IT运维为IT系统稳定高效运行保驾护航，随着企业数字化转型不断深入，叠加云化与国产化趋势，IT系统规模扩大、技术堆栈复杂程度上升，给传统运维带来挑战，在产品化、自动化基础之上，人工智能赋能下的AIOps成为新解法。在本文中，我们首先回答市场较为关心的定义、空间、格局三个基础问题，其次回顾并展望IT运维的技术变迁路径和趋势，再结合海外龙头企业的AI相关布局启示，总结国内IT运维服务商的发展机遇。
摘要
大陆IT运维整体市场超千亿元，产品化程度、三方运维占比不断提升。IT运维涵盖服务和产品两个层面，其中IT运维产品根据功能不同又可分为ITOM（涵盖监控、管理、控制自动化）和ITOA（主要聚焦在数据分析）两类。艾瑞咨询预计，2023年大陆IT基础架构运维整体市场规模有望超过3,000亿元，其中纯产品市场规模接近200亿元。我们认为，长期来看，大陆IT运维市场中服务和产品仍将是有机结合的，但产品化程度有望逐步提升。此外，企业IT系统愈发庞杂的背景下，第三方运维厂商的综合能力优势显现，我们认为，未来三方运维占比将持续提升。
IT架构复杂化、技术变革驱动运维方式升级，云化、国产化、AI三浪叠加。IT运维从最初粗放的手工运维，逐步规范流程化、工具化，而后易用易管提效需求进一步驱动平台化、自动化。2010s以来，云计算、大数据、人工智能等技术的突破性发展亦深刻影响着运维方式，云原生催生DevOps重塑企业开发、运维流程，AIOps借助算法基于运维数据进行分析实现提前告警、根因分析，并结合业务规则、知识库等实现智能运维。近期市场关注度较高的LLM主要在智能问答、知识库管理、生成分析等方面助力AIOps进程。此外，国产化大趋势下，系统架构复杂度提升，运维作为软件国产替代“三驾马车”之一，保障新架构下业务系统的稳定运行。
海外对标AI战略清晰，国产厂商把握国产化、AI赋能等机遇。海外运维龙头均较早将AI能力融入平台产品中，其中，ServiceNow近期发布了明确的生成式AI战略，而Datadog则从另一角度出发，将OpenAI模型服务纳入运维范围。我们认为，国产IT运维厂商有望持续受益于国产化、产品化、AI赋能三大趋势。
风险
市场竞争加剧；产品化转型不及预期；AI应用落地不及预期。
正文
IT运维基础三问：是什么？空间多大？格局如何演进？
IT运维为IT系统稳定高效运行保驾护航
IT运维旨在保障IT系统的整体安全、稳定、高效运行。IT运维涵盖企业日常经营所有IT环境，包括软硬件基础设施及上层应用等，通过日常巡检、规避隐患并在故障发生后及时定位并解决故障等，保障企业IT生产环境的安全、稳定、高效运行。产业链角度，IT运维服务商位于中游，承接下游企业客户对于上游IT软硬件产品及系统的各类维护需求。
图表1：IT运维服务商位于中游，承接下游企业客户对于上游IT软硬件产品及系统的各类维护需求
资料来源：头豹研究院，中金公司研究部
IT运维涵盖服务和产品两个层面，其中产品又可分为ITOM和ITOA两类。服务和产品通常是有机结合的，标准化运维软件工具产品有助于运维技术人员提高作业效率。IT运维服务依赖技术人员开展业务，根据提供服务的主体不同分为原厂运维服务和第三方运维服务。IT运维产品提供相对标准化的软件工具，通过监测与IT基础设施及应用软件运行相关的指标来对其进行管理与分析，从而及时定位故障，保障被监测对象稳定运行，根据功能不同又可以分为ITOM和ITOA两类，但实际应用中，运维软件产品厂商通常以平台化的方式交付，基本同时涵盖ITOM、ITOA中的部分功能模块。
图表2：IT运维产品分类
资料来源：各公司官网，中金公司研究部
ITOM（IT Operations Management）指代IT运维管理软件，包含监控、管理和自动化三大模块。其中，监控类指对IT系统中各类软硬件设备的运行指标（如可用性、性能、容量等）进行监控和告警处理，根据监控对象不同又可分为应用性能监控（APM, Application Performance Management）、网络性能监控与诊断（NPM, Network Performance Management）、IT基础设施监控等；管理类包含IT资产和服务管理、IT服务支持管理（ITSM, IT Service Management）等；自动化则指代操作自动化工具，帮助实现批量系统配置、程序部署、命令执行等。ITOM领域代表公司如ServiceNow。
