ML OPs 是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”并且,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
当前,MLOps概念逐渐明晰,应用落地持续开展。组织在落地时,以总体流程架构为主线,以计划解决的问题为目标,对关键能力各个击破,逐步形成MLOps落地效应展望未来,MLOps将在机器学习项目大规模高效率生产的基础上,不断迎接AI工程实践所带来的新挑战,推动AI资产安全有序管理,促进持续高效运营,保证模型及其生产过程更稳定、更可靠、更安全,更透明!
随着AI行业在海内外的高速发展,ML OPs的市场规模将从22年的70亿增长到2027年那的420亿,未来的市场规模将呈高速增长的态势
“ML OPs”赋能AI加速,A股公司有:
1、星环科技
公司推出了企业级AI能力运营平台Sophon MLOps,围绕企业AI模型接入运营管理,持续训练的全生命周期
3、启明信息
公司现有基于云原生的MLOps敏捷AI平台,帮助数据科学家和开发人员快速准备、构建、训练和部署高质量的AI模型
4、万达信息
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模型交付标准正式发布
5.科大国创
国创九章数据智能平台持续做深平台的数据处理、AI开发、AI推理和AI部署能力,打造云边端协同的一站式AI平台,持续深化并行计算、高性能推理等核心技术的应用,以MLOps理念构建AI开发敏捷流水线,赋能行业客户端到端的业务建模。
1、贵州省大数据发展管理局发布《关于印发面向全国的算力保障基地建设规划的通知》。《通知》对面向全国的算力保障基地建设进行规划,从能力指标、质量指标、结构指标、通道指标、产业指标等5个维度,提出的2023年—2025年的相关指标;
2、 从5大指标具体目标来看,均为翻倍式提高,中机架规模从现状的10.8万架,到2025年要提高至80万架,三年时间增长达7倍;算力总规模从现状的0.81 Eflops(百亿亿次/秒),到2025年要提高至10 Eflops ,提升超11倍;大数据交易市场规模从目前的3亿元要提高至2025年的100亿元,增幅达到32倍;
3、 算力需求爆发式增长: 由于ChatGPT等具备跨时代的意义,因此科技巨头已经开始算力“军备赛”,大模型的出现有望带动AI服务器需求爆发。服务器架构随负载量扩张不断优化,已经经历传统单一部署与集群模式,目前正处于分布式模式的转变阶段。CPU、GPU、内部存储和外部存储是服务器的核心部件。
投资建议:
1、AI服务器生产商,重点推荐中科曙光,其他受益标的为首都在线、拓维信息、神州数码、浪潮信息;
2、具备算力芯片的厂商,受益标的为寒武纪、海光信息、龙芯中科、景嘉微。
风险提示:核心技术水平升级不及预期的风险;AI伦理风险;政策推进不及预期的风险;中美贸易摩擦升级的风险。