AI

+

運(yùn)維:構(gòu)建智能化運(yùn)維新范式匯報(bào)人

楊帆

p

:

風(fēng)向

標(biāo)2025.6.2801.中國(guó)信息通信研究院智能化運(yùn)維標(biāo)準(zhǔn)研究介紹02.智能化運(yùn)維標(biāo)準(zhǔn)介紹03.運(yùn)維智能體標(biāo)準(zhǔn)介紹04.智算運(yùn)維標(biāo)準(zhǔn)介紹目錄·

院歷史沿革

，

發(fā)展使命、

定位及文化理念1957年1994年

1998年2008年

2014年郵電部郵電分營(yíng)郵電部電信科學(xué)研究規(guī)劃院組建信產(chǎn)部信產(chǎn)部電信研究院組建工信部工信部電信研究院郵電部郵電部郵電科學(xué)研究院中國(guó)信息通信研究院工信部中國(guó)信息通信研究院厚德實(shí)學(xué)

興業(yè)致遠(yuǎn)國(guó)家高端專(zhuān)業(yè)智庫(kù)

產(chǎn)業(yè)創(chuàng)新發(fā)展平臺(tái)信息社會(huì)創(chuàng)新發(fā)展的思想庫(kù)和使能者中國(guó)信息通信研究院發(fā)展使命發(fā)展定位文化理念?國(guó)內(nèi)多家標(biāo)準(zhǔn)化組織核心成員

，在18個(gè)技術(shù)委員會(huì)、48個(gè)工作組擔(dān)任領(lǐng)導(dǎo)職務(wù)?

2002以來(lái)牽頭制定：?深入?yún)⑴c全球標(biāo)準(zhǔn)化活動(dòng)

，牽頭發(fā)布國(guó)際標(biāo)準(zhǔn)119項(xiàng)

，參與制定國(guó)際標(biāo)準(zhǔn)

143項(xiàng)

，標(biāo)準(zhǔn)類(lèi)其他成果

33項(xiàng)。承擔(dān)國(guó)際標(biāo)準(zhǔn)國(guó)內(nèi)對(duì)口組長(zhǎng)單位7個(gè)。國(guó)內(nèi)標(biāo)準(zhǔn)研究主力軍、

國(guó)際標(biāo)準(zhǔn)研究重要力量

國(guó)家高端專(zhuān)業(yè)智庫(kù)：

戰(zhàn)略、

政策、

法律法規(guī)等支撐成效深入?yún)⑴c我國(guó)網(wǎng)絡(luò)領(lǐng)域法律體系建設(shè)

，全面支撐全國(guó)人大常委會(huì)法工委、國(guó)務(wù)院辦公廳等相關(guān)立法研究和制定工作。全程參與支撐我國(guó)網(wǎng)絡(luò)領(lǐng)域重要立法項(xiàng)目中國(guó)信息通信研究院?承擔(dān)工信部國(guó)際電聯(lián)工作委員會(huì)秘書(shū)處辦公室。?在ITU,

ISO,

IEEE,APT,3GPP等國(guó)際組織中擔(dān)任107個(gè)專(zhuān)業(yè)和管理職務(wù)。?

國(guó)際電信聯(lián)盟授予ITU學(xué)院培訓(xùn)中心（ATC）、數(shù)字化發(fā)展創(chuàng)新和創(chuàng)業(yè)聯(lián)盟全球加速中心（全球3家，

中國(guó)唯一）。?累計(jì)為90多個(gè)發(fā)展中國(guó)家培訓(xùn)學(xué)員超過(guò)4000人。積極參與國(guó)際組織行業(yè)標(biāo)準(zhǔn)

3708項(xiàng)標(biāo)準(zhǔn)研究課題487項(xiàng)國(guó)家標(biāo)準(zhǔn)

362項(xiàng)團(tuán)體標(biāo)準(zhǔn)751項(xiàng)中國(guó)信息通信研究院十八大以來(lái)

，支撐起草部委以上政策文件299份，其中牽頭支撐229份。5傳統(tǒng)運(yùn)維時(shí)代(1990-2005s)運(yùn)維工作完全依賴(lài)人工操作，技術(shù)人員通過(guò)基礎(chǔ)監(jiān)控工具和腳本進(jìn)行被動(dòng)式故障處理，響應(yīng)速度慢且效率低下。

隨著信息技術(shù)的飛速發(fā)展和數(shù)字化轉(zhuǎn)型的深入推進(jìn)

，運(yùn)維領(lǐng)域經(jīng)歷了從傳統(tǒng)人工操作到智能自治的跨越式發(fā)展。從最初依賴(lài)人工經(jīng)驗(yàn)的被動(dòng)響應(yīng)

