作为人工智能与IT管理的结合,AIOps近年来引起大型企业的高度关注。根据Forrester公司副总裁兼首席分析师Mike Gualtieri的观点,随着各行业对于自动化与数字化转型的尝试与探索,AIOps在2021年年内的采用率有望增长约50%。
根据市场调研机构Omdia的预测,2024年全球AIOps市场总值将达到11亿美元,但这项技术在各个垂直领域的应用态势存在较大差异。Omdia公司首席分析师Roy Illsley认为,医疗保健、媒体与娱乐业将在AIOps最先落地,而能源与专业服务行业的采用速度最慢。
AIOps:更深刻的洞见与高度自动化
2021年,AIOps已经成为企业不可或缺的重要功能,用于通过AI支持型运营与监控工具管理IT基础设施及部分软件。这种方式能够帮助企业快速识别并解决各类IT问题,例如安全漏洞与预期故障。面对多云与混合云架构的快速普及,这种能力甚至直接决定着企业的未来命运。
451 Research公司云原生应用基础设施与DevOps研究分析师Liam Rogers认为,“最终,AIOps将带来更深刻的洞见与高度自动化,显著改善监控与事件响应能力,帮助企业从容应对各类运营挑战。”我们看到,企业正利用AI/ML(机器学习)增强工具满足自身需求,包括改进原有孤立数据集,如日志及指标之间的关联性,消除手动设置阈值的硬性需求,并降低其他新兴技术,例如Kubernetes监控的引入门槛。
DevOps发展道路上的自然产物
AIOps是DevOps发展道路上的自然产物,能够以更加包容的方式涵盖客户/员工体验以及业务成果等诸多领域。Illsley解释道,“从信息技术服务管理(ITSM)到信息技术运营分析(ITOA),AIOps代表着运营管理解决方案的最新形态。”
在Illsey看来,拥有不同行业背景的供应商都在积极接触AIOps市场,希望借此达成颇具共通性的目标。因此,他认为未来12个月内,AIOps平台的自动化、集成与数据关联功能将快速发展,而厂商及产品层面的收购兼并潮可能会从2022年起出现,借以适应客户对于广泛功能的迫切需求。
CCS Insight公司软件开发研究主管Bola Rotibi补充道,未来运营安全领域可能掀起新的合并浪潮,甚至有可能出现AIOps与5G技术相联动的形势。“但到目前为止,还很难断言其中蕴含的具体意义。”
“AIOps将给流程控制行业带来全面颠覆,未来也许物联网加边缘运营将成为新的增长点。现在我们要做的,就是勇于尝试、充满好奇。”Bola Rotibi说。
迎接AIOps,企业需要如何准备?
这种新兴技术的根本目标,在于推动企业加速增长、提高效率并改善客户服务。AIOps具备诸多优势,例如缩短停机时间、快速解决问题,并通过自动化运营帮助工程师将更多精力集中在真正紧迫的事务身上。但必须承认的是,AIOps平台的引入本身也将带来新的复杂因素,如果处理不当的话,非但无法实现业务产出改善,反而会给组织增加新的运营负担。
其中第一大核心挑战,在于推进企业内各部门对于AIOps含义的理解。咨询企业CGI公司数字化转型总监Sumant Kumar表示,“AIOps是一门崭新的学科,很多企业还没有建立起全面而准确的理解。”没有扎实的理解,企业自然无法明确定义希望实现的目标,也就不会投入精力对达成目标期间的需求、能力与现有基础做出适当评估。最终,这种认知必然带来错误的采购决策与糟糕的实施质量。
Illsley解释道,“相信企业对于过去及当下种种号称能够「药到病除」的技术方案已经颇有了解,开始采取更为审慎的应对态度。AIOps也不例外:它绝不是那种部署完成之后,就能自主运转并自动提高业务绩效的「万能药」。”
“相反,AIOps代表着AI技术在IT运营体系中的具体应用。只有将所有应用场景联系起来,我们才能实现AIOps承诺的知识共享与运营自动化效果。而这,要求IT部门不仅深刻理解企业的当前成熟度,同时也对AIOps在未来12个月内的发展效能与可行目标保持理智判断。”
建立起全面的AIOps实施体系
尽管充满挑战,但AI咨询厂商Pardoe Ventures公司创始人兼执行董事Andy Pardoe教授认为,立足整体设计出全面的AIOps实施方法将成为成功的关键。“对于拥有多个彼此独立的数据科学团队的大型企业组织而言,各团队可能会独立定义不同的AIOps方法,最终导致高管团队很难推广一套统一的跨部门标准化体系。因此,企业需要尽快制定一份正确的定义时间表,并在确定各数据科学团队已经完成对AI开发方法的标准化统一,之后才实际进行AIOps投资。”
Gualtieri认为,企业应该在采购AIOps解决方案之前进行尽职调查,并深入剖析供应商使用机器学习等技术的具体方式,避免被那些以热门技术词汇为噱头的无良商家所欺骗。
团队需要克服的最终挑战,在于如何将AIOps平台同多种数据源集成起来,保证将日志文件、数据库统计信息乃至客户事件报告全部涵盖于其中。BCS特许机构IT协会研究员兼软件测试特别兴趣小组组长Adam Leon Smith表示,“只有保证可访问数据的极大丰富,AIOps系统才能爆发出真正的力量。”
只有投入必要时间,深入研究AIOps实质、业务需求以及现有体系的成熟度,企业才能释放出AIOps中的全部功能与潜力。虽然绝非易事,但只要跨过这道难关,AIOps技术确能带来难以估量的敏捷性与灵活性优势——而这一切,都将成为企业在新时代下激烈市场竞争中脱颖而出的重要支柱。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。