AI工程化，让人工智能回归现实

从技术上看，人工智能应用呈现工程化趋势，加速AI应用的落地速度。

人工智能工程化是人工智能落地的必经之路，也正在成为人工智能行业厂商的工作重心。

AI工程化意味着技术的成熟和良好的使用体验，对希望借助人工智能实现智能化的企业而言，能显著降低技术迁移成本，更容易组建所需的人才队伍。

因此，在AI工程化的技术和应用方向中，既要集成传统软件行业可持续交付和研发的DevOps体系，也要集成AI研发、落地的MLOps，只有两者融合才能解决AI工程化问题。

另一方面，人工智能工程化必然带来应用开发的低代码趋势。

Gartner在《2021年十大数据和分析趋势》中预测，到2025年，70%的新应用将由低代码/无代码技术开发。

人工智能应用的场景呈现出场景多元日益增长、用户体验要求高、迭代迅速等特点，传统的开发方式已经无法满足企业客户的需求。因此，低代码化的人工智能开发平台几乎成为了必然选择。

适应AI工程化需求，人工智能和大数据的合作将更加紧密。数据，尤其是大数据和算法、算力的融合，现在正成为人工智能特别是机器学习等行业的主要发展方向。

在AI与应用结合的趋势下，AI与大数据融合，带动产业数字化、智能化、合规化，提升产业效率，开拓产业边界，创造产业价值，提升公平性，并返哺行业获得更高生产力（算法、算力）、生产要素（数据）提升。

同样，数据安全、数据隐私、AI可信等涉及到隐私和合规的要求越来越高。目前《数据安全法》、《个人信息保护法》等陆续推出，数据安全、数据隐私、AI可信等问题日益受到重视。