，到自動(dòng)化工具帶來(lái)的效率革命

，再到機(jī)器學(xué)習(xí)賦能的智能分析

，直至如今引入大模型等人工智能技術(shù)實(shí)現(xiàn)的自主決策

，運(yùn)維工作不斷突破技術(shù)邊界

，從"人力密集型"向"認(rèn)知密集型"轉(zhuǎn)變。自動(dòng)化運(yùn)維時(shí)代（2005s-2015s）通過(guò)引入配置管理和持續(xù)集成工具，實(shí)現(xiàn)了重復(fù)性任務(wù)的自動(dòng)化處理，將故障恢復(fù)時(shí)間從小時(shí)級(jí)縮短到分鐘級(jí)，并催生了DevOps文化。中國(guó)信息通信研究院大模型運(yùn)維時(shí)代（2023s-2033s）通過(guò)多模態(tài)大模型和數(shù)字孿

生技術(shù)，實(shí)現(xiàn)了全域感知和

自主決策能力，不僅能進(jìn)行

端到端診斷和預(yù)測(cè)性維護(hù)，還能自動(dòng)生成解決方案，將

運(yùn)維響應(yīng)速度提升至毫秒級(jí)。開(kāi)始運(yùn)用機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)了基于數(shù)據(jù)驅(qū)動(dòng)的異常檢測(cè)和根因分析，使運(yùn)維工作具備了初步的智能化特征，但仍受限于局部場(chǎng)景和人工規(guī)則配置。中國(guó)信息通信研究院

運(yùn)維技術(shù)的發(fā)展與躍遷小模型運(yùn)維時(shí)代（2015s-2023s）信

息

化

發(fā)展

初

期

依賴(lài)

個(gè)

人

知識(shí)

、

技

術(shù)

及經(jīng)驗(yàn)手工運(yùn)維

，人工查

看、監(jiān)測(cè)日志并分

析做出決策。

運(yùn)維的需求與環(huán)境發(fā)生巨大變化：

隨著系統(tǒng)數(shù)量與業(yè)務(wù)規(guī)模持續(xù)性增長(zhǎng)

，運(yùn)維數(shù)據(jù)指標(biāo)數(shù)據(jù)量、

種類(lèi)不斷增長(zhǎng)。

在大數(shù)據(jù)、人工智能等新技術(shù)的促進(jìn)下

，AI

Ops成為未來(lái)運(yùn)維發(fā)展的趨勢(shì)

，其核心目標(biāo)是通過(guò)智能化手段提升運(yùn)維效率、

降低人工成

本

，

并增強(qiáng)系統(tǒng)的穩(wěn)定性和響應(yīng)能力。

外部環(huán)境與需求變化促進(jìn)軟件運(yùn)維向智能化發(fā)展智能運(yùn)維的定義：Artificial

Intelligencefor

ITOperation

，是指利用人工智能（AI）、大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)和自動(dòng)化技術(shù)

，增強(qiáng)或替代傳統(tǒng)IT運(yùn)維流程

，實(shí)現(xiàn)更智能、高效、主動(dòng)的IT系統(tǒng)監(jiān)控、管理和決策。中國(guó)信息通信研究院異構(gòu)系統(tǒng)

架構(gòu)、

運(yùn)維方式差

異化在采集數(shù)據(jù)的基礎(chǔ)上，使用自動(dòng)化的腳本進(jìn)

行決策分析。事件與

流程關(guān)聯(lián)。業(yè)務(wù)量龐大

、海量數(shù)據(jù)積累

、

AI等新

技

術(shù)

應(yīng)用自動(dòng)判斷、執(zhí)行，對(duì)采集的海量監(jiān)測(cè)日志

，使用人工智能技術(shù)進(jìn)行分析決策。業(yè)務(wù)架構(gòu)復(fù)雜、

需求快速且

頻繁迭代工具全鏈路打通，

跨團(tuán)隊(duì)線上協(xié)作

。結(jié)合大數(shù)據(jù)和機(jī)器學(xué)習(xí)等人工智能技術(shù)來(lái)自

動(dòng)化

IT

運(yùn)營(yíng)流程

，包括事件關(guān)聯(lián)、異常檢

測(cè)和因果關(guān)系確定。中國(guó)信息通信研究院總結(jié)：1.智能運(yùn)維是以大數(shù)據(jù)平臺(tái)和人工智能算法為核心。2.智能運(yùn)維需要與監(jiān)控、服務(wù)臺(tái)、

自動(dòng)化系統(tǒng)聯(lián)動(dòng)

，智能運(yùn)維需要從各個(gè)監(jiān)控系統(tǒng)中抽取數(shù)據(jù)、面向用戶(hù)提供服務(wù)、并有執(zhí)行智能運(yùn)維產(chǎn)生決策模型的自動(dòng)化系統(tǒng)。手工運(yùn)維

流程化運(yùn)維自動(dòng)化運(yùn)維

DevOpsAIOps業(yè)務(wù)量增長(zhǎng)超過(guò)人

力增長(zhǎng)運(yùn)

