从数据中台演进到AI中台

从AI中台落地实施的方式来看，AI中台可以是数据中台的进一步延伸，从数据中台一步一步演进过去。

首先，从基础设施角度，可以将数据中台智能化：

所谓的智能化，是指将在数据中台进行的一系列的数据服务构建操作进行智能化实现，让数据的接入、存储、分析展现、训练、到构建管道（pipeline）都更加自动化。例如，对于通用的CI/CD来说，测试不过则会构建失败，那对于AI中台下，就要考虑一个推荐模型构建失败的条件是什么？答案可能是“本次模型的准确率低于上一次构建的准确率”的时候，CI应该被构建失败。在实践中，这可能是CI构建过程的维度之一，还会有很多其他指标和维度。我们就需要在现有的数据平台的CI中，实现并自动化这些指标和维度，使之更加智能化。

其次，对于中台使用者来说，将烟囱式模型构建过程改造为可复用的模型构建过程：

目前基于数据中台的一个智能服务模型开发来说，这基本类似于一个横向的烟囱架构，导致目前对一个基于算法模型产生的服务进行拆分的时候，都不是特别地顺畅。如果大部分业务场景依旧以流程为主还好，如果新业务需要引入多的智能服务，那么一系列的问题就会暴露出来：

借助于现有数据平台手工进行数据操作。

烟囱架构开发，对人员能力要求高。

环节无法有效拆分，响应周期慢。

智能场景规模化，管理复杂。

训练，部署，发布依赖于手工部署缺乏有效的流水线。

和数据平台孤立，缺乏统一的数据服务接口。

基础设施隔离，无法动态进行资源的分配和管理 。