AIOps发展新趋势

过去一年，大模型技术的快速发展让 AIOps 再次成为行业关注的热点，同时也伴随着新一轮市场预期和技术应用探索。大量产品演示、概念验证和应用实践不断涌现。

然而，AIOps 最大的问题，从来不是缺少一个“大脑”，而是很多企业甚至没有建立完整的“感知系统”。对于真正参与网络运维场景落地的从业者而言，大模型能力的提升并不意味着智能运维问题已经迎刃而解。

大模型可以成为 AIOps 体系中的“智能大脑”，帮助运维人员提升信息分析效率、降低知识获取成本，并辅助完成复杂问题的分析与判断。但大模型并不是完整的智能运维体系本身。正如人类大脑需要依赖视觉、听觉和触觉获取外部信息一样，大模型同样需要来自真实网络环境的“视觉、听觉和触觉”，也就是完善的网络状态感知、数据关联分析以及自动化执行能力，才能真正发挥智能价值。

因此，未来 AIOps 的核心竞争力不仅取决于模型能力本身，更取决于是否具备支撑智能化应用落地的基础能力。

在当前阶段，大模型已经能够在多个运维场景中展现出较高的应用价值，例如：

• 将设备日志输入大模型，由模型分析日志含义、异常特征以及可能原因，为故障定位提供辅助参考；
• 通过大模型辅助编写设备信息采集脚本，在较短时间内生成 Python 等语言实现的采集程序，提高自动化开发效率；
• 对采集后的设备配置进行 AI 解析和说明，相比传统查阅操作手册的方式，提高配置理解和知识获取效率；
• 将多台设备的配置、日志等信息输入模型，由模型辅助分析网络故障原因，其分析过程能够覆盖大量基于经验总结的排障思路。

这些能力表明，AI 技术正在逐步改变运维工作的方式，也让智能运维向更高阶段演进。然而，即使大模型能够较好地完成上述辅助分析任务，是否意味着 AIOps 已经能够全面解决网络运维人员在日常值守、故障抢修、复杂问题定位等场景中的核心挑战，仍然需要理性看待。

智能运维体系的建设，不能仅依赖大模型能力，而需要通过工程化方式构建完整闭环。缺少真实网络环境感知能力的大模型，容易受到输入信息完整性、上下文关联能力等因素限制，并可能产生分析偏差。因此，AIOps 的落地需要建立覆盖网络状态感知、数据关联分析、自动化执行的基础能力，为 AI 应用提供可靠的数据和操作支撑。

其中：

• 感知能力来源于监控系统、设备 API、SSH 采集、Telemetry、日志采集等多种数据获取手段，实现对网络运行状态的持续采集和实时感知；
• 关联分析能力来源于网络数据模型、CMDB、拓扑关系、配置历史快照等多维度数据关联，实现对网络状态、业务影响以及故障原因的综合分析；
• 执行能力来源于预定义的自动化流程和操作能力，例如配置下发、故障应急处理、巡检任务执行等，实现从问题发现、分析判断到实际操作的闭环。

因此，AIOps 建设更适合采用场景驱动、持续迭代的发展模式，根据实际业务需求逐步完善基础能力，并通过应用效果不断优化调整。脱离实际场景、追求一次性建设“大而全”的智能运维平台，往往会受到技术成熟度、数据基础、实施成本以及投入规模等因素限制，最终难以实现预期价值。

未来，真正具备竞争力的 AIOps 体系，不仅需要先进的 AI 模型能力，更需要建立在持续积累的网络数据基础、运维知识模型以及自动化执行能力之上。

VeloNext应对之道

在实际探索过程中，我们逐步认识到，大模型技术的发展为智能运维带来了新的可能，但真正实现生产级应用，仍然需要完善的基础能力支撑，更需要构建具备网络状态感知、数据关联分析以及自动化执行能力的一体化运维平台，为 AI 大脑提供必要的“视觉”和“触觉”，形成从感知、分析到执行的完整闭环。

基于这一理念，我们打造了 NOVA 运维软件产品。我们深知，智能运维产品的发展离不开真实业务场景的验证和持续反馈。因此，NOVA 将坚持开放共建（Build in Public）的理念，围绕核心能力建设保持产品演进过程透明可追溯，并持续结合实际运维场景、用户反馈以及行业需求，优化功能设计和迭代节奏，持续打造更加贴近真实运维需求的智能运维产品。

NOVA软件已有功能

所有功能模块围绕高效运维、状态感知、关联建模的理念，为AI提供网络运维的基础能力。部分核心功能如下：

网络自动化能力

围绕减少人工操作和降低变更风险，NOVA提供：

• 设备资产统一管理
• 配置自动备份与变化检测
• 配置合规检查
• 自动化变更执行

网络状态感知能力

围绕构建网络实时认知能力：

• 网络拓扑模型
• 历史状态快照
• 日志集中分析
• 链路状态感知

网络数据底座模块

围绕网络关系建模

• IP/应用探测解析/关联建模
• 设备端口探测解析/关联建模
• 安全策略探测解析/关联建模

网络智能化模块

初步智能化场景

• 变更配置风险评估
• 变更结果智能复核
• 报文解析辅助排障

已规划or开发中需求

我们按照对运维的理解，持续迭代以下功能模块，欢迎联系我们提供你的观点和需求。

• 拓扑生成自动化
• 软件风险预警&设备升级/补丁自动化
• 网络路径自动计算
• 日志关联&智能分析
• TBD，欢迎联系沟通提出您的需求

NOVA关联项目

为了满足网络运维最终的智能化愿景，我们内部持续规划和迭代以下两个项目，将于合适的时机发布。

AIOPS(代号: X-2)

NOVA软件当前以workflow形式提供‘轻量化’的AI应用，缺乏agent能力有效应对运维的复杂场景与真实运维环境中数据信息/设备状态/外部平台的变量。

X-2为独立的AIOPS项目，实现DAG方式下的workflow与多agent集成。

AI模块解耦设计，NOVA将作为统一的网络运维整合平台，集成X-2项目或用户自行采购的其他AIOPS软件。减少智能辅助能力对主要运维事务流程的干扰。

网络仿真(代号: X-3)

NOVA软件的‘简易’仿真用于运维流程与解析适配的测试验证，缺乏对全网的模拟手段辅助自动化和智能化运维。

X-3为探索性网络仿真项目，基于状态机的网络数字孪生底座。

我们认为基于传统设备虚拟化的仿真手段，必然面临设备规模/租户要求下的物理学限制，无法对cpu/内存/磁盘/功耗等进行有效控制，因此我们将尝试基于网络协议状态机的网络仿真路线，抽象整个网络基础设施的控制面和数据面行为，移除对模拟设备镜像的底层依赖。

考虑到网络技术栈和厂商的多样性，这是一条风险较高、但值得探索的技术方向。

智能运维的发展不会一蹴而就，需要持续积累网络数据、运维知识以及自动化能力。VeloNext希望与更多网络运维从业者共同探索，从真实场景出发，持续构建面向未来的网络智能运维能力。