掘金千亿智能运维市场，谁将成为国内下一家AIOps独角兽？| 华映洞察

掘金千亿智能运维市场，谁将成为国内下一家AIOps独角兽？| 华映洞察

提到企业IT运维，在传统企业和大部分投资机构的眼中，并不是一个很性感的词汇，大家联想到的是一群IT人员对企业IT系统软硬件进行日常维护，员工7*24小时三班倒的工作。

在系统不出现问题的时候，大家感知不到你的存在，而出了问题往往运维部门又要背锅，不直接为企业创造收入，因此IT运维往往在老板眼里是一个花钱、卖力且不讨好的部门。

实际上，这都是过去人们对运维及运维人的刻板印象。随着近年来云技术、AI技术的发展，运维也被赋予了新时代的标签，甚至爆发出前所未有的发展潜能。

本期华映洞察，将为大家介绍我们对目前火热的智能运维领域的行业梳理，以及一些投资思考，希望大家从中有所收获：）

回顾IT运维的发展历程，行业通常将其划分为四个阶段，从V1.0的手工式运维，V2.0的监管控式运维，V3.0的大数据式运维，到现在V4.0-AI赋能的智能运维，这个过程是传统运维到智能运维的演进。

图片来源：网络公开资料，华映资本整理

传统运维更多是被动响应、以人为核心，而智能运维包含了发现问题+分析问题+解决问题的全流程，是智能化的，自动化的。

Gartner在2016年提出了AIOps (Artificial intelligence for IT operations)的概念，AIOps平台综合了大数据、机器学习和可视化技术，用于增强和部分取代 IT运维流程和任务，包括可用性和性能监控，事件关联和分析，IT服务管理和自动化。

伴随着智能运维概念的提出，我们看到，行业对运维内涵的理解也在发生变化。过去的运维是小数据，每一个运维模块都是一个数据孤岛，不涉及算法，仅能满足传统运维的使用场景。而发展至今我们所关注的新运维，是基于完整的大数据、AI算法来提供全栈式运维，面向泛运维甚至涵盖非运维的场景。

在这个过程中有三点核心的变化：

1. 运维的边界在变化，由服务于IT到服务于业务；

2. 运维的定位在变化，由成本中心到服务中心；

3. 人+基于规则的系统，演进到基于AI、大数据、知识图谱的智能系统；

总结来看，传统运维向智能运维演进的过程，更是“IT运维”到“IT运营”演进的过程。

那么是什么行业痛点或变量因子，促使运维内涵的变化呢？我们认为核心是四个方面：

首先，我们看到传统运维逐渐暴露出其在效率、成本及经验沉淀方面的局限性。

❏ 效率低：传统运维方式主要以“人”为本，发现问题和解决问题的效率都不够高；

❏ 成本高：传统IT运维通过设备冗余和人员冗余的方式来保障安全性，通过成本线性增长来匹配日益增长的任务，硬件成本和人力成本极高；

❏ 经验旧：传统运维经验更多擅长封闭架构下的稳态业务，无法支撑新业务和新架构下的新运维需求；

其次，新的业务形态和IT架构重构正在为客户的业务保障带来全新挑战。我们观察到，目前80%的IT资源在做云迁移，50%的IT架构在进行重构，随着容器化、微服务化和云化，不得不面临一个问题——我们需要引入大量的运维工具，实现对我们IT架构的不同维度做监控和掌握。不管是云环境容器还是应用层、基础资源层，都需要通过日志手段、APM手段、基础资源监控等手段去获得大量的监控数据，与此同时也引发了相应的问题：工具越来越多，就越需要引入更复杂的流程去处理这些问题，一旦一个问题在某个系统上面爆发出来，我们不得不通过大量的流程去解决这些问题，甄别这些问题。

第三，目前基于“人+规则”为主的运维方式呈现出局限性。我们需要能够快速定位和处理问题的人。原有的流程和经验没有办法覆盖所有问题，人的线性投入不发来带运维效益的线性增长，人工成本在增加，而行业资深专家越来越少。如何应对运维团队的人员变化，把运维人员各自的经验沉淀成知识体系，能够持续为企业复用是企业无法忽视的问题。

最后，如何提高IT效率来反哺业务效率。在企业决策者层面要考虑，IT的比重在企业运营中逐渐增强，是否可以通过科技创新，科技赋能运维以支撑新的业务增长点呢？也就是我们说的，从成本中心到收入中心的转变，从IT运维到IT运营的升级。

