随着企业数字化转型的不断深入，利用AI技术改善运维和IT服务水平成为当前运维管理的主要关注方向。在此过程中逐渐产生了不同的发展策略：围绕着AI的平台化智能运维发展模式、场景化智能运维发展模式以及自建智能运维发展模式。

不同发展策略的智能运维发展方向是一致的，即通过大数据和人工智能技术对运维管理进行赋能：

●结合现有监控手段，增强数据分析，进一步提高监控的能力;

●通过资源的有效配置节省运维成本;

●通过多数据源分析增强排查问题的能力，有效缩短故障恢复时间;

●通过预警并结合自动化工具，有效提高运维效率甚至自愈能力。

目前智能运维尚处在弱人工智能阶段，人机协作的方式将促进智能运维的发展，人教会AI去学习，AI实现对数据的智能分析，提高运维人员的运营能力。

建设智能运维的算法挑战

虽然这几年人工智能在人脸识别、智能驾驶等领域得到了大量应用，但是AI仍然面临着计算效能、安全、可解释性等诸多挑战。相比于其他AI落地场景，智能运维所亟需解决的问题具有一定的独特性：

1、心态的转变：智能运维是运维发展的方向，而且是一个长期的过程——从经验主义到数据驱动，再回归到业务驱动的过程。经验是结合了数据、知识、业务等长时间学习的结果，而AI主要依靠历史指标或者文本数据，对历史数据进行预测，从而对未来趋势做出判断。对于想达到的目标，需要考虑现有的信息是否充足，还需要结合业务场景进行具体模型的不断优化。

2、工程化算法的欠缺：由于缺乏标准的运维数据集，学术界针对运维的算法还比较少，工程化的算法尤其欠缺。同时算法在不同数据集上的泛化能力也决定了算法能否在真实场景应用的关键。