BBVA 携手 AWS 打造全新 MLOps 架构，加速集团 AI 解决方案落地

汇捷资讯经纪商观察关注「BBVA 携手 AWS 打造全新 MLOps 架构，加速集团 AI 解决方案落地」。文中涉及BBVA、AWS、MLOps、Web。主体名称、时间、金额、牌照和监管结果以正文为准，不另作推断。

背景概述

根据 黄金形态通APP 报道，BBVA 与 Amazon Web Services (AWS) 共同开发了一套全新的 MLOps 架构，并将其集成到该银行的全球云数据与人工智能平台 ADA 中，以加速集团内部 AI 模型的开发、验证和部署。双方在年度 AWS Summit 活动上展示了这一解决方案。

该架构旨在应对金融行业对 AI 模型可追溯性、安全性和风险控制的严格要求，通过自动化运营任务和验证流程，将解决方案的开发、测试和部署整合到银行的技术运营中。

关键要点

• MLOps 框架集成：BBVA 在 ADA 平台中实施了 MLOps（机器学习运维）框架，实现对 AI 模型生命周期更可扩展、更受治理的管理。
• 效率提升：在个性化客户推荐、财务预测等试点项目中，开发时间缩短了 20% 至 75%，基础设施运营成本优化了 40% 至 55%。
• 治理与合规：系统自动化了验证、可追溯性和控制流程，确保模型安全投入生产，同时保持银行的审查和批准机制不变，并维护集中式审计跟踪。
• 技术支持：该转型基于 Amazon SageMaker AI，利用 AWS 云机器学习基础设施创建临时开发环境，支持多团队并行工作与实验。
• 用户规模：架构服务于 ADA 平台超过 6,500 名用户，其中包括 1,000 名开发 AI 解决方案的数据科学家。

影响解读

对于 BBVA 而言，新架构不仅提升了 AI 模型的开发与部署效率，还通过内置治理机制满足了金融监管对模型透明度和安全性的要求。临时开发环境的引入允许团队并行实验，避免了共享环境干扰，进一步加速了创新周期。

从行业角度看，此举展示了大型金融机构如何通过云原生工具和 MLOps 实践，在风险可控的前提下规模化应用人工智能。BBVA 与 AWS 的合作也为其他寻求 AI 工业化落地的银行提供了参考范例。

关键对比表格

注：数据来源于 BBVA 与 AWS 公布的试点项目结果。

未来展望

BBVA 表示，新 MLOps 架构为其提供了竞争优势，能够加速内部运营转型，并更快地向客户提供安全、透明的 AI 解决方案。随着该架构在集团内的进一步推广，预计将有更多 AI 模型实现工业化规模部署。

AWS 方面则强调，将继续支持 BBVA 在安全、敏捷的前提下全球规模化 AI 应用。双方的合作可能推动更多金融行业 AI 治理与运维标准的形成。

编辑总结

BBVA 与 AWS 联合开发的 MLOps 架构，是金融行业将 AI 从实验推向工业化生产的重要一步。通过自动化、治理和临时环境等设计，该方案在提升效率的同时兼顾了合规与安全，为其他金融机构提供了可借鉴的路径。其实践表明，AI 的价值不仅在于模型本身，更在于能否在组织内安全、可扩展地落地。