上周发生了一件轰动汽车圈的大事，那就是知名独角兽公司argoAI宣布关闭业务。这家前几年风靡一时的自动驾驶独角兽公司，得到了福特和大众两大汽车行业巨头的加持。彼得·兰德。从福田汽车发布的公告来看，福田汽车认为，argo的主要业务方向是完全自动驾驶，而从目前的情况来看，需要在人流车流的现实世界中实现完全自动驾驶。汹涌澎湃。这个月仍然很困难。Argo距离实现其业务目标还很遥远。福田汽车目前更需要的是能够直接产生商业利益的L2/L3级别智能辅助技术，而不是完全自主的L4或更高级别的自动驾驶。Argo的倒闭有点突然，但IT圈内并没有多少人关注。其实Argo的问题会给IT圈的创新领域一些警示。前几年AIOPS概念火爆的时候，IT圈也有一些类似的狂热分子，认为用AI解决运维难题的时代已经到来。AI必然会给运维领域带来一些新的突破，而自动驾驶在运维领域更早取代传统运维。我也是在2017年受到AIOPS这个概念的影响，决定从传统的运维领域转型到AIOPS。因为自从2013年轰轰烈烈但未成功的优化项目后，我对传统运维产生了一定的怀疑。当时，我在全国20多个省负责一个大型企业的大型系统优化项目，投资数千万。此前，我们已经在几个试点省份取得了不错的成绩。在某省核心业务系统优化中，由于优化效果十分明显，该省在项目验收会上认为，原计划3500元升级硬件的项目不再需要，原有硬件优化后的系统持续使用了5年。问题。然而，项目推进后，问题接二连三出现。虽然我们提前对之前的时间点项目进行了深入总结，列出了一些最佳实践，设计了数据采集、检查报告、诊断分析报告、优化实施方案等标准化文档。但为了按期完成项目，我们还得在每个省派出工作组。而且这些群体中的人技术水平参差不齐，有些人甚至从来没有做过优化项目。虽然我们也设置了经验丰富的专家作为区域支持人员，在不拘泥于具体项目的情况下支持大局，但效果仍然不理想。事后总结的时候，大家认为项目做的不好的主要原因是专家不够，完全靠人的能力的项目很难大规模复制。因此，在2017年，我们选择进入AIOPS领域，以完成未了的心愿。在技??术选择上，我们自然选择了全自动驾驶的技术路线。在2017年的一次活动中，我向客人展示了我们系统的概念模型。我们选择了与高校合作的模式来解决该领域技术能力不足的问题，确实很快找到了大体的发展方向。只是做了一段时间后，发现实验室的理论效果在实际应用环境中总是脱节的。全自动驾驶在实验室里看似行得通，但实际效果往往不尽如人意。站在用户这边，领导看了看我们的系统，跟我交流。他的话让我重新发现了我们现在所做的工作。他说，我们目前的运维自动化水平还很低。其实我们需要自动驾驶，但是我觉得自动驾驶不可能一下子就实现，因为任何一个误判都是灾难性的，让人难以忍受。.既然如此，我们何不从一些半自动化、辅助性的工具入手呢？有些判断是不准确的，没关系，没有像你这样的老专家吗？大不了我当场出报告，请你们的专家帮我们分析。为什么不使用自动驾驶？再说了，你们公司的优势就是有这么强大的专家团队，而不是搞算法的人。现在这种做事方式完全失去了你的优势。领导虽然不是DBA，但是看问题很清楚。以目前的技术能力，要想绝对准确地预测或定位一个复杂的问题，技术能力的覆盖面还不够全面。到目前为止，我们所做的所有分析、诊断和预测都只是通过数学计算来发现异常。这个异常只是ITOM中的一个事件，不是一个确定的问题。当一个事件成为问题时，要么依靠准确的模型计算，要么依靠人工确认。事实上，能够通过模型和算法完全确认的事件还是比较少的，尤其是要做成通用产品，难度还是很大的。就算是IO延迟高的问题，这又会造成什么样的问题呢？会不会出问题？为什么在同一个系统中，有时IO延迟高达100ms，而系统没有问题，有时50ms后系统就挂了？当模型和算法的能力还没有达到一定程度的时候，我们不能保证用户可以睡一会，用AIOPS开车，保证不出事故。那么我们完全可以通过算法和模型来减少人工分析的工作量，利用AIOPS来辅助提升运维的生产力。前段时间，我们的系统在跟一个客户做POC。运行一段时间后，我们对连接的近30个系统做了自动检测。下载完检测报告后，专家们花了近一天的时间为用户远程核对了这些检测报告，发现各类问题200多个，其中高危问题20多个。在分析问题时，完全依赖远程生成的报告，不去系统做任何收集和确认。用户在看完分析报告后，也感受到这种模式可以大大提高运维分析的生产效率，将巡检工作从一个鸡肋的不得不做的事情变成一个真正的生产力工具，可以帮助他们实现常态化优化.远程巡视让我们看到了巡视工作落到实处的希望。但是，通过这次远程检查的分析，我们也发现了目前检查报告中的一些不足之处。很多时候，我们看到的是结论，但缺少的是数据列表和数据对比分析。这些诊断报告中的结论是否准确、合理，还有待商榷。在全自动驾驶的技术条件还不具备的情况下，辅助驾驶还需要为用户提供更多的接口来反馈真实状态。开车的时候，我不喜欢用自动辅助泊车也是这个原因。虽然每次停车都比我好，但停车时人无法控制车辆的感觉非常难受。回到ArgoAI的衰落，我认为福特做出了正确的决定。在未来五年内自动驾驶还没有取得实际成功的情况下，专注于已经可以为用户带来更好驾驶体验的辅助驾驶领域更为现实。我们是否也应该在AIOPS领域做一些思考？当无法实现真正??实用的全自动化时，帮助运维人员减少数据收集、分析、汇总的工作量，做好智能辅助，是否更有价值？
