业界一些尝试让大模型直接处理海量、价值密度不均的原始数据（如直接分析系统日志），这会疯狂消耗昂贵的 GPU 算力且分析效率极低。云监控2.0的核心理念是'计算下推'，不把海量原始数据喂给大模型，而是将模型的分析意图下推到底层数据引擎去执行。为此沉淀了大量高效的通用算子和可观测数据算子，例如指标数据有异常检测、预测、聚类、维度下探算法，链路数据有异常分析、维度下钻和拓扑构造对比分析算子。大模型只需扮演智能调度的中枢角色，接到任务后调用这些算子在数据源头进行预处理和关键特征提取，只有高价值信息才会被提交给大模型进行最终推理和决策。这种方式将 Token 消耗降低90%以上，让 AIOps 真正变得高效且经济可行。