ITOA（IT Operations Analytics）通过大数据等手段分析运维数据，以实现故障预判。ITOA通过大数据与机器学习等手段对服务端的各类运维数据进行处理与分析，预测识别IT系统中的潜在风险，协助业务决策。ITOA和ITOM是相辅相成的，ITOM采集运维数据并实现自动化，ITOA分析数据并实现智能化。ITOA建立在ITOM的基础之上，ITOM系统是ITOA的数据来源之一，ITOA实现数据价值的挖掘、有效解决监控数据孤岛的问题，提供数智化的、预判性的全局视角帮助决策。ITOA领域代表公司Datadog、Splunk等。
整体市场超千亿元级，标准化产品尚在起步，有望助力集中度提升
国内IT基础架构运维市场规模稳定增长，第三方运维市场占比不断上升。艾瑞咨询预计2023年大陆IT基础架构运维整体市场规模有望超过3,000亿元。同时随着企业IT系统规模不断扩大、架构复杂度提升，叠加国产替代趋势，运维难度加大，要求运维厂商具备综合性、全局视角的服务能力，第三方运维占比稳步提升，艾瑞咨询预计到2023年第三方运维市场规模占比将提升至52%。
图表3：中国IT基础架构运维市场规模
资料来源：艾瑞咨询，中金公司研究部
图表4：中国IT基础架构第三方运维市场规模及占比
资料来源：艾瑞咨询，中金公司研究部
大陆ITOM/ITOA行业仍处于起步阶段，规模尚小但增速较快。Gartner数据显示，2021年全球ITOM市场规模超过400亿美元；IDC数据显示，2020年全球ITOA市场规模达到37亿美元。大陆IT运维产品化仍处于起步渗透阶段，艾瑞咨询预测，到2023年，大陆ITOM及ITOA市场合计约200亿元，其中ITOM市场规模达166亿元，ITOA虽然规模较小，但2019-2023年CAGR达23%。我们认为，分布式架构、混合云部署、国产替代等背景下，单凭人工已无法应对愈发复杂的IT系统运维需求，借助自动化、智能化运维工具来调效增质是未来的主流趋势，运维产品市场有望保持持续增长，在整体IT运维市场中占比不断上升。
图表5：2015-2021全球ITOM市场规模
资料来源：Gartner，中金公司研究部
图表6：2014-2023E中国ITOM/ITOA市场规模
资料来源：艾瑞咨询，中金公司研究部
参考海外，运维标准化产品的市场集中度较高，有助于改变格局分散的现状。IDC数据显示，2019年全球ITOM市场中Splunk、Microsoft及IBM市占率排名前三，CR5达41%。ITOA市场集中度更高，2020年CR5达63%，其中Splunk以28%市占率排名第一。传统的IT服务依赖于技术人员开展业务，人员流动性、生产力均有上限，市场分散、企业规模天花板有限，存在较多区域性龙头。而运维产品作为标准化的软件工具，前期具有一定开发壁垒，开发完成后可快速复制、边际成本低，能有效提高运维技术人员的工作效率，还有可能形成行业标准，有助于改变原先分散的市场格局。
图表7：2019年全球ITOM市场份额
资料来源：IDC，中金公司研究部
图表8：2020年全球ITOA市场份额
资料来源：IDC，中金公司研究部
国内市场仍较为分散，各厂商业务重点不同，产品化程度有所区别。国内运维产品市场仍较为碎片化，有较多一级市场创业厂商参与。ITOM的细分领域看，应用性能管理（APM）领域代表厂商有听云、云智慧、博睿数据等，网络性能管理（NPM）领域代表厂商有天旦网络、科来软件、新华三等；IT服务管理领域厂商有云智慧、Servicehot等。此外一些原先以IT运维服务起家的厂商近年亦积极实施产品化转型战略。
图表9：运维厂商自研产品收入对比，2022A
注：为2022年年报披露的收入口径
资料来源：Wind，公司公告，中金公司研究部
图表10：运维厂商研发和技术人员数量对比，2022A
注：为2022年年报披露的人员口径
资料来源：Wind，公司公告，中金公司研究部
IT技术堆栈复杂化，三方运维综合性优势逐步显现
