基于GenAI的混合云智能运维实践_27页_10mb

2024 AI+研发数字峰会总结

核心内容

本次2024 AI+研发数字峰会聚焦于GenAI在混合云智能运维中的应用实践，旨在通过人工智能技术推动企业IT运维的智能化转型，提升运维效率与系统稳定性。联想混合云产品研发总监周彩钦分享了联想在智能运维领域的探索历程与成果，重点介绍了基于GenAI的智能运维平台xCloud AIOps及其在实际场景中的应用价值。

主要观点

1. 联想混合云智能运维发展历程

• 1998-2004：信息化阶段，ERP和OA系统逐步建立，运维依赖手工和部分脚本。
• 2005-2016：数字化阶段，全球数据中心整合，虚拟化与云化逐步推进，运维开始自动化。
• 2017-未来：智能化阶段，构建统一的大数据平台，融合判别式AI与生成式AI，实现数据驱动的智能运维。

2. GenAI混合云智能运维架构

• 联想xCloud AIOps以“数据驱动的智能分析为脑，可观测监控告警为眼，任务驱动的自动化为手脚”为核心架构。
• 架构涵盖异常检测、根因分析、日志分析、故障预测、调度优化、成本控制等多个模块。
• 通过RAG技术和生成式AI模型，结合企业内部知识与历史解决方案，提供定制化洞察和智能推荐。

3. GenAI的运维应用场景

• 运维故障解决推荐：提高事件诊断效率18%，提升系统可靠性。
• GenAI IT自服务：提升用户自助服务率，减少操作人员负担，效率提升22%。
• GenAI智能自动化：辅助RPA脚本生成，提升运维脚本开发效率11%，降低编码门槛。
• GenAI智能可观测性：实现全生命周期的AI可观测性，涵盖事前、事中、事后不同阶段，提升运维处置效率。
• GenAI运营数据洞察：打造运营数据查询与分析助手，帮助用户快速构建报表并发现数据价值。

关键信息

技术架构与工具

• 算法框架：整合PyTorch、scikit-learn、statsmodels、NumPy、OpenCV、spaCy等工具，构建智能分析平台。
• 模型管理：包括服务目录、服务编排、数据准备、模型构建、训练与部署等流程。
• 模型类型：闭源模型（如GPT-4）适用于大型/超大型企业，提供先进性、稳定性和安全性保障；开源模型（如通义）适用于小型/中型企业，便于生态建设与部署优化。

智能体与AI应用模式

• AI助理模式：AI替代部分手工操作，参与业务流程，提升效率。
• AI智能体模式：AI在设定权限内规划与执行任务，人类在异常时进行干预。
• 智能体挑战与解决方案：
  • 体验与准确性不足：需通过场景化提示工程与意图理解提升。
  • 工具接入不足：需加强一体化设计，集成适配行业运维工具。
  • 模型过度生成：需基于搜索答案，避免复杂创造。
  • 术语理解差：需构建运维专业术语表，提升模型理解能力。
  • 敏感话题处理：需建立标准化敏感话题资料库。

实践经验

• AI Everywhere：GenAI应嵌入到实际运维功能中，触手可及。
• 持续优化：通过提示词工程、模型微调、知识图谱等方式，持续监测与优化AI场景表现。
• 一体化设计：包括体验、数据、架构、流程四个方向的一体化，确保AI应用的统一性与可扩展性。

未来展望

• 应用场景升级：从嵌入模式逐步向AI助理模式和AI智能体模式演进。
• 智能体模式：AI将具备自主规划与执行任务的能力，助力企业实现智能卓越运营。
• 技术融合：GenAI与传统AI技术结合，形成混合AI策略，提升运维智能化水平。

Gartner建议

• GenAI不是万能解决方案，许多业务问题仍需结合不同AI技术。
• AI技术适用性因场景而异，需根据具体需求选择合适的技术路径。
• 模型选择需考虑数据安全、企业规模、技术生态等因素。

总结

本次峰会展示了GenAI在混合云智能运维中的广泛应用和显著成效，强调了AI与运维结合的重要性。通过构建智能分析平台、优化模型选择、提升用户交互体验和实现流程一体化，企业可以有效提升运维效率与系统稳定性。未来，随着技术的进一步发展，AI智能体将成为运维智能化的重要推动力。