以AIOps為例，這個以AI為核心能力提升運營和運維的技術趨勢，讓IBM、BMC、Moogsoft、Splunk和云智慧這些大大小小的新老公司有了同臺競爭的機會，這在過去是不可想象的。

 

    在這條以技術創新、理念創新和服務創新為資格的跑道上，哪家先越過起跑線，哪家就有可能成為這個新興市場的領導者。如果仍舊停留在AI+Ops的概念中，就難以跳出傳統運維的窠臼。

 

    在這些廠商中，云智慧是唯一的中國公司，員工300多人。這幾年一直堅守技術創新，以運維為核心，不斷向業務的邊界拓展，最終進入了AIOps這個大市場。

 

    云智慧有可能勝出嗎？

 

    如何定義智能運維？

 

    對于業內來說，“智能運維”并不陌生。

 

    但是對這個詞的概念，各類公司理解并不一樣。大的互聯網公司聚焦在基礎設施層面，從計算、網絡、存儲、云等設備支撐業務的角度出發，關心如何確保穩定性，安全可靠，這就形成了各種智能化、自動化的解決方案。傳統IT大公司的做法是，打包銷售整體解決方案，順手做了智能運維，屬于典型的“自恰”，相對封閉。而專門做運維的公司，則是從運維的角度出發，對IT設備的管理要“縱到底 橫到邊”，幾乎囊括所有的設備、數據、甚至是業務，但真正落地的是工具型的APM，目前應用有限。

 

    隨著AI發揮越來越重要的作用，運維轉向了AIOps。

 

    以2012年成立的Moogsoft為例，人數不超過200人，在短短6年內融資過D輪，總計為9000萬美金，是運維行業中發展快速的一家公司。

 

    為何能夠獲得市場追捧？因為它的AIOps概念“橫空出世”，更有研究機構稱之為“攪亂和創新了一個市場”，將原有的運維市場概念全新定義。

 

    研究機構的定義是：把機器學習、深度學習等自動化模型發現算法應用于IT運維工具和業務系統所采集的大型數據集，并嘗試模擬人類行為（如發現、判斷、響應）的智能化運維管理平臺。

 

    AIOps創造了新的市場。

 

    迎來爆發式發展

 

    到2016年左右，AIOps市場開始啟動。

 

    這時候，中國廠商云智慧已經著手研究AI，招聘了數十名研究生、博士和深入算法的工程師，看如何應用于運維領域。按照云智慧總裁劉洪濤先生的說法，“當時也在深入研究人工智能的方方面面，差點重新造算法這個輪子了。”

 

    到了2017年左右，市面上所有做DevOps、自動化運維的廠商開始轉向AIOps，同時有大量初創企業涌現，不管真真假假。這些初創公司的核心團隊多來自大型互聯網企業，按照BAT自己建設AIOps的思路成立，其產品特點在于能夠滿足互聯網應用場景和相對單一的云環境的需且，卻無法解決復    雜的傳統IT環境、異構信息化系統和企業定制化的私有云環境的統一管理和智能運維的需求。

 

    而那些老牌的IT廠商呢，仍舊是為了滿足傳統IT場景下的IT資源管理、IT服務管理、IT 自動化等需求，偏向于用AI的思路解決底層設備的一鍵部署、一鍵升級等規模化、標準化的運維問題，而不是融為一體的AIOps。

 

    像Moogsoft、云智慧這類新型的AIOps平臺和解決方案，圍繞業務這個核心實現從底層設備、系統應用、云環境、微服務到網絡環境、前端業務的完整交易鏈路追蹤、跨系統追蹤，更符合數字化轉型和混合IT的場景。這也是為什么Moogsoft能迅速成長，云智慧能獲得市場認可關鍵原因。

 

    市場開始變得微妙起來。

 

    技術難點1：如何抓取企業數據？

 

    如果說，運維的未來是AIOps，那么，為什么有些公司能做，而有些公司不能做呢？這與公司的戰略、市場和技術實力息息相關。

 

    從市場規模來說，整個AIOps市場緩慢啟動，預計到2020年左右隨著AI的普遍應用而真正成熟。這意味著，對大公司而言，當前并不是一個上百億元、上千億元的大市場，不會關注。而對那些上百人的小公司而言，沒有一定的積累不會將未來“押”在這個未知的市場中，只有像云智慧、Moogsoft這類對運維有深度了解，一直深入研究并有大量客戶（包括傳統客戶和新興互聯網客戶）的公司才會往前邁一步。

 

    當然，并不是所有公司都能做AIOps，這里面還存在技術、部署和交付方面的問題，需要跨越幾個技術難點。

 

    首先，如何抓取企業內部的數據。理論來說，數據（數量、類型）越多越好，顆粒度越小越好，數據質量越高越好，但各個企業的軟硬件環境不同，導致獲取數據的難度較大。在信息化基礎較好，重視運維的企業中，各類數據相對容易獲取，這也是為什么金融類企業率先采用AIOps的原因之一：數據基礎好，效果容易凸顯。

 

    當前，隨著云計算的應用、IoT的發展，傳統IT的邊界被打開，運維也從中心走向 “邊緣”，出現了更多終端、更多數據類型，即便強如IBM這樣的傳統IT公司也不可能將所有的數據采集完整。

 

并且，如何將所有的數據實時匯聚（抓?。┑狡脚_也是一個大問題，沒有實時海量數據處理能力，是無法承擔這一重任的。特別是當故障發生時，成千上萬條告警信息在同一時間段蜂擁而至，更需要強悍的數據平臺和分析能力。

