2025 XOps领域产业发展十大趋势

以下为演讲实录

尊敬的各位领导、嘉宾，大家上午好。我是中国信通院云大所何宝宏，非常欢迎大家前来参加第四届XOps产业生态创新发展论坛。今天，我为大家带来的分享是《2025 XOps 领域产业发展十大趋势解读》。

通过上图，可清晰看出软件研发阶段的演进脉络，以及对应的战略、业务、技术关系的持续深化：

♦ 在战略、业务和技术尚未完全融合的阶段，企业注重DevOps实践，以效率为导向，聚焦通过三者的联动提效，催生DevOps，当前行业内DevOps实践已趋向成熟，因此，一方面企业更加注重研发效能度量以实现效率闭环持续改进，另一方面，组织级演进是研发运营一体化（DevOps）的下一个阶段。

♦ 随着数字化时代到来，企业逐渐转向价值为导向，强调战略、业务、技术深度融合以释放业务价值，BizDevOps跨域价值协同开启精益研发新范式，与此同时，价值精准转化的必然前提是需求全生命周期管理精益化，用户体验是产品质量支撑企业业务价值实现的重要组成部分，FinOps，即IT资源成本精细化运营可释放价值增长潜力。

♦ 而在AI技术爆炸式发展的今天，应全面拥抱数智化，在这一阶段，战略、业务、技术应完全一体化，而AI全方位赋能研发与运维环节，研发侧智能助手将作为大模型的落地形态全面赋能研发各功能场景，运维侧，可观测性能力向一体化、智能化、业务化演进，自主决策的运维智能成为智慧运维的核心，智慧运维从资源运维向价值运维范式转移。

沿着这三个阶段，这十大趋势全方位地展现了XOps向高效、智能、高价值的进阶脉络。接下来，我将逐一展开进行解读。

首先是第一个趋势：研发效能度量是实现研发交付价值闭环持续改进的核心支撑。组织数字化转型的高质量演进与变革离不开对组织数字化交付能力的高效精准度量。研发效能度量能帮助企业精准、有效地衡量DevOps成效，还能为效能分析与决策提供支持。研发效能度量的落地加速，需依托“人、技、法、数据” 合一的策略，并通过数据搭建效能指标地图、指标指数进行组织内的多维度协同，才能实现效率闭环的持续改进。

接下来是第二个趋势：组织级演进是研发运营一体化的下一个阶段。根据Gartner的预测，DevOps将在2025至2028年进入生产成熟期，这标志着其不再是可选项，而是企业提升研发效能的必然选择。过去十年，企业大多从团队或项目“点”上开始实践DevOps。而未来的发展重点，将是从“点”到“体”的组织级演进。这要求企业采用“点、线、面、体”的系统化建设框架，通过试点验证价值，推广至整个业务领域或产品线，最终实现全机构范围的组织级规模化演进。这将是实现降本增效、持续交付业务价值的核心路径。

第三个趋势是：BizDevOps跨域价值协同开启精益研发新范式。精益研发概念从20世纪90年代提出，历经30余年演进，与敏捷、DevOps理念高度契合。同时，监管也推动业务与技术融合，如金融领域政策强调科技与业务协同。研发方式从“瀑布”到“敏捷、DevOps”，再到BizDevOps。BizDevOps和“构建精益组织、实现业务价值驱动”的目标高度一致，从实际案例看，企业落地BizDevOps后，通过构建价值驱动的精益管理框架，能够显著优化研发组织的工作模式。

下面，是第四个趋势：价值精准转化的必然前提是需求全生命周期管理精益化。精益研发的核心是“高质量持续交付有用价值”，而需求作为业务与技术融合的关键，从传统模式向精益模式演进，是实现精益研发的必经之路。精益需求管理靠两大抓手：一是精益价值树，明确业务领域的长远愿景、阶段性目标与规划方向；二是专题特性管理，专题特性作为价值树最底层，解决具体功能需求。为了规范化行业需求全生命周期的管理实践，中国信通院牵头，联合50余家企业制定了《企业信息技术需求全生命周期管理能力分级要求》标准，并已于今年完成了报批，旨在为企业提供需求管理体系化建设的参考建议和行业最佳实践。

