随着以ChatGPT为代表的生成式AI应用快速破圈,各行各业期待着技术突破带来的新商业场景落地。如何大规模、低成本、高效率和高质量地释放AI生产力成为产业关注的焦点。为加速AI工程化进度,推动AI从“可用”变为“易用”,中国信息通信研究院联合数十家企业制定了MLOps(机器学习流水线)系列标准,旨在指导产业提升AI工程化水平,加速人工智能的产业落地。
近期,中国信通院首次公布了MLOps服务能力旗舰级评测结果,百度智能云成为全国首批在AI开发管理能力上达到旗舰级的MLOps平台。这代表着,百度智能云AI中台在AI开发的服务能力和管理能力均达到国内领先水平。百度相关负责人表示,后续将为文心一言快速产业化落地提供全方位的支持,面向企业提供一系列AI开发和运维工具。
通过信通院MLOps评测,将为企业提供AI模型开发宝典
AI模型开发运营全流程是个多环节、复杂程度高的工作,从数据采集、数据标注、模型训练再到数据回流和模型观察,任何一个环节未能规范都将影响AI模型的效果。正因如此,目前产业内面临AI模型开发运营流程不规范、自动化程度不高、标准不一致等一系列痛点。在此背景下,信通院牵头制定了《人工智能研发运营一体化(Model/MLOps)能力成熟度模型》标准体系,旨在指导企业提高AI研发运营管理能力,推动AI规模化产业应用,促进企业智能化转型。
不久前,百度智能云AI中台参与了信通院组织的面向产品方的MLOps开发管理服务能力评测,在需求管理、数据工程和模型开发三个模块均达到了旗舰级水平。这是行业对百度AI中台在AI模型工程化应用方面的领先实力的认可,也意味着,企业可以通过百度AI中台获得AI模型开发全流程的最佳实践,降低AI开发的技术门槛和成本,加速智能化转型进程。具体而言,百度智能云将为企业解决两大难题:
第一,大幅降低企业AI开发门槛。百度AI中台提供高自动化水平的模型开发工具和标准化的流程规范指导,AI模型开发不再单纯依赖技术研发人员的个人水平,对开发技术门槛和人才要求都有所降低,从而帮助企业节省成本。
第二,大幅提升AI模型开发质量,因为有了规范和标准,AI模型开发有据可依,企业可通过参考最佳实践,保证AI模型开发的质量。
百度智能云构建新一代AI基础设施,全面加速产业智能化升级
百度智能云之所以率先通过信通院MLOps服务能力旗舰级评测,其根本原因在于,在百度AI中台背后,是集百度AI能力之大成的AI大底座,面向企业AI开发提供端到端的解决方案。
百度AI大底座是国内首个全栈自研的AI基础设施,其形成了一套“芯片-框架-大模型-行业应用”的智能化闭环路径,从高端芯片昆仑芯,到飞桨深度学习框架,再到文心预训练大模型,各个层面都有领先业界的关键自研技术,可以实现端到端优化,帮助企业降本增效。基于AI大底座的全栈能力,企业在接入文心一言后,也可低门槛、便捷地完成与业务场景的适配与二次开发,顺利突破AI产业落地的“最后一公里”。

(百度AI大底座架构图)
随着生成式AI等人工智能技术的爆发,产业对完善的AI基础设施的需求日益迫切。百度集团执行副总裁、百度智能云事业群总裁沈抖认为,在AI原生时代,需要云计算厂商标准化地输出智能化的底层能力,把芯片、大模型、深度学习框架等高门槛的技术,变成像水电能一样供客户按需取用。基于百度AI大底座,百度智能云将把AI技术更低成本、更便捷地提供给企业,助力企业加速数智化转型,同时文心一言也将通过百度智能云对外提供服务,为产业带来真正的AI普惠。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。