按照服务主体进行区分，IT运维服务提供商可分为原厂运维服务商、IT基础架构系统集成商和第三方运维服务商。原厂服务商即软硬件产品提供商，同时提供配套运维服务，代表厂商如海外的IBM、Oracle及国内的华为、浪潮等。IT基础架构系统集成商集成软硬件产品为满足需求的统一系统，同时提供配套维护服务，如中软国际、神州数码等。第三方运维服务商为客户提供面向异构IT系统的综合性的IT运维支持，如新炬网络、银信科技等。
原厂对自身产品具有强底层技术能力，提供产品架构、代码层的运维服务。原厂在研发相关产品的过程中积累了深厚的底层技术能力，提供的产品设计架构、底层代码技术相关的运维服务是第三方运维厂商暂时无法替代的。但原厂运维服务范围窄、技术人员费用较高，且由于运维不是其核心业务，人员配备和服务网络覆盖面有限，对故障响应的及时程度也较低。
第三方运维服务覆盖范围更广，拥有全局视角、性价比高、响应更及时灵活。第三方运维服务商通常具备综合性的、系统级的运维服务能力，能对IT系统中各品牌厂商的各类软硬件进行运维，具备全局视角，从整体角度保障系统安全、可靠、稳定。此外，从运维成本角度出发，第三方运维通常更具性价比。同时，规模较大的全国性第三方运维服务商通常拥有本地化服务网络，能够及时响应故障。
图表11：原厂及第三方运维服务各有价值，客户通常会搭配采购
资料来源：中亦科技招股书，中金公司研究部
分布式、国产化、云化等趋势使企业IT系统愈发复杂庞大，第三方运维综合能力优势显现。原先在“IOE”时代，企业IT系统多为集中式、技术堆栈简单、基础软硬件供应商集中，运维难度相对较低，原厂的专业性优势更重要。然而，一方面，企业数据业务规模的上升驱动集中式架构向分布式架构演进，运维的重心逐步从硬件转向系统；另一方面，国产化、云化部署等趋势下，IT基础架构技术堆栈愈发复杂、分散，这样的背景下，第三方运维服务商的综合能力的重要性逐渐显现，我们认为，未来除了产品底层代码级别的问题需要原厂协助以外，更多综合性的、系统级别的运维工作将由专业第三方运维厂商承担。
图表12：第三方运维厂商中标订单示例
资料来源：采招网，中金公司研究部
IT运维发展脉络：手动升级自动，AIOps智能运维可期
IT架构复杂化、技术变革驱动运维方式升级。IT系统架构复杂化和快速变化的业务需求要求运维不断适应新环境，促使IT运维方式的升级迭代。总结来看，IT运维从最初粗放的手工运维，逐步规范流程化并使用工具减少重复工作，而后易用易管提效需求进一步驱动平台化、自动化。2010s以来，云计算、大数据、人工智能等技术的突破性发展亦深刻影响着运维方式，云原生催生DevOps重塑企业开发、运维流程，而大数据、人工智能使智能运维成为可能。
图表13：IT运维发展脉络：手动升级自动，智能运维可期
资料来源：中金公司研究部
IT运维早期经历从手动到标准化、自动化的初步演变
早期IT系统架构简单，以人工方式为主。早期企业信息化系统服务器数量较少、业务需求简单，对运维技术要求不高。运维工作主要为机房及服务器选型、软硬件初始化、服务上下线、配置监控和处理告警等，运维和开发职责界限不清晰，尚未形成完善的运维标准或流程体系。
IT系统规模扩大对手工模式提出挑战，国际IT服务标准发布。企业业务扩张、信息化深入对IT运维提出了新的要求，不成章法的手工运维难以满足要求，需要规范的流程标准指引。1980s，ITIL（IT Infrastructure Library）由英国中央计算机和电信局（CCTA）正式发布，迭代至今已经成为IT服务管理领域最佳实践事实上的国际标准，并在此基础上衍生出ISO20000。大陆亦有工信部推出的ITSS（IT Service Standards）信息技术服务标准。
工具化成为IT运维新特征。在人工运维阶段，已出现运维工程师将复杂操作与重复性工作流程转化为脚本自动执行，以减少重复性工作、提升运维效率。随着业务场景与体量的复杂程度上升，脚本批量执行已经无法满足要求，出现了通过流程串联脚本功能、执行脚本结果校验及判断等新需求点，业务部署及运维管理呈现工具化趋势。
