有些创新只能变成AI时代的大跃进

白鳝的洞穴 2025-03-25

211

昨天我在文章中提到了达梦的知识问答智能体梦仔，有朋友问我如何能够使用梦仔，今天我发个码，大家可以通过扫码使用元宝来访问梦仔。也算是给达梦做个广告吧。

随着DeepSeek大火，目前AI应用又开始一波疯狂的行情。16-17年AI兴起的的时候，就有AI专家兴奋地说，我们终于可以解决以往必须依靠专家才能解决的问题了，数学可以解决一切问题！当时也是各大有钱的金主都纷纷启动AIOPS项目，不过大多数项目经过几年折腾后只留下一地鸡毛而已。几年前一个用户和我交流过，说他们相信了某个AIOPS企业的灌输，引入了整个系统，以为能够绕过精准数据，绕过专家就能实现智能化运维了，最后发现DEMO很美好，生产两码事。后来我建议他们把DBAIOPS系统采集的数据送给AIOPS系统，试试模型和算法对数据库的检测是否会好一些。没想到数据一进去，立马盘活了那套AIOPS系统。原本傻傻的算法居然变得很聪明了。

我一直觉得数据库的智能化是必须经过一系列演进的，想要跳跃式发展真的很难。数字化是智能化的基础，没有数字化打下的基础，智能化就无从谈起。数据库出了问题，直接把日志喂给大模型，大模型能给出靠谱的分析结果吗？很多问题，哪怕数据库原厂都无法简单通过日志就发现问题吧。如果我们要给Oracle开一个SR，必须用工具把AWR报告、OSW数据、各种日志与TRACE等都打包发给原厂的后台，有时候还要补充很多数据，包括ASH等。如果有人说，有了AI算法，就可以超越Oracle原厂的后端了，这话你肯定不信，那么为什么你就相信有了AI算法，可以不需要精准的数据就能实现智能化分析，找到问题的根因呢？原本是同一个问题，为什么会有两个答案呢？

在一个几乎人人都在喊AIOPS的环境中，我们更加需要冷静地思考，运维数字化建设做得越好，智能化的基础就越牢固，因此我们应该更加积极地投资数字化运维建设，而不是一厢情愿地希望跳过数字化，直接进入智能化时代。我最近已经看到了很多连标准化都没有做好的企业迫不及待地去建设智能化运维系统，这种大跃进似的运动，注定只会留下一地鸡毛。

实际上在数字化和智能化中间还横亘着一座大山，那就是知识工程，就是把企业多年积累下来的知识、案例、专家经验转换成AI能够直接使用的数据格式。这也是一个需要投入时间、耐心和资金的工作。不过很多企业并不愿意在知识工程上去投资，他们愿意花上几百万去买算力，但是不愿意花几十万请专家来帮助他们梳理知识，清洗数据。这种舍本逐末的做法注定了最终的结局不会太好。

如果每个企业都来搞很花钱的知识工程，那是十分浪费资金的。就像现在几乎每个企业都在搞RAG私有知识库，这些知识库建设似乎挺简单的，把原本的各种资料向量化后搭一个RAG框架就可以了。经过一阵子折腾之后才发现，原来自己搭出来的只是一个玩具，给领导演示演示是够了，但是用来做真正的业务，还差的很远。如果只是在内部的知识问答上用用也还说得过去，但是要在运维自动化系统上使用，那就真的不太敢了。在目前生态基础十分薄弱的时候，我们周边还没有专门帮人做知识工程和销售专业知识库的三方企业，在这种情况下，经验无法共享，知识无法共享，大家只能靠着蛮力去发展自己的私有知识库。

基于上面的愿意我在数字化和智能化之间增加了一个生态化的阶段，只有大量的知识工程的方法论、工具和成果被开源出来，运维智能化的最后一个卡点才算被打破，智能化应用才能真正普及。弯道超车的本质还是要驾驶技术和发动机能力上的优势，是绝对无法靠换几个轮子，就可以绕过发动机和驾驶技术的，大跃进的结果其实不言而喻。

智能化技术大数据人工智能

文章转载自白鳝的洞穴，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

有些创新只能变成AI时代的大跃进

评论