从“看得见”到“能决策”：Operation Intelligence 重构企业智能运维新范式 - 实践

在 AI 原生时代，数字世界的复杂度已远超人类直觉所能掌控。当 AI 推理在毫秒间达成千次调用，当微服务依赖链复杂如神经网络，传统监控却仍在“记录状态”：人工排查耗时数小时，业务风险后知后觉。企业需要的不再只是监控工具，而是让系统获得‘自主决策力’——从被动记录（Monitoring）到全景感知（Observability），最终演进为主动决策的新运维范式。为此，阿里云提出的 Operation Intelligence 理念，让系统具备“类人决策”能力，并以三大要素构建这一理念：

• 感知进化：突破传统监控的"素材孤岛"，构建全域感知网络，实现从终端设备到业务流程的全链路感知；

• 认知跃迁：融合大模型与算法算子，将原始数据转化为可解释的关系图谱；

• 行动闭环：通过大模型与算法驱动自动处置，实现从"人工救火"到"系统自愈"的质变。

正如控制论学派之父诺伯特·维纳（Norbert Wiener）所言："智能的本质是架构通过感知环境，并采取行动而产生的适应性反馈"。Operation Intelligence 正是通过实时感知-认知-决策的闭环，让数字系统获得类人的动态适应能力。对此，日志服务 SLS、云监控 CMS 发布全新能力，助力企业构建 Operation Intelligence 能力。

日志服务 SLS：构建 Operation Intelligence

数据基座与应用引擎

Operation Intelligence 作为驱动业务创造价值的核心引擎，这背后是对海量、异构、高噪声的运营数据（Operation Data）进行高效提炼、结构化转换与深度加工的过程——将原本分散、孤立、语义模糊的数据流，转化为可追溯、可分析、可行动的高质量内容资产。日志服务 SLS 作为可观测数据应用平台，正是支撑这一转化过程的关键基础设施。它不仅承担着数据汇聚与存储的基础职能，更通过一体化的技能架构，在数据接入、处理、建模、查询与分析等各个环节提供端到端的能力支撑，帮助企业完成从原始数据到智能决策的价值闭环。

千亿级数据秒级分析背后：SLS 的存储、计算与语义建模三位一体架构

日志服务 SLS 构建了专为超大规模异构数据设计的高性能存储引擎，原生支持时序素材、列式存储与向量化计算，建立千亿级日志与指标的高密度压缩与秒级检索分析。面对复杂的非结构化内容，如应用日志、用户反馈或错误堆栈，平台通过向量引擎实现的语义理解，解读文本中的关键意图与情感倾向，“理解”人类语言背后的含义。同时，通过对用户、设备、IP、服务等核心实体的行为轨迹进行关联建模，日志服务 SLS 将碎片化的事件记录串联成完整的动态行为图谱，形成具有上下文连续性的全景视图，为后续分析提供坚实的数据基础。

在此之上，日志服务 SLS 配备极致性能的分布式计算引擎，支持千亿行级别数据的实时查询与复杂分析。最新推出的完全精确模式显著提升 SQL 任务的执行精度与并发能力，单任务最高并发突破 1000，单次可处理上百 TB 级别的数据规模。结合自动物化视图功能，在后台持续增量更新高频访问的中间结果，大幅降低前端交互式分析与仪表盘展示的延迟，使得大规模数据分析不再是耗时等待的任务，而成为即时可用的日常操作，提升运维、研发与业务团队的响应效率。

为了让不同来源、不同形态的信息真正实现语义统一与价值融合，日志服务 SLS 基于核心建模能力 UModel 构建标准化的数据模型，将日志、指标、链路及实体数据统一映射为结构清晰、属性完整、关系明确的“数字孪生”对象，赋予每一条原始记录以业务上下文和逻辑意义。这种结构化建模方式不仅增强数据的可解释性，也为上层 AI 模型提供高质量的训练与推理输入，使其能够准确识别异常模式、预测潜在风险、发现隐藏关联，从而支撑更高级别的自动化决策。

从数据到决策： SPL 和流程编排打通运维智能“最后一公里”

为了打通跨域分析的最后一公里，日志服务 SLS 提供统一的查询语言 SPL（Search Processing Language），覆盖日志、指标、链路和实体等多个数据层级，实现语法层面的一致性与处理上的无缝衔接。借助 Extend、Join 等灵活的操作符，工程师可以在一次查询中轻松达成日志内容与用户画像、服务性能、调用链路之间的实时关联，彻底打破传统排查中因系统割裂导致的信息孤岛问题。过去需要多个团队协作、跨平台比对才能完毕的根因定位工作，如今只需一条 SPL 查询即可迅速完成，真正实现从“数据拼接”到“洞察生成”的效率跃迁。

