从传统运维到AIOps，正确的领跑姿势是什么？

我们看到，ToB领域正在出现更多可能性，热门技术走向成熟，新兴技术快速成长。

比如，与区块链、多云、5G等相比，AIOps（智能运维）虽然算是比较新的赛道，但是发展潜力巨大。资本的助推、AI技术的加持、入局者的增多，都让这一赛道快速火热起来。

也许有人会说，IT运维管理（ITOM）不是一直都有吗？AIOps不是其中的一种吗？确实是，但是随着企业数字化转型的深入对运维管理提出更高要求，更加智能的运维方式已经成为刚需。而传统的ITOM比较被动，已经无法满足企业新业务形势下的运维需求，在这样的背景下，具备智能化、可视化的AIOps顺理成章地成为各个企业的发力点。

那么，AIOps作为一个全新的技术发展和应用方向，这个赛道究竟有多火？未来发展如何？都有哪些竞争者？谁有望成为黑马？

赛道火热，且竞争格局已见雏形

2016年年初，Gartner率先提出了基于大数据及算法的 IT运维概念。仅仅六个月后，Gartner 就将 AIOps 的概念从原本的基于数据分析扩充为基于人工智能，从而提升传统IT运维的监控、自动化等方面的能力。

数据显示，目前全球AIOps市场规模年复合成长率超过30％，到2022年，40%的大型企业会通过大数据和机器学习的能力来帮助甚至逐渐取代传统运维中的监控、服务台及自动化流程。预计到2027年，AIOps市场将达到四百亿美元的规模。

可以看出，AIOps是伴随着人工智能的时代浪潮应运而生，且无论在行业规模还是发展增速上，AIOps都已经显现出了不小的潜力。

有潜力就会有吸引力，刚刚迈入发展快车道的AIOps迅速吸引了一大批头部竞争者。从类型来看，主要包括阿里、百度、腾讯这样的互联网企业；天旦、云智慧等专业的ITOM厂商以及从传统IT产业转型后的巨头，比如IBM等。

各种类型的厂商背景不同，技术实力、侧重行业均有差异，共同构筑了火热的AIOps市场。

AIOps为什么如此之火？

AIOps火的原因是什么？真的只是被AI带火的吗？当然不是，根本原因在于AIOps 为IT运维提供了全新的思路。

随着机器学习算法的突破、IT计算能力的提升以及海量数据的产生，带来了AI技术的发展浪潮。将AI技术与运维管理相结合，通过机器学习等方式解决自动化运维难题，进而保障IT系统稳定性，提升IT运维的预判力，进一步降低IT成本，挖掘运维数据的价值，最终提升企业的综合竞争力，辅助企业更好地实现数字化转型。具体来看：

提升运维工作效率。近年来，受疫情等因素影响，中国线上化业务发展水平始终处于高位，而业务线上化对运维工作效率提出了较高要求。AIOps基于已有的运维数据，通过机器学习的方式自动化、智能地解决传统运维难以解决的问题，同时帮助运维人员应对愈发复杂、多变的运维场景。

构建以业务为核心的运维管理视角。传统运维时代，保障服务的可用性是运维的主要职责。而随着AIOps时代的到来，运维工程师既要保障线上服务质量，还要与业务部门协作，根据对运维领域的理解，建立AI解决的问题域，为机器学习提供运维知识与经验，以业务视角利用多元化数据提高运营分析和决策能力。

实现数据治理。数字化时代，数据成为了新的生产力。过去，由于技术发展水平受限，运维数据较多地用于排障等基础工作；而AIOps通过使用机器学习的方法将运维数据进行汇总、归纳，将各种运维状态信息转换成运维大数据，通过AI技术对数据进行分析与挖掘，不断提炼运维大数据的价值，拓宽数据的应用边界。

可以说， AIOps在帮助企业提高运维管理效率、优化运维管理流程的同时，不断推进企业的数字化发展进程。利用智能化的数据处理与分析技术，提升系统自动化处理能力与稳定性，在降低IT成本的同时为业务运营提供参考，满足数字化转型的深度需求。

如何才能成为有力竞争者？

在激烈的AIOps市场竞争中，企业想要占据优势地位。以下能力是关键：

首先，产品要够智能。人工智能被定义为基于高级分析和逻辑应用的技术，包括机器学习（ML）、深度学习（DL）等技术方法。将这些先进技术转化为产品的内置功能，用于构建运维管理体系，以此进行智能化、自动化地分析事件、做出决策与解决问题，才能实现智能化的运维管理以及运营管理。