維

流

程、工

具標(biāo)

準(zhǔn)

化

等

開(kāi)

始

建立

與

管

理

。

智能運(yùn)維AIOps的概念最早由Gartner在2016年提出，

由最初的Algorithmic

ITOperations

，逐漸演變?yōu)锳rtificial

Intelligencefor

ITOperation。

AIOps

1.0時(shí)代（小模型運(yùn)維時(shí)代）:核心技術(shù)圍繞數(shù)據(jù)驅(qū)動(dòng)和局部場(chǎng)景智能化展開(kāi)

，包括事件關(guān)聯(lián)、異常檢測(cè)和因果關(guān)系確定。

AIOps2.0時(shí)代（大模型運(yùn)維時(shí)代）:通過(guò)多模態(tài)理解、

自主決策和系統(tǒng)級(jí)協(xié)同實(shí)現(xiàn)了運(yùn)維能力的躍遷。?通用大模型（如GPT-4、Claude）：處理自然語(yǔ)言工單、文檔和日志。?垂直領(lǐng)域微調(diào)模型（如運(yùn)維專(zhuān)用LLM）：針對(duì)日志解析、故障推理優(yōu)化。?多模態(tài)融合：同時(shí)分析文本日志、時(shí)序指標(biāo)、拓?fù)鋱D等異構(gòu)數(shù)據(jù)。?自動(dòng)生成故障報(bào)告（含根因、影響范圍、修復(fù)建議）。?通過(guò)對(duì)話交互理解運(yùn)維需求（如“為什么服務(wù)延遲升高？”)

。?結(jié)合多模態(tài)數(shù)據(jù)提升預(yù)測(cè)、關(guān)聯(lián)分析、根因定位準(zhǔn)確率。?

運(yùn)維智能體自動(dòng)執(zhí)行運(yùn)維操作。?計(jì)算成本高：大模型訓(xùn)練和推理需消耗大量GPU資源。?可解釋性弱：復(fù)雜決策過(guò)程難以完全透明化（黑箱風(fēng)險(xiǎn)）。?領(lǐng)域適配門(mén)檻高：需針對(duì)具體運(yùn)維場(chǎng)景微調(diào)模型?；A(chǔ)技術(shù)應(yīng)用場(chǎng)景局限性????????機(jī)器學(xué)習(xí)算法：時(shí)序預(yù)測(cè)模型、無(wú)監(jiān)督學(xué)習(xí)算法等。深度學(xué)習(xí)算法：卷積神經(jīng)網(wǎng)絡(luò)CNN等。預(yù)測(cè)磁盤(pán)容量、CPU負(fù)載等指標(biāo)趨勢(shì)，提前觸發(fā)

擴(kuò)容識(shí)別偏離正常模式的指標(biāo)（如網(wǎng)絡(luò)延遲突增）。通過(guò)日志和指標(biāo)關(guān)聯(lián)定位故障源頭。場(chǎng)景碎片化：每個(gè)模型僅解決特定問(wèn)題（如磁盤(pán)預(yù)測(cè)、網(wǎng)絡(luò)異常檢測(cè)），缺乏全局關(guān)聯(lián)。依賴(lài)特征工程：需人工定義關(guān)鍵特征（如“CPU使用率>90%持續(xù)5分鐘=異常”）。冷啟動(dòng)問(wèn)題：新系統(tǒng)缺乏歷史數(shù)據(jù)時(shí)模型效果差。啟蒙階段AIOps

1.0

時(shí)代中國(guó)信息通信研究院AIOps2.0

時(shí)代中國(guó)信息通信研究院

從“AI

Ops

1.0”到“AI

Ops2.0”成熟階段

2024年《政府工作報(bào)告》提出開(kāi)展“人工智能+”行動(dòng)，積極推進(jìn)數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化，推動(dòng)數(shù)字技術(shù)和實(shí)體經(jīng)濟(jì)深度融合，深化大數(shù)據(jù)、人工智能等技術(shù)的創(chuàng)新應(yīng)用。國(guó)務(wù)院關(guān)于印發(fā)《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃的通知》全面貫徹新發(fā)展理念，統(tǒng)籌高質(zhì)量發(fā)展和高水平安全，加快賦能新型工業(yè)化，以搶抓人工智能產(chǎn)業(yè)發(fā)展先機(jī)為目標(biāo)，完善人工智能標(biāo)準(zhǔn)工作頂層設(shè)計(jì)，強(qiáng)化全產(chǎn)業(yè)鏈標(biāo)準(zhǔn)工作協(xié)同，統(tǒng)籌推進(jìn)標(biāo)準(zhǔn)的研究、制定、實(shí)施和國(guó)際化，為推動(dòng)我國(guó)人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展提供堅(jiān)實(shí)的技術(shù)支撐?！秶?guó)家人工智能產(chǎn)業(yè)綜合標(biāo)準(zhǔn)

