文|智能相对论

作者|叶远风

2020年，Gartner发布《2021年重要战略技术趋势》，认为AI工程化（AI Engineering）将是“需要深挖的趋势”，到了2021年年底，在Gartner的《2022年十二大重要战略技术趋势》中，AI工程化又被进一步明确为未来三到五年“企业数字业务创新的加速器”；

几乎就在同一时期，阿里发布面向AI工程化的一体化大数据和AI产品体系“灵杰”，称要推动“AI落地范式的升级，共同推动AI产业迈向新的增长”；

到了不久前落幕的服贸会上，人工智能数据企业云测数据发布了面向AI工程化的新一代数据解决方案，其价值设定为“高度支持企业所需数据的高效流转、持续进行数据处理任务，提高规模化生产效率”；

而即将召开的由 LF AI & DATA 基金会主办、关注AI领域前沿革新的 AICON 2022，将为AI工程化设置专门的分论坛……

毫无疑问，在AI加速实现场景落地的今天，“AI工程化”已经成为行业普遍的议题，被认为是AI发展必然的趋势之一。

什么是AI工程化？

按Gartner比较官方的定义，是“使用数据处理、预训练模型、机器学习流水线(MLOps) 等开发AI软件的技术统称，帮助企业更高效的利用AI创造价值”。“智能相对论”认为，AI工程化更简单的理解，就是已经十分成熟的软件工程将“软件”扩展到AI后的一种针对AI开发特点的适配与进化，通过系统化、规范化、可度量地使用各种工程方法和工具，确保AI软件能够达到预期。

这里，可以通过数据方面的AI工程化创新来帮助直观理解。云测数据面向AI工程化的新一代数据解决方案，通过成熟数据管理和标注平台与企业完成系统集成+支持企业自定义预标注算法接口+人员管理及项目管理体系+安全交付软硬件支持的方式，在保证数据隐私安全的标注环境下，高度支持企业所需数据的高效流转、持续进行数据处理任务，从而提高规模化生产效率：

可以看到，云测数据的AI数据解决方案利用了大量工程方法和工具，在宏观布局上表现出系统化、规范化的特点，大量细分模块与能力也体现出AI开发工作方方面面的可度量性，最终服务于AI开发的全局，整体“一盘棋”（传统软件工程是“一条线”），这就是AI工程化能够带来的直观感受。

而AI工程化为什么得到从权威机构、互联网大厂到数据服务创新企业的普遍重视？这可能要从AI发展的阶段性需求谈起。