今日行情回顧:上漲1989點，平盤120隻，下跌2842隻，北向資金淨流出36.51億元，上證指數0.07點，漲000%，深指漲6.84點，漲0.06%，創業闆指數漲4.91點，漲0.2%，總成交額11932.86億元。
4月6日，A股三大指數今日震蕩整理，滬指五連陽。盤面上，MLOps概念闆塊漲6.36%；個股方面，綠盟科技、傳音控股等均有不同程度上漲。
3月16日，中國資訊通信研究院布《人工智能研發營運體系(MLOps)實踐指南(2023年)》指南從組織如何布局和落地MLOps的角度出發，以模型的高品質、可持續傳遞作為核心邏輯，系統性梳理MLOps概念内涵、發展過程、落地挑戰，為組織高效建構MLOps架構體系和關鍵能力提供方法論和實踐案例的參考與借鑒，并研判MLOps未來發展趨勢。
AI大規模生産中存在由于流程、管理不當造成的效率低、周期長等問題影響實際落地。近年，AI工程化研究熱度持續提升，AI模型開發完成後需要在實際生産環境中落地部署，才能最終實作價值，完成生命周期閉環。但Gartner調查發現，隻有53%的項目能夠從AI原型轉化為生産，AI模型生産工程化中存在跨團隊協作難度大、過程和資産管理欠缺使得複用度低重複造輪子等問題，導緻生産轉化率低、生産和傳遞周期長。
MLOps是通過統一機器學習的研發和營運過程實作提質增效的一套工程管理方法論和工具鍊。為解決上述協作難、管理亂、效率低、傳遞慢等問題，MLOps應運而生，通過統一納管、運維、應用、監控平台，可視化的操作界面等，提升模型開發和使用效率，降低模型內建管理成本，控制模型生産環境風險，推進實際業務中的AI模型落地。
建議投資者持續關注AI風口下資料智能産業鍊相關公司的投資機會。在人工智能模型的生命周期中，一方面資料存儲、計算是關鍵支撐技術，相關賽道的資料基礎軟體廠商持續受益；另一方面，近年産業界更關注AI的規模化落地，能夠實作降本增質提效的MLOps平台工具需求提升，MLOps廠商主要分為專項工具和平台型工具兩類，海外MLOps生态龐雜，細分賽道參與者衆多，國内以平台型廠商為主。