当素材的存储、计算、建模与查询能力全面贯通后，日志服务 SLS 经过基于规则与 AI 结合的智能分析流程编排，自动触发多步骤调查逻辑，模拟专家思维路径，对复杂故障场景进行敏捷拆解与归因判断。无论是性能劣化、服务中断还是安全威胁，平台都能基于历史基线、行为模式和上下文依赖，自动生成可能原因列表并给予证据链支持，显著缩短平均修复时间（MTTR）。预警机制也不再局限于静态阈值告警，而是融合动态基线、趋势预测与异常评分，实现更具前瞻性和精准度的主动干预。

云监控 2.0：专注 AIOps，感知更全、行动更快

研发交付的持续优化，Operation Intelligence 正在 BizOps、SecOps 和 DevOps 三大关键领域发挥核心作用。而云监控 2.0 专注于 AIOps，通过日志、指标、追踪和实体行为的深度融合，为运维提供依据。同时，为应对 AI 原生时代的挑战，云监控 2.0 构建覆盖 AI 应用层 → 平台服务层 → 基础设施层的 AI 全栈可观测体系，打造从数据采集到智能决策的完整闭环。就是无论是业务运行的健康度洞察、安全威胁的快速响应，还

感知更全：全域覆盖，统一语义

Operation Intelligence 的前提是“全面感知”。云监控 2.0 打破指标、日志、链路、事件四大模态之间的壁垒，构建统一数据底座。通过统一探针管理与“接入中心”机制实现高效的采集整合，跨账号、跨地域、多工作空间的同一采集类型仅需对接一次，即可达成资源批量导入与探针复用，大幅提升纳管效率。无论是 ECS 主机负载、Kubernetes 容器状态、Prometheus 自定义指标，还是前端用户体验（RUM）、应用调用链路（APM），亦或是 GPU 利用率、RDMA 网络带宽、CPFS 存储性能，系统均可完成即时采集与聚合。

在完成采集的同时，借助阿里云可观测体系的核心建模能力 UModel，以“统一实体图谱”为骨架，将日志（Log）、指标（Metric）、链路（Trace）、事件、变更等多源可观测数据，自动抽取成实体（Entity）及其关系网络，绘制一张精准且动态更新的“全局地图”，每个数据库、应用服务、容器节点甚至业务流程，都在这张地图上有唯一身份标识，并与上下游依赖清晰关联。UModel 将分散在不同监控程序中的信息整合到同一知识图谱中，让问题定位不再需要切换多个平台。加速故障闭环，根因分析时间显著缩短，可直接驱动自动化处置策略执行。为大模型提供结构化、高语义密度的数据输入，使智能诊断结果更准确、更具解释性。

行动更快：从“人工排查”到“智能闭环”

和代码发布有关？”，智能运维助手即可触发多轮对话，不仅能生成 SQL/PromQL 查询语句，更能结合拓扑关系和算法算子，自动做完从数据检索、异常检测到根因推测的完整分析链路，自动规划排查路径：先锁定异常实体，再沿拓扑下钻，调用异常检测、瓶颈分析、差异比对等算法算子，最终给出根因、影响面及回滚、重启、扩容等可执行预案。更进一步，它知道“用户下单失败”涉及哪些微服务，“模型推理延迟”可能受哪些资源制约，结合丰富的 MCP Server 生态和阿里云统一的 OpenAPI，即可建立高效的障碍处置和恢复。此外，算法增强的可观测算子将计算下推到底层，大幅降低分析延迟与 Token 消耗，使亿级数据的实时洞察成为可能。通过“数据统一化、认知模型化、交互智能化”，云监控 2.0 推动 AIOps 进入新范式，让运维从“看见”迈向“理解”与“决策”。就是Operation Intelligence 的终极目标是“自动行动”。为此，阿里云推出可观测智能运维助手， 结合 UModel 实体图谱，具备强大的上下文感知与语义理解能力，将大模型能力深度融入运维流程。运维人员只需用自然语言提问：“昨天哪个服务的错误率最高？”“这个慢调用是不

