报告行业投资评级 未提及相关内容 报告的核心观点 - 大模型使能运维聚焦提升运维生产力，选高门槛、高人力、高价值场景，加速智能运维发展，改变运维交互模式，实现从自动化到无人化运维转变，需端到端构建应用体系 [70] - 业务演进分三阶段，算法架构以大小模型协同为主，未来技术需集成人机协同和AI Agent技术，基于大语言模型和人机协同技术构建运维智能中枢决策引擎，驱动运维无人化变革 [70][71] 根据相关目录分别进行总结 华为云智能运维发展之路 - 华为云AIOps发展分三阶段，2018 - 2020年是单场景智能运维，用传统ML算法；2021 - 2023年是串并联智能运维，可视、可决策、可执行；2024年起是大模型使能运维，采用LLM + 运维Copilot [5] - 不同阶段有不同智能运维场景，如早期有日志模版分析、云服务单指标异常检测等，中期有硬件故障预测、变更命令分级智能识别等，后期有自然语言问答、运维信息查询等 [5] 大模型使能运维规划 - 总体规划聚焦高价值、高门槛、高人力场景，面向长期规划，业务规划聚焦2条核心价值流，全面辅助运维人效提升 [6][7] - 故障处理和事件处理场景存在痛点，如故障处理起会时重复故障拉取、通报内容生成繁琐等，事件处理存在定级不合理、分流不合理等问题，对应有机会点，如故障处理可基于文本相似WR自动化判重、通过AI生成通报内容等，事件处理可智能分级、智能派单等 [7] - 构建运维盘古助手，多触点构建包括独立Web端、WeLink机器人、运维工具系统集成，聚焦运维人效提升，打造智能运维新高地 [8] 运维大模型难点和解法 - 围绕运维大模型4大难点，即语料少知识质量差、大模型幻觉、大模型逻辑推理难、业务应用难见效慢，构建6大方案 [18] - 运维语料数据增强采用大模型合成数据和语料持续迭代，围绕运维实际活动构建冷启动原始语料集，1个月完成10 + 运维语料数据集建设，语料质量80%，还可构建真实语料意图标注能力进行有效治理 [19][20][21] - 全流程运维知识治理确定运维知识地图，明确职责边界，统一知识管理和存储，构建知识消费运营体系，围绕事件知识等达成知识完整度90%，知识准确率85 + % [22][25] - 确定性运维意图理解通过多层路由，结合大小模型构建运维多场景智能问答意图识别能力，意图识别准确率从65%提升至80% + [26] - 增强RAG实践从知识问答改写到多路知识检索全面提升，问题理解准确率从50% + 提升至80% + ，Al答准率从30% + 提升至70% + [36][43] - 基于确定性编排构建大小模型协同的故障分析方案，借助COT结合故障案例确定故障分析步骤，结合编排框架实现执行链确定性编排，组合故障大小模型，小模型精确诊断定界，大模型确定预案推荐和总结 [44][46][48] - 多端触点集成实现运维助手全场景覆盖，改变用户交互行为，运维使用人群整体覆盖率达成30%，整体运维人效提升20% + [54][58] 总结和规划 - 总结指出大模型使能运维围绕提升运维生产力，加速智能运维发展，需端到端构建应用体系 [70] - 趋势包括业务演进分三阶段，算法架构以大小模型协同为主，未来技术需集成人机协同和AI Agent技术 [70] - 未来规划基于大语言模型和人机协同技术，构建运维智能中枢决策引擎，驱动运维无人化变革，打造人机协同运维副驾驶，涵盖故障处理、事件处理等多方面 [71][72]