第五个趋势是：用户体验是产品质量支撑企业业务价值实现的重要组成部分。用户体验不仅是企业质量管理的核心，更是国家高质量发展的重要保障。国家政策持续强调要“改善用户体验，激发消费潜能”、“优化服务供给，促进行业高质量发展”。因此，用户体验管理必须成为信息技术研运全流程中不可或缺的一环，从需求规划到产品运营，都应嵌入以用户为中心的思想。展望未来，用户体验将向智能化方向快速发展，最终打造出更满足用户需求、更具市场竞争力的产品。

第六个趋势是：IT资源成本精细化运营释放价值增长潜力。FinOps通过建立跨部门成本治理框架，实现IT资源全生命周期的透明化管理。技术、财务与业务团队依据统一数据口径，对IT资源进行按需分摊、实时预警和预算追踪。案例表明，某金融机构通过落地FinOps实践，在一年内可将单位交易成本降低四成以上，同时保持峰值性能不下降。FinOps将资源支出从被动核算转为主动运营，使技术投入与业务收益直接挂钩，形成可量化的价值增长路径。

第七个趋势是：智能助手作为大模型的落地应用形态将全面赋能全研发运维场景。大模型已嵌入软件交付全流程中包括需求、编码、测试、运维在内的各环节。例如，需求文档经模型解析后自动生成接口代码，准确率稳定在九成以上；单元测试用例可在五秒内完成编写，覆盖率达到八成，缺陷检出量下降三分之一。在IT运维领域，智能助手可辅助读取日志、链路及配置变更信息，输出根因报告并执行回滚，并据调研显示，平均修复时间缩短七成。此外，智能助手还可应用在语义探针领域，将业务语言转化为技术指标，为决策提供量化依据。研发人员还可通过智能助手完成模块拆分、容量预测及灰度发布，显著降低重复劳动比例，使人力资源集中于架构设计与业务创新。

第八个趋势是：可观测性能力向一体化、智能化、业务化演进。可观测性并非传统监控的简单延伸，它更聚焦业务，以“业务全过程透明化”为核心理念，能实现全景监控、智能运维甚至自修复，还可剖析问题根源。构建可观测性能力，需全方位获取指标、日志、调用链等系统数据，做好数据采集、存储、传输、处理等管理工作，最终在业务场景中落地，覆盖基础设施、用户体验、业务性能等多维度观测。在实践中，它既可监控交易系统的交易量、延迟等，保障交易顺畅；也可监测风控系统的用户行为、系统异常，及时预警风险；还能进一步与应用安全深度融合，借助调用链、日志等富含上下文的可观测性数据，弥补传统安全手段在复杂应用与高级威胁下的检测盲区，实时守护应用层安全。

第九个趋势是：自主决策的运维智能体成为智慧运维的核心。运维智能体是能“感知环境、分析信息、自主决策并执行行动”的软件实体，它全面赋能运维系统突破了“仅告警、检测”的局限，形成“感知-决策-执行”闭环，从AI辅助工具升级为自主决策执行的运维主体，进一步推动了运维全流程走向高度自动化与智能化。构建“自主”决策的运维智能体，需运维人员与多专长智能体协同，借助大语言模型开展根因分析、影响评估等工作——人类主导战略与监督，智能体负责战术与执行。运维智能体凭借领域专业性、多模态处理分析能力、工具集成、交互式意图驱动、智能分析等多重能力，可全方位为智慧运维赋能。

最后一个趋势是：智算运维从“资源运维”向“价值运营”范式转移。传统运维模式无法让大集群发挥最大算力价值，大集群基础设施不等于稳定大算力。以行业案例为例：Meta的大集群配备16384张H100、支撑4050亿参数，却平均3小时就出现一次故障，54天内经历419次故障；OpenAI依托25000张A100支撑1.8万亿参数，却因大量故障重启，GPU利用率仅32%-36%。与此同时，集群基础设施成本高达15.8万/小时，还存在“一卡断则万卡断”的显著损失。正因如此，需坚定以训推为主线，从被动响应式运维向价值运营的范式转变，提升集群可用性指标。一方面，应打造热备冗余架构、开展集群定期体检、实现关键器件故障的主动预测；另一方面，须保障AI任务全链路可视可管与端到端稳定性，覆盖训前检查、训中保障、训后优化分析，让智算运维真正从资源保障转向价值释放。