2026年09月21日

【AIOps落地】

Straits Research最新数据显示，2025年全球AI IT运营平台市场规模为69.4亿美元，2026年预计达到81.3亿美元，同比增长约17%。中国市场增速高于全球平均水平，信创合规正从加分项变为必选项，加速了国内AIOps市场的增长。Gartner在2026年6月发布的《基础设施与运营技术成熟度曲线》中，将事件智能解决方案列入启蒙上升期，标志着该技术正从早期采用走向主流部署阶段。行业普遍预计2026年全球AIOps市场将突破110亿美元关口。

然而市场数字背后隐藏着一个核心问题，即AIOps落地比大部分人预想的要难得多。多数AIOps项目并非失败于算法精度，而是失败于算法接入之前。遥测口径、依赖关系和执行护栏这三项基础工作未完成时，模型的输出难以被值班人员采信，项目随即停在试点阶段。工程上可以观察到三类典型停滞形态，分别是数据地基空洞、冷启动信任崩塌和自动化反噬，三者的共性是都不属于算法本身的问题，而是工程和流程层面的缺失。

数据地基空洞表现为告警已聚合但结论不可解释，根因是拓扑与依赖关系缺失，解决方案是先补齐CMDB或依赖映射。冷启动信任崩塌发生在上线首月，由于基线期不足导致误报高于原有规则，系统被人工关闭。自动化反噬则是一次自动动作引发次生故障，原因是护栏与回滚路径未定义。因此正确的实施顺序应当是先治理数据、再引入模型、最后开放动作，这个顺序不能颠倒。

在告警降噪领域，关键技术是区分减少告警数量与减少信息损失。依靠提高阈值或延长抑制窗口来降噪本质是丢弃信息，会把首发症状一并压掉。可靠的降噪应按三层推进，第一层是重复与抖动抑制，处理同一对象短时间内的同质告警。第二层是上下文聚合，基于时间窗口和拓扑依赖将同源告警合并为携带上下文的问题。第三层是依赖剪枝，识别故障传播链上的下游告警并保留根节点候选。判定降噪是否成功的标准不是告警减少了多少，而是压缩后能否还原故障传播链。

根因分析的核心差异在于关联与因果的区别。关联回答哪些告警同时发生，因果回答哪个节点先出问题并引发其余。工程差别在于是否引入拓扑方向和时序约束。仅按时间窗口聚类只能得到共现组，由此选出的根因往往是告警量最大的节点而非真正的源头。一条可落地的推断链条包含四步，即异常检测识别偏离基线的项、按时间窗口与资产属性聚类、沿依赖关系回溯推演传播路径、输出带置信度的候选排序。实践中常被低估的前提是依赖关系的完整度，存在缺口时传播路径会在缺口处断裂。

在中国市场，信创适配成为AIOps落地的特殊挑战。选型时不能只看已适配的清单，要问清楚正在使用的具体CPU和操作系统版本是否已完成适配验证。部分厂商的适配清单里列了支持鲲鹏，但实际验证过的版本可能只有一两个，项目实施阶段可能遇到意想不到的兼容性问题。功能再强但跑不起来就是零，这是多个项目延期后的惨痛教训。从实施路径来看，建议企业分四个阶段推进。第一阶段约3至6个月统一数据采集和存储。第二阶段约2至3个月做好告警治理。第三阶段约3至6个月引入根因定位能力。第四阶段持续迭代实现预测性运维。AI不会取代运维人员，但会使用AI的运维人员将取代不会使用AI的同行。

来源：搜狐科技  查看原文

扫码关注金支点公众号，获取每日行业报告