IT運維為IT系統穩定高效運作保駕護航，随着企業數字化轉型不斷深入，疊加雲化與國産化趨勢，IT系統規模擴大、技術堆棧複雜程度上升，給傳統運維帶來挑戰，在産品化、自動化基礎之上，人工智能賦能下的AIOps成為新解法。在本文中，我們首先回答市場較為關心的定義、空間、格局三個基礎問題，其次回顧并展望IT運維的技術變遷路徑和趨勢，再結合海外龍頭企業的AI相關布局啟示，總結國内IT運維服務商的發展機遇。
摘要
大陸IT運維整體市場超千億元，産品化程度、三方運維占比不斷提升。IT運維涵蓋服務和産品兩個層面，其中IT運維産品根據功能不同又可分為ITOM（涵蓋監控、管理、控制自動化）和ITOA（主要聚焦在資料分析）兩類。艾瑞咨詢預計，2023年大陸IT基礎架構運維整體市場規模有望超過3,000億元，其中純産品市場規模接近200億元。我們認為，長期來看，大陸IT運維市場中服務和産品仍将是有機結合的，但産品化程度有望逐漸提升。此外，企業IT系統愈發龐雜的背景下，第三方運維廠商的綜合能力優勢顯現，我們認為，未來三方運維占比将持續提升。
IT架構複雜化、技術變革驅動運維方式更新，雲化、國産化、AI三浪疊加。IT運維從最初粗放的手工運維，逐漸規範流程化、工具化，而後易用易管提效需求進一步驅動平台化、自動化。2010s以來，雲計算、大資料、人工智能等技術的突破性發展亦深刻影響着運維方式，雲原生催生DevOps重塑企業開發、運維流程，AIOps借助算法基于運維資料進行分析實作提前告警、根因分析，并結合業務規則、知識庫等實作智能運維。近期市場關注度較高的LLM主要在智能問答、知識庫管理、生成分析等方面助力AIOps程序。此外，國産化大趨勢下，系統架構複雜度提升，運維作為軟體國産替代“三駕馬車”之一，保障新架構下業務系統的穩定運作。
海外對标AI戰略清晰，國産廠商把握國産化、AI賦能等機遇。海外運維龍頭均較早将AI能力融入平台産品中，其中，ServiceNow近期釋出了明确的生成式AI戰略，而Datadog則從另一角度出發，将OpenAI模型服務納入運維範圍。我們認為，國産IT運維廠商有望持續受益于國産化、産品化、AI賦能三大趨勢。
風險
市場競争加劇；産品化轉型不及預期；AI應用落地不及預期。
正文
IT運維基礎三問：是什麼？空間多大？格局如何演進？
IT運維為IT系統穩定高效運作保駕護航
IT運維旨在保障IT系統的整體安全、穩定、高效運作。IT運維涵蓋企業日常經營所有IT環境，包括軟硬體基礎設施及上層應用等，通過日常巡檢、規避隐患并在故障發生後及時定位并解決故障等，保障企業IT生産環境的安全、穩定、高效運作。産業鍊角度，IT運維服務商位于中遊，承接下遊企業客戶對于上遊IT軟硬體産品及系統的各類維護需求。
圖表1：IT運維服務商位于中遊，承接下遊企業客戶對于上遊IT軟硬體産品及系統的各類維護需求
資料來源：頭豹研究院，中金公司研究部
IT運維涵蓋服務和産品兩個層面，其中産品又可分為ITOM和ITOA兩類。服務和産品通常是有機結合的，标準化運維軟體工具産品有助于運維技術人員提高作業效率。IT運維服務依賴技術人員開展業務，根據提供服務的主體不同分為原廠運維服務和第三方運維服務。IT運維産品提供相對标準化的軟體工具，通過監測與IT基礎設施及應用軟體運作相關的名額來對其進行管理與分析，進而及時定位故障，保障被監測對象穩定運作，根據功能不同又可以分為ITOM和ITOA兩類，但實際應用中，運維軟體産品廠商通常以平台化的方式傳遞，基本同時涵蓋ITOM、ITOA中的部分功能子產品。
圖表2：IT運維産品分類
資料來源：各公司官網，中金公司研究部
