三期同輝，收官閃耀！基調(diào)聽云協(xié)辦的“智能觀測進化論”第三期沙龍精彩回顧
2025年開年以來，國產(chǎn)Al DeepSeek、Manus在中國、美國的科技圈受到廣泛關(guān)注，成為大模型行業(yè)的“黑馬”，DeepSeek 憑借其獨特的技術(shù)架構(gòu)和低成本訓(xùn)練方案迅速成為行業(yè)焦點，全球主流的技術(shù)公司紛紛接入DeepSeek模型，這不僅改變了AI大模型的研發(fā)格局，也在加速可觀測性技術(shù)向更加智能的形態(tài)演進。
在此背景下，由中國信通院穩(wěn)定性保障實驗室主辦、基調(diào)聽云協(xié)辦的“智能觀測進化論”系列沙龍拉開帷幕，邀請行業(yè)資深專家和相關(guān)技術(shù)負責(zé)人就智能可觀測性領(lǐng)域的實踐經(jīng)驗、發(fā)展趨勢、痛點問題進行分享討論，引發(fā)業(yè)內(nèi)廣泛關(guān)注。
01 前情回顧
“智能觀測進化論”首期于2月28日成功召開，來自中國信通院、基調(diào)聽云、華為云、科來網(wǎng)絡(luò)的專家進行了分享，基調(diào)聽云 AI 負責(zé)人韋遠奎分享了《聽云AI落地實踐-Text2NBQL》。上千人線上觀看直播。
（詳情鏈接：
https://mp.weixin.qq.com/s?__biz=MzA5NTkwMzkwNQ==&mid=2650446908&idx=1&sn=e2dc19c36c2761efa0b625330abb5391&chksm=89a4924679b19cd3ffc03c754db11b86fd022c23b39437b349c757b66b078d63eb3b45b70f4e&mpshare=1&scene=1&srcid=0305RyViHOY9RFPmjdZx4L1A&sharer_shareinfo=2c9ddca6f7d00af393472952872906c7&sharer_shareinfo_first=359bb08d5d37a9b66e793950dfa3a27c&version=4.1.6.70203&platform=mac#rd）
“智能觀測進化論”第二期于3月7日召開，來自字節(jié)跳動、咪咕視訊、移動云的專家進行了分享，基調(diào)聽云 AI 負責(zé)人韋遠奎在圓桌環(huán)節(jié)與各位與會專家展開深入探討，發(fā)表聽云觀點。
（詳情鏈接：
https://mp.weixin.qq.com/s?__biz=MzA5NTkwMzkwNQ==&mid=2650446958&idx=1&sn=49070dd853fad0c550b281f18f9667b3&chksm=897ecb4308bf0619b90a4c0d0e71b4f5a20a8f8e08c17ff04067ecd9fa578447bf8d36f27189&mpshare=1&scene=1&srcid=0312atarzdldZmHMKD06CPTd&sharer_shareinfo=25258010df80d8a45053e61a1d06b1d6&sharer_shareinfo_first=834887e9b8d43a4a9c549086b63b662a&version=4.1.6.70203&platform=mac#rd）
02 第三期精彩演講
3月28日，“智能觀測進化論”第三期順利召開，來自中國信通院、基調(diào)聽云、阿里云、杭州數(shù)列、浪潮通信的可觀測專家進行了分享，基調(diào)聽云 AI 負責(zé)人韋遠奎發(fā)表了《Al Agent 賦能智能運維》主題演講，下面，就讓我們一起來回顧會議精彩內(nèi)容！
中國信通院云大所云計算部 劉坤 發(fā)表了《中國信通院可觀測性標準體系及相關(guān)工作介紹》主題演講。介紹了中國信通院在可觀測性領(lǐng)域的標準體系和研究路徑，分析了成功立項的行業(yè)標準《云計算系統(tǒng)智能化可觀測性能力成熟度模型》標準內(nèi)涵，以及2025年中國信通院即將開展的可觀測案例征集等工作的相關(guān)規(guī)劃。
