OpsMill 的 Infrahub 如何把零散的基礎架構資料變成 AI 可用的「單一事實來源」

近期 OpsMill 也完成 1400 萬美元（約 1190 萬歐元）的 A 輪融資，由創投公司 IRIS 領投，BGV、Serena 與 Partech 參與，資金將用於產品開發與團隊擴張。

企業自動化卡住的根本原因：資料碎片化

許多企業早已部署各種 IT 自動化工具，例如：

• 基礎架構即程式（Infrastructure as Code）
• 網路自動化腳本
• 配置與部署編排系統

理論上，這些工具可以大幅減少人工操作。但它們都有一個前提：基礎架構資料必須正確且一致。

實際情況卻往往相反。設備資訊、網路拓撲、服務依賴關係與政策設定常分散在不同系統中，而且更新不同步。當自動化系統依賴這些資料時，錯誤就可能被放大，甚至造成服務中斷。

OpsMill 的策略是先解決資料層問題——把分散資訊整合為 單一可信資料層（single source of truth），再讓自動化與 AI 建立在這個基礎上。

Infrahub：統一的基礎架構資料平台

Infrahub 被設計為一個 schema‑first、具版本控制的基礎架構資料平台。企業可以在同一資料模型中描述整個 IT 環境，包括：

• 網路設備與拓撲
• 資料中心資源
• 雲端基礎架構
• 服務與應用依賴關係

所有資料會集中在一個平台中，並經過結構化與驗證，再同步到自動化工具與運維流程。

這種做法讓不同團隊不再依賴各自的資料來源，而是使用同一個可信資料模型，減少配置錯誤與自動化失敗的情況。

為什麼採用圖資料庫（Graph Database）

Infrahub 的核心技術選擇之一是 圖資料庫架構。

基礎架構本質上是一個高度互相依賴的網絡。例如：

• 一台設備連接到多條電路
• 一個服務依賴多個叢集
• 安全政策跨越不同層級

傳統資料庫通常將這些資訊分成孤立記錄，而圖資料庫則能直接表達「關係」本身，例如設備與服務之間的依賴。

這讓系統可以理解整個環境的上下文。例如在套用配置變更之前，自動化系統能先分析哪些服務可能受到影響。

對 AI 系統而言，這種關係式資料模型也更容易推理與理解。

內建版本控制：讓自動化更安全

Infrahub 的另一個關鍵設計是 原生版本控制。

它採用類似 Git 的工作流程來管理基礎架構資料變更：

• 提出變更提案
• 團隊審查
• 與歷史版本比較
• 自動化驗證
• 必要時快速回滾

這意味著基礎架構變更不再是直接修改生產系統，而是經過審核與測試的流程。

對於希望導入 AI 或自動化代理（agents）的企業來說，這種可追溯與可審計的機制非常重要，因為每一次變更都能被記錄與回復。

為 AI 驅動運維建立資料基礎

OpsMill 將 Infrahub 定位為 AI‑ready 的基礎架構資料層。

AI 代理要能安全地做出決策，前提是取得結構化且可信的資料。如果資料來源分散或過時，AI 可能在錯誤的上下文中做出判斷。

透過統一資料模型並描述基礎架構之間的關係，Infrahub 能為 AI 系統提供完整的運行背景，使企業能在保持可控性的情況下嘗試 AI 輔助自動化。

1400 萬美元融資的意義

OpsMill 的 1400 萬美元 A 輪融資由 IRIS 領投，BGV、Serena 和 Partech 參與。

公司表示資金將用於：

• 持續開發 Infrahub 平台
• 擴大工程與產品團隊
• 加強市場推廣

目前平台已在部分大型組織的生產環境中使用，例如 TikTok。另有一家歐洲雲端服務供應商表示，在導入系統後，部署時間從 5 天縮短到 15 分鐘。

更大的產業趨勢：資料品質決定自動化能力

OpsMill 的策略反映出企業 IT 正在出現的一個重要轉變：

過去企業多半專注於部署自動化工具或 AI 模型，但現在越來越多公司意識到——真正的瓶頸其實是資料品質與結構。

如果沒有可信的「系統記錄來源」（system of record），自動化流程與 AI 代理不但無法解決問題，反而可能放大錯誤。

像 Infrahub 這類平台的目標，就是先把基礎資料層做好：讓基礎架構資料 一致、可追蹤、可機器理解。若這種模式被廣泛採用，未來的基礎架構管理方式，可能會像軟體開發一樣——以版本化與可審核的資料系統作為自動化的核心基礎。