弹性的ML栈是模块化的赞助文章作者：Yasmeen Kashef 作为一项广泛的技术，人工智能在采用周期中跃跃欲试，步

赞助文章

作者：Yasmeen Kashef

作为一项广泛的技术，人工智能在采用周期中跃跃欲试，步履蹒跚。随着市场预计在20231年突破5000亿美元，人工智能的采用甚至在大流行中加速。每个人都同意，人工智能无处不在，它不会消失2。担心被甩在后面或错过加速收入增长的机会，是萦绕在任何进入市场战略中的咒语。

同时，蹒跚的脚步从缺乏真正实现商业价值的模型中得到了证明。在彗星公司最近的一项调查中，68%的受访者承认他们完全放弃了40-80%的实验。我们现在应该好一些了，对吗？可以理解的是，机器学习很复杂。随着大家的共同学习，MLOps的最佳实践也在不断发展。

当你看到不断发展的市场时，ML的工具景观仍然是一个混乱的局面3。当Chip Huyen在一年多前回顾机器学习工具4时，市场上的工具爆炸已经在加速。

如果你看一下今天的情况5，大量的选择可能会让人不知所措。哪些工具被广泛采用，哪些将被整合，也不明显。

今天正在浏览这个环境的企业很可能正在争论如何取代或增强他们目前独特的内部解决方案的决定。考虑到人工智能通常诞生于研发，研究从一开始就没有设计成生产级别。这就产生了自己的技术债务。因此，当需要将工程资源从维护内部工具转移到购买替代品时，选择投资于哪种工具并不是一个容易的选择。

更为复杂的是，彗星调查还发现，工具的预算不足，88%的受访者用于工具和基础设施的年度预算低于75000美元。幸运的是，大多数组织正在增加2022年的ML预算。

那么，一个组织如何才能在不断变化的ML环境中保持敏捷？答案的一部分在于建立一个模块化的ML架构5。这使公司能够定制他们的工作流程，并更容易地用市场上已经变得更加成熟的工具替换他们内部系统的组件。它还使数据科学家能够使用迎合他们需求的工具，同时与其他团队进行跨职能的合作。

我们期待着看到这个空间的发展和成熟。你为什么不加入我们？彗星将与人工智能基础设施联盟和Superb AI一起讨论如何用模块化MLOps加速人工智能的价值。我们将讨论现代MLOps堆栈的特点，以及企业今天在建立一个综合MLOps战略方面所面临的挑战。

资料来源

IDC.2022年2月。IDC预测，2022年企业在人工智能解决方案上的支出将增加19.6% 。https://www.idc.com/getdoc.jsp?containerId=prUS48881422
Mike Loukides.2022年3月。2022年企业中的人工智能应用 。https://www.oreilly.com/radar/ai-adoption-in-the-enterprise-2022/
Mihail Eric.2022年3月。MLOps是一个烂摊子，但这是可以预期的 。https://www.mihaileric.com/posts/mlops-is-a-mess/
Chip Huyen.2020年12月。Machine Learning Tools Landscape v2 (+84 new tools). huyenchip.com/2020/12/30/…
Matt Turck。2021年9月。Red Hot: The 2021 Machine Learning, AI and Data (MAD) Landscape. https://mattturck.[com/data2021/](mattturck.com/data2021/)
Casber Wang.2022年3月.人工智能基础设施的未来正在成为模块化。为什么最佳的MLOps解决方案正在起飞，以及值得关注的顶级玩家。https://medium.com/sapphire-ventures-perspectives/the-future-of-ai-infrastructure-is-becoming-modular-why-best-of-breed-mlops-solutions-are-taking-fd85c6ca8bcf