1.2.3 智能运维未来发展趋势
智能运维最终必然会进化为无人运维，类似汽车、飞机的无人驾驶，只有在人为需求变更条件下主动干预才会影响机器的正常决策。要想实现无人运维，背后一定需要类似人脑的“运维大脑”的实时支撑。
从图1-6所示的基于无人运维技术体系架构来看，首先需要解决数据来源安全、分布式算力整合调度、人机智能融合、智能免疫系统、信任体系价值网络和脑机操作接口等重大难题，进而实现主动任务求解、自适应强化学习、虚拟场景重建、认知整合、数据应用闭环统一和价值交互模式。
图1-6 基于无人运维技术体系架构
要解决上述难题，实现“运维大脑”，提升其知识泛化能力，很可能是以区块链技术建立分布式可信价值网络生态，加上联邦学习，实现从数据提取、算法选择、算力和存储资源的使用，到数据在使用方的分析应用和优化，在每一次反馈中不断积累价值，形成知识。基于区块链技术运维大脑数据计算流程示意图如图1-7所示。
图1-7 基于区块链技术运维大脑数据计算流程示意图
要实现上述目的，在可预见的未来至少需要以下核心技术。
● 数据聚合和价值交换：数据多方计算与隐私保护。
● 数据的关联与重构：数字孪生与注意力机制。
● 千脑感知网络：算力网络、边缘智能、分布式决策。
● 认知整合：知识图谱、基于场景的模仿学习。
● 面向任务的自动机器学习（Auto-ML）：自动超参优化编码学习、大规模图卷积学习。
● 认知智能混合技术：基于自动特征工程的认知特征提取、基于深度学习的视觉问答VQA（Visual Question Answering）技术。
● 基于强化学习的决策智能：基于图的决策智能推理。
● 数字化场景重建：基于GAN的视频压缩和重建。
● 人机协同与脑机接口。
● 安全免疫机制。
● 多方协同智能：区块链价值网络。
实现“运维大脑”涉及的领域和基础技术如下。
● 大数据平台。
● AI赋能平台。
● 区块链数据多方计算。
● 数字孪生技术。
● 容器云平台。
● 图数据库引擎。
● 大规模图关联模型。
● 算力网络。
● 混合现实技术。
● 自动机器学习。
● 知识图谱。
● 价值网络。
● 自然语言处理。