ITOM（IT Operations Management）指代IT運維管理軟體，包含監控、管理和自動化三大子產品。其中，監控類指對IT系統中各類軟硬體裝置的運作名額（如可用性、性能、容量等）進行監控和告警處理，根據監控對象不同又可分為應用性能監控（APM, Application Performance Management）、網絡性能監控與診斷（NPM, Network Performance Management）、IT基礎設施監控等；管理類包含IT資産和服務管理、IT服務支援管理（ITSM, IT Service Management）等；自動化則指代操作自動化工具，幫助實作批量系統配置、程式部署、指令執行等。ITOM領域代表公司如ServiceNow。
ITOA（IT Operations Analytics）通過大資料等手段分析運維資料，以實作故障預判。ITOA通過大資料與機器學習等手段對服務端的各類運維資料進行處理與分析，預測識别IT系統中的潛在風險，協助業務決策。ITOA和ITOM是相輔相成的，ITOM采集運維資料并實作自動化，ITOA分析資料并實作智能化。ITOA建立在ITOM的基礎之上，ITOM系統是ITOA的資料來源之一，ITOA實作資料價值的挖掘、有效解決監控資料孤島的問題，提供數智化的、預判性的全局視角幫助決策。ITOA領域代表公司Datadog、Splunk等。
整體市場超千億元級，标準化産品尚在起步，有望助力集中度提升
國内IT基礎架構運維市場規模穩定增長，第三方運維市場占比不斷上升。艾瑞咨詢預計2023年大陸IT基礎架構運維整體市場規模有望超過3,000億元。同時随着企業IT系統規模不斷擴大、架構複雜度提升，疊加國産替代趨勢，運維難度加大，要求運維廠商具備綜合性、全局視角的服務能力，第三方運維占比穩步提升，艾瑞咨詢預計到2023年第三方運維市場規模占比将提升至52%。
圖表3：中國IT基礎架構運維市場規模
資料來源：艾瑞咨詢，中金公司研究部
圖表4：中國IT基礎架構第三方運維市場規模及占比
資料來源：艾瑞咨詢，中金公司研究部
大陸ITOM/ITOA行業仍處于起步階段，規模尚小但增速較快。Gartner資料顯示，2021年全球ITOM市場規模超過400億美元；IDC資料顯示，2020年全球ITOA市場規模達到37億美元。大陸IT運維産品化仍處于起步滲透階段，艾瑞咨詢預測，到2023年，大陸ITOM及ITOA市場合計約200億元，其中ITOM市場規模達166億元，ITOA雖然規模較小，但2019-2023年CAGR達23%。我們認為，分布式架構、混合雲部署、國産替代等背景下，單憑人工已無法應對愈發複雜的IT系統運維需求，借助自動化、智能化運維工具來調效增質是未來的主流趨勢，運維産品市場有望保持持續增長，在整體IT運維市場中占比不斷上升。
圖表5：2015-2021全球ITOM市場規模
資料來源：Gartner，中金公司研究部
圖表6：2014-2023E中國ITOM/ITOA市場規模
資料來源：艾瑞咨詢，中金公司研究部
參考海外，運維标準化産品的市場集中度較高，有助于改變格局分散的現狀。IDC資料顯示，2019年全球ITOM市場中Splunk、Microsoft及IBM市占率排名前三，CR5達41%。ITOA市場集中度更高，2020年CR5達63%，其中Splunk以28%市占率排名第一。傳統的IT服務依賴于技術人員開展業務，人員流動性、生産力均有上限，市場分散、企業規模天花闆有限，存在較多區域性龍頭。而運維産品作為标準化的軟體工具，前期具有一定開發壁壘，開發完成後可快速複制、邊際成本低，能有效提高運維技術人員的工作效率，還有可能形成行業标準，有助于改變原先分散的市場格局。
