大搜车宣布收购云阳科技
06-18
雷锋网：越是传统的行业，被人工智能改造后释放出的潜力就越大。
从某种程度上来说，这句话是完全正确的。
经过多轮新技术而尚未完全进化的行业，往往存在非常强大的转型壁垒。
相应地，一旦遇到适合行业的新技术，通过技术世代积累的潜力也会爆发。
伴随最初的IT而兴起的运维行业似乎正在打开智能化的大门。
智能运维行业的现状是，从事机器学习的人很难快速了解智能运维的知识和场景。
比如，需要花很长时间去整理各种监控数据才能理解；对于从事操作和维护的人员来说，了解机器也有困难。
学会理解，两者之间存在着巨大的差距。
纯粹基于人工智能算法的智能运维产品提供商在国内还属于少数。
新技术诞生时，总是走“高端”路线。
传统的运维行业尚未广泛拥抱人工智能。
爆发期，但开拓者已经开始。
近日，彼石科技发布了国内首个多场景、可编程智能运维平台——彼石智能运维平台。
今年年初，彼石科技完成数千万元A轮融资，由顺为资本领投，老股东明石资本跟投；时隔数月，碧石于6月完成另一笔投资，由高榕资本领投，东方富海及其老股东顺为资本、明石资本参与的数千万人民币A+轮融资。
众多一线投资者的态度表明，资本看好彼石科技以及智能运维赛道。
智能运维成为当前人工智能落地的另一个有前景的地方。
关于智能运维和彼石科技的发展，雷锋网就此话题采访了彼石科技CEO刘大鹏。
运维发展的三个阶段 对于任何一个现代企业来说，运维都是不可或缺的一部分，甚至从维修计算机（服务器）到支撑千万级DAU应用和十万级服务器的业务稳定性。
运行维护工作范围。
运维行业整体发展大致经历了三个阶段： 人工运维：初级运维方式，所有决策和操作均由人工完成，效率低、重复性强、容易出错；自动化运维：通过脚本提高运行效率，但海量数据仍需人工分析，决策缓慢、不准确、耗费人力。
智能运维AIOps：利用AI算法分析海量运维数据，自动精准发现和定位问题，从决策层面进一步提升运维效率。
刘大鹏表示，运维确实是一个非常传统的行业。
所有企业只要有IT软硬件，就会有运维需求。
关于智能运维的讨论逐渐深入人心。
其实这是因为运维行业随着底层IT基础设施和软件规模的增大，原有的运维方式越来越难以支撑，于是智能运维的概念开始出现。
从2009年开始，业界开始探索智能化运维。
运维行业的数据分析起步较早，但当时还没有严格意义上的智能运维概念。
随着人工智能被业界接受，Gartner提出智能运维将成为行业统一术语。
运维监控项目较多，监控准确难度较大。
另外，事故发生后，如何定位问题？数以万计的服务器、数千个软件模块以及相互访问的大量数据，让管理员越来越难以做到细致入微。
例如，要监控企业底层IT软硬件的状态，需要每天收集监控数据。
一个大型金融机构基本上都会有10TB左右的数据。
这只是一天。
人力处理如此大量的数据已经很困难。
数据本身的详细分析既不及时也不准确，不足以支持这一点。
有时甚至可能系统出现了问题，但运维人员还没有反应过来。
因此，企业正在利用人工智能进行IT运营（AIOps）来增强并偶尔取代传统的应用程序性能监控（APM）和网络性能监控和诊断工具（NPMD），成为一种新的尝试。
数据显示，全球APM市场规模约为60亿美元，预计五年内将达到90亿美元。
Gartner报告显示，每年NPMD预计市场规模为22亿美元，年复合增长率为1.8%。
但AIOps的市场规模并不与这两种工具重合，而是取决于整个传统运维市场以及人工智能应用的市场价值，很难准确衡量。
“一般来说，没有多少人会选择运维行业作为创业方向，听完之后感觉很苦很累。
很多外行人甚至可能听说运维是技术链中相对下游的。
大家会感觉有些误会。
”刘大鹏说道。
彼石科技之所以选择做AIOps，和创始团队的背景有很大关系。
彼石科技主要创始团队均来自清华大学智能运维实验室。
从学术到实践，是技术演进的自然过程。
据了解，碧石科技拥有智能运维博士10名，十多名拥有10年以上经验的行业资深专家，50%的成员来自清华大学。
AIOps的催化剂 运维行业就是这么“顽固”。
为什么现在是运维行业智能化的契机？以银行系统为例，刘大鹏表示，首先从外部环境来看，用户量、交易量、业务类型、用户体验要求的增加，导致银行内部系统不得不转型。
规模越来越大、越来越灵活，以支持外部环境的变化。
其次，近年来，随着银行，包括运营商、电网等其他行业，IT监控越来越普及。
与之前相比，监控系统做得还不是特别好，数据量也较小。
运维难度大。
没有更好的办法了。