化體系建設(shè)指南（2024版）》中國(guó)信息通信研究院數(shù)據(jù)的爆發(fā)增長(zhǎng)為智能化發(fā)展帶來(lái)了新的機(jī)遇。加快推動(dòng)智能化應(yīng)用建設(shè)，促進(jìn)各環(huán)節(jié)智能化升級(jí)，提升基礎(chǔ)設(shè)施網(wǎng)絡(luò)化、智能化、服務(wù)化、協(xié)同化水平，加快優(yōu)化智能化產(chǎn)品和服務(wù)運(yùn)營(yíng)。國(guó)家網(wǎng)信辦等七部門(mén)聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》鼓勵(lì)生成式人工智能技術(shù)在各行業(yè)、

各領(lǐng)域的創(chuàng)新應(yīng)用

，

探索優(yōu)化應(yīng)用場(chǎng)景

，

構(gòu)建應(yīng)

用生態(tài)體系。中國(guó)信息通信研究院

多項(xiàng)政策鼓勵(lì)人工智能技術(shù)高質(zhì)量發(fā)展運(yùn)維大模型能力模型優(yōu)化提示工程檢索增強(qiáng)生成人機(jī)協(xié)同...

工縣智能化

管理精細(xì)化

運(yùn)行穩(wěn)健化SOMM運(yùn)維保障體系

從智能運(yùn)維、

精細(xì)化運(yùn)維、

穩(wěn)定性保障、

數(shù)據(jù)能力四大核心領(lǐng)域入手

，

共同構(gòu)建運(yùn)維保障體系(SOMM)。

聯(lián)合多行業(yè)100+企業(yè)

，打造開(kāi)放、

協(xié)同的運(yùn)維生態(tài)

，推動(dòng)運(yùn)維智能化轉(zhuǎn)型

，全面提升系統(tǒng)的穩(wěn)定性、

智能化水平

，助力企業(yè)提質(zhì)增效。運(yùn)維智能體監(jiān)控智能體故障管理智能體

知識(shí)管理智能體

自動(dòng)運(yùn)維智能體...AIOps智能運(yùn)維中國(guó)信息通信研究院運(yùn)維過(guò)程穩(wěn)定性保障穩(wěn)定性準(zhǔn)入、

架構(gòu)評(píng)審、

測(cè)試管理代碼質(zhì)量管理、

發(fā)布策略卓越級(jí)L4AI模型運(yùn)維AI平臺(tái)運(yùn)維AI基礎(chǔ)設(shè)施運(yùn)維...應(yīng)用可觀測(cè)基礎(chǔ)設(shè)施可觀測(cè)用戶(hù)體驗(yàn)管理容器可觀測(cè)...異常檢測(cè)故障自愈告警收斂智能問(wèn)答...引領(lǐng)級(jí)L5IT資源運(yùn)營(yíng)能力成熟度預(yù)算管理、

交付管理、

容量管理、成本管理、

運(yùn)營(yíng)管理企業(yè)架構(gòu)數(shù)字化治理能力

成熟度模型架構(gòu)設(shè)計(jì)開(kāi)發(fā)、

架構(gòu)實(shí)施管控、架構(gòu)評(píng)估改進(jìn)研發(fā)過(guò)程穩(wěn)定性保障智算運(yùn)維系統(tǒng)可觀測(cè)性預(yù)算額度、

成本感知、

成本優(yōu)化、成本分?jǐn)偱c歸集、

輔助決算企業(yè)用云治理能力成熟度評(píng)估架構(gòu)治理、

資源供給及編排、資源分類(lèi)管理、

身份和訪問(wèn)控制中國(guó)信息通信研究院

智能、

精細(xì)、

穩(wěn)定的SOMM運(yùn)維保障體系運(yùn)維數(shù)據(jù)治理能力成熟度模型故障預(yù)防、

故障觀測(cè)、

故障響應(yīng)應(yīng)急管理、

持續(xù)運(yùn)營(yíng)FinOps精細(xì)化運(yùn)維進(jìn)階級(jí)L3基礎(chǔ)級(jí)L1SRE穩(wěn)定性保障全面級(jí)L2云成本管理運(yùn)營(yíng)平臺(tái)能力智能運(yùn)維AIOps數(shù)據(jù)能力u

針對(duì)智能化運(yùn)維應(yīng)用場(chǎng)景層能力，從感知、分析、決策、執(zhí)行、知識(shí)更新五個(gè)維度進(jìn)行級(jí)別劃分，并結(jié)合智能運(yùn)維應(yīng)用場(chǎng)景特點(diǎn)，形成以下級(jí)別劃分。級(jí)別/名稱(chēng)分級(jí)維度執(zhí)行感知分析決策知識(shí)更新L5高度智能化

