打造自适应 AI 运维智慧体： 大语言模型在软件日志运维的实践 刘逸伦 华为 2012 实验室 本科毕业于南开大学 ，硕士毕业于美国佐治亚理工学院。研究方向包括 AI 智能运维 ，大模型质量评估以及大模型提示策略 ，在相关领域以第一作者、 通讯作者身份在 ICDE 、 ICSE 、 IWQoS 等顶级国际会议 / 期刊发表 10 余篇 论文。 刘逸伦 华为 2012 文本机器翻译实验室工程 演讲嘉 宾 1. 软件日志运维观点 2. 自适应智慧体在运维领域面临的 Gap 3. 大模型 Prompt 引擎助力自适应运维智慧 体 4. 大模型知识迁移打造运维专精模型 5. 未来畅想 目录 CONTENTS PART 01 软件日志运维观点： 智能运维演进趋势是从任务数据驱动到自适应运维智慧体 (1) 日志是机器语言：大规模网络、软件系统在运行过程中每天会产生 预训练语言模型 日志语言理解 BigLog Da-Parser 第四代 原始日志和自然语言 文本 大语言模型 可解释性运维 LogPrompt 指令驱动 第五代 自适应运维智慧体：目标自适应、领域自适应、强交互性、可执行性。 。 。 表： LogAIBox 研究项⽬代际演进思路 [1]LogAnomaly: Unsupervised detection of sequential

环境（温度，湿度，防水防尘，防酸碱等）要求高 • 有线网络稀少。有线部署成本高 • 远端点取电都可能有问题。 o 非常少 / 甚至没有现场 IT 技术人员支持 o 无缝覆盖，无论是室内还是室外 • 可以动态适应覆盖环境的动态变化 • 可绕过金属障碍物，实现非可视覆盖 o 可靠、稳定一致的连接和性能 • 无论是机动还是步行连接 • 可以降低非 WIFI （机械设备）干扰对性能的影响 o 安装、部署 生产、仓储和货仓的无线环境是动态变化的。 传统 WIFI 无法适应环境的动态变化 5. 部署复杂，工程和管理成本高 6. 无法支持视频监控，语音等多媒体应用 无缝覆盖，性能可靠稳定 为生产、仓储物流设计的智能 WI-FI 网络 不只是更智能的 RF  可扩展的容量 简单 , 自愈的智能 Smart Mesh; 无线有线混合 MESH 可在不损失带宽的前提下级联 AP 扩大覆盖 自适应天线阵列 SmartCast  更好的覆盖、性能和可靠性  动态自适应为每个数据包 选择最佳的传输路径，实 时避免干扰  更高的容量  动态自适应智能天线可用更有效的使用空 分复用，增加实际吞吐量  更低的每 Bit 成本  相同区域和用户数，投资成本低  完善的端到端远程管理  更快速部署安装推向市场，见效快 BeamFlex 可以动态适应变化的环境  BeamFlex 天线动态确定

轮咨询的专家积极程度较高, 专家权威系数为 0. 8, 专家咨询较为可 靠。 第二轮肯德尔协调系数大于第一轮且有统计学意义, 变异系数均小于 0. 25, 专家意见协调性较好。 最终形 成包含预警能力、 适应能力、 恢复能力和变革能力 4 个一级指标、 12 个二级指标和 32 个三级指标的基层疾控 疫情防控韧性评价指标体系。 [结论] 本研究构建的指标体系具有较好的科学性和可靠性, 可为基层疾控疫情 钱东福: 基层疾控疫情防控韧性评价指标体系构建研究 分为吸收能力、 适应能力和变革能力, 李寻昌 [10] 等 从抵御能力、 恢复能力和适应能力三维度建立新冠疫 情防控韧性评估指标体系。 本 研 究 从 动 态 能 力 视 角 [11] 将疫情防控韧性划分为 5 个维度作为目标层, 分别是预警能力、 吸收能力、 适应能力、 恢复能力和 变革能力。 调查显示, 基层疾控应急防控体系建设不足、 且具有统计学意义, 因此 可以停止征询。 2. 5 专家咨询结果 在第一轮咨询中, 所有指标的重要性和适应性得 分 Mj 均> 4. 0。 一级指标的 CV 均 < 0. 25, 但是部分 专家提出将 “ 吸收能力” 和 “ 适 应 能 力” 合 并 为 “适应能力” 更恰当”, 课题组讨论后采纳专家建议, 重新调整适应能 力 内 涵。 有 4 个 二 级 指 标 的 CV > 0. 25, 其中多位专家对 “