随着监控系统越来越完善，数据量巨大，但数据又成为无法处理的新问题。
企业思考的维度自然也随之演化——如何让花费大量资源搭建的监控系统收集到的大量数据真正发挥价值？自动化数据分析的需求出现，智能运维行业自然而然演化。
刘大鹏以应急响应为例。
当金融公司内部系统出现问题时，例如用户交易失败，或者用户交易开始变慢等报警情况。
第一步是检测金融机构业务系统的大量交易指标，包括不同系统的交易量、响应时间、用户成功率等指标。
看似指标就那么几个，但实际上银行的业务系统有很多。
每种不同的交易类型都扩展到数以万计。
乘以这几类指标，数据量极其庞大，而且随着时间的推移，这些指标还会不断增加。
因业务原因发生变化。
现阶段，依靠人力制定简单的规则已经无法适应数以万计的不同形式的指标。
币石科技在业内率先推出能够精准检测时间序列数据、能够适配金融行业通用指标的产品。
在各种情况下，检测准确率基本都能达到90%以上。
第二步，传统业务报警后，运维人员会收到一条短信，但仅此而已，没有任何附加信息。
经常伴随着业务警报的是，所有团队都必须开始调查与自己相关的部分，比如网络、服务器、数据库、应用系统等，每一条线的调查量都非常大，而且没有方向。
这一切都基于经验。
短则几十分钟，长则十几小时，甚至几天。
“解决问题很快，但找到原因却很慢。
这个过程面对的是海量数据，能否通过一些算法处理，找出最可疑的数据？管理员会更加专注，结合起来有了领域知识，出现问题后可能会很快定位并推荐方法，这也是智能运维的一个典型场景。
”刘大鹏说。
智能运维竞争错位 运维在各行各业都有一定的基础。
彼石科技补充了运维行业的数据分析能力。
碧石科技的前身清华智能运维实验室从2008年就开始研究智能运维。
关于维护问题，当时连BAT都还没有智能运维的概念。
更多的是对单一数据的正则化分析，而不是系统抽象出单独一层运维数据分析来进行研究。
“运维场景很多，单点很难做，还涉及到很多算法和领域知识的结合。
传统运维行业基本上100%的人员都是运维。
维护工程师和软件工程师非常强大，他们可以控制非常大的系统并进行海量数据的强大监控和收集，但存在一个问题，即这些工程专家的知识基础和技能与技能不一致。
实现智能化运维。
”碧石智能运维平台的这个难度还体现在算法层面。
主要有两个困难。
首先是数据分析问题的定义，问题的拆解、整理和定义；二是针对具体问题的算法设计。
在未知和开放的环境中，定义问题是困难的第一步。
算法工程师不仅要对运维有深刻的理解，还要有丰富的算法能力积累，才能拆解架构、梳理问题。
和定义。
大量机器学习算法提出时，并不是针对运维场景的。
这些开源算法的假设与实际运维问题并不相符，实际效果并不好。
运维算法的研究实际上是从开源算法开始的。
结合实际运维问题和数据的特点，进行不断的算法改进和解决方案组合的创新过程。
刘大鹏解释说，智能运维的本质是数据分析，从业者至少要了解常用的数据分析方法。
比如关于文本、时序数据等，还必须熟悉运维场景。
运维行业对于领域知识的门槛很高。
这种情况对于纯粹从事AI的人创办智能运维公司来说基本不存在。
“我们需要找到运维行业现有AI技术能力范围内能够解决的问题。
它必须定义明确，它的数据充分，运维中的问题可以分解得非常非常多。
”仔细观察，我们可以将故障定位到10多个场景，而且每个场景都比较具体。
”刘大鹏指出了当前运维行业的发展方向。
此外，刘大鹏还明确指出，并不是所有的运维问题都适合用AI来解决。
与其把精力花在利用AI算法来推断某些问题上，不如完善数据监控和自动化系统，更简单、高效地解决问题。
雷锋网了解到，彼石科技推出的智能运维平台经过大量运维场景和运维数据的打磨。
内置的专业垂直算法可以开箱即用，同时支持不同类型的数据进行全面的高性能分析，大型企业每天的监控数据将达到TB级甚至超过10TB。
如此大规模的数据分析需要高性能的架构来支持。
使用该平台不需要繁琐的参数调整。
算法参数可以根据数据自动适配，只需要简单的手动配置。
刘大鹏坦言，智能运维行业已经有一些玩家，但目前真正具有竞争力的厂商并不多。
主要问题就是前面提到的传统运维能力与新需求的不匹配。
碧石科技拥有较长的窗口期，其技术和人才储备在创业赛道上已经相当领先。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-17
06-18
06-18
06-06
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态