運(yùn)維系統(tǒng)系統(tǒng)系統(tǒng)系統(tǒng)系統(tǒng)L4全面智能化

運(yùn)維系統(tǒng)系統(tǒng)系統(tǒng)系統(tǒng)為主人工為主系統(tǒng)輔助L3進(jìn)階智能化

運(yùn)維系統(tǒng)系統(tǒng)系統(tǒng)為主人工為主系統(tǒng)輔助人工L2輔助智能化

運(yùn)維系統(tǒng)系統(tǒng)為主人工為主系統(tǒng)輔助人工人工L1初始智能化

運(yùn)維系統(tǒng)為主人工為主人工人工人工

感知：收集和監(jiān)測(cè)供智能化運(yùn)維場(chǎng)景所

需的原始輸入數(shù)據(jù)的過(guò)程。

分析：基于采集/接入的數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析，并由此為智能運(yùn)維場(chǎng)景功能的實(shí)

現(xiàn)得到?jīng)Q策依據(jù)的過(guò)程。

決策：基于分析過(guò)程推理得到的決策依

據(jù)或選項(xiàng)，選擇并確定智能運(yùn)維場(chǎng)景中

的配置和策略調(diào)整的過(guò)程。

執(zhí)行：基于決策過(guò)程確定的策略，根據(jù)

場(chǎng)景不同做出進(jìn)一步運(yùn)維操作的過(guò)程。

知識(shí)更新：基于過(guò)往操作、決策/經(jīng)驗(yàn)或新業(yè)務(wù)/場(chǎng)景，進(jìn)行知識(shí)遷移覆蓋，更新知識(shí)庫(kù)以提升現(xiàn)有能力的過(guò)程。中國(guó)信息通信研究院智能化程度逐級(jí)遞增中國(guó)信息通信研究院

智能運(yùn)維能力成熟度級(jí)別劃分目錄·01.中國(guó)信息通信研究院智能化運(yùn)維標(biāo)準(zhǔn)研究介紹02.智能化運(yùn)維標(biāo)準(zhǔn)介紹03.運(yùn)維智能體標(biāo)準(zhǔn)介紹04.智算運(yùn)維標(biāo)準(zhǔn)介紹中國(guó)信息通信研究院中國(guó)信息通信研究院大行業(yè)、

近30家企業(yè)、

50余項(xiàng)通過(guò)AI

Ops系列標(biāo)準(zhǔn)評(píng)估。

2025年

，正式啟動(dòng)智算運(yùn)維能力成熟度模型、

運(yùn)維智能體技術(shù)能力要求標(biāo)準(zhǔn)編寫(xiě)

，歡迎各行業(yè)專(zhuān)家加入。

自2019年以來(lái)

，

聯(lián)合運(yùn)營(yíng)商、

銀行、

證券、

能源、

互聯(lián)網(wǎng)等眾多行業(yè)80余家企業(yè)

，

牽頭編寫(xiě)并發(fā)布《智能運(yùn)維能力成熟度系列標(biāo)準(zhǔn)》從智能運(yùn)維通用能力要求、

智能運(yùn)維系統(tǒng)工具要求、

智能運(yùn)維可觀測(cè)性能力要求等多個(gè)維度的AI

Ops系列標(biāo)準(zhǔn)

，

共計(jì)有7中國(guó)信息通信研究院中國(guó)信息通信研究院

智能化運(yùn)維標(biāo)準(zhǔn)矩陣介紹AIOps智能運(yùn)維能力成熟度系列標(biāo)準(zhǔn)在研標(biāo)準(zhǔn)

國(guó)際電信聯(lián)盟（ITU）于2023年12月正式發(fā)布智能運(yùn)維（AIOps）標(biāo)準(zhǔn)：

ITU-TY.3550Cloudcomputing

-

RequirementsforAIbasedcloudservicedevelopment

and

operationmanagement。標(biāo)準(zhǔn)基于ITU-TY.3525研發(fā)運(yùn)營(yíng)管理框架

，引入AI能力用于增強(qiáng)研發(fā)、運(yùn)營(yíng)生命周期中的四個(gè)主要階段

，在人工智能技術(shù)的加持下進(jìn)一步提高軟件開(kāi)發(fā)和運(yùn)營(yíng)管理效率。其中主要針對(duì)智能運(yùn)維場(chǎng)景提出了相關(guān)能力要求和用例

，用于指導(dǎo)企業(yè)

進(jìn)一步開(kāi)展智能運(yùn)維應(yīng)用有效落地。此外

，該建議還規(guī)定了部分智能化軟件研發(fā)場(chǎng)景的功能要求。

旨在通過(guò)進(jìn)一步明確智能運(yùn)維的功能要求

，推進(jìn)各方對(duì)智能運(yùn)維能力體系架構(gòu)達(dá)成共識(shí)