圖表7：2019年全球ITOM市場佔有率
資料來源：IDC，中金公司研究部
圖表8：2020年全球ITOA市場佔有率
資料來源：IDC，中金公司研究部
國内市場仍較為分散，各廠商業務重點不同，産品化程度有所差別。國内運維産品市場仍較為碎片化，有較多一級市場創業廠商參與。ITOM的細分領域看，應用性能管理（APM）領域代表廠商有聽雲、雲智慧、博睿資料等，網絡性能管理（NPM）領域代表廠商有天旦網絡、科來軟體、新華三等；IT服務管理領域廠商有雲智慧、Servicehot等。此外一些原先以IT運維服務起家的廠商近年亦積極實施産品化轉型戰略。
圖表9：運維廠商自研産品收入對比，2022A
注：為2022年年報披露的收入口徑
資料來源：Wind，公司公告，中金公司研究部
圖表10：運維廠商研發和技術人員數量對比，2022A
注：為2022年年報披露的人員口徑
資料來源：Wind，公司公告，中金公司研究部
IT技術堆棧複雜化，三方運維綜合性優勢逐漸顯現
按照服務主體進行區分，IT運維服務提供商可分為原廠運維服務商、IT基礎架構系統內建商和第三方運維服務商。原廠服務商即軟硬體産品提供商，同時提供配套運維服務，代表廠商如海外的IBM、Oracle及國内的華為、浪潮等。IT基礎架構系統內建商內建軟硬體産品為滿足需求的統一系統，同時提供配套維護服務，如中軟國際、神州數位等。第三方運維服務商為客戶提供面向異構IT系統的綜合性的IT運維支援，如新炬網絡、銀信科技等。
原廠對自身産品具有強底層技術能力，提供産品架構、代碼層的運維服務。原廠在研發相關産品的過程中積累了深厚的底層技術能力，提供的産品設計架構、底層代碼技術相關的運維服務是第三方運維廠商暫時無法替代的。但原廠運維服務範圍窄、技術人員費用較高，且由于運維不是其核心業務，人員配備和服務網絡覆寫面有限，對故障響應的及時程度也較低。
第三方運維服務覆寫範圍更廣，擁有全局視角、成本效益高、響應更及時靈活。第三方運維服務商通常具備綜合性的、系統級的運維服務能力，能對IT系統中各品牌廠商的各類軟硬體進行運維，具備全局視角，從整體角度保障系統安全、可靠、穩定。此外，從運維成本角度出發，第三方運維通常更具成本效益。同時，規模較大的全國性第三方運維服務商通常擁有本地化服務網絡，能夠及時響應故障。
圖表11：原廠及第三方運維服務各有價值，客戶通常會搭配采購
資料來源：中亦科技招股書，中金公司研究部
分布式、國産化、雲化等趨勢使企業IT系統愈發複雜龐大，第三方運維綜合能力優勢顯現。原先在“IOE”時代，企業IT系統多為集中式、技術堆棧簡單、基礎軟硬體供應商集中，運維難度相對較低，原廠的專業性優勢更重要。然而，一方面，企業資料業務規模的上升驅動集中式架構向分布式架構演進，運維的重心逐漸從硬體轉向系統；另一方面，國産化、雲化部署等趨勢下，IT基礎架構技術堆棧愈發複雜、分散，這樣的背景下，第三方運維服務商的綜合能力的重要性逐漸顯現，我們認為，未來除了産品底層代碼級别的問題需要原廠協助以外，更多綜合性的、系統級别的運維工作将由專業第三方運維廠商承擔。
圖表12：第三方運維廠商中标訂單示例
資料來源：采招網，中金公司研究部
IT運維發展脈絡：手動更新自動，AIOps智能運維可期
IT架構複雜化、技術變革驅動運維方式更新。IT系統架構複雜化和快速變化的業務需求要求運維不斷适應新環境，促使IT運維方式的更新疊代。總結來看，IT運維從最初粗放的手工運維，逐漸規範流程化并使用工具減少重複工作，而後易用易管提效需求進一步驅動平台化、自動化。2010s以來，雲計算、大資料、人工智能等技術的突破性發展亦深刻影響着運維方式，雲原生催生DevOps重塑企業開發、運維流程，而大資料、人工智能使智能運維成為可能。
