MLOps（Machine Learning Operations）
把 DevOps 思想搬到机器学习生命周期 — 数据→特征→训练→评估→部署→监控→重训练 全流程的工程化、自动化、可重复化体系。AI 工业化的"骨架"。
定义
MLOps = ML（机器学习）+ Ops（运维）。把传统软件工程的 CI/CD、版本控制、监控告警、可观测性 实践拓展到机器学习：
- 数据版本控制（DVC、LakeFS）
- 特征工程 与特征存储（Feature Store）
- 实验管理（实验追踪、超参数搜索）
- 模型版本控制（Model Registry）
- 模型部署（A/B、蓝绿、金丝雀）
- 模型监控（数据漂移检测、性能退化、公平性）
- CI/CD/CT（Continuous Training，自动重训练）
市场规模
- 全球 MLOps（2025E）：$23.3 亿（Fortune） / $30.3 亿（Grand View）
- 全球 MLOps（2030E）：$166 亿（CAGR 40.5%，GVR）
- 全球 MLOps（2034E）：$259 亿（CAGR 28.9%，Fortune）
- 机构口径差异大，但普遍认为是 AI 基础设施增速最高的细分（据3-07）
主要玩家
海外
- Databricks — 全球最大数据+AI 平台，估值 $1,340 亿，年化 $54 亿
- Weights & Biases — 实验管理鼻祖，2025-03 被 CoreWeave $17 亿 收购
- Hugging Face — ML 模型 "GitHub"，估值 $45 亿
- MLflow（Databricks 开源）— 事实标准实验追踪
- Kubeflow / Metaflow（Netflix）/ ZenML
中国
- 第四范式 — 中国 AI 商业化最大营收，2024 ￥52.61 亿，先知 AI 平台
- 星环科技 — Sophon MLOps，2025-08 港股 H 股
- 阿里云 PAI / 百度 BML / 腾讯 TI / 华为 ModelArts
- 火山引擎 方舟 / 云从科技 / 商汤 等
演进阶段
| 阶段 | 时间 | 标志 |
|---|---|---|
| MLOps 1.0 | 2015-19 | DataRobot / H2O.ai 自动建模 |
| MLOps 2.0 | 2020-22 | W&B / MLflow / Databricks 全栈 |
| MLOps → LLMOps | 2023-24 | 大模型时代，提示词/RAG 引入新维度 |
| MLOps → AgentOps | 2025+ | Agent 工作流监控、多 Agent 编排 |
"全栈整合"趋势
2025 年关键趋势：单点 MLOps 工具被快速整合到端到端平台：
- CoreWeave × Weights & Biases（$17 亿，2025-03）— GPU 云 + MLOps
- Databricks 连环收购：MosaicML $13 亿 / Tabular $10 亿 / Neon ~$10 亿
- JFrog × Qwak AI（2025）— DevOps + MLOps
与 LLMOps / AgentOps 的关系
MLOps（2015+，传统 ML）
→ LLMOps（2023+，大模型特有：提示词、RAG、幻觉）
→ AgentOps（2025+，Agent 工作流、多 Agent 编排、工具调用监控）
相关
∈ belongs_to::3-07-AI原生中间件与开发平台