【Agent运维】

2026年9月18日华为全联接大会上，科大讯飞联合华为iMaster CCAE正式发布火眼Agent智能运维解决方案。该方案依托讯飞星火大模型能力与CCAE运维底座，构建软硬协同、能力互补的智算集群AI运维新范式，有效解决万卡级超大集群故障频发、根因定位难、运维人力承压等行业痛点。

随着大模型参数规模持续扩容、Agent应用与超长上下文业务快速普及，智算集群正从万卡规模加速向十万卡规模演进。集群量级跃升带来算力增长的同时，故障频次呈指数级上升，软硬件架构愈发复杂，传统人工运维和固定规则排查模式已无法匹配高速迭代的AI业务需求。

火眼Agent依托CCAE标准化Skill开放能力，轻量化集成集群健康检查、光链路分析、作业劣化诊断、跨栈故障分析等底层能力，结合讯飞星火大模型用户态场景诊断优势，形成软硬件双向互补的联合运维体系，大幅降低对接成本并提升场景适配灵活性。

目前火眼Agent已在科大讯飞超大智算集群实现规模化落地，累计纳管超过8000 PFLOPS算力规模，成功识别并处置80多起关键集群故障。方案将传统天级和小时级的故障排查压缩至分钟级，整体诊断准确率达86%，硬件类和资源占用类故障准确率超过90%。

在真实1024卡大规模训练任务故障案例验证中，火眼Agent可在十余分钟内完成异常感知、多维度联合分析、根因定位与处置建议输出，高效保障大模型长周期稳定训练，实现集群运维从被动响应向主动预判和智能自治转型。

来源：极客网