圖表13：IT運維發展脈絡：手動更新自動，智能運維可期
資料來源：中金公司研究部
IT運維早期經曆從手動到标準化、自動化的初步演變
早期IT系統架構簡單，以人工方式為主。早期企業資訊化系統伺服器數量較少、業務需求簡單，對運維技術要求不高。運維工作主要為機房及伺服器選型、軟硬體初始化、服務上下線、配置監控和處理告警等，運維和開發職責界限不清晰，尚未形成完善的運維标準或流程體系。
IT系統規模擴大對手工模式提出挑戰，國際IT服務标準釋出。企業業務擴張、資訊化深入對IT運維提出了新的要求，不成章法的手工運維難以滿足要求，需要規範的流程标準指引。1980s，ITIL（IT Infrastructure Library）由英國中央計算機和電信局（CCTA）正式釋出，疊代至今已經成為IT服務管理領域最佳實踐事實上的國際标準，并在此基礎上衍生出ISO20000。大陸亦有工信部推出的ITSS（IT Service Standards）資訊技術服務标準。
工具化成為IT運維新特征。在人工運維階段，已出現運維工程師将複雜操作與重複性工作流程轉化為腳本自動執行，以減少重複性工作、提升運維效率。随着業務場景與體量的複雜程度上升，腳本批量執行已經無法滿足要求，出現了通過流程串聯腳本功能、執行腳本結果校驗及判斷等新需求點，業務部署及運維管理呈現工具化趨勢。
易用易管需求催生運維平台化，事件觸發流程讓自動化更近一步。進入工具化運維階段後，工具數量不斷增加，但互相分散、不易管理，催生了整合各類運維工具及工作流的更高效易用的運維管理平台軟體。同時，自動化方面更進一步，事件與流程關聯，性能異常或當機時自動觸發故障響應和恢複機制減少手工作業，運維資料可視化也成為了平台功能之一。2010s以來出現了較多自動化運維的平台型軟體如Ansible、ServiceNow、Splunk、Datadog等，在平台化之上，這些産品同樣順應後續雲原生和AI浪潮發展趨勢，融入了DevOps、AIOps等理念。
行業機遇一：雲化背景下系統環境遷移，DevOps登台亮相
雲化成為未來企業IT架構調整的重要趨勢之一，也給IT運維帶來挑戰。雲計算不斷發展，混合雲成為主流部署模式，容器化、微服務等技術逐漸普及，上層應用的疊代、更新更加頻繁。IT基礎設施架構複雜程度大幅提升、穩定性下降，需要針對雲基礎設施環境的運維産品，更強調運維過程中的全局管理、統一監控及洞察分析能力。
圖表14：雲原生技術變革影響
資料來源：阿裡雲社群，中金公司研究部
容器架構的成熟為DevOps推廣打下技術基礎，重塑軟體開發及運維流程。快速變化的市場環境和使用者需求促使軟體開發流程不斷向靈活化的方向演進，而容器技術成熟、軟體内部架構解耦為踐行DevOps打下基礎。DevOps（研發運維一體化）是一套在雲計算、微服務、容器化等新技術應用深入的背景下發展起來的，打通軟體全生命周期、形成開發-運維閉環的流程和方法論，具有自動化、持續內建、立體化監控、持續傳遞、易于協作等特征，有利于提升産品建構、測試、上線、運維的效率。
圖表15：DevOps各環節及代表廠商
資料來源：艾瑞咨詢，中金公司研究部
DevOps産品架構尚未形成統一标準，以适應新需求、提升運維人員效率和自動化程度為要義。具體到DevOps平台産品實作的功能上，以新炬網絡為例，其GDEVOPS具備編譯、打包、釋出的可視化、自動化管理以及代碼品質度量與監控等功能；以嘉為科技的藍鲸DevOps産品為例，其運維子產品包含了各類監控、自動化及可視化等功能。我們認為，籠統地看，DevOps平台中運維子產品依然圍繞“監”（各類名額性能監控）、“管”（資源、服務管理）、“控”（自動化）、“析”（運維資料分析、可視化）展開，但具體的管理内容、監控對象等根據新技術環境、新需求調整；同時平台自動化和數字化程度整體提升；另外開發和運維人員的協同也有利于将部分問題前置解決。總體而言，DevOps能為企業帶來開發、運維效率提升，應用傳遞品質滿意度提升等綜合性收益。