我们之所以强调AIOps的重要性，正因为它是基于大数据和AI应运而生的，可以完美的解决传统运维所面临的诸多挑战。过去，企业使用IOE架构，使用的场景面向内部办公业务，对于IT运维的诉求可有可无；现在，企业做云上的迁移，是云架构的，面临第一次的IT重构，稳定高效的运维成为业务的核心诉求；未来3-5年的时间，企业持续进行业务的数字化升级，形成云架构/雾架构；那时稳定高效的运维将成为万物物联世界的基石，而AIOps也会成为企业的刚需。

根据Gartner的报告：中国AIOps平台技术将继续增长，主要由以下五个原因：

❏ 对日益主动的IT运营的需求不断增长

❏ 多云和混合云和数字化带来的速度，规模和复杂性强调了传统的基于规则的性能监控和管理

❏ 不断提高的数据多样性，成本优化目标和质量期望

❏ IT运营中持续的数据增长，活力和相关的复杂性

❏ 自治治理(适应性治理的一部分)的要求，以实现业务可持续性

图片来源：Gartner

同时，Gartner认为AIOps对于企业运营的核心价值体现在以下5个方面：

❏ 如何在海量的信息当中去降低误报或冗余事件

❏ 提供更好的因果关系，有助于确定事故可能原因

❏ 捕获超出静态阈值的异常，以主动监测异常情况

❏ 预测未来事件以防止潜在的故障

❏ 当问题被确认和定位之后，启动一个自动化的解决方案以恢复问题

参考Gartner的研究结论，对于企业来说，我们认为智能运维一体化建设可以分为四个阶段目标，企业的运维升级也将围绕四个目标展开：

图片来源：华映资本

假如我们参考无人驾驶领域的一个分级标准，将运维的智能化水平也划分为L0-L5，在AIOps的发展阶段上，纵观全球，美国的在智能运维领域相比中国处于领先地位，未来差距有望缩短。

资料来源：Qcon大会 ，华映资本整理

在市场规模方面，我们挖掘市场持续增长的变量因子主要有两方面：

❏ 规模驱动线上业务高度繁荣，线下业务加速向线上转型，带来运维对象- IT基础设施的规模不断增长。3-5年后企业在软件和人力的投资占比从3：7上升至5：5；

❏ 需求驱动直接对外服务的线上业务(互联网、新金融、新政府等行业)对业务稳定高效运行的要求极高，使得运维成为刚需，且要求效能不断提高。

资料来源：Gartner 、艾瑞咨询 ，华映资本整理

2019年全球企业已有25%部署两种或多种IT运维功能的AIOps平台，到2021年这一比例预计达到40%。研究机构Markets and Markets的报告指出，全球AIOps市场规模预计将从2018年的25.5亿美元增长到2023年的 110.2亿美元，预测2018年到2023年的复合年增长率为34.0%。

2019 年我国 IT 数据中心第三方服务市场超过1000亿元人民币，且保持 20%以上的年增长。随着企业云化和数字化进程的加剧，传统运维管理工具市场都将是云监控的未来潜在渗透空间，市场规模超过100亿元。

行业普遍认为 AIOps的落地需要经历三个步骤，分别是:

Step1：基础版-工具，实现监控+日志等运维大数据统一采集，为ITOA和AIOps提供数据源；

Step2：高级版-平台，实现对于运维大数据的统一治理，提供给算法消费，辅助客户决策；

Step3：智能版-场景，运维大数据的多场景智能化应用，替代客户决策；

根据Gartner的定义，AIOps产品或平台应包含八大层级：

资料来源：Gartner .Qcon大会，华映资本整理

基于Gartner ，AIOps技术栈衍生出来的AIOps主流的技术派别

算法类：以自主算法研发为核心，提供针对运维场景下时序指标、文本日志、系统调用链信息、第三方告警、配置文件等数据处理的算法集，降低用户使用开源算法自行尝试的时间和能力成本；

指标类：以传统运维监控工具指标数据采集和加工为基础，结合指标类人工智能算法实现异常检测、关联分析、趋势预测等能力，重点解决告警阈值设置，容量预测等运维场景问题；

日志类：以日志采集和处理技术为基础，结合文本处理类人工智能算法对海量日志数据的再加工和分析，降低运维团队日志阅读量，解决异常检测、日志聚类、时序预测、根因分析等运维场景问题；

事件类：以复杂事件处理和知识图谱技术为基础，从事件触发解读海量的IT运行数据，运用自然语言处理技术，提供事件发现、事件分析、事件分类、事件聚类等能力，结合基于运维知识图谱的解决方案推荐和根因分析能力，形成智能运维闭环。

