AIOps离真正落地还有多远？丨国内外AIOps发展现状分析

今天，我们分别从全球视野和中国视野出发，对比看下AIOps发展现状。

从全球范围来看，一些成熟的企业，在企业内部AIOps的采用已经成熟，AIOps市场仍处于高增长阶段。限于技术发展，即使从全球范围内来看，仍然很少有供应商能够完全兑现AIOps平台的承诺，即能够快速洞察大量高度易变的数据。

中国市场上的许多公司还未有完整的监视工具，还有很大的发展空间。更多企业通过使用AIOps加强数据分析和监视功能来改进监视工具应用，例如APM。

全球AIOps发展现状

AIOps平台可增强各种IT运营流程，包括异常检测，事件关联和根本原因分析，以改善监控，服务管理和自动化任务。

从全球范围来看，一些成熟的企业，在企业内部AIOps的采用已经成熟，AIOps市场仍处于高增长阶段。Gartner估计，全球AIOps平台市场规模每年在3亿美元至5亿美元之间。

AI在IT运营中的使用，主要解决以下问题：

AIOps平台支持跨IT运营监控（ITOM）见解

目前来看，采用AIOps平台的企业多数将它们用作监控工具，这些工具将跨应用程序性能监视（APM），IT基础结构监视（ITIM），网络性能监视和诊断工具以及数字体验监视进行关联。

总体来说，使用AIOps平台来增强IT功能（例如事件关联和分析，异常检测，根本原因分析和自然语言处理）正在迅速增长。但是，将AIOps应用于ITSM和DevOps等功能的步伐较慢。

而且距离AIOps真正实现自动化的闭环过程，或者称之为“自动驾驶的ITOM”的真正实现还有一段距离。

原因一是技术尚未完全成熟，二是因为很多I＆O人员通常不希望将动作完全留给机器，至少需要验证步骤才能触发自动化，所以缺乏信任是阻止自动操作常见用法的主要障碍之一。该技术高级部署面临的其他新挑战包括数据质量和I＆O内部缺乏数据科学技能。

AIOps具体如何落地？目前，AIOps平台产品已分为两种方法：与领域无关的解决方案和以领域为中心的解决方案。Gartner预计，在未来五年中，与域无关的广域AIOps平台和以域为中心的窄域AIOps工具（如ITIM，APM或ITSM套件）将成为交付AIOps功能的两条途径。

AIOps在中国发展现状

Gartner观察到，在中国，对AIOps的兴趣与日俱增。2018年，中国监控工具市场-IT基础架构监控（ITIM），应用程序性能监控（APM），网络性能监控和诊断（NPMD），AIOps等达到3.37亿美元。现在，它以每年约16％的速度增长。

中国的IT运营面临以下挑战：

· I＆O技能集中在传统技术堆栈上，以支持现有的数据中心操作，因此私有云非常流行。但是，企业缺乏内部分布式云系统管理技能。中国的I＆O组织的层次结构和根深蒂固的流程通过优先考虑内部流程而不是以服务为中心的方法来解决这个问题。

· 中国企业缺乏标准的运营平台。许多服务器具有完整的监视功能，包括网络性能监视（NPM），APM和ITOM。大多数操作平台都是作为事件驱动模型构建的，用于系统监视。很少有公司拥有知识管理系统来改善操作。

· 数字业务转型正在推动企业提高运营能力，尤其是在电子商务或与Web相关的解决方案方面。

· 合并现有的监视孤岛。企业有许多监视平台，但是它们是孤立的。他们希望使用AIOps工具通过分布式系统来支持和利用APM功能来支持新平台操作（例如私有云）。

· 提高监控能力。许多企业计划通过使用AIOps加强数据分析和监视功能来改进监视工具，例如APM。

· 推动市场采用。AIOps是中国市场的热门话题。一些I＆O团队希望利用AIOps来证明其在运营中的价值，但缺乏扎实的理由或明确的实施范围。

听云在这些挑战中卓有成就。在业务运维方面，听云构建了一个以业务驱动、用户体验驱动的智能化监控分析平台，实现一体化监控，帮助提升业务运维能力。还可以实现智能告警，从海量告警信息中找出规律，并可视化展示，提升运维效率，从而提高用户体验。

到2022年，随着AI解决方案变得更加成熟和整合，目前中国一半以上的人工智能（AI）初创公司将退出市场，因此只有少数参与者会在不同的AI产品市场领域处于领先地位。

如何采用AIOps来提高监测能力

在中国，许多供应商提供了广泛的AIOps功能。

比如强大的APM背景的公司。这些公司可以利用他们的应用程序监视见解来构建AIOps产品。这些产品的优势在于Web规模的应用程序，它适合于为数字业务建立新的渠道。此类别的供应商包括Tingyun。

听云提供成熟的智能业务运维解决方案，通过AIOps和DEM的有效结合，准确度量和洞察真实用户体验及IT异常事件对业务的影响，数字化展现关键业务指标的实时变化，搭建以业务运维为出发点的智能分析平台。

★应用场景

★ 核心价值

最后，AIOps不会取代监视工具。相反，它将提供增强的分析和更多面向操作的数据。以领域为中心的监视工具将继续为专家提供其领域的数据捕获，分析和可视化。但是，他们会将数据流转发到AIOps平台，充当一个平台，将数据集中到一个单一，连贯的跨域分析中。

在接下来的两到三年中，成功的AIOps用例将是基于方案的解决方案，而不是复杂的，一刀切的解决方案。