易用易管需求催生运维平台化，事件触发流程让自动化更近一步。进入工具化运维阶段后，工具数量不断增加，但相互分散、不易管理，催生了整合各类运维工具及工作流的更高效易用的运维管理平台软件。同时，自动化方面更进一步，事件与流程关联，性能异常或宕机时自动触发故障响应和恢复机制减少手工作业，运维数据可视化也成为了平台功能之一。2010s以来出现了较多自动化运维的平台型软件如Ansible、ServiceNow、Splunk、Datadog等，在平台化之上，这些产品同样顺应后续云原生和AI浪潮发展趋势，融入了DevOps、AIOps等理念。
行业机遇一：云化背景下系统环境迁移，DevOps登台亮相
云化成为未来企业IT架构调整的重要趋势之一，也给IT运维带来挑战。云计算不断发展，混合云成为主流部署模式，容器化、微服务等技术逐渐普及，上层应用的迭代、更新更加频繁。IT基础设施架构复杂程度大幅提升、稳定性下降，需要针对云基础设施环境的运维产品，更强调运维过程中的全局管理、统一监控及洞察分析能力。
图表14：云原生技术变革影响
资料来源：阿里云社区，中金公司研究部
容器架构的成熟为DevOps推广打下技术基础，重塑软件开发及运维流程。快速变化的市场环境和用户需求促使软件开发流程不断向敏捷化的方向演进，而容器技术成熟、软件内部架构解耦为践行DevOps打下基础。DevOps（研发运维一体化）是一套在云计算、微服务、容器化等新技术应用深入的背景下发展起来的，打通软件全生命周期、形成开发-运维闭环的流程和方法论，具有自动化、持续集成、立体化监控、持续交付、易于协作等特征，有利于提升产品构建、测试、上线、运维的效率。
图表15：DevOps各环节及代表厂商
资料来源：艾瑞咨询，中金公司研究部
DevOps产品架构尚未形成统一标准，以适应新需求、提升运维人员效率和自动化程度为要义。具体到DevOps平台产品实现的功能上，以新炬网络为例，其GDEVOPS具备编译、打包、发布的可视化、自动化管理以及代码质量度量与监控等功能；以嘉为科技的蓝鲸DevOps产品为例，其运维模块包含了各类监控、自动化及可视化等功能。我们认为，笼统地看，DevOps平台中运维模块依然围绕“监”（各类指标性能监控）、“管”（资源、服务管理）、“控”（自动化）、“析”（运维数据分析、可视化）展开，但具体的管理内容、监控对象等根据新技术环境、新需求调整；同时平台自动化和数字化程度整体提升；另外开发和运维人员的协同也有利于将部分问题前置解决。总体而言，DevOps能为企业带来开发、运维效率提升，应用交付质量满意度提升等综合性收益。
行业机遇二：国产化助力IT架构升级，复杂系统堆栈亟需平台化工具支持
运维是软件国产替代“三驾马车”之一，保障新架构下业务系统的稳定运行。国产替代持续推进、未来将进一步向业务系统渗透，客观来说，在迁移初期会对现有IT系统的稳定性带来一定挑战，运维的重要性进一步提升。专业第三方运维厂商的兜底保障，一方面可以减少下游客户的顾虑、助力国产替代进程更顺利地推行；另一方面专业化分工使得国产软件厂商能够将有限的人力聚焦在软件产品底层技术架构的迭代和升级上。因此，我们认为国产IT运维的受益逻辑不仅仅是“国产化的后置需求”而是“国产替代进程中新架构下业务系统稳定运行的关键保障者”，是和国产基础软件、国产应用软件并驾齐驱的软件国产化浪潮“三驾马车”之一，同时，国产第三方运维服务厂商的份额有望乘势进一步提升。
图表16：国产运维是软件国产化替代中的“三驾马车”之一，保障新架构下业务系统的稳定运行
资料来源：各公司官网，中金公司研究部
从集中式、“IOE”架构向分布式、国产化迁移，异构环境更复杂、涉及原厂商更多，需要拥有全局视角的专业第三方服务商。一方面，国产化替代的初期，新旧交替过渡，可能存在海外和多家国产供应商共存的情况；另一方面，传统“IOE”架构以集中式为主，国产替代叠加业务规模、数据规模的自然增长将涉及更多分布式架构。IT运维从原先仅需对接个位数原厂供应商、管理数十个节点跃迁为需要对接数十上百的原厂供应商、管理成百上千的节点，运维重点从硬件转向系统整体，运维逻辑从事后维修向事前预防、事中持续保障转变，运维复杂度指数级增长。这样的背景下，第三方运维服务商综合能力、全局视角的重要性逐渐显现，我们认为，除了产品底层代码级的问题需要原厂协助以外，更多综合性的、系统级别的运维工作将由专业第三方运维厂商承担。