 

    而這對深耕網絡運維近10年、擁有PB級數據處理能力的云智慧來說，并不是問題。云智慧的做法是，以數據能力為基礎，擅長的領域（比如用APM在應用中打入探針抓取性能數據）自己做，不擅長的領域與合作伙伴合作，通過開放的平臺將數據收集完整，包括數據的來源、數據的顆粒度大小、數據的種類等等，只要做好不同運維工具和ITSM工具之間的跨工具集成，才能讓AI有用武之地。

 

    技術難點2：如何搭建統一管控平臺？

 

    一旦數據匯集起來，這就涉及到第二個問題，如何構建高度可擴展的統一管控平臺？

 

    從AIOps的落地形式來看，最終是搭建一個對用戶有價值的儀表盤（或叫做駕駛艙）。什么樣的數據該放在儀表盤上，這就需要根據客戶的需求決定。一般來說，CIO感興趣的是業務的健康程度，也就是系統的運行狀態，不要為業務帶來麻煩。而CEO關心的是，業務能否正常、高效運轉，IT為企業創造了多少價值。無論是CIO還是CEO，都不會“真正關心” IT的問題。這就需要運維廠商具有靈活定制能力。

 

    云智慧DOCP數字化運維中臺

 

    云智慧能為企業客戶抽取、展現不同類型的數據，以滿足不同用戶的需求。這涉及到數據抓取和關聯分析、對數據的分類和應用，需要從結果導向對數據有洞察，做到提前預警和判斷。

 

這對運維廠商的數據處理能力、系統集成能力和方案實施能力提出了極高的要求：能否提供松耦合和模塊化的解決方案，能否具有通用的運維能力+行業定制能力。最根本考驗的是廠商對行業的理解和對產品、技術、解決方案的落地能力。

 

    技術難點3：如何更智能

 

    從前兩個階段來看，經過了數據的采集、聚合之后，就要進入最關鍵，也是AIOps的核心所在：如何分析和解決問題？其實，這也是傳統運維工具的職能所在，不過是價值點發生了轉移，AI讓這一切更具有預判性和洞察力。

 

    這有幾個層面的事情。首先是AI具有洞察能力，牽扯到算法、算力和數據這三大因素。比如像云智慧擁有數十人的算法團隊鉆研算法的工程化應用，這是和其他運維公司有本質的不同。其次就是應用什么樣的方法論，告訴用戶什么樣的結果，該怎么處理，如何在千萬條告警數據中準確發現異常？

 

    舉例來說，北京飛紐約的機票價格區間在3000元~13000元之間，波動很大，5000元的價格算不算異常？如果在淡季期間，這是正常價格。如果在圣誕期間，這就不正常。這其實就需要更多行業背景，通過對歷史數據的機器學習，有效的設定動態基線和動態告警閾值，第一時間發現指標的異常，通過根因分析準確定位到故障源頭，并把這一切根據事件的級別，第一時間呈現在運維、運營和管理者的面前。

 

    目前，AIOps平臺的ROI多是根據平均故障接手時間（MTTA）和平均故障修復（MTTR）時間這兩個指標來評估的，而云智慧在某證券行業頭部企業的智能運維項目中，MTTA從原來的25分23秒降低到4分16秒，MTTR從78分39秒降低到27分52秒。

 

    劉洪濤說：“用戶不關心通過什么算法生成動態基線，而需要供應商幫忙解決實際場景的問題。云智慧為用戶提供場景化、工程化的智能運維解決方案，盡可能減少用戶的工作量，把AI的能力和大數據分析能力輸入到所有運維管理工具和流程中，為用戶呈現最有價值的結果。”

 

    核心是，如何擁有AI能力、如何讓AI能力通過AIOps平臺在運維體系中發揮最大價值、如何具有行業經驗。

 

    總結：云智慧是否能勝出？

 

    說了這么多，基本你對AIOps的市場前景有一定了解，它是遵循數字化理念構建的新一代運維，是智能化的運維，而不是消滅傳統運維。它可提供增強的分析能力和更具可操作性的數據，就像一個鏡頭，把數據集中到單一、連貫的跨域分析之中。

 

    我們從各個維度分析了AIOps的未來前景，那么作為中國代表性廠商，云智慧會如何發展？這里可以給幾個判斷。

 

    作為多年沉浸在運維領域的廠商，云智慧對這個市場足夠了解，對AIOps有判斷有預期還有行動。從理念來說，至少領先國內廠商2~3年，幾乎與國外廠商齊頭并進。在這種理念驅動下，云智慧大力投入資金、人力和時間成本，已經在市場中占據主動位置。

 

    其次，在技術、產品和解決方案一系列落地的過程中，云智慧基于多年積累的大數據處理能力和對AI的應用實踐，已經形成一套以DOCP數字化運維中臺為核心的智能運維產品解決方案，通過良好的開放性幫助企業實現后臺IT運維體系和前臺業務運營體系的打通和關聯，并逐步形成IT融合和IT驅動。

 

    最重要的是，云智慧這一套以AIOps為核心理念的數字化運維平臺可為用戶帶來更大的價值。當前已經在金融、航空、物流、運營商、制造、房地產、零售快消等行業實現場景化落地。由于部署簡單、具有松耦合和模塊化等特點，可以讓用戶跳出過去狹隘的IT運維觀點，最大程度驅動業務價值，這恐怕就是更多新一代CIO和CEO們關心的問題了。