智能時空雲服務商土豆數據，立足于雲原生+AI緻力打造時空信息數字化基礎設施“弗雷雲”。此前，土豆數據推出面向時空産業的行業大模型産品——弗雷時空大模型。
據悉，弗雷時空大模型由土豆數據在通用大語言模型、視覺大模型、多模态大模型基礎上，進一步采集時空産業公開可用的行業知識和數據進行微調訓練構建而成，同步銜接自主研發的時空信息采集、建模、治理、分析、應用及流通等全生命周期基礎軟件，滿足測繪、自然資源、智慧城市、生态水利等衆多時空産業垂直細分領域有關行業知識問答、内容創作，以及業務處理方面在行業數字孿生時空底座高效搭建、數據分析挖掘等需求。
對于行業大模型如何建設，土豆數據科技集團董事長兼CEO，近日在由第一财經舉辦的《AI大模型——揭秘人工智能生産力的加速器MLOps》風口調研讨論活動中提到，MLOps是構建AI生産力不可或缺的一種工程化方法論，随着AGI和AIGC時代的到來，MLOps将充分融入大模型産品的工程化構建能力之中，作為一種基礎設施，提升開發效率、解決行業需求。
霍向琦在演講中提到，平台化，以及深度融入MaaS(Model as a Service)體系，是MLOps在大模型發展的浪潮之中，從一種工程方法轉變為基礎設施和平台工具的重要趨勢，通過聚焦數據要素、持續訓練、應用場景這三個重要的方向，真正構建起端到端的能力優勢解決行業需求。
例如，跨部門協作、敏捷開發、高效運維等來自于MLOps的理念，将落地成為圍繞數據标準規範、模型開發訓練、部署應用等相關的平台工具集，來支撐通用大模型和行業大模型産品的構建。
早在“小模型”時代，MLOps理念已貫穿AI模型的開發、訓練、部署和應用的全流程，提升各環節的協同效率，降低了開發難度和成本。随着大模型時代的到來，MLOps的平台工具化沉澱，将進一步促進通用人工智能技術轉化為能夠解決行業實際痛點的真實生産力。
但霍向琦根據産業發展的實際情況提到兩大問題：
首先，從國内現狀來看，很多行業尚處于數字化轉型的建設初期，其中最典型的問題，要屬數據資源普遍以不同的行業标準和不同的文件格式分散在跨單位、跨部門的服務器或電腦端中，未能經過統籌治理形成标準統一的數據資産。“數據底座”即數據要素的缺失，難以為行業大模型的訓練提供可靠、高質量的數據支撐。
另外，大模型相比小模型的開發應用，更偏向于建設一個系統級工程，必須做好數據工程和模型工程基礎，并需要完成與終端用戶業務系統的配套改造和對接，從而響應行業大模型持續訓練和場景搭建封裝等關鍵任務需求。
因而整個過程既需要技術人才下探場景、理解需求，也離不開終端用戶對大模型價值和應用場景的準确把握。
霍向琦提到，在土豆數據打造弗雷時空大模型的過程中，基于MLOps理念提升模型産品開發和行業服務的效率，在降低專業操作門檻、減少勞動密集作業的同時，本質上更讓各環節上的技術人員、行業專家和終端用戶能夠高效協同，将大模型能力、數據資産、行業知識、想象力和創造力轉化為真實生産力，從而高效賦能時空産業的各細分領域。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