传统人力依赖模式可能无法适应国产化背景下的复杂运维需求，产品化升级助力商业模式改善。过去技术栈简单，依赖专家经验即可满足运维需求，但国产化背景下，IT技术栈愈发复杂、系统规模逐渐庞大，人力密集模式存在瓶颈。同时对于运维服务商来说，非标服务毛利率天花板低、企业扩张有上限，还面临同质化竞争等问题。反观国外龙头运维厂商，基本以交付标准化的运维产品为主、结合少量服务，整体毛利率水平在70%以上。需要承认的是，客观来说，国内外企业客户的数字化水平和付费习惯、意愿有一定差异，服务+产品搭配的方式可能更符合国情，但我们认为产品化将是长期趋势，将重复性的或能基于规则实现的工作流程标准化为软件工具，有助于运维厂商提高人效、改善盈利模式。
图表17：国内外部分运维服务商人效情况
资料来源：Wind，公司公告，中金公司研究部
图表18：国内外部分运维服务商毛利率
资料来源：Wind，中金公司研究部
行业机遇三：人工智能赋能，AIOps智能运维成确定性产业趋势
AIOps是未来IT运维的确定性发展趋势，效率提升作用明显。AIOps将IT运维与人工智能、大数据、机器学习等技术相结合，借助算法对运维数据（系统日志、应用日志、各类监控指标等）进行学习分析并提取规律，再结合业务规则、专家经验知识库等，自动识别并响应故障，还能帮助事前预判，发掘更多运维人员尚未觉察的潜在的系统安全和运维问题，从被动式响应变为主动式防御。AIOps对于企业运维效率的提升是非常直观的，根据信通院2022年的调查，54%的受访者能够感受到效率提升，其中接近30%的受访者认为效果明显。
图表19：AIOps平台对运维数据进行分析，再结合知识图谱等，实现智能决策和故障响应
资料来源：Gartner，中金公司研究部
AIOps仍处于起步阶段，目前仅作为辅助，高质量的运维数据积累是落地前提。AIOps实际应用及落地时间相对较短，信通院2022年的调查显示，52%的受访者认为目前其所在企业AIOps仍处于初始智能和辅助运维阶段，即主要帮助解决数据采集、感知、分析，决策仍需人工完成。一方面，足量、高质的运维数据是AIOps模型能力提升的关键，企业首先需要做好运维数据的集中留存、管理；另一方面，不同运维场景间需求差异较大，需要特定的运维知识图谱和算法。目前AIOps主要在指标异常检测、告警根因分析、故障预测等相对通用、高频的场景中应用。
图表20：AIOps根据智能化程度分成5级，目前主要作为辅助
资料来源：《云计算智能化运维(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主要在智能问答、知识库管理、生成分析等方面助力AIOps进程，国内外运维厂商积极与大模型厂商合作。5月中旬，ServiceNow官宣与微软合作，在产品中引入OpenAI的LLM能力，在ServiceNow Store中推出Generative AI Controller应用，可以实现1）知识管理系统的自然语言互动问答；2）辅助关于描述性数字、专业知识等的文本生成和事件总结；3）和平台上原有的低代码工具集成；4）快速识别指令并利用通用提示词生成个性化用例。国内厂商如新炬网络亦积极布局，在三月初即官宣成为文心一言首批生态合作伙伴，计划将智能对话技术成果应用在企业级智能运维与数字员工智能服务领域。
图表21：国内外部分运维厂商AI相关产品布局一览
资料来源：各公司官网，中金公司研究部
他山之石：海外运维龙头如何布局AI？
ServiceNow：从IT运维到全面赋能企业工作流，生成式AI战略清晰
原ITSM头部公司CTO再创业，踩中C/S向B/S转型的技术窗口，颠覆原先市场格局。Fred Luddy曾在Peregrine Systems（原ITSM领域头部公司，于1980s率先开发ITSM相关产品）任职CTO，2001年Peregrine收购了当时的主要竞争对手Remedy，然后不久后受财务造假丑闻影响于2003年宣布破产。Fred Luddy则在2004年创立GlideSoft（2006年改名为ServiceNow），依然以ITSM为目标市场，但采取与市场上主流厂商本地部署不同的云端策略，产品迭代更新周期由数月缩短为数周，踩中2010s美国IT行业的B/S架构替代C/S架构的关键风口，驶入发展快车道，根据IDC数据，到2016年在ITSM市场占有率超过30%，坐稳市场龙头。
