Plainsight（开放的视觉AI开发者平台）宣布Plainsight平台正式发布。公司称，该平台为业内首个端到端VizOps解决方案，目标是简化并扩展企业计算机视觉应用的开发与运营。
Plainsight将VizOps定义为管理计算机视觉全生命周期的实践，强调把数据收集、评估与监控整合到单一系统中，以支持组织在生产环境中构建、运行并持续验证视觉AI应用。公司表示，平台在各阶段内置质量保证与自动化评估能力，帮助团队更快从原型推进到企业级部署，并在生产中维持准确性、可靠性与实际表现。
theCUBE Research应用开发首席分析师Paul Nashawaty在声明中表示，其研究显示，超过70%的计算机视觉项目在进入生产前停滞，原因并非模型本身无效，而是团队缺乏在规模化场景下建立信任所需的运营基础，包括数据管道中断、评估不一致以及性能随时间下降等问题。他称，VizOps正在把持续集成/持续交付（CI/CD）、可观测性与自动质量门引入视觉AI工作流。
在产品层面，Plainsight称其平台面向生产级视觉AI的典型挑战进行端到端设计，包括大规模视频与图像处理、持续模型评估，以及与摄像头环境相关的运营约束。平台以“过滤器（Filters）”作为模块化、可组合的工作流构建单元，可封装机器学习模型、传统计算机视觉逻辑、通用功能模块以及测试与评估工具。公司表示，每个过滤器具备自包含的生命周期与依赖关系，便于复用与串联。
Plainsight表示，过滤器机制配合直观工作流与预构建组件，可降低视觉AI应用的构建、部署与维护门槛，并为运营团队与管理层提供系统性能、质量与可靠性的可视化信息。平台提供的能力包括：
- 过滤器管道：将多个过滤器串联为自动化管道，以支持更复杂的视觉工作流；
- 主动学习：基于黄金标准进行应用评估，标记并优先选择高价值数据用于标注与再训练；
- 模型训练与再训练：支持定制模型与过滤器的可扩展训练，并可随新数据集进行再训练；
- 基准测试与质量门：对模型与过滤器进行基准测试与评估，输出确定性的通过/失败结果，并用于自动部署门控（视觉AI的CI/CD）；
- 自定义过滤器构建：通过API与工具创建面向特定用例的自定义过滤器；
- 可观测性：在平台内提供可视化能力，展示模型与管道在大规模环境中的表现。
Nearform首席商务官Corey Eastman在声明中表示，交付真实世界的计算机视觉解决方案不仅需要模型能力，还需要可扩展、可适应的基础设施；Plainsight的统一平台可帮助团队构建、部署与运营视觉AI应用，并持续提升性能，从而加快交付并降低运营复杂性。
此外，Plainsight还介绍了OpenFilter Plus与OpenFilter Hub。公司称，OpenFilter Hub汇集Plainsight开发的过滤器供OpenFilter使用，近期新增包括：用于快速标注图像的ChatTag过滤器、用于识别并提取视觉输入文本的TextScan过滤器，以及用于模型性能基准测试与评估的质量门过滤器。
Plainsight首席执行官Jonathan Simkins表示，企业计算机视觉需要建立在可扩展、可重复的运营基础之上。公司称，此次平台正式发布旨在提供覆盖视觉AI从开发到生产及持续改进的VizOps基础设施软件，并通过模块化构建块与可观测性能力，帮助企业以现有工程团队部署与扩展视觉AI应用。
