1、英文名 / 缩写：
Artificial Intelligence for IT Operations（缩写 AIOps），别名：智能运维、AIOps、AI 运维
2、标准定义：
AIOps（Artificial Intelligence for IT Operations，智能运维）是将人工智能与机器学习技术应用于 IT 运维领域的方法论与平台体系，通过对日志、指标、链路等海量运维数据的智能分析，实现异常检测、根因定位、容量预测和故障自愈。其目标是让运维从被动响应转向主动预防，显著提升系统可用性与稳定性。AIOps 是 AI 在企业 IT 场景落地的核心方向之一，与可观测性、SRE、MLOps 机器学习运维 等实践深度融合。
3、核心信息卡：
· 中文名：智能运维
· 英文名：Artificial Intelligence for IT Operations
· 缩写：AIOps
· 别名：智能运维、AIOps、AI 运维
· 提出者：概念：Gartner（2016）；生态：Elastic、Datadog、Dynatrace、Splunk、PagerDuty；中文厂商：华为、阿里、腾讯、听云、字节跳动
· 提出时间：2016 年（Gartner 正式提出 AIOps 概念）；2019-2022 年（走向根因分析与容量预测）；2023-2025 年（LLM Copilot 与大模型运维）
· 所属类别：IT 运维 > 智能化 > 运维工程
· 核心技术：时序异常检测、根因分析、告警收敛、日志聚类、知识图谱、运维 Copilot（LLM）、机器学习
· 主要应用：异常检测、根因定位、容量预测、告警降噪、智能客服、运维知识库、故障自愈
4、工作原理：
1. 数据采集与治理：汇聚日志、Metrics、Trace 等可观测性数据，构建统一数据底座（OpenTelemetry、Prometheus）→ 2. 异常检测：用时序模型（Prophet、深度学习）自动识别异常指标、错误率与延迟尖峰 → 3. 告警收敛与降噪：用聚类、关联分析把海量告警合并为可处置事件，减少告警风暴 → 4. 根因分析（RCA）：基于服务依赖图谱、日志模式匹配与时序因果推断定位故障根因 → 5. 容量预测与优化：用回归与时序模型预测资源使用趋势，提前扩容或调度 → 6. 智能交互与自愈：通过运维 Copilot（大模型 + RAG）实现自然语言运维查询，部分场景进入故障自愈
5、发展历程：
· 2016 年：Gartner 在报告《AIOps Platforms》中正式提出 AIOps 概念，初期聚焦异常检测与告警收敛
· 2017-2019 年：商业 AIOps 平台（Moogsoft、Splunk IT Service Intelligence 等）兴起，深度学习进入日志聚类与异常检测
· 2020-2022 年：根因分析（RCA）从单服务走向跨服务，融合服务依赖图谱与因果推断
· 2023 年：大模型兴起，AIOps 探索对话式运维、自然语言查询与运维 Copilot（ChatOps）
· 2024-2025 年：AIOps 与 Observability · 可观测性、SRE 站点可靠性工程 深度融合；运维 Copilot 在金融、电信等行业大规模落地；与 MLOps 机器学习运维 协同构建 AI 工程化闭环
6、主要类型 / 分类：
· 按能力域：异常检测、告警收敛、根因分析、容量预测、故障自愈、运维 Copilot
· 按数据模态：指标 AIOps（Metrics）vs 日志 AIOps（Logs）vs 链路 AIOps（Traces）
· 按算法范式：传统机器学习（统计、聚类）vs 深度学习（时序、LLM）vs 因果推断（Do-Calculus）
· 按平台形态：商业平台（Datadog、Dynatrace）、开源平台（Elastic、Prometheus）、自研平台、运维 Copilot
· 按集成层次：监控告警层、变更与发布层、事件响应层、运维知识库与对话层
7、应用场景：
· 金融与电信核心系统：7×24 小时异常检测与根因定位，缩短 MTTR（平均修复时间）
· 互联网与电商大促：大促期间实时容量预测、自动扩容与告警降噪
· 云原生与微服务：在 Kubernetes容器编排 环境中做服务依赖分析与故障定位
· 运维 Copilot 与对话式运维：用大模型 + RAG · 检索增强生成 让工程师用自然语言查询监控、查询日志、生成 Runbook
· 故障自愈：识别已知故障模式后自动触发预案（重启、扩容、流量切换）
· SRE 实践落地：在 SLO 服务等级目标 框架下用 AIOps 自动评估服务可靠性与错误预算消耗
8、优缺点 / 局限性：
优点：缩短 MTTR：根因分析与告警收敛显著降低故障定位时间；降低运维成本：自动化异常检测与告警降噪节省人力成本；提升系统可用性：从被动响应走向主动预防与故障自愈；释放工程师精力：把重复性排查交给 AI，让工程师聚焦高价值工作
缺点：数据治理门槛高：日志/指标/链路数据标准化是落地前提；黑盒与误报风险：复杂模型可能误报或漏报，影响值班判断；跨团队协同难：AIOps 涉及运维、SRE、数据、AI 多团队协同；运维 Copilot 安全风险：LLM 在运维场景的提示词注入 会转化为删库、数据外发等真实风险
9、常见误区：
· AIOps = 智能告警（错：AIOps 覆盖异常检测、根因、容量预测、自愈等完整链路）
· AIOps 等于可观测性（错！）（错：Observability · 可观测性 是数据基础设施，AIOps 是数据之上的智能应用）
· AIOps 会取代运维工程师（错：AIOps 替代的是重复性排查，最终决策仍依赖工程师）
· AIOps 接上就能见效（错：需要成熟的 MLOps 机器学习运维 流程与数据治理支撑）
10、相关术语：
父概念：机器学习 Machine Learning、IT 运维
子概念：MLOps 机器学习运维、Observability · 可观测性、SRE 站点可靠性工程、运维 Copilot
兄弟概念：DevOps · 开发运维一体化、MLOps 机器学习运维、SRE 站点可靠性工程
对比概念：传统监控（Zabbix、Nagios）、Observability · 可观测性、DevOps · 开发运维一体化
应用相关：OpenTelemetry、Prometheus、RAG · 检索增强生成、AI智能体 AI Agent、MLOps 机器学习运维
11、参考资料：
· 来源：Gartner《Market Guide for AIOps Platforms》（2016 提出概念）
· 来源：Gartner《AIOps Platforms》报告
· 来源：Datadog / Dynatrace 官方 AIOps 文档
· 来源：Elastic Observability + AIOps 文档
· 来源：中国信通院《智能运维白皮书》