资料来源：华映资本

在运维能力覆盖范围上，可以大致归类为性能监控、智能告警、AIOps以及行业集成商；其中性能监控又包含APM，NPM，BPM，云监控，基础设施监控等类型。

在企业层面，海外和国内有比较明显的差异，海外主要由传统的IT巨头，比如ORACLE、微软、servicenow、bmc及细分领域的上市公司主导，IT运维上市公司代表性的有Datadog，splunk、dynatrace等。而国内方面，体量比较大的玩家主要集中在集成商这部分，主要是传统的软件公司和云厂商为主，在产品型企业中国内以创业公司为主；整体的企业体量比海外同类型企业小很多，但发展速度很快。

资料来源：华映资本整理、网络公开数据

New Relic为web应用和移动应用提供实时的监控。2015年2月，New Relic宣布已经超过1.1W的客户，其中包括Nike， ESPN，Sony， GitHub，New Relic上市前累计融资2亿多美金。APM相对来说产品比较轻，更容易SaaS化，部署实施比较简单，更偏重于前台的集成。

回顾New Relic的发展历史，有几点值得我们借鉴：

1.免费+增值模式和简单易用的软件；

2. To Engineer：采用了自下而上的方式，先赢得开发者的信任在企业内自传播；

3. 聚焦于良好的产品体验胜出；

4. 模式创新：第一个采用SaaS收费模式。

Splunk在一个合适的时间点做了日志的大数据分析，底层是基于原来日志处理分析的能力做出来的，开拓市场较早，世界前100强企业90%是它的客户，商业模式以本地化部署为主，SaaS为辅。随着产品矩阵的完善，splunk不仅支持IT数据，也涵盖IOT数据，逐渐覆盖运维及安全领域。成立至今，发起多次的投资并购来完善产品版图，其中包括并购告警类产品Omnition，APM类产品SignalFx等。AIOps产品线特点不算明显，目前和具体的业务场景结合尚不够紧密。splunk在国内市场不是特别活跃，也部分源于中美市场的差异及企业自身的战略定位，营收方面对其报表贡献度很小。

Datadog成立于2010年，定位于为开发、IT运营和业务人员提供云环境下的统一监控和分析平台，是智能运维行业引领者。其核心两位创始人一位是研发人员，一位是运维人员背景。2019年公司于纳斯达克上市，Datadog 是全球唯一一家提供“指标、轨迹、日志”整合解决方案的运维厂商，牢牢把握以数据为核心的战略，关注整体性、可扩展性和自动化的能力，为客户提供整个技术堆栈的统一、实时可观察性。Datadog对数据源的整合能力最强，All-In-One的产品策略，追求极致的自动化，一键的接入数据和展现，客户不需要做额外的事情，就可以获得全部的运维能力，一定程度上，给其他运维厂商形成降维打击，也让行业看到了AIOps愿景的雏形。

资料来源：网络公开数据，Datadog官网，华映资本整理

我们认为，Datadog能够脱颖而出主要有3点：

1. 坚定的全局产品战略，从发现问题到故障定位、故障恢复全覆盖，从数据采集、数据定义到数据治理再到数据消费，包含系统监控、网络监控、应用监控、日志分析等一套端到端的产品集；

2. 厚积薄发的发展路径，从2010年成立发展至今，不断丰富产品线；

3. 数据平台作为核心能力，建设一套实时健壮的大数据引擎。

资料来源：网络公开数据，Datadog官网

在商业模式方面，Datadog将GTM团队划分为4个领域：

1. 企业销售团队——专注于大型业务；

2. 高速内部销售团队——专注于新客户；

3. 客户成功团队——专注于现有客户并在现有客户基础上进行拓展；

4. 合作团队——与经销商、分销商和托管服务提供商合作。

资料来源：网络公开数据，Datadog官网（产品销售模式）

PagerDuty是数据+智能的告警方面最具代表性的企业。通过告警收敛再做根因分析，逐渐形成AIOps雏形。我们认为仅围绕告警产品的话，业务线比较单薄，市值方面也很难继续突破。下一步PagerDuty应该也是想AIOps方向发力。

分析海外代表性企业，我们发现：

1. 近年来美国在智能运维领域的代表性企业发展非常迅速，并且营业收入近些年都保持着高速成长性，基本上在50-80%的增速，甚至更高；

2. 普遍来看，企业都没有盈利；但市场还是给出了很高的估值，市值表现普遍较好；

3. 在美国市场，实际上不同于中国市场的一点是，本身美国有很多IT领域非常大的行业巨头，但我们发现近些年像IBM，CA，bmc ，ORACLE这些行业大山在智能运维领域的市场份额逐年萎缩，竞争力不及创业公司，这也说明了，这个领域技术门槛是比较高，并不是一个巨头通吃的行业，巨头很多也是采取收并购的方式增强该领域的市场地位；

