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。