行業機遇二：國産化助力IT架構更新，複雜系統堆棧亟需平台化工具支援
運維是軟體國産替代“三駕馬車”之一，保障新架構下業務系統的穩定運作。國産替代持續推進、未來将進一步向業務系統滲透，客觀來說，在遷移初期會對現有IT系統的穩定性帶來一定挑戰，運維的重要性進一步提升。專業第三方運維廠商的兜底保障，一方面可以減少下遊客戶的顧慮、助力國産替代程序更順利地推行；另一方面專業化分工使得國産軟體廠商能夠将有限的人力聚焦在軟體産品底層技術架構的疊代和更新上。是以，我們認為國産IT運維的受益邏輯不僅僅是“國産化的後置需求”而是“國産替代程序中新架構下業務系統穩定運作的關鍵保障者”，是和國産基礎軟體、國産應用軟體并駕齊驅的軟體國産化浪潮“三駕馬車”之一，同時，國産第三方運維服務廠商的份額有望乘勢進一步提升。
圖表16：國産運維是軟體國産化替代中的“三駕馬車”之一，保障新架構下業務系統的穩定運作
資料來源：各公司官網，中金公司研究部
從集中式、“IOE”架構向分布式、國産化遷移，異構環境更複雜、涉及原廠商更多，需要擁有全局視角的專業第三方服務商。一方面，國産化替代的初期，新舊交替過渡，可能存在海外和多家國産供應商共存的情況；另一方面，傳統“IOE”架構以集中式為主，國産替代疊加業務規模、資料規模的自然增長将涉及更多分布式架構。IT運維從原先僅需對接個位數原廠供應商、管理數十個節點躍遷為需要對接數十上百的原廠供應商、管理成百上千的節點，運維重點從硬體轉向系統整體，運維邏輯從事後維修向事前預防、事中持續保障轉變，運維複雜度指數級增長。這樣的背景下，第三方運維服務商綜合能力、全局視角的重要性逐漸顯現，我們認為，除了産品底層代碼級的問題需要原廠協助以外，更多綜合性的、系統級别的運維工作将由專業第三方運維廠商承擔。
傳統人力依賴模式可能無法适應國産化背景下的複雜運維需求，産品化更新助力商業模式改善。過去技術棧簡單，依賴專家經驗即可滿足運維需求，但國産化背景下，IT技術棧愈發複雜、系統規模逐漸龐大，人力密集模式存在瓶頸。同時對于運維服務商來說，非标服務毛利率天花闆低、企業擴張有上限，還面臨同質化競争等問題。反觀國外龍頭運維廠商，基本以傳遞标準化的運維産品為主、結合少量服務，整體毛利率水準在70%以上。需要承認的是，客觀來說，國内外企業客戶的數字化水準和付費習慣、意願有一定差異，服務+産品搭配的方式可能更符合國情，但我們認為産品化将是長期趨勢，将重複性的或能基于規則實作的工作流程标準化為軟體工具，有助于運維廠商提高人效、改善盈利模式。
圖表17：國内外部分運維服務商人效情況
資料來源：Wind，公司公告，中金公司研究部
圖表18：國内外部分運維服務商毛利率
資料來源：Wind，中金公司研究部
行業機遇三：人工智能賦能，AIOps智能運維成确定性産業趨勢
AIOps是未來IT運維的确定性發展趨勢，效率提升作用明顯。AIOps将IT運維與人工智能、大資料、機器學習等技術相結合，借助算法對運維資料（系統日志、應用日志、各類監控名額等）進行學習分析并提取規律，再結合業務規則、專家經驗知識庫等，自動識别并響應故障，還能幫助事前預判，發掘更多運維人員尚未覺察的潛在的系統安全和運維問題，從被動式響應變為主動式防禦。AIOps對于企業運維效率的提升是非常直覺的，根據信通院2022年的調查，54%的受訪者能夠感受到效率提升，其中接近30%的受訪者認為效果明顯。
