2025年2月28日，由中國信通院穩(wěn)定性保障實驗室主辦、基調(diào)聽云協(xié)辦的“智能觀測進化論”系列沙龍第一期圓滿召開。本場沙龍?zhí)貏e邀請頭部可觀測企業(yè)與云廠商可觀測技術(shù)負責(zé)人帶來深度分享，聚焦于AI大模型等智能化技術(shù)與可觀測性技術(shù)融合的最新發(fā)展趨勢與應(yīng)用前景，分享可觀測性最佳實踐案例，吸引了線上數(shù)千名業(yè)內(nèi)人士的熱情參與。

01

AI時代下，智能化與可觀測技術(shù)加速融合

中國信通院云大所云計算部副主任 鄭立 開場致辭。他指出，國產(chǎn)AI DeepSeek憑借其強勁的性能、獨特的技術(shù)架構(gòu)和低成本的訓(xùn)練方案，迅速成為行業(yè)焦點，在這場數(shù)字化轉(zhuǎn)型的浪潮中，DeepSeek 也在重新定義可觀測性的技術(shù)邊界與實踐范式。部分企業(yè)已實踐DeepSeek智能體，識別問題根因，打造全棧運維助手，產(chǎn)業(yè)界正不斷的拓展智能可觀測技術(shù)的發(fā)展上限，我們不僅是技術(shù)發(fā)展的見證者，更是這場觀測革命的締造者。他預(yù)告了系列沙龍的召開計劃，并提出了本場沙龍將討論的三個業(yè)界關(guān)心話題，激發(fā)與會者思想碰撞，為行業(yè)帶來新的啟發(fā)與思考。

中國信通院云大所云計算部工程師 劉坤發(fā)表了《智能可觀測性技術(shù)應(yīng)用現(xiàn)狀及發(fā)展趨勢》主題演講。他首先分析了在AI時代下推動可觀測技術(shù)與智能化技術(shù)加速融合的多重因素，以及可觀測技術(shù)與智能化技術(shù)結(jié)合的本質(zhì)，中國信通院以標(biāo)準(zhǔn)化建設(shè)驅(qū)動行業(yè)交流并形成《云計算智能化可觀測性能力成熟度模型》。他介紹了智能可觀測性技術(shù)應(yīng)用現(xiàn)狀，包括數(shù)據(jù)治理、多個核心應(yīng)用場景以及可觀測智能體，最后，分享了智能可觀測性技術(shù)的十個發(fā)展趨勢，為與會者提供參考。

02

百舸爭流，智能可觀測實踐賦能系統(tǒng)穩(wěn)定性

北京基調(diào)網(wǎng)絡(luò)股份有限公司聽云AI負責(zé)人 韋遠奎發(fā)表了《聽云AI落地實踐-Text2NBQL》主題演講。他強調(diào)AI落地要從業(yè)務(wù)的實際需求出發(fā)，應(yīng)避免為了AI而AI。要從能力邊界和性價比的角度考慮大模型的選型。根據(jù)自身的數(shù)據(jù)質(zhì)量、資源能力來評估實現(xiàn)方式。仔細評估業(yè)務(wù)中的切入點，利用AI的長處發(fā)揮作用，靠Agent賦能實現(xiàn)業(yè)務(wù)智能化。

華為云計算技術(shù)有限公司可觀測架構(gòu)師 郝利鵬發(fā)表了《面向Al-Native應(yīng)用的未來海量智能化運維技術(shù)實踐與探索》主題演講。他首先針對“AIOps是否是個擺設(shè)”這一問題，強調(diào)了AIOps在提升運維效率、預(yù)測故障等方面的巨大潛力，并指出當(dāng)前AIOps應(yīng)用中的挑戰(zhàn)與改進方向。隨后，他分享了華為云在可觀測AIOps領(lǐng)域的探索實踐，展示了AIOps如何助力企業(yè)實現(xiàn)智能化運維。最后，他分析了大模型時代給運維領(lǐng)域帶來的沖擊與機遇，并提出了應(yīng)對策略，包括加強人才培養(yǎng)、深化技術(shù)研究等，為企業(yè)運維轉(zhuǎn)型提供了有益參考。

科來網(wǎng)絡(luò)技術(shù)股份有限公司產(chǎn)品總監(jiān) 冀佳鵬發(fā)表了《AI賦能下一代可觀測性系統(tǒng)的展望》主題演講。他分享了科來公司利用AI技術(shù)在可觀測性領(lǐng)域的最新探索，通過智能運維AI平臺，實現(xiàn)了異常檢測、故障定位等場景的自動化分析。介紹了AI應(yīng)用平臺在知識庫、工作流編排、數(shù)據(jù)可視化及交互方面的實踐經(jīng)驗，以及在知識問答系統(tǒng)、維護操作助手等多個場景的落地經(jīng)驗，還介紹了面向AI基礎(chǔ)設(shè)施的可觀測能力建設(shè)情況，最后，他分享了一些關(guān)于可觀測產(chǎn)品的思考和觀察。

03

圓桌探討，共話痛點、策略與未來

【觀點總結(jié)】

數(shù)據(jù)孤島問題存在，各種數(shù)據(jù)很難聚合到一起，同時質(zhì)量參差不齊，而AIOPS非常依賴數(shù)據(jù)質(zhì)量，導(dǎo)致算法的效果不佳。

AIOPS算法具有一定的局限性，準(zhǔn)確性不足導(dǎo)致需要人工進行判斷和決策，間接地增加了運維成本。

AIOPS不是萬能的，市場上對AIOPS存在過度宣傳，要基于傳統(tǒng)的監(jiān)控模式，在一些特定場景下使用AIOPS，用戶對AIOPS本身的期待值要降低。

AIOPS能力需要客戶主導(dǎo)建設(shè)，要具有全局意識，單一的工具升級很難取得很好的效果。

【觀點總結(jié)】

DeepSeek使得大模型的算力成本下降，很多企業(yè)開始用得起大模型，加速了大模型的落地實踐。

由于DeepSeek開源，因此可以進行本地部署，解決了很多企業(yè)數(shù)據(jù)隱私保護的問題。

DeepSeek的思維鏈推導(dǎo)過程實現(xiàn)了可視化，這對于模型的可解釋性非常重要，在根因分析等場景下，增加了模型決策的可信任度。

大模型的落地實踐需要企業(yè)具備一定的數(shù)據(jù)基建，但很多企業(yè)這部分能力尚處于起步階段。

企業(yè)算力不足仍然是大模型落地實踐的一大挑戰(zhàn)。

【觀點總結(jié)】

從用戶角度看，用戶會將AI能力作為一個運維能力的必選項。

從市場角度看，AI具備很大的關(guān)注度和流量，存在很大的市場機會。

從產(chǎn)品形態(tài)看，目前的運維工具和可觀測性工具是基于場景的，未來的AI產(chǎn)品形態(tài)還處于摸索期，但是單點和單場景的工具形態(tài)會逐漸走向全面化和統(tǒng)一化，這會導(dǎo)致所有的工具廠商都會走向大運維領(lǐng)域，走向統(tǒng)一規(guī)劃和統(tǒng)一建設(shè)。