，加強(qiáng)國(guó)際交流合作

，以促進(jìn)智能運(yùn)維領(lǐng)域技術(shù)、應(yīng)用的有效落地

，持續(xù)推動(dòng)國(guó)內(nèi)外AI

Ops相關(guān)產(chǎn)業(yè)的健康有序發(fā)展。國(guó)際方面：中國(guó)信息通信研究院牽頭提出首個(gè)智能運(yùn)維（AI

Ops）

國(guó)際標(biāo)準(zhǔn)

，并正式發(fā)布！中國(guó)信息通信研究院中國(guó)信息通信研究院

國(guó)際領(lǐng)先的智能運(yùn)維(AI

Ops)標(biāo)準(zhǔn)第1部分：通用能力要求

面向智能運(yùn)維整體能力建設(shè)：從感知、分析、決策、執(zhí)行、知識(shí)更新五個(gè)維度考察各場(chǎng)景的智能運(yùn)維能力效果

，包括運(yùn)維人員對(duì)系統(tǒng)工具的使用

，運(yùn)維人員對(duì)智能運(yùn)維的理解程度

，以及最終的效果。從不同角度考察當(dāng)前智能運(yùn)維建設(shè)情況

，從L1-L5給出指導(dǎo)的建設(shè)路徑。幫助企業(yè)了解當(dāng)前AIOps建設(shè)現(xiàn)狀

，明確改進(jìn)目標(biāo)和未來(lái)發(fā)展方向。第2部分：系統(tǒng)和工具技術(shù)要求

面向智能運(yùn)維系統(tǒng)和工具能力：從基礎(chǔ)功能、高級(jí)功能等功能性要求角度考察AIOps系統(tǒng)和工具應(yīng)具備的相關(guān)能力

，用以支持企業(yè)AIOps能力建設(shè)。幫助企業(yè)了解并明確AIOps系統(tǒng)和工具需要具備的功能要求

，對(duì)標(biāo)行業(yè)領(lǐng)先實(shí)踐，結(jié)合業(yè)務(wù)模式持續(xù)完善AIOps系統(tǒng)和工具的場(chǎng)景應(yīng)用。中國(guó)信息通信研究院標(biāo)準(zhǔn)編制組成員單位

以下為參與編寫(xiě)《云計(jì)算智能化運(yùn)維(AIOps)能力成熟度模型第1部分：通用能力要求》與《云計(jì)算智能化運(yùn)維(AIOps)能力成熟度模型第2部分：系統(tǒng)和工具技術(shù)要求》的成員所在單位（部分）

，涉及銀行、證券、保險(xiǎn)、互聯(lián)網(wǎng)、通信等眾多行業(yè)領(lǐng)域。中國(guó)信息通信研究院

智能運(yùn)維能力成熟度系列標(biāo)準(zhǔn)介紹

智能運(yùn)維能力成熟度系列標(biāo)準(zhǔn)-可觀測(cè)性能力賦能業(yè)務(wù)價(jià)值提升

發(fā)展背景：隨著信息技術(shù)的飛速發(fā)展與深化應(yīng)用，企業(yè)技術(shù)架構(gòu)微服務(wù)化、業(yè)務(wù)系統(tǒng)依賴(lài)關(guān)系復(fù)雜化，傳統(tǒng)的監(jiān)控方式已經(jīng)無(wú)法滿足多云時(shí)代復(fù)雜技術(shù)場(chǎng)景下的異常監(jiān)控、故障定位、根因分析等需求，導(dǎo)致潛在的問(wèn)題和風(fēng)險(xiǎn)隨之增多。

可觀測(cè)性（Observability）是指一個(gè)系統(tǒng)內(nèi)部的狀態(tài)、行為和性能等方面可以被可靠地觀察、分析和監(jiān)控的程度。一個(gè)具

有良好可觀測(cè)性的系統(tǒng)可以讓管理員和開(kāi)發(fā)人員快速地發(fā)現(xiàn)、定位和解決系統(tǒng)問(wèn)題，從而提高系統(tǒng)的可用性、穩(wěn)定性和性能。可觀測(cè)為業(yè)務(wù)發(fā)展提供高價(jià)值洞察力橫向關(guān)聯(lián)Gartner應(yīng)用可觀測(cè)性入選Gartner2023年需要探索的十大戰(zhàn)略技術(shù)趨勢(shì)之一?？捎^測(cè)性助力企業(yè)快速地發(fā)現(xiàn)、定位和解決系統(tǒng)問(wèn)題《智能化運(yùn)維(AIOps)能力成熟度模型

