近日，中國國際服務貿易交易會（以下簡稱“服貿會”）在京盛大舉辦，在服貿會“2023中國AIGC創新發展論壇”和“2023中國金融科技論壇”兩大論壇的成果發布環節，九章云極DataCanvas公司與IDC重磅發布「AIFS人工智能基礎軟件」和「MLOps機器學習工程引擎」兩大技術領域研究報告，洞察智能時代兩大AI核心技術最新趨勢，解析行業數智化實踐前沿案例。

01 人工智能基礎軟件發展報告——筑基智能經濟底座，賦能產業應用實踐

大模型技術的爆發式發展為以機器學習、深度學習技術為代表的人工智能帶來新的技術浪潮和創新革命，人工智能基礎軟件這一占據核心基礎地位的AI基礎“軟”設施再度被市場聚焦。此次發布的《人工智能基礎軟件發展報告——筑基智能經濟底座，賦能產業應用實踐》（以下簡稱《人工智能基礎軟件發展報告》），以行業應用為最終目標，輸出AI基礎軟件的產業發展現狀，硬件計算、算法生態、全周期開發、云原生AI等關鍵技術趨勢，全球AI基礎軟件優秀廠商分析，以及金融、制造、政務、交通行業經典案例解讀等前瞻內容。

《人工智能基礎軟件發展報告》干貨速遞：

“基礎應用服務仍保持快速增長，開發平臺擁有較大市場空間。2022年IDC研究顯示，機器學習開發平臺市場呈現頭部廠商規模化效應。未來隨著企業數字化轉型的深入以及人工智能技術在融合應用廣度和深度的升級，為企業服務提供全周期全流程服務的開發平臺將會擁有更大的增長潛力。”

——《人工智能基礎軟件發展報告》

IDC提出人工智能基礎軟件五大關鍵技術趨勢：

●硬件異構和加速計算

夯實底層算力支撐，推動產業快速升級

剖析業務場景需求，融合先進算法結構

●開放軟件算法生態

AI基礎軟件作為智能經濟底座，開放兼容的生態成為必然

兼收并蓄，自主創新是提升軟件品牌價值的關鍵

●全周期友好的開發流程

保障式全周期開發服務，增益式友好型業務優化

●數據模型安全可解釋

可解釋的內核是數據的可靠性與關聯性

聯邦學習、差分隱私、同態加密、硬件加密為主要方式

●云原生AI重塑業務價值

連接AI應用和IaaS的橋梁，加速AI工程化落地

云原生AI平臺能力架構

人工智能基礎軟件代表廠商領先實踐案例

九章云極DataCanvas以自主研發的標準化AI基礎架構軟件為基石，推動AI技術從研發到生產化過程中各個環節自動化，建立以“開放、自動、云原生”為核心的智能數據科學產品體系，為用戶提供靈活、自主、可靠的高性能高協同工具，加速企業數智化轉型。

九章云極DataCanvas AI基礎軟件行業經典案例

圍繞“開放、自動、云原生”的產品理念，九章云極DataCanvas當前產品體系已覆蓋AI基礎軟件產品體系（AIFS）、數據領航員產品體系（DataPilot），并在上層打造通識大模型和行業/領域模型，以更全面、更敏捷的服務能力支持多行業AI解決方案落地。《人工智能基礎軟件發展報告》通過金融、制造、政務、交通四大行業的6個經典業務場景實踐案例，全面解析九章云極DataCanvas AI基礎軟件的應用能力。

AIFS未來趨勢及建議

IDC在報告中指出，AI基礎軟件為企業創新和社會進步提供核心驅動力。人工智能產業在經歷多輪熱點算法技術應用落地后，面臨產業規模化、技術融合化、開發敏捷化、成本可控化等問題，AI基礎軟件依托自身產品優勢和上下游及行業融合特色，可有效解決上述問題。

AI基礎軟件ACES四方能力

放眼未來，AI基礎軟件廠商應聚焦打造“ACES”四方能力，即能力創新（Ability Innovation）、企業轉型（Company Transformation）、生態構筑（Ecology Construction）、社會變革（Society Transformation）,從技術、產品、生態、應用、戰略、產業鏈等方向進行持續迭代創新，助力實現“智能產業和美好生活”的社會愿景。

02 機器學習工程引擎MLOps發展報告——破壁全賽道，落地工程化

人工智能進入工程化和規模化應用落地的黃金階段， MLOps機器學習工程引擎將發揮核心加速器作用，是驅動企業走向未來智能的關鍵。《機器學習工程引擎MLOps發展報告——破壁全賽道，落地工程化》（以下簡稱《機器學習工程引擎MLOps發展報告》），通過結合前瞻的行業展望、前沿的AI技術創新和領先的MLOps多行業應用實踐，全方位展示人工智能技術規模化落地的機遇、挑戰，MLOps工程引擎的四大核心技術優勢，以及九章云極DataCanvas在多個行業實現的MLOps “創新鏈-價值鏈-產業鏈”三鏈協同創新應用實踐。

《機器學習工程引擎MLOps發展報告》干貨速遞：

“IDC預測，MLOps將迎來全面采用，到2024年60%的中國企業將通過MLOps/ModelOps來運作其ML工作流程，并通過AIOps功能將AI注入IT基礎設施運營過程。MLOps工程引擎發揮承上啟下的關鍵作用，與上下游產品形成耦合榫卯結構。”

——《機器學習工程引擎MLOps發展報告》

MLOps工程引擎八大核心要素、CASA四大能力

IDC定義下，MLOps平臺整體功能架構包括八大核心要素，即頂層設計、數據準備、模型開發、訓練測試、部署運維、流程治理、安全保障、軟硬協同。覆蓋業務模型全生命周期開發管理的同時， MLOps平臺還從低開發上手難度、簡創建創新步驟、少訓練運營成本、易協同管理流程、高決策監管效率的目標進行持續優化。

MLOps平臺核心技術能力

IDC還提煉出MLOps工程引擎四大核心技術能力，分別是：高水平全場景算法庫、全棧式AutoML自動化機器學習、數據模型安全可解釋、云原生技術支撐。九章云極DataCanvas的AIFS人工智能基礎軟件和DataPilot數據領航員產品體系全線產品均以云原生基礎構建，自主研發的白盒Alaya元識大模型矩陣、BAP面向業務自動建模平臺、YLearn因果學習軟件等獨立產品更匹配各項突出的核心技術能力。

九章云極DataCanvas行業應用賦能：“創新鏈-價值鏈-產業鏈”三鏈協同

九章云極DataCanvas以機器學習工程引擎為核心打造的多行業解決方案，從創新鏈、價值鏈、產業鏈三方面推動智能應用工程化落地。

九章云極DataCanvas “創新鏈-價值鏈-產業鏈”三鏈協同

《機器學習工程引擎MLOps發展報告》從三鏈維度出發，甄選九章云極DataCanvas在金融、制造、航空等行業的六個企業級MLOps實踐案例，驗證MLOps在加速企業數值化升級方面的強大能力。

MLOps未來趨勢及建議

IDC指出，機器學習工程引擎MLOps是驅動企業走向未來智能的關鍵，將從“平臺化能力、高水平技術、全自動監管”三方面來推動生產的快速迭代。面向未來，企業將從技術能力創新、產品應用探索以及生態合作布局三方面持續提升服務水平，持續夯實工程引擎能力。

關注九章云極DataCanvas公司官方微信公眾號，后臺回復“AIFS”和“MLOps”即可獲取對應報告全文！

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：