调查背景介绍
围绕软件研发运营生命周期，聚焦运维目标、组织、团队管理以及服务和工具能力，结合稳定性、高效能、精细化、安全运维4大工程实践，构建稳定、高效、精细、安全的大运维体系。系统技术更迭快、架构复杂，需要通过各类保障手段最大限度确保系统稳定性。
AIOps能力成熟度系列标准
- 标准内容：《研发运营一体化（DevOps）能力成熟度模型》、《云计算智能化运维（AIOps）能力成熟度模型》、《企业IT运维发展白皮书》、《中国AIOps现状调查报告（2022）》等。
- 能力成熟度级别划分：从感知、分析、决策、执行、知识更新五个维度进行级别划分。
- 标准评估：2023年4月，中国工商银行云原生智能运维建设项目首批通过AIOps通用能力要求评估；截至2023年10月，共有18家企业33个项目通过AIOps系统和工具评估。
调查样本分布情况
- 调查方法：在线问卷调查，共收集到有效问卷2320份。
- 调查目的：梳理中国AIOps产业发展脉络，帮助企业了解智能运维发展现状，促进智能运维领域技术与应用的有效落地。
AIOps能力建设基本情况
- 成本投入与关注方向：2023年超半数企业在智能运维方面投入资金有所增加，业务可观测性和SRE可靠性实践是当前重点关注方向，关注度较往年提升超过20%。
- 智能运维能力建设与场景应用：智能运维在质量、成本、效率、安全四大运维领域均已开展部署和应用，其中质量和效率领域仍然是企业关注度最高的应用方向。半数以上的受访者自评企业目前智能运维处于辅助智能化和进阶智能化阶段。
- 搭建智能运维平台/工具的方式：通过采购第三方解决方案并组建团队进行联合开发的方式，快速构建智能运维能力，成为多数企业目前建设AIOps能力的主要方式。
- 生成式预训练模型使用情况：多数企业对生成式预训练模型暂时处于研究和了解中，少量企业已开始实践。
AIOps场景应用情况及未来趋势
- 可观测能力建设：
- 适用场景：根因分析、链路追踪、事件分析等多类数据分析定位场景。
- 必要性：超六成受访者认为可观测性数据的融合和关联是非常有必要的。
- 建设所需条件：优先需要统一的数据采集、存储、分析和展示平台以及对多维度数据的关联分析能力。
- 实践场景：故障排查、基础资源监控、应用性能监控。
- 智能运维发展趋势与挑战：
- 挑战：企业通过结合生成式AI、LLM等新技术探索业务应用场景、建设可观测性能力、进一步提升运维效率的同时不断优化现有场景能力将是未来发展趋势。
- 困难：企业在使用生成式AI技术时需要权衡利弊，综合考虑自建生成式AI能力的投入成本和技术挑战，适时选择合适的第三方服务提供商。
- 新技术在运维场景的应用趋势：
- 应用场景：故障根源分析、增强IT智能客服场景能力。
- 面临的挑战：信息安全风险、学习成本、可解释性、应用效果、资源投入。
智能化软件开发与IT运维大模型OpsGPT
- 智能化软件开发：利用人工智能技术和机器学习算法来提高软件开发的效率和质量，包括自动化测试、自动化部署、自动化代码生成、自动化代码审查等方面。
- IT运维大模型OpsGPT：基于自然语言处理技术的运维智能化解决方案，可以帮助运维人员更快速、准确地诊断和解决问题，提高运维效率和质量。
- GPT赋能AIOps：全面提升分析、决策、处置能力，包括智能客服、日志分析、故障诊断与故障自愈。
FinOps标准体系与生态
- IT资源成本治理FinOps标准体系：《IT基础设施资源运营能力成熟度模型》。
- FinOps产业推进方阵：旨在云财务运营领域开展标准制定和解决方案输出工作。
- 2023年中国FinOps产业现状调查：旨在总结、推广企业构建IT资源成本运营管理能力的优秀实践经验，促进业内交流，推动FinOps实践有效落地。
