近日,全球权威的技术研究和分析公司Gartner发布了《2021年中国ICT技术成熟度曲线报告(Hype Cycle for ICT in China,2021)》。博睿数据凭借自身强大的APM技术领导力和大数据分析/人工智能实力,入选了AIOps Sample Vendor(代表厂商)。
Gartner每年都会发布关于中国ICT市场的Hype Cycle报告,涵盖20项新兴技术和颠覆性技术和实践。报告对于身处中国数字经济浪潮中的信息技术领导者而言,是抓住前瞻性技术,创新数字化业务能力,改善数字化营收,保持可持续竞争力的重要参考。

近年来,国内企业数字化转型的不断深入推动了AIOps市场的快速发展。Gartner指出,AIOps的持续发展推动了IT运营管理市场(ITOM)的增长,2020年全球AIOps市场规模在9亿美元至15亿美元之间,2020年至2025年的年复合年增长率约为15%。
2021年的Hype Cycle报告重点关注数字化和智能化相关的技术。在AIOps平台技术方面,Gartner指出AIOps平台技术增强了IT实践,包括I&O、DevOps、SRE和IT服务管理。更为集中的成果在I&O领域,包括异常检测、诊断信息、事件关联和根本原因分析(RCA),以改进监控、服务管理和自动化任务。
在市场驱动力方面,Gartner认为AIOps平台功能日益增长的需求由自动化更多IT操作功能的需求所推动,以增强其灵活性,用户对AIOps平台的采用率将继续上升。
Gartner具体分析AIOps市场采用率上升的因素时,提及以下几方面:
第一,由于越来越多的业务运营数字化,分析不断增长的数据量变得更加关键,由于数据量达到或超过每分钟数千兆字节,企业已经无法手动分析和处理数据。
第二,伴随着中国企业数字化转型的步伐加快,企业必须更加积极主动应对问题的发生,而不是事后处理。必须利用AIOps等监控技术,在潜在问题影响用户体验之前解决处理。
第三,中国企业已经开始采用AIOps平台,与一些传统的监控工具类别进行竞争和替代。例如,在AIOps平台内完成监控IaaS和实现可观察性,尤其是当企业将IT基础设施迁移入云之后。
第四,中国企业正在扩大在ITOM的各个方面增加对AIOps的使用,并在DevOps和SRE实践中完善使用场景。
同时,在采纳AIOps策略时,Gartner分析师的是:中国企业首先需要识别当前在ITOM方面的不足,制定企业的AIOps战略,通过增加功能来提高采用AIOps成功的可能性;其次,从取代基于规则的事件分析开始,扩展到以服务为中心的工作流,如应用程序和网络诊断;还有,通过选择支持与IT服务管理(ITSM)工具双向集成的AIOps平台,实现任务自动化、知识管理和变更分析;最后,通过支持AIOps平台的观察、参与和行动,实现对ITOM的持续洞察。
多年来,博睿数据依托完整的IT运维监控能力,利用大数据和机器学习技术持续构建先进的智能运维监控能力,先后推出了搭载了AI能力的新一代APM产品Server7.0和统一智能运维大数据平台Dataview,不断落地智能异常检测、根因分析、故障预测等场景。基于人工智能的能力实现运维监控场景的信息整合、特征关联和业务洞察,帮助企业确保数字化业务平稳运行,并保障良好的数字化体验。

2021年,博睿数据在国内首次提出了“服务可达的数据链DNA”的全新技术理念,数据链DNA可以打通从代码到用户(Code to Customer)访问的全过程,全链路的探知路径、性能和服务品质,形成了一种创新的运维管理模型,帮助企业不断提升用户体验,实现从“应用可用”到“服务可达”的跨越式进阶。
数据链DNA理念的提出和落地,将进一步释放企业IT运维监控管理所有分支领域DEM、APM、ITIM、NPM和智能运维管理的能力。目前博睿数据的产品和解决方案已广泛应用于互联网、金融、智能制造、航空、电信运营商、电子商务等多个领域。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。