最近一年在从事 LLMOPS 相关的开发。这里分享一个之前的关于 LLMOPS 的一些思考。观点具有主观性，所以仅供参考。抛砖引玉，希望能听到更多的思考，共同学习。
先来看下 LLMOPS 是什么？LMOps（Large Language Model Operations）是一个涵盖了大型语言模型（如GPT系列）开发、部署、维护和优化的一整套实践和流程。类似于 MLOPS，但专门针对 LLM。LLMOPS 专注于 LLM 的整个声明周期操作和管理，包括：数据管理、模型微调、模型部署、模型评估、模型监控、模型维护等；
LLMOPS 其实是一个 LLM 连接器，连接着业务和 LLM，通过这种连接可以降低 AI 赋能业务的难度，加速 AI 赋能业务的进程。
LLM 代表一种 AI 能力，其从技术实现、使用等方面在当前阶段，对于业务团队（产品、运营、C 端用户等）其实都有一定的门槛，LLMOPS 的作用就是起到一个桥梁的作用，将业务和 LLM 连接起来，通过 LLMOPS 这个桥梁，能够降低业务使用 LLM 的理解难度、接入难度和使用难度，从而消除屏障，让 AI 赋能业务变成可能，并降低其中的难度，提高使用效果。
所以，在我看来 LLMOPS 承载着一个非常重要的使命：AI 赋能业务的践行者和加速器。
其实，这种关系在 IT 行业并不少见。例如在云原生领域，这几年 Serverless 异常火爆，例如：低代码、FaaS、Serverless 容器，甚至整个阿里云的 2022 年最重要的使命就是技术栈全面 Serverless 化。通过 Serverless，开发者可以不用去关注和实现底层的云原生技术，直接使用平台封装好的能力，通过点点的方式，部署业务。
为什么呢？因为 Serverless 解决的是开发者和云原生技术的技术鸿沟。让开发者可以更容易的去享受云原生技术带来的效能提升。
说到底，还是云原生技术能够产生真正的价值，开发者（业务可以说业务团队，开发者是业务团队的技术代表），才愿意去使用云原生技术，在使用过程中遇到一些技术鸿沟，才会诞生出 Serverless 这种技术形态。在刚性需求、刚性价值的驱动下，Serverless 才逐渐由前沿的技术研究，到少数一些团队尝鲜，再到大规模使用，再到如今的技术标准。LLMOPS 底层部署在容器云平台上，其实容器云平台底层就是一种 Serverless 容器。
也许，我们可以从云原生、Serverless 技术的发展，来看到 LLM、Agents 智能体的发展：
所以在我看来，只要 AI 能够真正赋能业务，就会有业务连接 LLM 的刚性需求，如果能够解决业务接入 LLM 过程中的各类问题，那么 Agent 就具有刚性价值，这种刚性价值，会在 Agent 智能体平台、AI 发展到一定阶段，会逐渐成为一种标准。正这个阶段供需关系也会发生改变：由 Agent 平台主动拉业务，到业务主动对接 Agent 平台。
这里分享下，我在 2018 ～ 2022 年做云原生开发工作时的一个经历。之前负责开发过的一个容器云平台，在刚上线的时候，以 Docker、Kubernetes 为代表的云原生技术才刚刚起步，很多业务不了解，甚至不敢用这些云原生平台。所以当时，为了扩展客户，团队内使出了浑身解数，但是平台的规模和接入的业务并不多。这种情况持续了 1 年多。
随着云原生技术的快速发展，在 2018 年第～ 2020 年的时候云原生处在一个爆发增长阶段，很多业务开始尝试迁移到 Kubernetes 平台上，之后在 2022 年左右，其实云原生（上云）已经成为一种事实的上云标准。也就是从 2018 年 ～ 至今，容器云平台的供需关系其实已经变成了，业务主动介入容器云平台，容器云平台更好的去服务业务。从主动获客变成了被动获客。
所以，在我看来也无需 LLMOPS 也会经过这样一个阶段。只要 AI 赋能业务的刚性价值存在，LLMOPS 将来的供需关系也会由主动获客变成被动获客。所以，我觉得 LLMOPS 只需要努力去实现连接器的价值，静待 AI 化成为标准，静待 LLM 连接器成为标准，到那时候获客关系会发生变化，平台的价值也会真正最大化。