组织与优化理论、技术的不断提高，交通信号控制理论和技术也在 不断的发展，先后经历了单点控制、干线控制和区域控制等，控制 方法也从最原始的纯手动控制到自动控制，从定时控制到多时段控 制，以及到现在的半感应控制、感应控制及自适应控制等。交通信 号控制技术的发展路线路，如下图所示。 交通信号控制技术路线图 2 1.1.1 国外交通信号控制系统发展现状 1868 年，英国伦敦安装了世界上第一组交通信号灯。1914 年 Offset Optimization Technique,绿信比- 周期长-相位差优化技术）是 TRL 与 PEEK 公司、西门子公司合作研 制的“在线 TRANSYT 系统”,是一种方案生成式自适应区域协调控制系 3 统。SCOOT 系统首先通过车辆检测器采集交通信息并进行分析,然 后利用交通模型和优化程序配合生成最佳配时方案,最后送入路口信 号机予以实施。 SCOOT 系统的主要特点有：（1）实用性强，受出行分布、出 系统 SCATS(Sydney Coordinated Area Traffic System)系统是澳大 利亚新南威尔士州道路交通局（RTA）于 20 世纪 70 年代末研究成 功的一种实时自适应区域协调控制系统。系统事先利用脱机计算的 方式为每个路口设定 4 个绿信比方案、5 个内部相位差方案和 5 个 外部相位差方案,把周期、绿信比和相位差分别作为独立的参数进行 优选。 SCATS

人形机器人作为人工智能与物理世界深度融合的前沿范式，正成 为智能技术突破虚拟边界的关键支点。人形机器人打破传统人工智能 的"离身认知"局限，通过独特的“人形”设计，使人工智能系统能够 无缝适应人类工作与生活环境，熟练操作为人类设计的工具与设备，实 现从纯粹信息处理到与物理世界通用交互的本质跨越，为人工智能提 供了理解和改造物理世界的最佳“身体”，进而实现真正的“知行合 一”。我们将 以快速融入人类社会，完成具体的任务，通用性和适应性较强。 人形机器人依据其结构与功能特性，可主要分为轮式人形机器人、 足式人形机器人以及通用人形机器人。轮式人形机器人采用轮式驱动， 搭配机器人手臂与灵巧手，兼具移动能力；足式人形机器人着重腿部 运动能力，手部主要用于平衡；通用人形机器人具备双足、双臂、双 手及各类感知和人工智能功能，有全面软硬件基础，能适应开放环境 中的多任务。 01 、机器学习、机器人学 等，形成了相对完整的学科分支。 2011年—2020年，进入技术突破阶段。深度学习技术的快速发展 为其注入了新的发展动力。出现大量仿生、类人机器人，帮助机器人 适应自然环境。比如本田的升级版ASIMO机器人能够精确完成抓取物 体和倒液体等精细任务，波士顿动力推出的Atlas可以在复杂的户外自 然环境中行走、奔跑、跳跃，还能在雪地、草地等不同地形上保持平 衡。

行为和适应性 具身 智能 2 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 传统智能 具身智能 只可远观，被动接受 别人告诉我这就是盒子 可以打开，可以装东西 我主动体验什么是盒子 被动抽象接受 主动具体体验 重要 意义 具身智能因其能自主产生智能行为和适应性，是通用人工智能的可能起点 大小脑模型协同的技术路线仍有机会 q 端到端模型虽决策高效，但泛化性和扩展性受限，受制于环境交互与硬件适配， 难以适应多样场景。而模块化的大小脑协同框架凭借强泛化、可解释优势，正成 为学界与业界的研究热点 模块化：大小脑协同框架赋予具身智能体模块化优势，具备可扩展架构、高效开发 与强适应性三大特性 可泛化：基于VLM开发的大脑具备丰富的多模态认知能力，且不受小脑模型的影响 可解释：决策过程更加透明，提升人机协同效率 Primitive-Level Robotic Dataset Towards Composable Generalization Agents, IROS 2025 真实交互：想象链强化行动执行的环境动态适应性 n MineDreamer (IROS 2025, NeurIPS 2024 OWA研讨会) n 当处理困难问题时，一种可靠的思路是预测未来可能的执行效果，评估当前行动的可行性，以 此来指导更可靠的行动执行

Robots），是一种设计用于与人类在共同工作空间中安全地进行直接 交互或合作的机器人。协作机器人是工业机器人领域新的分支，与传统的工业机器人相比，协作机器人更强调安全 性、易用性和灵活性，它们能够适应各种工作场景，通常价格更低，体积更小，对人类来说更安全。 协作机器人具有安全、易用、灵活的特征，主要表现为： 安全性：协作机器人配备有先进的传感器技术和控制算法，如力矩传感器、视觉系统等，使其能够实时感知环境 业的操作员也能方便快捷地对其进行设置和 操作，降低了使用门槛。 灵活性：相比于传统固定在某个工作站上的工业机器人，协作机器人通常更轻便且布局更为灵活，可以快速重新 部署于不同的生产任务中，适应小批量、多品种的柔性化生产需求。 基于以上特征，协作机器人极大地促进了人机之间的交互和合作，不仅提升了生产线效率，还能在诸多应用场合中 替代或辅助人类执行重复性、精确度要求高或者对人体有害的工作 等。 双臂协作机器人拥有两个相互独立或协同工作的机械臂，能提供更高的灵活性和功能性。它们通常用于更复杂的任 务，比如需要双手协调操作的应用场景，能够模拟人类双手的工作模式，实现更高程度的自主性和适应性。双臂设计 允许在有限空间内完成多自由度的动作，并具备处理更大范围工作空间的能力。 （单臂协作机器人） （双臂协作机器人） 第二节 协作机器人特点 一、产品特点 协作机器人与传统

