互联网+时代,创新方法和规则都在改变,失败者苦苦经营着门户网站,胜利者在手机上创造了生机勃勃的社区。失败者的生产车间在给别人代工,胜利者则是扎根用户一线携手创新。
在创新、创业的大潮中,IT运维似乎缺乏了“兴奋点”,但若把事件管理、故障管理、自动巡检……这些我们原本并不陌生的概念,与物联网、虚拟化、云计算、大数据等技术无缝融合,定会让人脑洞大开。
传统运维产品的痛点:不能“因地制宜”
国内的IT运维虽然起步较晚,但经过很长一段时期的市场培养,大多数用户对运维管理的价值判断、实施策略都有了新的认识。CIO已经不太容易被忽悠,稳扎稳打成为了新常态。这表现为:用户将所有的IT基础设施纳入到一个平台上,建立起IT基础设施的统一监控,并逐步结合业务实施透明化的管理。与此同时,这也锻炼出了一批不能“安分守己”的IT运维厂商,其中一个便是北塔软件。
那么,有着十多年的高速成长,在北塔BITM运维产品市场销量一片看好的情况下,这家国内IT运维的领导厂商为何没有选择安常守故,反而选择再次进化呢?这还要从用户需求改变谈起。
当前,更多的用户需要‘个性化’的运维系统,其原因在于运维场景升级或变化后,往往投入较大精力进行调试,其复杂性超出了用户的预期,导致运维效率不高。许多用户不理解,连服务器硬件配置都可以针对Web网站、核心数据库、ERP系统进行量体裁衣,为何软件不能智能调整?
对此,北塔软件表示:传统网管软件是按照既定阈 值判断来实现告警,但每个生产场景的“风险阈值”不同,这就直接导致前期需要很长一段时间进行试运行。另外,随着硬件可靠性的提升,发现的问题也是越来越 少,运维软件自动巡检后的数据无法被利用,用户积累的运维经验很难与软件融合。而利用互联网能思维研发产品的好处在于,我们能够第一时间了解这些需求,并 且与用户一起发现了问题的根源。要改变,就不能过度依赖事件管理,数据运维才是出路。“
从事件到数据,运维将完成“质变”
IT技术创新推动了企业信息化结构的调整与变化,而需求变化才是运维产品一次又一次进化的动力。那么,敢于携手用户一同设计产品的北塔软件,能用互联网思维造出来什么呢?
“以事件为核心的传统运维,侧重于对故障的定位和解决。而新一代的IT运维产品若要以数为核心,首先要满足‘大’,为此我们采用了分布式采集器,提供了高达470亿字段(业务指标)的存储能力,为数据运维提供了强大的基础支撑。以数据运维为核心指导思路可以让运维更能适应个性化的工作场景,通过智能化、自动化的手段,深入挖掘运维数据的价值,为日常运维提供更精准的决策依据和趋势分析。”
北塔软件的思路是:要敢于审视和反思自己,如果连这样的胆子都没有,就不可能去认真听取用户建议,就不可能完成产品设计上的质变。
这个思路给了设计人员更多的“想象力”。作为新一代的智能运维系统,仅仅有大数据是不够的,应具备自主学习、智能运维的强大能力。具体来讲,用 户仅需将管理对象加入到运维系统后,无需其他配置,该系统就应该具备了传统运维软件的中等运维水平。下一步,系统将能自动学习用户环境现状,根据不同行业 和不同管理等级,主动生成“正常”基准、对业务系统自动巡检,智能判定用户环境中的异常问题。这个过程是“螺旋向上”的,也就是说用户不会因为运维能力提 升了,就需要再购买新产品,这样才能算是为用户的“个性化”场景提供智慧运维。
互联网思维的产品不是简单地把传统品牌和产品在互联网上的移植,也不仅是基于互联网上的项目和产品,它要表达思路是企业“为谁创造产品”。而北 塔软件从事件运维转到数据运维的做法,正是从广大用户的诉求而来。那么,若要在互联网思维下创造产品,还剩下最后一个问题,这就是“速度”。那就让我们期 待新一代IT运维产品早日亮相,看看它能在“互联网+”时代有何作为?
好文章,需要你的鼓励
Anthropic推出首个行业定制版AI产品Claude for Financial Services,专为金融行业打造。该服务基于Claude企业版,提供更高使用限制、内置数据连接器以及提示词库。新版本预装了连接FactSet、PitchBook等金融数据提供商的MCP连接器,并包含实施支持。针对金融分析师工作负载大的特点,该服务显著提升了速率限制,同时提供提示词库帮助用户更好地构建查询。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
多年来,Cursor、Windsurf和GitHub Copilot等代码编辑工具一直是AI编程的标准。但随着代理AI能力增强,AI系统正从处理代码转向直接与系统终端交互。Anthropic、DeepMind和OpenAI都推出了命令行编程工具。终端工具采用更广阔视角,不仅关注代码,还涉及整个程序运行环境,包括DevOps任务。研究显示传统代码助手可能降低效率,而Warp等终端工具在TerminalBench基准测试中表现出色,能够自主处理开发者的非编码工作。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。