第3部分：可觀測(cè)性能力要求》包含建設(shè)可觀測(cè)能力必備的數(shù)據(jù)采集傳輸、數(shù)據(jù)管理、數(shù)據(jù)觀測(cè)能力以及基礎(chǔ)設(shè)施、應(yīng)用性能、用戶(hù)體驗(yàn)觀測(cè)場(chǎng)景，可用于指導(dǎo)基于可觀測(cè)性能力的智能運(yùn)維平臺(tái)的規(guī)劃、設(shè)計(jì)與實(shí)現(xiàn)。中國(guó)信息通信研究院中國(guó)信息通信研究院縱向分析u中國(guó)工商銀行股份有限公司的

“

中國(guó)工商銀行云原生智能運(yùn)維建設(shè)項(xiàng)目”首批順利通過(guò)AI

Ops通用能力要求評(píng)估

，代表行業(yè)領(lǐng)先水平。u中移動(dòng)信息技術(shù)有限公司、

中移（蘇州）

軟件技術(shù)有限公司、

中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司智網(wǎng)創(chuàng)新中心于2023年12月順利

通過(guò)AI

Ops通用能力要求評(píng)估

，代表行業(yè)領(lǐng)先水平。異常檢測(cè)場(chǎng)景日志定位場(chǎng)景中國(guó)信息通信研究院智網(wǎng)創(chuàng)新中心咪咕互娛根因分析場(chǎng)景歷史故障分析場(chǎng)景異常檢測(cè)場(chǎng)景AIOps可觀測(cè)性用戶(hù)

體驗(yàn)?zāi)K異常檢測(cè)場(chǎng)景中國(guó)信息通信研究院

AI

Ops通用能力、可觀測(cè)能力評(píng)估結(jié)果告警收斂場(chǎng)景信息技術(shù)中心u

截至2024年12月

，共近30余家企業(yè)超40余個(gè)項(xiàng)目通過(guò)了AI

Ops系統(tǒng)和工具評(píng)估

，代表行業(yè)領(lǐng)先水平。中國(guó)信息通信研究院56中國(guó)信息通信研究院

AI

Ops系統(tǒng)和工具技術(shù)要求評(píng)估結(jié)果2目錄·01.中國(guó)信息通信研究院智能化運(yùn)維標(biāo)準(zhǔn)研究介紹02.智能化運(yùn)維標(biāo)準(zhǔn)矩陣介紹03.運(yùn)維智能體標(biāo)準(zhǔn)介紹04.智算運(yùn)維標(biāo)準(zhǔn)介紹中國(guó)信息通信研究院中國(guó)信息通信研究院 AI

Agent釋放LLM潛能

，

助力大模型落地應(yīng)用

智能體定義

：AI

Agent是人工智能領(lǐng)域的一個(gè)重要分支

，

它們是實(shí)現(xiàn)人工智能技術(shù)應(yīng)用的一種具體實(shí)體。

AI

Agent的定義包含了智能體的基本屬性

，

即能夠自主地感知環(huán)境、

做出決策并執(zhí)行動(dòng)作以實(shí)現(xiàn)特定目標(biāo)的實(shí)體。

智能體與大模型：

大模型技術(shù)的突破推動(dòng)了智能體技術(shù)的發(fā)展

，大模型可以作為智能體的“大腦”,讓智能體具備更強(qiáng)大的學(xué)習(xí)、生成、

推理、

決策能力

，

同時(shí)

，智能體可以有效克服大模型“有腦無(wú)手”的問(wèn)題

，助力大模型在實(shí)際場(chǎng)景的落地應(yīng)用。中國(guó)信息通信研究院大腦（

Brain）行動(dòng)（Action）環(huán)境智能體框架記憶（

Memory）規(guī)劃（

Planning）調(diào)用工具執(zhí)行動(dòng)作中國(guó)信息通信研究院感知（

Perception） AI

Agent全方位賦能智能運(yùn)維?適應(yīng)未知故障場(chǎng)景

，動(dòng)態(tài)生成代碼（如LLM編寫(xiě)修復(fù)

Python腳本）?

沙箱環(huán)境預(yù)驗(yàn)證+

自動(dòng)風(fēng)險(xiǎn)評(píng)估?簡(jiǎn)單場(chǎng)景自動(dòng)化（如服務(wù)重啟、磁盤(pán)清理）?

預(yù)定義腳本（Ansible/Shell）?

需人工審核后再執(zhí)行

在運(yùn)維領(lǐng)域

，智能體技術(shù)的應(yīng)用正不斷深化

，廣泛覆蓋異常檢測(cè)、

故障診斷、

故障修復(fù)、

告警收斂、

智能問(wèn)答等多個(gè)關(guān)鍵場(chǎng)景。通過(guò)其強(qiáng)大的自主決策能力和復(fù)雜環(huán)境適應(yīng)性

，從

“救火隊(duì)員”變?yōu)?/p>

“業(yè)務(wù)保障工程師”

，通過(guò)認(rèn)知能力實(shí)現(xiàn)“預(yù)測(cè)-預(yù)防-自

治”的閉環(huán)。過(guò)去

現(xiàn)在?

