苹果 A14 Bionic 人工智能算力翻倍，AIOps 产品落地加速引领 AI 生态建设逐步完善

前几天的“科技圈春晚”（苹果秋季新品发布会），是否让你感觉有点隔靴搔痒，甚至意犹未尽？对于一些人来说，没有了iPhone 12的这场发布会，尽管不乏Apple Watch、iPad等新款产品登场，但还是貌似有些群龙无首。



然而，对于科技圈和人工智能（AI）产业来说，2020年的这场“科技圈春晚”却并非毫无亮点可寻，甚至，发布会的主角已经非A14 Bionic莫属。这一苹果全新发布的芯片，对比此前的A13似乎性能提升只是中规中矩：在处理器方面提高了17%的性能，在图形性能方面提高了8%。



不过，与此同时，其在人工智能方面的计算能力，却提高了接近100%。



目前，A14 Bionic所搭载的全新16核Neural Engine，核心数比前代增加一倍，最高能够每秒处理11万亿个操作，而上一代芯片的人工智能算力只有6TOPS。



硬件算力飞速成长，激活人工智能软件生态



将处理器性能与人工智能性能的增长率对比不难看出，相较于“挤牙膏”一样的CPU和GPU性能，AI加速器硬件技术正在以前所未有的速度发展、成长，而这势必会推动AI应用的发展。



硬件是数字社会建设的基础和前提，AI加速器计算能力的迅猛增长，毫无疑问将会有助于软件与应用等上层建筑的发展普及。在可见的未来，随着硬件性能的就绪，围绕AI展开的软件与应用开发将呈现百花齐放的姿态。



在这一大背景下，基于AI的IT运维/应用和工具模型、模式，也将会逐渐丰富并应用于生产环节。正如全球IT研究机构Gartner所预测的：“到2022年，将有40%的大型企业部署AIOps（智能运维）平台。”



人工智能时代已经来临。





前瞻布局AIOps，扩展AI应用生态



如今，包括博睿数据等在内，众多厂商正在通过AIOps技术赋能IT运营，为企业提供高效的决策支撑，从而驶上开往人工智能时代的快车道。



AIOps赋能运维管理与端到端应用监测的全流程包括：



<动态基线> 基于历史数据，利用智能算法进行深度学习，对未来一段时间内每个时间点的数值进行精准预测，将预测值作为基线来监控和告警。



<异常检测> 通过历史数据的机器学习来动态预测数据的趋势，无须手动设置阈值，可以根据指标的数据特征自动识别异常。



<故障预测> 基于历史告警消息的相关性，对当前处于故障状态的警报可能造成的影响进行预测判断 ，从而实现故障的提前预警。



<根因分析> 基于智能算法对异常或者故障的根因进行分析，给出故障的根因推荐以及深入分析结果。



<智能合并> 基于聚类算法实现告警事件的智能合并，减少冗余告警事件对运维工作的干扰。



<知识工程> 基于智能算法构建决策支持知识库，实现与事件关联的相关知识识别与推荐。





【应用场景详述一】AIOps使用动态基线的业务应用场景





业务动态基线波图



如上图所示，绿色曲线与蓝色曲线的波动趋势不太相符，所以出现较多时段的异常数据。



IT运维人员在对业务服务数据进行问题检测时，通常会使用动态基线来对实时数据进行检验和衡量。在实时数据与动态基线数据两条曲线的拟合度相似的情况下，则该业务是较为健康的；若动态基线与实时数据离散程度较大，则当前业务存在问题。



【应用场景详述二】AIOps在异常检测下的业务应用场景



应用响应异常检测



如图所示，红色线则为异常数据时段。



IT运维人员在对应用服务运行状态的检测过程中，通过AIOps的异常事件检测算法，可以判断图中红色区域的数据即为异常事件，深灰色条状区域为可容忍的业务波动范围。同时，运维人员也可以通过数据集特征数据，对当前时段内数据进行事件聚合，全面分析当前事件对应用的全部影响波动范围。



迎接人工智能时代



如今，越来越多厂商正在积极拥抱人工智能、机器学习等新技术变革的浪潮，其中，博睿数据等众多厂商已经基于AI和机器学习技术，自主研发了“数据接入、处理、存储与分析技术”核心技术体系， 全面布局智能基线、异常检测、智能告警、关联分析、根因分析、智能智库等丰富且广泛的智能运维功能，并将AIOps能力融入端到端全栈监控产品线，可为传统企业提供强大的数据处理、存储和分析的软件工具，帮助客户整合各类IT运维监控数据，实现数据的统一存储和关联分析，打破数据孤岛，构建统一的IT运维管理平台，让企业的IT运维更加智能化、自动化。