在今年早先时候发布的一份调查报告中,Gartner预测,2021年中国IT支出预计将达到3.04万亿,相比2020年增长7.2%。相形之下,全球的增长幅度维持在4%左右。
毫无疑问,这是一个积极且明显的信号——说明与全球相比,中国的企业数字化转型已经率先迈入了快车道,不断加快的数字化进程也显著和有效地加速了经济秩序的恢复。
运维向数字化和智能化演进
深圳机场能够为旅客提供极致的出行体验。不过很多人不知道的是,这背后是超过200间机房、11张网络、25000多台设备、140多个业务应用的共同使能。
毫无疑问,任何的业务中断,均会对机场的运行以及旅客的感受带来严重影响。如何利用有限的运维资源,保证系统的安全、平稳、高效运行,就成为深圳机场在新时期的重要发展客题。
通过一站式运维服务方案+统一运维平台,华为为深圳机场带来了运维的全面革新。
华为基于ITSS建立的智能运维能力,让深圳机场的应用创新更加敏捷,同时提供了坚实的业务保证。
对于ITSS(信息技术服务标准体系),业内应该不会陌生:
这是一套国家IT服务标准,包括了IT服务的规划设计、信息系统建设、运行维护、服务管理、治理及运营等内容,适用于规范、改进和提升IT服务队业务的支撑。
该标准从建设、运维、运营及服务管理等方面,为信息化对各行业的支撑,提出了非常具体和严格的标准化要求。从2009年初稿发布至今,目前已经走到了4.0+的版本。
得益于云计算、大数据、人工智能等技术的发展,传统的运维管理也在逐步向平台化和智能化的方向演进,这是一种无法被逆转、无法被终止的发展趋势。
华为认为,数字化是智能化的前提。通过数字化、智能化的改造与提升,企业的运维压力将得到大大的缓解,为自身带来更多的收益和品牌声誉。
运维转型就是不断建立和优化安全基线的过程
以前的运维人员,往往处于“四处救火”的状态,非常被动。
数字化转型并没有解放运维人员。恰恰相反,由于转型的刚需,企业对运维的要求提升了不止一个档次。如果不能从根本上解决运维的问题,企业的数字化转型只能是空中楼阁,原有的运维也会每况愈下、今不如昔。
从这个角度而言,数字化转型无疑是ITSS标准体系框架演进的有力驱动,而智能运维则是数字化转型的核心能力之一,体现出系统平稳可靠、业务快速恢复、资源智慧拓展的全新优势。
我们知道,安全基线配置和检查是运维工作的主要内容。通过对系统中的每个设备进行“快照”,建立初始的安全基线,以后每次对之进行的变更都将记录为一个差值,直到建成下一个基线。
通常情况下,安全基线检查会涉及操作系统、中间件、数据库,乃至交换机等网络基础设备。面对如此繁多的检查项,自动化的脚本能够帮助企业快速地完成基线检查的任务。
自动化的脚本会不断进行基线检查的任务,对评估结果进行分析,看是否修正基线,再着手进行基线修正,完成基线修正配置后,再进行基线核查,直至系统达到预期基线配置标准。
显然,在数字化和智能化的模式下,运维基线会无限接近理想模式,构建起全方位的指标管理体系,带来体验、效率和效益上的全面升级。
为了让智能运维更好地在客户核心业务与流程中发挥效用,通过建立运维基线,充分使能运维数字化,华为为各行各业的客户准备了周密而完善的一站式解决方案。
华为行业运维方案,让运维从无序到井然有序
2000多年前,秦始皇统一六国的一大贡献,就是统一度量衡,制定统一的计量单位。今日的运维,如果没有量化、可度量的相应指标,运维工作汇报很有可能就是这样:“还行。”“凑合!”系统究竟如何,心里完全没底。
华为行业运维解决方案,基于客户转型的不同发展阶段以及运维对象的差异,以数字度量业务:拿数据说话,看得见、能感知、可度量的价值,包括业务效率,用户体验等,从客户业务运营视角来理解运维解决方案的需求。此外,方案还为管理层提供了科学的辅助决策分析,为运行检修提供智能预测分析,实现设备故障预告警和预处理,从而促进效益的最大化。
打个比方,传统运维就像是经营大排档,一旦规模超出能力,必然Hold不住;智能运维则可以遇强则强,就像海底捞一样,无论面对多少客户,均可以用标准和高效的流程,提升高水准的服务。
更多运维最新趋势与实践,尽在“品质服务精英荟”
“品质服务精英荟”是华为提供的一个技术交流平台。在这里,来自华为、行业客户和伙伴的技术专家,围绕前言技术专题展开自由讨论,分享自己的观点和实践经验。

从打造统一运维平台到推动数据中心网络运维,再到运维数据的治理,华为期望通过“品质服务精英荟”,与客户与合作伙伴充分共享自身三十余年的运维经验,以智能化切实提升企业的运维效率,补足企业数字化转型的短板。
8月19日品质服务精英荟深圳站
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。