4.最后我们看到，数据处理和接管场景越多的企业，对应的市值越高：单一运维场景（NewRelic、dynatrace等）＜全局运维场景（Datadog、splunk）＜全域市局平台型企业（servicenow）。

国内方面，主要还是以创业公司为主。但近几年随着IT投入在企业中占比逐年增长，敏锐的创业公司和投资机构已经快速在该领域形成布局，并且发展迅速。个别企业在近年完成了上市，收入达到1亿元人民币是一个标志性的门槛，代表在该细分领域处于比较领先的地位。总体上来说国内处于一个高速发展，投资火热的阶段。

资料来源：网络公开数据、华映资本整理

是否中国企业可以完全参照美国公司的发展路径呢？我们对比一下中美的市场环境和基础设施存在比较明显的差异：

❏ 数据定义层面：相比美国监测及日志数据的定义已经基本达成共识，国内还处于一个相较混乱无序的状态；

❏ 数据源层面：ITOM美国已有多家IPO企业，数据源完善程度高，而中国在数据源层面还处于一个不完善，不稳定的迭代过程中；

❏ 数据处理层面：国内的数据处理中台薄弱，美国存储和计算引擎pass领先，已经广泛使用AI和大数据的加持；

❏ 数据消费层面：相比美国的全站自动化运维，国内仍旧以单点。单类型的局部应用为主。

❏ 中国潜在市场体量和美国相当，甚至会超越美国，上市公司数量是美国的1/10，总市值水平不足美国1/50，收入水平差距较大，未来发展空间巨大；

❏ 中国没有类似美国Datadog，Splunk的巨头企业，国内已上市企业体量比较小，创业公司具备发展潜力；

❏ 去IOE化及中美市场的差异性，海外企业在中国市场份额呈现下降趋势，给中国创业公司带来发展机会和窗口期；

❏ 从美国产业发展规律来看，智能运维企业除独立上市外，被IT巨头并购概率亦较大，如Signalfx，Appdynamics，Instana; 随着科创板的推出，中国未来三到四年有多家企业有望冲击上市。

资料来源：华映资本

未来趋势：单点运维→全局运维→全域数据管理，具备All-In-One交付能力的企业将胜出，行业整合趋势不可避免。

看好的企业基因：高技术门槛+丰富业务经验+长期产品打磨+All-In-One潜力，具体包括：

资料来源：华映资本

目前，华映资本在该领域已经先后投资布局了Linkedsee灵犀及基调听云两家企业，未来将持续关注具备企业全域数据管理能力的公司，面向更大的ITSM、ITOM领域进行布局。

“Linkedsee灵犀很有幸作为国内第一家专注从事AIOps领域的企业，几乎见证了AIOps在国内市场的发展，从第一阶段2016-2017年的孤军奋战，全产业观望；到2018-2019年，曙光初现，个别友商出现，创新类客户和投资机构出现，经过2020，2021至今已经进入到高速发展期。

在这个期间，可以说，行业对于运维下一步的趋势前所未有的达成了共识：以采集和治理全局运维数据为底座的，以AIOps为核心数据消费引擎的，新的全栈式智能运维解决方案提供商将是所有客户、企业、投资机构期待发生的事件。

灵犀创始团队全部来自于百度运维体系，完整经历了从1000台到500000台服务器规模，运维系统从1.0迭代到4.0的完整10年周期，是现今AIOPS厂商中唯一一家有过大厂全程运维经历，与此同时基于未来蓝图投入研发最久的企业，灵犀至今已经拥有监控产品，日志产品，数据中台，以及包含智能告警，智能监控，智能审计等多款AIOps场景级产品，赢得了互联网，金融，政府，运营商等多家标杆客户。接下来灵犀将继续以Moogsoft+Datadog为目标，夯实平台和方案级能力，力求为客户和行业带来更大价值。”

“基调听云在智能运维行业深耕十余载，从数据采集到数据分析积累了大量客户案例和行业最佳方案，智能运维的未来在于数据，基于用户端与后端业务系统数据实时全量采集与分析，对数字化业务表现进行主动监控与运维管理可视化。同时立足于多年积累的海量数据处理能力和算法分析能力，横向扩展多产品线，打造更丰富的产品矩阵。同时，将AIOps智能化、数据洞察和可视化能力落地于运维实际场景。听云将持续为各行业客户带来优质服务，不断实现产品及技术更新迭代，实现数字化业务运维成功。”

「本文作者」华映资本投资总监朱彤，长期关注新一代信息技术、先进制造、硬科技及企业服务领域的投资机会。欢迎相关创业者与我们交流，BP可发送至：grit.zhu@meridiancapital.com.cn