随着AI技术的不断发展和成熟，越来越多的企业选择使用AI技术来,解决传统场景下的需要大量人力物力才能解决的问题，图像识别， 人脸识别，语音识别，智能客服，等等。由于AI技术运行环境的复  杂度较高，技术栈种类繁多，往往是由研发人员手工操作，但是作为大规模使用AI技术的公司而言，如何提高环境的交付效率，保证运行环境的一致性，提升运行环境的稳定，满足不同团队对技术栈  的个性化需求，这是AI技术落地必须考虑的问题，也是我们从业务  运维DevOps延展到AI运维DevOps过程中不断摸索的历程

1AI场景介绍

2AI场景下的运维难点

3如何满足AI研发团队的多样化需求

4从DevOps思想出发，思考AI场景下的快速交付实践

5经验总结和展望

目标：帮助AI相关从业者提供高效、一致、可重用的AI运行时环境；结合DevOps思想来将AI场景下的运维融合到现有运维体系，规范AI场景下运维标准化和自动化。

成功要点：标准化先行是任何运维工程必要的前提，标准化+运维自动化=好的运维平台；配置驱动变更是能够保障规范和稳定的一剂良药。

启示：结合DevOps和业务方实际的场景需求，来帮助业务方实现快速的价值交付，帮助企业内部提高AI研发组织的整体研发效率。