AI 基础设施中被忽视的网络环节:智能体 AI 如何改变企业网络
The Overlooked Role of Networks in AI Infrastructure
Google Cloud 报告显示,83% 的组织认为需要升级基础设施才能支撑生产级自主系统,而网络是关键一环。智能体可在任意时段调用应用、API 和其他智能体,打破传统朝九晚五的流量模式,传统依赖人工排查的 NetOps 模式将难以为继。IBM 调查中仅 11% 的领导者表示已为未来 12 个月的智能体部署规模做好准备,Gartner 则预测到 2029 年至少 70% 在 IT 运营中运行 AI 智能体的组织会因控制薄弱出现服务、安全或成本问题。
正文 · AI 翻译
各组织正投入大量资金购置GPU、服务器、模型以及将AI推向生产所需的算力。但智能体AI对网络提出了不同的要求。
聊天机器人通常等待有人向它提问,而智能体可以被赋予一项任务,与不同的系统和应用交互,做出决策并采取行动。随着智能体在企业中承担更多工作,其中大部分活动将在无人坐在键盘前的情况下发生。
根据Google Cloud的《智能体AI时代的基础设施状况》报告,83%的组织表示他们需要升级基础设施才能支撑生产级自主系统。尽管算力是其中一部分,组织还需要优先考虑网络,因为网络将需要支撑不遵循人类员工典型模式的活动。
朝九晚五网络的消亡
几十年来,企业网络的设计在很大程度上围绕人们的工作方式展开。员工在整个工作日中连接应用、访问数据并使用云服务,形成相对可预测的流量模式,进而塑造了网络架构和运营方式。
AI和智能体系统正在改变这一格局。智能体可以在任何时段执行任务,并与应用、API、数据源及其他智能体交互,在园区网络、数据中心、云环境和WAN上形成更持续、更动态的流量。随着部署规模扩大,网络必须支撑日益复杂的依赖关系,这使得性能、延迟、韧性和安全性对可靠执行至关重要。
这些需求也暴露了传统NetOps模式的局限,该模式依赖监控工具发现问题、依赖人工操作员调查和解决问题。下一代NetOps必须超越管理单个设备和事件,转向端到端理解应用和智能体的依赖关系,利用更深入的可见性、AI驱动的关联和根因分析以及智能自动化来主动优化和修复问题。
机遇在于从借助AI辅助管理网络,转向通过AI驱动的智能和受治理的自主性来运营网络。网络团队可以减少排查重复性问题的时间,将更多时间用于定义策略、建立防护机制和优化架构。朝九晚五网络的消亡不仅仅是网络全天候运行的问题;它关乎驱动网络需求的因素以及网络必须如何设计、保护和运营以支撑始终在线的智能自主系统生态的根本性转变。
从少数AI工具到智能体集群
大多数组织仍处于AI易于管理的阶段,副驾驶、助手和AI应用在业务的不同部门中运行。
然而,IBM发现,受访领导者中仅有11%为未来12个月预期的AI智能体部署规模做好了充分准备。随着部署规模扩大,网络团队需要了解的活动会更多,需要调查的问题也会更多,而且往往没有额外人员来承担这些工作。
因此,减少工程师花在搜索仪表盘、收集信息和上报常规问题上的时间就变得十分重要。在团队需要时为其提供相关的运营信息和故障排查指导,也能让专业知识更易于在团队之间共享,而不是依赖少数经验丰富的专家来回答每一个问题。人们的专业能力更适合用在需要判断的决策上,例如制定策略、设定边界和评估风险。
这种上下文能帮助团队更快找到问题根源,并决定下一步该怎么做。人工监督仍然很重要,尤其是随着智能体获得更多自主权,这就需要明确界定它们可以独立做什么,并设置控制措施来落实这些边界。团队还应能够在决定是否采纳某项建议之前,看到该建议为何被提出以及它基于哪些信息。
Gartner预测,到2029年,至少70%在IT运营中运行AI智能体的组织将遭遇严重的服务、安全或成本问题,其中至少部分原因在于控制薄弱。正因如此,可见性、自动化、可靠性和控制必须从一开始就纳入AI基础设施规划。
智能体AI改变了企业网络的使用方式。活动不再与员工何时在线紧密绑定,网络团队需要管理这一变化,同时不能让运营网络所需的工作量以同样的速度增长。
企业不必彻底改造其网络,但随着AI使用量增长,它们应识别当前基础设施中的潜在薄弱环节,尤其是在团队缺乏快速识别问题的可见性、响应时间开始受到影响,或常规故障排查仍需大量人工工作的地方。
围绕朝九晚五工作制构建的网络将不得不让位于一种能够支持人员、应用和智能体并肩工作的网络,而这些主体往往有着非常不同的时间安排和非常不同的速度。把这一基础设施做好,最终将体现在企业已经关注的指标上:更少的中断、出问题时更快的解决、更好的用户体验,以及更少花在追查问题上的时间。