眼下，人工智能（AI）和機器學習（ML）等賽道被熱議，已經成為了習慣。事實上，在DevOps領域，與之相關的話題更是備受矚目。隨著科技不斷演進，這三個領域的融合對于企業的數字化轉型和多層次的創新發揮著越來越重要的作用。基于這一龐大的市場規模的增長源于基于云的技術和自動化工具的廣泛應用，JFrog便立志要推進DevOps在具體業務中的實踐。本文將探討，在未來短期之內，由于AI和ML等技術的采用，企業會更加靈活地構建、部署和管理應用，從而提高整體業務敏捷性的趨勢。

AI和ML的崛起為DevOps注入了全新的活力。通過AI和ML的引入，企業能夠更加智能地進行運維和決策，從而優化工作流程、降低錯誤率，并實現更高效的自動化。這一趨勢在全球初創企業和大型企業中都得到了廣泛的應用，推動了整個DevOps生態系統的蓬勃發展。在全球范圍內，初創企業積極采用這些先進技術和工具，以提高其競爭力并快速適應市場變化。大型企業則逐漸意識到，特別在數字時代，采用云原生、AI和ML等技術不僅是一種趨勢，更是提升企業創新力和業務效率的關鍵所在。因此，它們紛紛投身于這些技術，通過數字化轉型賦能業務。

1.  AI和ML對于DevOps的影響

首先，隨著運維機器，包括版本發布頻率的不斷增加，未來如果有成熟的產品，通過AI工具實現自動化將成為可能。特別是在測試領域，AI測試的自動化實現將會得到強化，其學習能力的提升將顯著幫助開發者。因此，AI對于Ops團隊和開發者的支持將實現顯著提升。

其次，模型的安全性也將成為一個重要關注點。Hugging Face是一個在互聯網上管理大型模型的平臺，國內的模型企業通常在這個平臺上搜尋最熱門的大型模型，例如來自Facebook的模型，并將其下載到本地。然而，其中存在一個潛在的問題就是惡意上傳模型的風險。惡意上傳者可能在模型中嵌入一些惡意代碼，在本地執行模型時就會觸發這些惡意代碼。這種攻擊方式包括但不限于在機器上植入礦機、竊取密碼等多種攻擊方式。目前，尚無工具能夠完全阻止利用模型進行此類投毒攻擊。

對此，JFrog可提供一些支持，但模型攻擊的方式繁多，對策仍需進一步的研究和發展。另外，還有一種潛在的威脅是利用大型模型如ChatGPT，通過訓練使其生成惡意代碼。黑客可以通過故意訓練GPT以產生惡意回答，當其他人查詢時，就會得到這些惡意的回復。這種潛在的威脅也需要引起足夠的重視。

2. 良好的基礎設施是AI/ML 計劃實現長期成功的關鍵

高度可擴展、有彈性、分布式、安全和高性能的基礎設施可以決定一個組織的AI/ML 戰略的成敗。JFrog有客戶從事超級計算，并提供機器學習服務，但與此同時，JFrog并未自己使用這些服務，而是將其提供給客戶使用。客戶的應用場景通常涉及在JFrog的超級計算平臺上進行訂單操作。若構建一個模型集群，以進行大規模的模型計算。為此，需要在平臺上投入資金，首先購買所需的計算機資源，其次購買模型，還需要相關的監控服務。用戶在完成支付后確認訂單，此后所有操作都依賴于JFrog系統平臺的分布式、可用性、安全性和高性能的基礎設施即可實現。

由于模型文件非常龐大，甚至單個文件就可能達到100GB，而用戶可能分布在全球各地。假設模型文件存儲在用戶位于北京的總部，但用戶需要在西安的分公司進行訓練，這就要求將整套與模型相關的文件立即傳輸到西安。因此，解決如何快速而又確保成功地將100GB的文件傳送到西安，成為了當務之急。眾所周知，這些文件傳輸可能經過公共網絡，因此可能引發許多性能問題。這些模型的學習運算操作都依賴于底層基礎設施，為實現本地建設和部署則需要大量的資源，而JFrog會將這些因素都納入考慮。

3.  AIOps和MLOps的應用情況及優勢

互聯網企業因需要管理大量的機器，對于AIOps的需求非常高。AI能夠智能地預測流量的變化，識別高峰和低谷，并智能地分配資源，這是互聯網領域非常基本和重要的需求。比如在金融領域，對于AI運維平臺的使用并不是那么頻繁，盡管對于一些錯誤日志分析有需求，需要在出現故障時利用AI工具快速定位并解決問題，但金融行業對于超前采用AI管控運維的意識并不是很強烈。

MLOps通常是由大型互聯網企業所推動，在這個環節中，JFrog也能夠提供支持。因此，一些大型企業在這方面的落地較為順暢，他們將模型開發的能力賦予了DevOps工具平臺上，使得這個過程更為奏效。

4.  AI/ML應用過程中需關注的安全問題

JFrog關注到，北美用戶對安全問題的投入已經達到了一個非常高的水平，軟件工程師及企業的首席信息官普遍具備安全意識，他們會主動采用安全措施。早前，就有名為軟件供應鏈安全SBOM被制定和發布，目的是定義軟件供應商提供的軟件包含哪些成分，每個成分的開源組件使用什么樣的許可證，存在什么樣的漏洞，這些都是必需的信息。在國內，企業并沒有這樣的要求，相關的標準也沒有完全形成，中國信息通信研究院正在致力于這項工作。未來，伴隨相關標準和法規的出臺，這將引導企業采用開源治理來保障其軟件的安全。在這種情況下，每個企業都將不得不在DevOps流程中加入軟件包的安全考慮，這就是一個明顯的趨勢。

JFrog Xray專注于漏洞掃描，只需將軟件包上傳到制品庫，就能自動生成SBOM軟件物料清單。相信在2024年，它將變得非常流行，并成為每個企業都必備的工具。

對于AI工具如何賦能研發團隊，部分企業已經開始利用一些高端芯片進行機器學習，為開發者提供代碼補全的能力。當然，這是為了幫助開發者更快、更好地編寫代碼。與眾不同的是，JFrog更加注重支持模型供應鏈。企業要訓練模型，首先需要從互聯網獲取模型，然后管理和訓練這個模型。在模型中，需要編寫自己的代碼，重新訓練模型，最終發布自己的模型。因此，JFrog在模型開發方面提供了對整個端到端生命周期的支持，包括模型內的漏洞掃描和license儲備器，以確保為企業提供全方位的保障。

2024年，AI和ML將繼續深刻地塑造DevOps領域，通過自動化執行和智能決策提高整個開發和運維過程的效率，從而減輕開發團隊的負擔，為團隊提供更高效、智能和創新的開發和運維解決方案。隨著技術的不斷進步，這些趨勢有望進一步推動DevOps實踐的發展，使其更適應快速變化的業務需求。

作者：JFrog大中華區總經理 董任遠  

         JFrog中國技術總監 王青