业：
应用MLOps后，美国某医疗企业通过快速构建和测试模型，为业务提供精准决策，使得每年从患者日支付的护士工时中节省200万美元，通过减少患者住院时间每年可节省1000万美元。
六，相关概念股一览：
第一家：启明信息
公司亮点：国内汽车业IT行业龙头企业
启明通过多年为一汽集团以及社会化资源服务的经验积累，在数据覆盖范围，数据质量上都具备核心竞争力。具有自主知识产权的汽车业管理软件和汽车电子产品是公司业务的核心，也是公司发展的基础。
第二家：东方国信
公司亮点：专注提供完整企业商业智能系统解决方案的企业
公司主营业务是基于大数据、云计算、人工智能和机器学习等技术，围绕数据资产能力为客户提供端到端的大数据解决方案。包括数据采集、数据处理、数据分析挖掘、数据应用、数据治理管控等相关产品、服务与解决方案，帮助客户充分利用数据的价值从而获得更高的生产效率和经营效益。
第三家：光环新网
公司亮点：云计算、数据中心、宽带接入等互联网综合服务商
公司以高标准的服务、卓越的技术能力、丰富的大客户服务经验成为众多知名客户的服务商，凭借着优质的服务和良好的口碑，在行业内树立了较好的市场形象，客户认可度高,客户群体稳定性强。
第四家：科大国创
公司亮点：致力于云计算、大数据、人工智能领域的研发及应用
科大国创是一家专业从事行业软件研究、开发和销售，提供IT 解决方案，以及相关的信息系统集成、咨询与技术服务的高科技企业，目前已成为国内领先的行业软件开发、解决方案及IT 服务供应商，是国内为数不多的同时具有国际软件开发经验的软件企业之一。
第五家：星环科技-U
公司亮点：企业级大数据基础软件开发商
星环科技是一家企业级大数据基础软件开发商，围绕数据的集成、存储、治理、建模、分析、挖掘和流通等数据全生命周期提供基础软件及服务，已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，支撑客户及合作伙伴开发数据应用系统和业务应用系统，助力客户实现数字化转型。
第六家：绿盟科技
公司亮点：国内领先的、具有核心竞争力的企业级网络安全解决方案供应商
公司参与编写人工智能研发运营体系实践指南，致力于将MLOps理念，应用于企业及网络安全领域
第七家：万达信息
公司亮点：国内城市信息化领域的领先企业$万达信息(SZ300168)$
公司主营业务是以公共事务为核心的城市信息化领域的软件，开发与服务，公司参编的MLOps模型交付标准已经正式发布，为企业MLOps的实施提供参考和指导
第八家：宇信科技
公司AIOps学件管理中心是MLOps的一种运维领域的实践，可以推广到更多AI领域。2019年宇信科技占据银行IT领域市场份额第二名的位置，银行IT支出是金融IT领域主要投资来源。从营收质量上宇信科技比第一名含金量更高，第一名文思海辉包含很大一部分外包收入。宇信科技已经为中国人民银行、三大政策性银行、六大国有商业银行、12家股份制银行以及100多家区域性商业银行和农村信用社以及十余家外资银行提供了相关产品和服务。去年宇信科技引入百度作为战略投资者。
铁粉号盘中随时更新，近期热点发掘文章：
光伏反转，高纯石英砂概念除了石英股份、欧晶科技还有谁（深度分析）
硬核逻辑：数字中国纳入考核KPI，新型工业化分支2小龙（低位逻辑）
钙钛矿赛道0~1加速开启，钙钛矿及HJT上游核心材料低位龙头（业绩反转）
我会在 公众号：海涵财经 每天更新最新的医疗新基建、一体化压铸、 汽车智能化，激光雷达，HUD，车规芯片，空气悬挂、L3级智能驾驶、PET铜箔，纳电池，800V高压，光伏HJT、TOPCON、钙钛矿、光伏XBC、BIPV、IGBT芯片、碳化硅SIC、CTP/CTC/CTB电池、4680电池、工业母机、海风柔直高压、新能源车高压快充、高镍三元、碳纤维、PET铝箔、PET铜箔、空气源热泵、新材料、中药创新药、中药配方颗粒、乡村振兴、锂矿、钒液流电池、钠离子电池、分布式储能、集中式储能、抗原检测等最新题材热点挖掘，未来属于高预期差的结构性市场，把握核心赛道以及个股的内在价值逻辑预期差才是根本所在。
— END —
先赞后看，养成习惯
免责声明：图片、数据来源于网络，转载仅用做交流学习，如有版权问题请联系作者删除
人工客服（haihancaijing009）：