基調(diào)聽云AI負責(zé)人 韋遠奎 發(fā)表了《Al Agent 賦能智能運維》主題演講。他聚焦大模型與智能運維的深度融合，系統(tǒng)解讀大模型在智能運維場景中的實踐路徑，包括智能助手、異常檢測、告警降噪、根因分析等應(yīng)用。觀眾將深入了解如何構(gòu)建大模型驅(qū)動的智能運維平臺，掌握自主動態(tài)規(guī)劃和多智能體協(xié)作等關(guān)鍵能力，共同探索以大模型技術(shù)推動運維智能化升級，助力企業(yè)數(shù)字化轉(zhuǎn)型的全面加速。
阿里云可觀測高級產(chǎn)品專家 曹劍 發(fā)表了《面向 LLM 應(yīng)用的端到端可觀測體系探索與實踐》主題演講。阿里云可觀測團隊的產(chǎn)品經(jīng)理曹劍分享了關(guān)于大模型應(yīng)用端到端的可觀測解決方案，旨在解決AI應(yīng)用中的性能、可用性、質(zhì)量和成本問題。主要內(nèi)容包括全棧監(jiān)控與全鏈路診斷，以提高推理速度和GPU利用率，并確保模型輸出準確合規(guī)。通過Python Agent實現(xiàn)自動化數(shù)據(jù)采集，支持多種AI框架，提供代碼級剖析能力，幫助快速定位問題。此外，還介紹了如何利用獨立的大模型評估輸入輸出的質(zhì)量和安全性，以及對token消耗進行多維度分析來控制成本。整體方案覆蓋了從基礎(chǔ)設(shè)施到應(yīng)用層的全面監(jiān)控和診斷能力，增強了AI服務(wù)的穩(wěn)定性和效率。
杭州數(shù)列網(wǎng)絡(luò)科技有限責(zé)任公司聯(lián)合創(chuàng)始人 楊德華 發(fā)表了《基于AI Agent的分布式系統(tǒng)性能容量風(fēng)險發(fā)現(xiàn)、原因診斷和優(yōu)化實踐》主題演講。演講探討了基于AI Agent的分布式系統(tǒng)性能容量風(fēng)險發(fā)現(xiàn)、原因診斷和優(yōu)化建議的實踐。隨著分布式系統(tǒng)的復(fù)雜性和多變性增加，傳統(tǒng)的性能監(jiān)控和優(yōu)化方法面臨反饋周期過長、難以精準定位問題等挑戰(zhàn)。為此從業(yè)務(wù)場景切入，利用AI Agent實時收集和分析系統(tǒng)數(shù)據(jù)，快速識別風(fēng)險點，并通過智能算法進行原因診斷，最終給出優(yōu)化建議，并結(jié)合了實際應(yīng)用場景案例，展示企業(yè)在引入AI Agent后，如何顯著縮短問題診斷時間并提升系統(tǒng)性能。
浪潮通信算力運維可觀測平臺產(chǎn)品經(jīng)理 金鑫 發(fā)表了《基于可觀測運維平臺的能力使用與AI輔助根因定位》主題演講。闡述了浪潮在可觀測運維領(lǐng)域的成果，討論如何將傳統(tǒng)的技術(shù)運維轉(zhuǎn)變成業(yè)務(wù)運維，從業(yè)務(wù)的視角來看待當前存在系統(tǒng)問題，以及如何基于現(xiàn)有運維指標，實現(xiàn)基于算法和專家規(guī)則經(jīng)驗進行故障根因定位。
03第三期圓桌觀點
【觀點總結(jié)】
觀點1：在過去，國內(nèi)外廠商差距較大，國外廠商在傳統(tǒng)的智能可觀測技術(shù)方面積累比較深厚，如專家經(jīng)驗、知識庫等，但是大模型帶來了一些顛覆性的變革，當基模的能力越來越強，專家知識庫的積累似乎不那么重要了，在新的游戲規(guī)則下，國內(nèi)外都處于探索階段。
觀點2：需要先設(shè)計個評價的標準來衡量差距，比如從企業(yè)估值或市值方面來看，國內(nèi)外差距是比較大的，但這個跟國內(nèi)的商業(yè)歷史有關(guān)，因此很難比較；從相關(guān)上市公司的數(shù)量看，國內(nèi)外差距也比較大?；蛟S我們可以使用“企業(yè)在智能可觀測方面一天有效使用的token數(shù)”來評價其水平。
