近年来，人工智能的不断发展，掀起各个产业数字化的浪潮，作为新一轮产业变革的核心驱动力，人工智能及机器学习的落地方式日趋多元，越来越多的企业认识到这类技术的变革优势并加以应用，大量 AI/ML 模型被快速开发、部署。然而，粗放式的发展使得"重开发，轻治理"之风盛行，"隐藏技术债"问题逐渐暴露—开发与运维之间鸿沟高筑，许多模型从实验室走出之后得不到部署;模型没有被妥善管理，重复开发问题日益严重;多团队间，协作不畅的问题也逐渐显现;模型的监控程度及可操作性不佳，无法实现规模化经济..
微信
关注微信