圖表19：AIOps平台對運維資料進行分析，再結合知識圖譜等，實作智能決策和故障響應
資料來源：Gartner，中金公司研究部
AIOps仍處于起步階段，目前僅作為輔助，高品質的運維資料積累是落地前提。AIOps實際應用及落地時間相對較短，信通院2022年的調查顯示，52%的受訪者認為目前其所在企業AIOps仍處于初始智能和輔助運維階段，即主要幫助解決資料采集、感覺、分析，決策仍需人工完成。一方面，足量、高質的運維資料是AIOps模型能力提升的關鍵，企業首先需要做好運維資料的集中留存、管理；另一方面，不同運維場景間需求差異較大，需要特定的運維知識圖譜和算法。目前AIOps主要在名額異常檢測、告警根因分析、故障預測等相對通用、高頻的場景中應用。
圖表20：AIOps根據智能化程度分成5級，目前主要作為輔助
資料來源：《雲計算智能化運維(AIOps)能力成熟度模型第1部分：通用能力要求》（信通院，2022），中金公司研究部
LLM主要在智能問答、知識庫管理、生成分析等方面助力AIOps程序，國内外運維廠商積極與大模型廠商合作。5月中旬，ServiceNow官宣與微軟合作，在産品中引入OpenAI的LLM能力，在ServiceNow Store中推出Generative AI Controller應用，可以實作1）知識管理系統的自然語言互動問答；2）輔助關于描述性數字、專業知識等的文本生成和事件總結；3）和平台上原有的低代碼工具內建；4）快速識别指令并利用通用提示詞生成個性化用例。國内廠商如新炬網絡亦積極布局，在三月初即官宣成為文心一言首批生态合作夥伴，計劃将智能對話技術成果應用在企業級智能運維與數字員工智能服務領域。
圖表21：國内外部分運維廠商AI相關産品布局一覽
資料來源：各公司官網，中金公司研究部
他山之石：海外運維龍頭如何布局AI？
ServiceNow：從IT運維到全面賦能企業工作流，生成式AI戰略清晰
原ITSM頭部公司CTO再創業，踩中C/S向B/S轉型的技術視窗，颠覆原先市場格局。Fred Luddy曾在Peregrine Systems（原ITSM領域頭部公司，于1980s率先開發ITSM相關産品）任職CTO，2001年Peregrine收購了當時的主要競争對手Remedy，然後不久後受财務造假醜聞影響于2003年宣布破産。Fred Luddy則在2004年創立GlideSoft（2006年改名為ServiceNow），依然以ITSM為目标市場，但采取與市場上主流廠商本地部署不同的雲端政策，産品疊代更新周期由數月縮短為數周，踩中2010s美國IT行業的B/S架構替代C/S架構的關鍵風口，駛入發展快車道，根據IDC資料，到2016年在ITSM市場占有率超過30%，坐穩市場龍頭。
ITSM起家後延伸至ITOM，再從IT運維拓展至企業數字化轉型過程中的各類Workflow，打開可及市場空間。2011-2017年，ServiceNow在ITSM坐穩市場龍頭同時完成了從單一ITSM到ITOM全覆寫的延伸，并于2014年提出ESM解決方案（Enterprise Service Management Solutions），開始跨領域嘗試；2017年，公司聘請耐克董事會成員、前eBay的CEO John Donahoe接任CEO，并在2018年之後開始全面拓寬涉足領域。到目前已經形成了一個平台底座（Now Platform）+4個領域Workflows（IT、員工、客戶、開發）的完整産品布局，Now Platform包含統一的資料模型、代碼庫，提供ML（Machine Learning）、低代碼、RPA等在内的底層能力，上層Worklfows産品針對企業内外部特定場景的工作流程，提供便于協作的、自動化的、增質提效的生産力管理服務工具。根據公司公告，從年淨新增合同口徑來看，目前來自IT運維業務的占比約60%。