觀點3：國內(nèi)外沒有太大的差距。國內(nèi)的各類2C業(yè)務(wù)系統(tǒng)和APP的用戶體量不輸國外，且這些系統(tǒng)沒有出現(xiàn)過太多的問題，這可以說明我們的應(yīng)用系統(tǒng)建設(shè)足夠優(yōu)秀，我們的運維能力/可觀測能力是不輸國外的。另一方面，對比智能可觀測能力要落到具體的場景和環(huán)境上，不同的運維對象所需要的能力不一樣，硬搬一套系統(tǒng)去落實效果不一定好，要考慮運維對象的適配問題。
觀點4：國外在智能化方面體系存在先發(fā)優(yōu)勢，但國內(nèi)的基模也在快速的發(fā)展，在部分方向?qū)崿F(xiàn)了領(lǐng)先，在智能化可觀測領(lǐng)域，一兩年之后國內(nèi)外水平會差不多。
【觀點總結(jié)】
觀點1：引入運維工具會給運維人員帶來額外的工作量，因此可以考慮多使用自動化、智能化手段簡化用戶學(xué)習(xí)和操作成本。
觀點2：運維工具對于其創(chuàng)造者是很好落地的，但是創(chuàng)造者所設(shè)想的場景和客戶實際的場景可能存在差異，因此在把運維工具推到客戶側(cè)的生產(chǎn)系統(tǒng)時，會遇到一系列卡點，要符合客戶側(cè)一系列規(guī)章制度的同時，還需要向客戶的各個角色證明其價值和收益，因此必須在設(shè)計開發(fā)階段就好好琢磨用戶實際生產(chǎn)中的落地難點。
觀點3：運維工具對于用戶的上手門檻是一個最難的點。一些運維工具設(shè)計比較復(fù)雜，有些用戶企業(yè)由于技術(shù)棧比較封閉，運維人員不能熟練地使用運維工具導(dǎo)致其價值大打折扣。
觀點4：從數(shù)據(jù)方面來說，在發(fā)生故障排查問題時，要想發(fā)揮運維工具的價值，就需要全部的服務(wù)和組件接入工具，盡量不能存在數(shù)據(jù)斷點和缺失，一環(huán)數(shù)據(jù)缺失就可能導(dǎo)致運維工具在這次故障排查中作廢，因此要統(tǒng)一數(shù)據(jù)接入、統(tǒng)一查詢、統(tǒng)一關(guān)聯(lián)、統(tǒng)一分析。
【觀點總結(jié)】
觀點1：可觀測這個生意就像造牛仔褲的生意一樣。任何一個時代都有掘金者，掘金者都需要牛仔褲，都需要相應(yīng)的工具支持和配套，可觀測APM魔力象限的玩家這么多年幾乎完全更替了一輪，微服務(wù)、云原生等每一次變革都帶來了行業(yè)新一輪洗牌，推理應(yīng)用出現(xiàn)之后，我們需要立刻思考怎么做它的觀測，怎么保障它的可用性。
觀點2：可觀測會從傳統(tǒng)的以資源、應(yīng)用性能為中心的方式向數(shù)據(jù)安全、可解釋性、端到端全鏈路追蹤的方式轉(zhuǎn)變。
觀點3：最直觀的是在交互形式上變化，用戶可以直接從對話框輸入問題來進行交互和分析問題。
【觀點總結(jié)】
觀點1：從業(yè)務(wù)角度來說，AI無法完全代替人，但AI的融入是必然，我們需要有AI意識。
觀點2：人要做價值的導(dǎo)向者、創(chuàng)新的推動者、AI的監(jiān)督者，人需要提高使用AI的能力和批判性思維的能力。
觀點3：與AI合作，如同人類開車一樣，在具體場景中，人要設(shè)定好一個目標，并把控AI向著目標前進，同時人要為AI做出的選擇和動作承擔(dān)責(zé)任。
觀點4：這個問題落到運維領(lǐng)域來說，AI最終會將運維人員武裝成007電影中的Q博士，每個人都會成為超級開發(fā)者和運維者。
當下，數(shù)字技術(shù)的浪潮奔涌不息，行業(yè)發(fā)展瞬息萬變，作為可觀測性與應(yīng)用安全領(lǐng)域的領(lǐng)導(dǎo)者，基調(diào)聽云憑借敏銳的技術(shù)洞察力，積極擁抱前沿科技，將 AI 大模型與可觀測性技術(shù)深度融合。未來，基調(diào)聽云將充分發(fā)揮自身的技術(shù)優(yōu)勢與行業(yè)影響力，引領(lǐng)可觀測性與應(yīng)用安全行業(yè)邁向新的高度，為客戶的業(yè)務(wù)穩(wěn)定運行提供堅實保障，共創(chuàng)行業(yè)發(fā)展的美好未來。