持续加码学术合作与社区生态：

发布 CnOps 社区推动国内运维生态演进

在产品能力全面升级的同时，阿里云与中国科学院软件研究所、浙江大学等高校、机构开展深度合作，从学术、产业的不同视角推动云原生应用的智能化开发、测试、运维与持续演化，围绕可维护性、系统韧性与智能决策能力提升，开展从底层科技突破到平台构建再到行业应用的全链条创新，并在以下层面展开深度探索：

• 在软件开发层面，积极探索场景驱动的微服务化拆分与智能服务化方法，结合轻量化容器部署与动态架构评估模型，构建框架可演化能力的量化评估与自适应调整；

• 在韧性保障方面，依托大模型驱动的端到端测试用例生成、全链路故障注入分析与健康状态诊断技术，形成覆盖应用系统与运维控制器的全栈韧性增强方案；

• 在智能运维方面，通过多模态素材增强与时空推理模型构建强泛化性故障预测能力，结合大模型微调、知识图谱增强与多智能体协作机制，打造协助复杂运维场景的自动化决策体系。

基于以上合作，阿里云与中科院软件所在本次大会正式发布 ChaosBlade-Box 2.0。ChaosBlade-Box 2.0 通过拓扑感知、自动化故障空间探测、LLM 韧性评估等模块，显著提升混沌实验的可见性、易用性和自动化水平。让混沌工程进化为韧性测试平台，有效降低大规模微服务系统进行韧性验证的复杂度。

此外，为了进一步推动社区生态，构建领域知识普惠，阿里云联合上述高校、机构正式发布 CnOps 社区。社区作为一个以“智能运维与可观测”为核心的开放、包容、分享的中立工艺社区，旨在聚集技术专家、开发者和爱好者，共同探讨、学习和分享运维领域最佳实践与最新科技。CnOps 社区不仅是知识平台，更是运维智能的“技术货架”，共同探讨交叉领域的技巧挑战，推动运维领域的创新与进步。社区上线以来，超过千余位“自来水”开发者每天在使用 CnOps 社区学习、了解可观测/智能运维领域知识。

结语：Operation Intelligence，

全链路提效到业务场景深度重构

从 Monitoring 到 Observability，再到当下。Operation Intelligence 价值不仅体现在技术突破，从成本优化到业务创新的全链路提效，更在于对业务场景的深度重构，为研发、运维、业务与安全管理带来可衡量的实质性价值。研发团队能够高效定位 AI 模型的性能瓶颈，显著提升问题排查效率，加速迭代节奏；运维人员不再被海量告警淹没，通过智能聚合与根因推荐，奏效识别核心问题，缩短平均故障恢复时间（MTTR），构建从“被动救火”到“主动防控”的转变；业务决策者得以精准掌握各条业务线的资源使用与成本分布，为预算规划、资源配额和精细化运营提供数据支撑；在安全与合规层面，系统支持大规模日志的长期留存、敏感信息识别与脱敏处理，并结合访问审计能力，全面满足强监管行业的合规要求。日志服务 SLS 与云监控 2.0 的协力之下，逐步演进为驱动企业高效、稳定、智能运营的数字化中枢，让复杂系统的管理变得可视、可管、可优。

日志服务 SLS 不仅完成对运营数据（Operation Data）的系统性提炼与价值重塑，更推动企业构建起一个自我感知、自我诊断、持续进化的智能运营体系。在这个体系中，数据不再是沉睡的记录，而是驱动决策、优化体验、保障稳定的核心资源。日志服务 SLS 以其强大的整合能力与智能化水平，助力企业在高度麻烦的数字环境中提升韧性、释放潜能，迈向以智能为核心驱动力的下一代运营范式。而云监控 2.0 的发布，标志着可观测能力进入新阶段。它不再只是环境的“仪表盘”，而是进化为具备感知、认知与决策能力的“数字大脑”。大家正从“看得见”走向“看得懂”，从“事后响应”迈向“事前预防”，最终建立架构自愈、资源自优、风险自知。

从学术合作、社区生态，再到产品升级，Operation Intelligence 不再是可选项，而是企业构建长期竞争力的核心基础设施。阿里云也持续深耕数据与智能，让每一次计算、每一次调用、每一次创新，都在 Operation Intelligence 的护航下稳健前行。正如阿里云云原生应用平台负责人周琦所言：“Operation Intelligence 不是运维的终点，而是智能商业的起点。当系统具备“自感知、自决策、自进化”的能力，企业将真正跨越“技术黑盒”，在 AI 原生时代构建起“数据驱动决策、智能重塑价值”的核心竞争力。”