智能時(shí)空云服務(wù)商土豆數(shù)據(jù)，立足于云原生+AI致力打造時(shí)空信息數(shù)字化基礎(chǔ)設(shè)施“弗雷云”。此前，土豆數(shù)據(jù)推出面向時(shí)空產(chǎn)業(yè)的行業(yè)大模型產(chǎn)品——弗雷時(shí)空大模型。

　　據(jù)悉，弗雷時(shí)空大模型由土豆數(shù)據(jù)在通用大語言模型、視覺大模型、多模態(tài)大模型基礎(chǔ)上，進(jìn)一步采集時(shí)空產(chǎn)業(yè)公開可用的行業(yè)知識(shí)和數(shù)據(jù)進(jìn)行微調(diào)訓(xùn)練構(gòu)建而成，同步銜接自主研發(fā)的時(shí)空信息采集、建模、治理、分析、應(yīng)用及流通等全生命周期基礎(chǔ)軟件，滿足測(cè)繪、自然資源、智慧城市、生態(tài)水利等眾多時(shí)空產(chǎn)業(yè)垂直細(xì)分領(lǐng)域有關(guān)行業(yè)知識(shí)問答、內(nèi)容創(chuàng)作，以及業(yè)務(wù)處理方面在行業(yè)數(shù)字孿生時(shí)空底座高效搭建、數(shù)據(jù)分析挖掘等需求。

　　對(duì)于行業(yè)大模型如何建設(shè)，土豆數(shù)據(jù)科技集團(tuán)董事長(zhǎng)兼CEO，近日在由第一財(cái)經(jīng)舉辦的《AI大模型——揭秘人工智能生產(chǎn)力的加速器MLOps》風(fēng)口調(diào)研討論活動(dòng)中提到，MLOps是構(gòu)建AI生產(chǎn)力不可或缺的一種工程化方法論，隨著AGI和AIGC時(shí)代的到來，MLOps將充分融入大模型產(chǎn)品的工程化構(gòu)建能力之中，作為一種基礎(chǔ)設(shè)施，提升開發(fā)效率、解決行業(yè)需求。

　　霍向琦在演講中提到，平臺(tái)化，以及深度融入MaaS(Model as a Service)體系，是MLOps在大模型發(fā)展的浪潮之中，從一種工程方法轉(zhuǎn)變?yōu)榛�礎(chǔ)設(shè)施和平臺(tái)工具的重要趨勢(shì)，通過聚焦數(shù)據(jù)要素、持續(xù)訓(xùn)練、應(yīng)用場(chǎng)景這三個(gè)重要的方向，真正構(gòu)建起端到端的能力優(yōu)勢(shì)解決行業(yè)需求。

　　例如，跨部門協(xié)作、敏捷開發(fā)、高效運(yùn)維等來自于MLOps的理念，將落地成為圍繞數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范、模型開發(fā)訓(xùn)練、部署應(yīng)用等相關(guān)的平臺(tái)工具集，來支撐通用大模型和行業(yè)大模型產(chǎn)品的構(gòu)建。

　　早在“小模型”時(shí)代，MLOps理念已貫穿AI模型的開發(fā)、訓(xùn)練、部署和應(yīng)用的全流程，提升各環(huán)節(jié)的協(xié)同效率，降低了開發(fā)難度和成本。隨著大模型時(shí)代的到來，MLOps的平臺(tái)工具化沉淀，將進(jìn)一步促進(jìn)通用人工智能技術(shù)轉(zhuǎn)化為能夠解決行業(yè)實(shí)際痛點(diǎn)的真實(shí)生產(chǎn)力。

　　但霍向琦根據(jù)產(chǎn)業(yè)發(fā)展的實(shí)際情況提到兩大問題：

　　首先，從國(guó)內(nèi)現(xiàn)狀來看，很多行業(yè)尚處于數(shù)字化轉(zhuǎn)型的建設(shè)初期，其中最典型的問題，要屬數(shù)據(jù)資源普遍以不同的行業(yè)標(biāo)準(zhǔn)和不同的文件格式分散在跨單位、跨部門的服務(wù)器或電腦端中，未能經(jīng)過統(tǒng)籌治理形成標(biāo)準(zhǔn)統(tǒng)一的數(shù)據(jù)資產(chǎn)。“數(shù)據(jù)底座”即數(shù)據(jù)要素的缺失，難以為行業(yè)大模型的訓(xùn)練提供可靠、高質(zhì)量的數(shù)據(jù)支撐。

　　另外，大模型相比小模型的開發(fā)應(yīng)用，更偏向于建設(shè)一個(gè)系統(tǒng)級(jí)工程，必須做好數(shù)據(jù)工程和模型工程基礎(chǔ)，并需要完成與終端用戶業(yè)務(wù)系統(tǒng)的配套改造和對(duì)接，從而響應(yīng)行業(yè)大模型持續(xù)訓(xùn)練和場(chǎng)景搭建封裝等關(guān)鍵任務(wù)需求。

　　因而整個(gè)過程既需要技術(shù)人才下探場(chǎng)景、理解需求，也離不開終端用戶對(duì)大模型價(jià)值和應(yīng)用場(chǎng)景的準(zhǔn)確把握。

　　霍向琦提到，在土豆數(shù)據(jù)打造弗雷時(shí)空大模型的過程中，基于MLOps理念提升模型產(chǎn)品開發(fā)和行業(yè)服務(wù)的效率，在降低專業(yè)操作門檻、減少勞動(dòng)密集作業(yè)的同時(shí)，本質(zhì)上更讓各環(huán)節(jié)上的技術(shù)人員、行業(yè)專家和終端用戶能夠高效協(xié)同，將大模型能力、數(shù)據(jù)資產(chǎn)、行業(yè)知識(shí)、想象力和創(chuàng)造力轉(zhuǎn)化為真實(shí)生產(chǎn)力，從而高效賦能時(shí)空產(chǎn)業(yè)的各細(xì)分領(lǐng)域。