(Embodied Intelligence) , 是一种基于物理身体进行感知和行动的智能系统。 它通过实体智能体与环境的动态交互，获取信息、理解问题、做出决策，并实现行动，从而产生 智能行为和适应性。 > 具身智能是人工智能与机器人学交叉的前沿领域，其核心在于将感知、行动与认知深度融合。 ■ 具身智能的基本概念 □ 什么是“具身” >“ 具身“是一个很小众的名词，通常都出现在哲学、认知科学领域。 科研意义：具身智能是通用人工智能未来的发展方向。它推动人工智能从虚拟世界走向物理现实，从专用 任 务迈向通用智能，有助于我们深入理解智能的本质。 应用意义：具身智能技术能够提升机器人、自动化设备的智能化水平，增强其环境适应性和任务执行能力， 从而在服务、医疗、教育等多个行业实现广泛应用。 ■ 具身智能的基本概念 □ 具身智能的政策支持 发布时间 发布单位 具身智能的发展演进 □ 具身智能的五个阶段 > 无智能阶段：只能执行简单的预设任务，缺乏自主性和适应性； 基础智能阶段：开始具备基本的感知能力，能够对外界环境做出简单的反应； > 中等智能阶段：能够进行更复杂的感知和处理任务，如图像识别和语音识别； > 高度智能阶段：展现出较高的自主性和适应性，能够进行自我学习和优化，执行复杂的任务； > 超级智能阶段：理论上将具备超越人类的智能水平，能够进行创新和自我意识的决策。

概念已获行业共识，能力分级标准已基本统一，如图 1-2 所示。 图 1-2 服务生成网络智能等级划分 基于上述思想，服务生成算力网络通过算网服务生成，即算网全 流程的自动化运行、高效的资源利用率、自适应的优化调整、持续的 智能演进、智简的服务体验、全场景的业务承载等，为各行业提供优 质的算网资源服务，赋能数字经济。具体来说，服务生成算力网络围 绕着算网融合一体化的建设目标，通过在系统全生命周期引入“智能”， 算力网络是算 力网络与服务生成网络的深度融合，基于自动化、智能化地实现系统 功能的思想，最终实现算网服务生成，即系统全流程的自动化运行、 智简的服务体验、多样化的业务承载、高效的资源利用率、自适应的 优化调整等。从技术实现方面来说，算力网络中的基础资源感知和建 模、资源的编排策略、算网运行的故障处理、算网服务的在线优化等 关键动作，都可以通过智能算法实现自动化。从系统功能方面来说， 别、解析 和预测等，是构建用户和算网之间沟通桥梁的有效手段。 此外，如何自动生成满足意图需求的算网融合策略也是实现算网 服务生成的关键。传统的策略生成方法依赖大量的人工经验设计，而 且无法适应动态变化的用户意图和网络状态。为此，需要构建基于用 户意图和算力网络的双向认知的策略生成机制，通过对用户意图和网 络状态信息进行特征挖掘和抽象聚类，提炼出满足各类意图共性和规 律的算网融合策略

如今，AI正在从根本上重塑全球劳动力格局，革新岗位职能并催生出对新技能的迫切需求。这场 变革正在改变全球科技领域，同时也将深入影响金融、医疗、制造等行业。随着AI不断驱动竞争 日趋激烈，无法在经济环境中适应这一变革的组织将难以获得竞争优势。 本白皮书汇总了对全球900位IT及业务人员的调研结果，剖析了在AI赋能业务的时代背景下，信息 与通信技术（ICT）人才所需的技能及岗位演变需求。报告还包含一份详尽的附录，列举了受AI影 开源生态在AI时代带来 的新机遇。 IDC认为，组织应通过主动应对技能缺口、革新学习战略并培育“持续适应文化”的组织来释放AI 的潜力，将技术专长与创造力、同理心、伦理判断力等以人为本的技能相结合，以此应对智能时 代的复杂性。如今，企业、教育机构与政府等各方应协同努力，共同培养能够适应未来变化、把 握AI时代发展机遇的ICT技术人才，为构建可持续发展的人才生态提供系统性支撑。 智 能 世 支能够在“AI优先”范式下灵活适应的劳动力队伍。 智能体支出转向体现在三大投资领域：数据中心基础设施现代化、网络恢复与韧性强化，以及核 心企业应用更新。 近三分之一（31%）的组织表示，数据中心基础设施现代化将是首要投资方向，这一趋势反映出 从“云原生”到“AI原生”系统的广泛架构演进。与以往仅将AI作为附加功能整合的模式不同， AI原生架构从设计之初就以AI为核心，通过实时数据管道、自适应基础设施和持续学习能力，支