依賴(lài)人工閾值

，誤報(bào)率高（約30%-40%）?

單系統(tǒng)或單指標(biāo)異常?主要通過(guò)規(guī)則引擎、簡(jiǎn)單的關(guān)聯(lián)分析做故障關(guān)聯(lián)（Apriori算法）?

輸入結(jié)構(gòu)化日志和指標(biāo)數(shù)據(jù)?

依賴(lài)專(zhuān)家經(jīng)驗(yàn)

，需人工篩選可能原因異常檢測(cè)故障診斷中國(guó)信息通信研究院?可通過(guò)大模型語(yǔ)義理解（如從日志中提取故障鏈）?應(yīng)用多模態(tài)數(shù)據(jù)（日志、文檔、工單、拓?fù)鋱D）?可視化故障鏈+置信度評(píng)分（如“數(shù)據(jù)庫(kù)鎖表現(xiàn)象（置信度92%）”)?

交互方式：關(guān)鍵詞匹配（如FAQ庫(kù)檢索）?

根據(jù)有限的知識(shí)庫(kù)文檔?

僅能回答預(yù)設(shè)問(wèn)題?

跨系統(tǒng)、跨鏈路異常關(guān)聯(lián)?動(dòng)態(tài)基線調(diào)整

，從單指標(biāo)檢測(cè)升級(jí)為多維度關(guān)聯(lián)分析，誤報(bào)率<10%中國(guó)信息通信研究院?

自然語(yǔ)言對(duì)話（如“為什么訂單服務(wù)變慢？”)?實(shí)時(shí)關(guān)聯(lián)運(yùn)維手冊(cè)、歷史工單、代碼注釋等?多步推理（如“延遲高→查數(shù)據(jù)庫(kù)→發(fā)現(xiàn)索引缺失”）故障修復(fù)智能問(wèn)答

《運(yùn)維智能體技術(shù)能力要求》標(biāo)準(zhǔn)旨在制定一套科學(xué)、

系統(tǒng)的運(yùn)維智能體行業(yè)標(biāo)準(zhǔn)

，規(guī)范運(yùn)維智能體的技術(shù)架構(gòu)、

應(yīng)用功能、數(shù)據(jù)安全等方面要求

，推動(dòng)行業(yè)技術(shù)體系的標(biāo)準(zhǔn)化和規(guī)范化發(fā)展

，促進(jìn)運(yùn)維智能體技術(shù)的規(guī)?；瘧?yīng)用與跨平臺(tái)協(xié)同

，

為行業(yè)的健康、

可持續(xù)發(fā)展提供重要支撐。中國(guó)信息通信研究院中國(guó)信息通信研究院

運(yùn)維智能體標(biāo)準(zhǔn)框架目錄·01.中國(guó)信息通信研究院智能化運(yùn)維標(biāo)準(zhǔn)研究介紹02.智能化運(yùn)維標(biāo)準(zhǔn)矩陣介紹03.運(yùn)維智能體標(biāo)準(zhǔn)介紹04.智算運(yùn)維標(biāo)準(zhǔn)介紹中國(guó)信息通信研究院中國(guó)信息通信研究院國(guó)內(nèi)、國(guó)際廠家積極布局集群算力平臺(tái)參數(shù)量GPT-6125T

參數(shù)（人腦規(guī)模）GPT-550T

參數(shù)H100@100KGPT-4o450B參數(shù)H100@10KSora約3B參數(shù)H100@25KGPT-4175B參數(shù)A100@25K年份星星海集群混元萬(wàn)億訓(xùn)練，十萬(wàn)卡

全球AI發(fā)展對(duì)算力需求待續(xù)旺盛

，

頭部算力集群趨向超大規(guī)模演進(jìn)模型參數(shù)從萬(wàn)億->10萬(wàn)億，算力需求十倍級(jí)增長(zhǎng)中國(guó)信息通信研究院20

22

23

24

25

26

28GPT-5預(yù)計(jì)參數(shù)量達(dá)到10萬(wàn)億+，需要50Ttokens數(shù)據(jù)量進(jìn)行訓(xùn)練，完成100天訓(xùn)練需要約11.7萬(wàn)張H100智算集群支持萬(wàn)億參數(shù)大模型，超萬(wàn)卡集群昇騰AI集群華為云

，數(shù)萬(wàn)卡規(guī)模身open

Al

B

Microsoft星際之門(mén)25年上線10萬(wàn)卡GB200集群，

計(jì)劃28年百萬(wàn)卡xAI集群24年9月上線10萬(wàn)卡H100集群中國(guó)信息通信研究院飛星一號(hào)萬(wàn)億參數(shù)

，萬(wàn)卡規(guī)模AI集群24年推出2個(gè)2.4萬(wàn)卡H100集群，