圖表22：形成了一個平台底座+4個領域工作流的完整産品布局
資料來源：ServiceNow Financial Analyst Day 2023，中金公司研究部
AI布局前瞻，6年收購11家AI創業公司補充底層能力，帶來25%的ASP提升。從2017年至今，公司收購了11家AI底層技術能力相關的公司，用于增強自然語言處理、AI增強搜尋、RPA、AIOps等領域的技術能力。公司官方披露，Now Platform的AI增強能力已經為公司帶來了40%的更新版産品購買和25%的平均客單價提升[1]。
圖表23：過去6年，公司積極收購AI領域獨角獸企業，補強底層能力
資料來源：ServiceNow Financial Analyst Day 2023，中金公司研究部
生成式AI戰略清晰，全面賦能各工作流産品。公司認為生成式AI會全面增強公司各工作流産品能力，在底層平台方面，生成式AI将會增強搜尋能力、輔助自動化代碼生成、通過特定領域的LLM增強公司“Now Assist”智能問答能力；具體到IT運維方面，公司認為生成式AI将有利于：1）提高自動化響應比例；2）更快地完成事件原因分析；3）以自然語言形式進行事後總結分析。
圖表24：生成式AI會全面增強公司各工作流産品能力
資料來源：ServiceNow Financial Analyst Day 2023，中金公司研究部
Splunk：監控類及ITOA市場龍頭，提供3種靈活的ML內建方式
Splunk從日志搜尋工具起家，目前提供完整的企業安全和可觀察性平台，細分市場占有率第一。Splunk成立于2004年，最初定位IT日志搜尋工具，發展至今，已經形成了涵蓋安全性和可觀察性的統一平台，提供一系列産品子產品與工具，幫助使用者收集、監控、分析和可視化各類機器資料，從中獲得洞察并智能化決策，保障業務安全性、可靠性、穩定性，實作運維流程從被動、低效向主動、自動化、ML增強轉型。Gartner資料顯示，2021年，Splunk在IT營運健康及性能分析（HPA, Health and Performance Analysis，包含APM、NPM等）及安全資訊和事件管理（SIEM, Security Information and Event Management）領域的市場佔有率均位居全球第一。
圖表25：Splunk提供統一的安全性和可觀察性運維平台
資料來源：Splunk官網，中金公司研究部
Splunk內建ML能力實作資料智能。目前，Splunk平台提供不同類型的ML能力內建選項，1）SPL（Splunk開發的一種類SQL文法的搜尋處理語言）中内置ML功能；2）預置在産品中的ML增強解決方案：Splunk IT Service Intelligence（ITSI）、Splunk Enterprise Security等解決方案均預置了ML增強功能，比如Splunk ITSI能夠實作基于ML算法的智能告警等；3）Splunk MLTK機器學習工具包：是Splunkbase應用生态系統中的一個官方擴充應用程式，提供SPL搜尋指令、宏、引導式模組化儀表盤和樣例，客戶可以建構自定義ML解決方案。
圖表26：Splunk以3種形式提供ML能力增強
資料來源：Splunk官網産品文檔，中金公司研究部
圖表27：Splunk IT Service Intelligence的ML增強功能示例
資料來源：Splunk官網，中金公司研究部
Datadog：雲上可觀察性專家，将OpenAI模型服務納入監控範圍
