大部分AIOPS厂家主要是面向算法来提供智能化的分析能力，无论是异常检测、趋势评估还是自动分类，都是基于对无法完全认知的数据的算法实现。其智能化的能力完全依赖于算法、数据、训练与标注。这种方式的智能化运维对于实际的日常AIOPS来说，可能都过于“重”了，每个项目都需要有比较高成本的实施过程，无法让AIOPS的能力开箱即用，在缺乏算法专家的长期协助下，算法的能力也无法持续自成长和自动进化。而算法专家是十分稀缺和昂贵的资源，这使得采用此类方法的智能运维项目变成了有钱人的游戏。造成这种局面的主要原因还是此类智能运维系统的基础架构问题导致的，传统的软件是基于“目标”的软件，其逻辑都是根据目标预先编制好