ITSM起家后延伸至ITOM，再从IT运维拓展至企业数字化转型过程中的各类Workflow，打开可及市场空间。2011-2017年，ServiceNow在ITSM坐稳市场龙头同时完成了从单一ITSM到ITOM全覆盖的延伸，并于2014年提出ESM解决方案（Enterprise Service Management Solutions），开始跨领域尝试；2017年，公司聘请耐克董事会成员、前eBay的CEO John Donahoe接任CEO，并在2018年之后开始全面拓宽涉足领域。到目前已经形成了一个平台底座（Now Platform）+4个领域Workflows（IT、员工、客户、开发）的完整产品布局，Now Platform包含统一的数据模型、代码库，提供ML（Machine Learning）、低代码、RPA等在内的底层能力，上层Worklfows产品针对企业内外部特定场景的工作流程，提供便于协作的、自动化的、增质提效的生产力管理服务工具。根据公司公告，从年净新增合同口径来看，目前来自IT运维业务的占比约60%。
图表22：形成了一个平台底座+4个领域工作流的完整产品布局
资料来源：ServiceNow Financial Analyst Day 2023，中金公司研究部
AI布局前瞻，6年收购11家AI创业公司补充底层能力，带来25%的ASP提升。从2017年至今，公司收购了11家AI底层技术能力相关的公司，用于增强自然语言处理、AI增强搜索、RPA、AIOps等领域的技术能力。公司官方披露，Now Platform的AI增强能力已经为公司带来了40%的升级版产品购买和25%的平均客单价提升[1]。
图表23：过去6年，公司积极收购AI领域独角兽企业，补强底层能力
资料来源：ServiceNow Financial Analyst Day 2023，中金公司研究部
生成式AI战略清晰，全面赋能各工作流产品。公司认为生成式AI会全面增强公司各工作流产品能力，在底层平台方面，生成式AI将会增强搜索能力、辅助自动化代码生成、通过特定领域的LLM增强公司“Now Assist”智能问答能力；具体到IT运维方面，公司认为生成式AI将有利于：1）提高自动化响应比例；2）更快地完成事件原因分析；3）以自然语言形式进行事后总结分析。
图表24：生成式AI会全面增强公司各工作流产品能力
资料来源：ServiceNow Financial Analyst Day 2023，中金公司研究部
Splunk：监控类及ITOA市场龙头，提供3种灵活的ML集成方式
Splunk从日志搜索工具起家，目前提供完整的企业安全和可观察性平台，细分市场占有率第一。Splunk成立于2004年，最初定位IT日志搜索工具，发展至今，已经形成了涵盖安全性和可观察性的统一平台，提供一系列产品模块与工具，帮助用户收集、监控、分析和可视化各类机器数据，从中获得洞察并智能化决策，保障业务安全性、可靠性、稳定性，实现运维流程从被动、低效向主动、自动化、ML增强转型。Gartner数据显示，2021年，Splunk在IT运营健康及性能分析（HPA, Health and Performance Analysis，包含APM、NPM等）及安全信息和事件管理（SIEM, Security Information and Event Management）领域的市场份额均位居全球第一。
图表25：Splunk提供统一的安全性和可观察性运维平台
资料来源：Splunk官网，中金公司研究部
Splunk集成ML能力实现数据智能。目前，Splunk平台提供不同类型的ML能力集成选项，1）SPL（Splunk开发的一种类SQL语法的搜索处理语言）中内置ML功能；2）预置在产品中的ML增强解决方案：Splunk IT Service Intelligence（ITSI）、Splunk Enterprise Security等解决方案均预置了ML增强功能，比如Splunk ITSI能够实现基于ML算法的智能告警等；3）Splunk MLTK机器学习工具包：是Splunkbase应用生态系统中的一个官方扩展应用程序，提供SPL搜索命令、宏、引导式建模仪表盘和样例，客户可以构建自定义ML解决方案。