雲上可觀察性專家，近年拓展安全産品線。Datadog成立于2010年，正值雲計算技術浪潮，開發和運維割裂的舊模式被打破、DevOps興起，用于監控靜态本地架構的傳統運維工具無法很好地适應雲或混合部署環境，需要雲原生的運維監控平台。2012年，公司推出了雲基礎設施監控産品，是最早的雲監控解決方案之一，為複雜雲環境下的協作提供保障。2017年起，公司又陸續拓展了APM、日志管理、雲安全等産品線，目前已形成涵蓋17款細分産品、內建600+資料源的、統一實時的可觀察性和安全性平台，SaaS模式、開箱即用。截至2022年底，公司擁有超過23,000名客戶。
圖表28：目前已形成涵蓋17款細分産品、內建600+資料源的、統一實時的可觀察性和安全性平台
資料來源：Datadog官網，中金公司研究部
2018年推出基于ML的Watchdog自動引擎，無需手動配置即可實作異常值監測告警。傳統的運維監控通常需要工程師根據經驗人為定義IT系統的各類預期行為資料，并設定儀表闆和警報來監測可能偏差，然而雲計算使得IT架構更加彈性、複雜，人工設定規則存在局限性。Datadog基于多年的算法積累，推出Watchdog自動監測引擎，能夠實作：1）自動監測IPM、APM、日志管理中的性能異常；2）通過根本原因分析智能化決策、解決問題；3）利用上下文洞察增強故障排除工作流程等。
圖表29：Watchdog提供自動監測、告警、根因分析等底層能力
資料來源：Datadog官網，中金公司研究部
順應LLM流行趨勢，将OpenAI納入平台監測範圍。随着LLM大模型的流行，市場上出現越來越多LLM賦能的AI應用，了解大模型的實時性能、使用情況是應用廠商進行成本控制、性能調優的前提。5月10日，Datadog宣布在平台中內建納管OpenAI，可以支援：1）跟蹤 OpenAI模型服務的使用情況；2）監控并根據token使用情況合理配置設定成本；3）分析API響應時間以排除故障并優化性能。
圖表30：內建OpenAI，幫助組織監控AI使用情況、成本和性能
資料來源：Datadog官網，中金公司研究部
風險
市場競争加劇：傳統人力密集的運維服務模式容易出現同質化、低價競争的現象，近年産品化、AIOps等趨勢對運維廠商技術實力提出要求，龍頭廠商研發人員數量多、投入高具有優勢，長期看市場格局有改善、集中的趨勢，但若出現市場競争進一步加劇的現象，可能影響龍頭公司收入增長和盈利能力。
産品化轉型不及預期：産品化是長期趨勢，有望助力提升人效、提高毛利率、改善盈利能力，頭部運維廠商均積極布局，但若研發進度不及預期或下遊客戶購買習慣仍不成熟，使得産品化轉型不及預期，可能導緻商業模式改善結果不及預期。
AI應用落地不及預期：AIOps是長期發展趨勢，有望進一步提高運維的自動化、智能化水準，解放生産力，但若相關産品及技術疊代不及預期，可能影響行業整體商業化進展。
[1]https://www.servicenow.com/content/dam/servicenow-assets/public/en-us/doc-type/other-document/servicenow-financial-analyst-day-2023.pdf
文章來源
本文摘自：2023年6月24日已經釋出的《數智中國（四）：IT運維——數字化、國産化護航者，AIOps智能化更新正當時》
于鐘海 分析員 SAC 執證編号：S0080518070011 SFC CE Ref：BOP246
韓蕊 聯系人 SAC 執證編号：S0080121080059
胡安琪 聯系人 SAC 執證編号：S0080122070070
法律聲明