华为 JDC 登场！观测云带来下一代监控观测平台的 AI 实战解法

6 月 20 日，在华为数据中心大咖沙龙现场，观测云 CEO 蒋烁淼受邀登台，带来了重磅演讲《AI 大模型时代，数据中心从人为观测走向机器辅助观测》，与在场数百位开发者、技术负责人、行业专家深入探讨了如何基于 DeepSeek R1 大模型与 AI Agent 技术，实现可观测性数据的智能分析与自动化运维，展示了观测云在 AI 驱动可观测性平台上的落地能力。

为什么要谈“AI+可观测性”？

在复杂业务系统、庞大技术架构、高频迭代的多重挑战下，传统监控系统正逐渐失灵：

• 各类监控工具割裂，数据不能串联

• 问题定位链路长，分析效率低

• 运维成本高，告警误报多

• 团队协作难，信息不能共享

AI 成为解决这些痛点的“关键钥匙”。但想让 AI 真正服务于可观测性，并不是简单“接入大模型”那么轻松。蒋烁淼表示：“我们要的不是把大模型嵌进去，而是要让 AI 理解运维问题、适应运维逻辑、生成可执行的结论。”

从难题出发，观测云怎么做？

观测云 Obsy AI，作为全栈监控观测平台的智能核心，解决的不是“问点小问题”——而是要能辅助运维完成从现象识别到根因定位、到策略建议的整个闭环。

01 三大挑战，不容低估

• 数据上下文复杂：运维数据体量巨大，结构极不统一，原始数据分析可能涉及数十 GB 甚至 TB 级内容，经济性极差。

• 大量无效输出：大模型通用逻辑不具备 IT 运维专业知识和客户场景抽象信息，常规 RAG+prompt 模式难以在 IT 场景中获得准确输出。

• 推理路径过长：涉及数百个垂直场景，推理维度以万计，性能和精度难平衡。

02 AI for Observability：观测云构建“五大统一”

观测云的解决方案，不是“模型+接口”的浅层集成，而是全面构建了一整套 AI for Observability 的底座能力：

• 统一采集器：支持指标、日志、链路等多源数据统一采集

• 统一数据模型：构建时间 + 空间坐标体系，支持上下文分析

• 统一标签体系：实现数据语义化，让 AI 可以“看懂”业务、主机、组件等多维信息

• 统一数据存储：GuanceDB 3.0 提供了 Serverless 架构与流式聚合引擎，支撑 PB 级数据处理、低延迟响应与 AI 分析加速

• 统一数据分析：统一数据查询语言 DQL 支持海量数据快速处理和高效响应

基于以上底座能力，Obsy AI 智能体的能力实现了真正的落地，其中包括：

• 仪表板智能解读，给出健康度评分、重点及异常指标讲解，以及排查优化建议

• 异常告警智能聚合，快速发现并指向故障根因

• 全链路性能分析，辅助决策排查链路瓶颈

• 各种分析结论形成结构化、上下文明确的建议

• ...

03 Observability for AI：观测云让大模型调用可观、可查、可控

集成强大 AI 能力的同时，观测云同样通过自身的全栈可观测能力，为 LLM 应用提供从请求到响应的完整可视化支持：

• 调用链一键溯源：快速定位异常调用上下文，助力开发高效排查；

• Token 消耗全景掌控：实时展示 Prompt / Completion Token 使用情况，支持模型与应用维度分析；

• 成本趋势预警：调用量、费用一图看清，超阈值立刻告警，守住预算安全线；

• 火焰图 + 根因分析：链路耗时分布一目了然，慢调用瓶颈一击即破。

与华为深度协同，打造高可用、高性能全栈可观测性解决方案

本次大会，观测云也展示了与华为在数据中心领域的协同实践。基于鲲鹏、昇腾等华为基础设施，观测云可部署于多种异构环境，实现性能保障与数据安全的双重提升，打造高可靠、强弹性的一体化可观测方案。

AI 驱动的智能可观测性，不只是平台功能的迭代，而是企业认知体系的升级。

未来，观测云将继续在 AI 与可观测性的交叉点上发力，探索智能化运维的新边界，构建更懂业务、更懂团队的智能监控观测平台。