MLOps是一種以AI機器學習機制結合DevOps流程的策略,但因為MLOps以AI為核心,雖然需要相對較高的技術、資金等進入門檻,卻可以在應用落地後發揮可觀的產值和成長潛力。藉由導入MLOps,除了能在技術上以AI加速DevOps的作業效率和更新頻率,也能藉由導入AI相關技術在DevOps在不同領域和情境,為不同領域的客群發揮關鍵價值。
AI全球產值年增率大幅提升至21.3%
依據國際諮詢機構Gartner統計,AI軟體的全球產值,從2021年的515億美元提升到2022年的625億美元,年增長率從14.1%提升到21.3%。
另外,在2022年Gartner針對資訊長(CIO)的調查中,其中有48%的CIO表示有計畫導入(或正式導入)AI和機器學習科技。
如此可見,機器學習勢必在企業界和市場上佔有一席之地,也有望成為MLOps的要角。
MLOps受到IT國際龍頭業者青睞
另依據IDC指出,在MLOps的領域中,由於最關鍵的資料集和AI模型的技術需求相對較高,具有全面發展MLOps能力,現今僅有一些代表性、標竿性的龍頭,例如IBM、微軟在領先梯隊;而具有較豐沛雲端資源,但在AI方面開始起步的AWS、谷歌、阿里巴巴等,就在微軟腳步後方的「主力參與者」梯隊,可見MLOps對IT龍頭具有值得投入的吸引力,並以豐沛雲端資源為基礎,來發展可支持MLOps的AI模型和資料集。
圖 1:MLOps領域領先梯隊
資料來源: (Lange, Kuppuswamy, & Schubmehl, 2022)
未來展望/挑戰
現階段的MLOps,雖以大型IT龍頭為領頭羊,並以豐沛的軟硬體資源,提供大數據基底資料集、AI模型架構;但未來隨著AI模型和演算法的開源需求提升,可望降低MLOps的入門門檻,讓中小規模的MLOps有機會蓬勃發展,健全工具鏈和技術能量,滿足MLOps日漸普及化的需求。
封面圖片經圖庫123RF授權使用
參考資料來源