6、企业MLOps基础设施搭建策略与工具选择指南

企业MLOps基础设施搭建策略与工具选择指南

1. MLOps基础设施搭建方法概述

企业在采用数据基础设施、IT系统和DevOps基础设施等技术或基础设施时，通常会考虑以下三种方法，这些方法同样适用于搭建MLOps基础设施：
- 自建（Build） ：从底层开始构建整个MLOps基础设施，复杂度高，需要大量工程资源和人才投入，同时要考虑长期维护和技术债务。
- 购买（Buy） ：购买并采用单一、统一的端到端MLOps基础设施来满足组织的所有需求。
- 混合（Hybrid） ：为MLOps基础设施的某些部分购买解决方案，其余部分则自行构建或利用开源解决方案。

不同规模和需求的企业，适用的方法也有所不同。下面是不同企业规模与适用方法的对应关系：
| 企业规模及需求 | 适用方法 |
| — | — |
| 处于AI/ML项目初期，仅进行小规模实验或处理简单非关键用例 | 无需专门搭建MLOps基础设施，可使用笔记本电脑或云实例搭配开源软件完成项目 |
| 有大量ML用例、复杂需求（如处理PB级训练数据、使用大型复杂深度学习模型、严格的在线预测要求） | 自建MLOps基础设施 |
| 处于中间规模的“合理规模（Reasonable Scale）”企业 | 根据自身ML成熟度和需求，可选择购买或混合方法 |

2. 不同规模企业对MLOps基础设施的需求

企业对MLOps基础设施的需求因自身所处的阶段和面临的情况而异，具体如下：
- 初期企业 <