其次，要实现以业务为中心的运维管理目标。尽管不同行业的运维管理标准不尽相同，但都是以业务稳定为基本要求。因此，建立以业务为中心的运维管理视角，实现快速、高效、端到端的故障发现、定位及根因分析，对于处在数字化转型关键期的企业至关重要。除此以外，由于目前仍处于人工智能技术应用的初级阶段，为应对业务操作和需求的快速变化，运维管理还需具备高敏捷性和快速等特点，基于标准化产品的解决方案可以在企业内部快速落地，并随时调整以应对突发状况。

再次，要具备强大的云环境运维管理能力。尽管目前多数中国企业选择私有云的部署方式，但据IBM商业价值研究院预测，到2021年底，98%的组织将会采用多云架构。因此，AIOps厂商必须具备混合云环境的运维管理能力。而成熟的混合云环境性能管理需要同时具备丰富的全流量采集方案、全量转发与存储能力，以及对网络层、应用层、业务层数据指标的深度解析以及分析能力。因此，如何同时满足以上三点、在各种云环境里进行有效的性能监控，以实现自主可控的业务保障，给AIOps厂商带来了不小的压力。

总之，AIOps是智能化的综合实力的竞争，单一能力或者只应用于少数行业的AIOps都不会有大机会。

这家厂商未来可期

在众多厂商中，哪一家更有潜力在未来市场竞争中有强劲表现呢？ 

在Gartner最新发布的《Market Guide for AI Starups，Greater China》报告中，天旦位列“人工智能技术和垂直解决方案细分市场”的样板厂商。Gartner认为，天旦作为智能运维领域的代表性厂商可以满足企业现阶段不同维度的运维管理需求，并提供与之相匹配的技术解决方案。

 Market Guide for AI Startups, Greater China，来源：Gartner

那么，天旦到底有什么独特优势呢？

天旦将机器学习（Machine Learning）、深度神经学习（Deep Neural Network）等先进的AI技术应用于产品之中。相信了解天旦的朋友对“互联数据”都不陌生，作为一种全量、实时、精准的数据源，通过对互联数据的分析与应用，可以帮助企业快速发现问题、定位故障。在快速解决问题的背后，“互联数据引擎”发挥着重要的作用。将机器学习等AI技术应用至解码环节，天旦的互联数据引擎可以快速适配超过2400余种协议数据，真正做到即刻解码、即刻落地。

Representative AI Startups, Greater China 来源：Gartner

在Gartner稍早发布的《2021中国ICT技术成熟度曲线报告》中，天旦凭借业务级智能运维管理平台（即天旦业务性能管理BPC）成功入选AIOps样板厂商。作为真正以业务为视角、标准化企业级的运维管理产品，天旦BPC可以帮助运维部门建立覆盖全业务流程、端到端的全链路监控体系。通过“1分钟发现问题，3分钟定位故障，5分钟恢复业务”的运维管理逻辑，天旦BPC可以即时发现问题、定位问题，并为恢复生产提供帮助；而以业务指标为主要参考依据，通过实时分析与预测，可以帮助运维人员真正实现从“运维”走向“运营”。

此外，天旦的智能运维管理产品现已支持私有云、公有云、容器以及混合云等多种环境，并与华为云、阿里云等主流云厂商实现适配支持，真正实现全流量的采集、转发与存储，并能对网络指标、应用指标、业务指标等高层指标进行深度解析，进而实现混合云环境精准的性能分析与故障诊断。

天旦现已拥有广泛适配主流云平台的成功落地实践

当前，天旦的智能运维管理产品已经在金融、制造、医疗、能源等众多行业落地，以业务为视角的运维管理方式，加上AI技术的加持，在轻松做好运维管理的同时为企业的业务发展提供动力。同时，在越来越多企业面临多云环境管理的当下，天旦将AIOps与云环境性能管理相结合，弥补云原生监控缺陷，有效减少业务上云对企业带来的潜在风险。

从发展趋势来看，AIOps这一赛道将会有更多入局者，市场会出现新的洗牌。当然，市场火热的同时，也意味着竞争更加激烈、残酷，技术更新与迭代的频率也会更快，AIOps市场会逐渐迈向成熟，这对企业的数字化转型也会起到更好的助推作用。