图表26：Splunk以3种形式提供ML能力增强
资料来源：Splunk官网产品文档，中金公司研究部
图表27：Splunk IT Service Intelligence的ML增强功能示例
资料来源：Splunk官网，中金公司研究部
Datadog：云上可观察性专家，将OpenAI模型服务纳入监控范围
云上可观察性专家，近年拓展安全产品线。Datadog成立于2010年，正值云计算技术浪潮，开发和运维割裂的旧模式被打破、DevOps兴起，用于监控静态本地架构的传统运维工具无法很好地适应云或混合部署环境，需要云原生的运维监控平台。2012年，公司推出了云基础设施监控产品，是最早的云监控解决方案之一，为复杂云环境下的协作提供保障。2017年起，公司又陆续拓展了APM、日志管理、云安全等产品线，目前已形成涵盖17款细分产品、集成600+数据源的、统一实时的可观察性和安全性平台，SaaS模式、开箱即用。截至2022年底，公司拥有超过23,000名客户。
图表28：目前已形成涵盖17款细分产品、集成600+数据源的、统一实时的可观察性和安全性平台
资料来源：Datadog官网，中金公司研究部
2018年推出基于ML的Watchdog自动引擎，无需手动配置即可实现异常值监测告警。传统的运维监控通常需要工程师根据经验人为定义IT系统的各类预期行为数据，并设置仪表板和警报来监测可能偏差，然而云计算使得IT架构更加弹性、复杂，人工设置规则存在局限性。Datadog基于多年的算法积累，推出Watchdog自动监测引擎，能够实现：1）自动监测IPM、APM、日志管理中的性能异常；2）通过根本原因分析智能化决策、解决问题；3）利用上下文洞察增强故障排除工作流程等。
图表29：Watchdog提供自动监测、告警、根因分析等底层能力
资料来源：Datadog官网，中金公司研究部
顺应LLM流行趋势，将OpenAI纳入平台监测范围。随着LLM大模型的流行，市场上出现越来越多LLM赋能的AI应用，了解大模型的实时性能、使用情况是应用厂商进行成本控制、性能调优的前提。5月10日，Datadog宣布在平台中集成纳管OpenAI，可以支持：1）跟踪 OpenAI模型服务的使用情况；2）监控并根据token使用情况合理分配成本；3）分析API响应时间以排除故障并优化性能。
图表30：集成OpenAI，帮助组织监控AI使用情况、成本和性能
资料来源：Datadog官网，中金公司研究部
风险
市场竞争加剧：传统人力密集的运维服务模式容易出现同质化、低价竞争的现象，近年产品化、AIOps等趋势对运维厂商技术实力提出要求，龙头厂商研发人员数量多、投入高具有优势，长期看市场格局有改善、集中的趋势，但若出现市场竞争进一步加剧的现象，可能影响龙头公司收入增长和盈利能力。
产品化转型不及预期：产品化是长期趋势，有望助力提升人效、提高毛利率、改善盈利能力，头部运维厂商均积极布局，但若研发进度不及预期或下游客户购买习惯仍不成熟，使得产品化转型不及预期，可能导致商业模式改善结果不及预期。
AI应用落地不及预期：AIOps是长期发展趋势，有望进一步提高运维的自动化、智能化水平，解放生产力，但若相关产品及技术迭代不及预期，可能影响行业整体商业化进展。
[1]https://www.servicenow.com/content/dam/servicenow-assets/public/en-us/doc-type/other-document/servicenow-financial-analyst-day-2023.pdf
文章来源
本文摘自：2023年6月24日已经发布的《数智中国（四）：IT运维——数字化、国产化护航者，AIOps智能化升级正当时》
于钟海 分析员 SAC 执证编号：S0080518070011 SFC CE Ref：BOP246
韩蕊 联系人 SAC 执证编号：S0080121080059
胡安琪 联系人 SAC 执证编号：S0080122070070
法律声明