让AI价值持续释放｜渊亭科技参编《模型运营成熟度要求》行业标准正式实施

2026年9月1日，通信行业标准《人工智能 基础共性 模型运营成熟度要求》正式实施。该标准由工业和信息化部人工智能标准化技术委员会提出、中国通信标准化协会归口。渊亭科技作为起草单位之一，重点参与了持续监控、平台与资源管理相关内容的编制。  

模型上线后的运营能力，直接关系AI应用能否稳定服务业务、持续创造价值。模型运营成熟度标准的实施，为企业建设和评价这类能力提供了共同依据，引导AI建设进一步关注长期运行质量、持续改进与投入产出，为AI应用的规模化、可持续发展提供支撑。  

聚焦持续监控、平台与资源管理

标准将模型运营能力划分为五个成熟度级别，明确从依赖经验到规范化、系统化、自动化和智能化运营的能力提升路径，并将模型服务连续性、度量与分析、成本与效益管理纳入要求。

这为企业评估运营现状、识别能力短板和确定建设重点提供了共同参照，也为行业衡量AI应用的长期运行质量与业务效益提供了依据，推动模型运营形成可评价、可持续改进的能力体系。  

作为标准起草单位之一，渊亭科技重点参与了 持续监控、平台与资源管理两个部分的编制工作。  

在持续监控方面，标准从平台、数据、模型和业务等层面提出监控要求，通过告警和事件管理形成闭环反馈，将异常发现与分析、处置和优化相衔接，帮助企业识别模型效果退化、服务异常等风险，为模型更新和服务质量提升提供依据。  

在平台与资源管理方面，标准对平台监控、平台维护及资源管理作出规定，涵盖平台可用性、性能与安全监控，以及升级维护、资源调度与弹性配置。这些要求有助于企业根据业务负载合理配置资源，在保障服务连续性的同时提升资源利用效率，支撑模型应用的规模化运行。  

完善产品能力，支撑模型开发与运营

在产品实践方面，渊亭科技已布局建模训练、推理服务等平台产品，为模型开发、部署和运行管理提供支持。  

其中，Utenet-Serving推理服务平台是一款支撑模型自动发布与管理的推理平台，可充分结合机器学习模型发挥GPU 等计算资源效能，在最大限度降低推理计算延迟时间与模型部署复杂度方面发挥着关键作用。

平台支持用户从任何模型框架入手，在生产环境中快速优化、验证和部署经过训练的神经网络模型，帮助客户快速实现智能模型的落地应用。

Utenet-Insight采用微服务技术架构，以AutoML、跨AI平台协议等技术为基础，提供人工智能应用构建全生命周期支持，打通了AI建模过程中的需求、方案、建模、上线、反馈等全部环节，支持科学家、工程师、算法研究员、分析师等全角色协同工作。

输出包含机器学习和深度学习的算法级、组件级、引擎级、应用级全栈能力，满足不同规模企业对于AI能力的各种类型需求，实现人工智能应用构建的自动化、标准化、安全化，帮助客户快速实现人工智能应用落地。

截至目前，渊亭科技已累计参与60余项国际、国家及行业标准制定工作，覆盖知识图谱、大模型、智能体等多个技术方向。未来，渊亭科技将继续推进产品研发与行业标准建设，完善模型开发和运营相关能力，为AI应用的规范化、规模化发展提供支撑。