[前言] 技术创新要通过赋能千行百业而体现,更需要无数创业者以新思路来呈现。GSMA 5G创新与投资平台(5G IN)推出「创业者说」系列访谈,携手新媒体平台科技行者,分享创业者的创新故事。
IT建设过程中,有一个词经常伴随业务始终,那就是「运维」。正如云智慧运营商行业部总经理贾晋鹏所说,运维就像给房子做持续维护,三分建设,七分运维。“运维是保证IT系统健康运行的重中之重。”
贾晋鹏可谓通信“老兵”,在通信行业从业二十年,从甲方到乙方,经历了三大运营商从品牌到数据及政企业务,再到计费、网络系统,人工智能与机器学习平台,最后到AIOPS智能运维的产品链全生命周期。
当被问及“运营商运维的特殊性”,贾晋鹏答道需要“懂行人”。由于运营商系统庞大且复杂,容易产生信息孤岛,因此既要懂运营商的服务和应用,又要懂运营商的平台和技术,同时将两者做场景深度结合,才能真正解决运营商运维。在刚刚结束的2021 MWC上海展,云智慧展示了定制化智能运维整体解决方案,更贴近运营商的细分场景应用。
而云智慧成立于2009年,是智能运维国家标准制定单位之一。目前已拥有80多项专利技术,形成了从ITOM(IT运维管理)到ITSM(IT服务管理)的智能运维产品系列。
图:云智慧运营商行业部总经理贾晋鹏
科技行者:您如何看待“运维”在IT产业中的价值?为什么需要“智能运维”AIOps?
贾晋鹏:三分建设,七分运维。这个就像我们住的房子,建设交付,真正重要的后期的维护,而且是持续性。所以说运维是保证IT系统健康运行的重中之重。
随着大数据、云计算、人工智能这些创新技术的应用,运维已经由传统的人工运维,转型升级到智能运维,将一些繁琐的、规律性的日常工作交给机器去做,做到节能增效。
科技行者:您是通信行业的老兵,那么在运营商的技术领域,运维的特殊性体现在哪?最大难点又在哪?
贾晋鹏:运营商的系统主要分业务支撑、运营支撑、管理域三大部分,每一块都管理着二三十套一级平台,非常庞大复杂,而且各个平台都由不同厂家提供,所以相对比较独立,也容易产生信息孤岛和壁垒,所以对统一运维的要求非常高。
因此要求合作伙伴、服务商既要懂大数据、人工智能、中台服务,又要懂运营商的核心技术和应用,而且需要将两者做深度场景结合,才能真正赋能。
科技行者:放眼全球,中国运营商对于新运维技术的应用处于什么位置?
贾晋鹏:中国的运营商和金融一样,属于国内信息化程度非常高的两大行业,无论IT信息化投入、行业人员能力水平,都是非常领先;尤其近几年在人工智能、大数据创新方面的投入,更是如此。而运维解决方案,SRE运维体系、DevOps研发运维一体化、AIOPS智能运维等,都做了非常多的应用。
科技行者:在运营商行业,云智慧解决方案的主要优势在哪?
贾晋鹏:(1)全栈智能运维:云智慧(北京)科技有限公司成立于2009年,公司现在八百多人。产品体系涵盖了数据采集(APM应用性能监测、基础设施监控、日志分析等)、运维中台、态势感知和大屏工作台的全生命周期。
(2)领先性:自成立以来,云智慧一直保持迅猛发展的势头,多次入选Gartner AIOps报告,2020年更成为智能运维国家标准编制单位之一。
(3)全行业案例:云智慧在政府、金融、运营商、能源等行业都有很多行业案例,无论平台稳定性、大并发应用、还是国产化兼容性方面都积累了非常宝贵的经验。
科技行者:5G商用时代正在开启,数据流量的激增,网络复杂度的提升,给传统运维工作带来挑战,您认为5G时代需要怎样的智能运维?
贾晋鹏:5G产业建设是新基建的重要一环,也是构建过国家信息基础设施,提供网络和信息服务,全面支撑经济社会发展的战略性、基础性和先导性产业。各运营商也相继提出了5G+AICDE、5G+云大物智、DICT等发展策略。
5G时代,必然是大通道、大流量的应用场景,对系统的要求更高,真正的智能运维,一定是以数据为基础,以算法为支撑,以场景为导向,缺一不可。
在运维智能化的道路上,传统运维结合大数据、人工智能、IoT等前沿技术,进行数字化运维体系建设,以及面向业务、应用与IT基础设施的全生命周期运维管理,才能为电信级平台的运营和运维能力持续赋能。
科技行者:在运维领域,很多人讨论开源技术,您如何看待开源技术对于运维技术的价值?
贾晋鹏:智能运维最重要的一点是场景,如果在互联网行业、传统行业,开源是非常有益且有效的。
但对于运营商、金融等特殊行业,私有化部署、个性化定制、场景化应用则是关键,毕竟,安全、稳定才是第一位。
科技行者:接下来的一年,云智慧在运营商领域的主要工作重点和业务方向是什么?
贾晋鹏:云智慧在运营商领域属于新兵,我们会在新的一年里继续加大投入力度,快速覆盖、深度融合;贴近场景,服务应用,为运营商在运维领域的数字化转型添砖加瓦,保驾护航,助力5G发展。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。