阅读时长：5 分 14 秒 | 发布日期：2025 年 10 月 1 日
自主运行网络 什么是自主运行网络？
自主运行网络是一种先进的人工智能 (AI) 驱动型网络，可以在极少甚至不需要人工干预的情况下自动进行自我优化。通过利用 AI 和机器学习 (ML)、高质量实时数据以及安全、可扩展的云端网络架构，该系统提高了可靠性、安全性和效率。这种方法大大降低了传统网络管理的复杂性。
实现网络自主运行指日可待。正如自动驾驶汽车从手动操作发展到辅助驾驶，再到现在的无人驾驶一样，网络也遵循着类似的发展轨迹。它们正从被动的手动管理转向主动的自主优化，即能够自我配置、自我优化和自我修复。
为什么需要自主运行网络？
可靠的连接早已不是奢求，而是业务运转的核心刚需。组织需要具备这样的网络：能够在所有应用场景中始终如一地提供顺畅、性能出色且安全的体验。IT 技能短缺等网络资源限制使得手动网络管理难以为继。与此同时，网络日益复杂，安全威胁日益加剧。这些综合压力推动了对 AI 和自主运行网络的需求。
自主运行网络有哪些优势？
自主运行网络通过降低复杂性、提高安全性和增强用户体验，让网络运维大为改观。
- 提高效率和功效：AI 驱动型工作流程自动化最大限度地减少了手动故障排除操作，使 IT 团队能够专注于落实战略计划，避免被日常网络维护事务缠身。
- 提升性能：通过主动检测和解决问题，自主运行网络可以提高可靠性并减少停机时间。
- 增强可扩展性：通过使用自动配置来动态命名设备、将其分配到站点并应用设备配置文件，可以大大减少登录和配置时间。
- 增强安全性：安全性也因此得到强化，借助 AI 算法，够快速识别并化解威胁，避免影响运营。
- 改善用户体验：端到端自动化确保网络动态适应网络流量需求，为最终用户提供卓越的性能。
通过采用自主运行网络，组织可以打造面向未来的基础设施，赋予它更强的可扩展性、安全性和弹性。
自主运行网络如何运作？
自主运行网络利用先进的 AI 和机器学习 (ML) 算法，由大量高质量数据及安全的可扩展云端架构提供支持。它使用实时警报、分类器和优先级机制来识别问题、推荐解决方案，并在获得人机交互 (HITL) 权限授权后执行修复。随着时间推移，AI 能力愈发先进精准，网络将日益具备近乎无需人工干预的自我管理能力。
实际运作方式：
- 学习阶段：网络进行自我监控并建立正常网络行为的基线。
- 决策阶段：使用 GenAI 和代理式 AI 模型，网络可以预测潜在问题并做出如何应对的决策。
- 行动阶段：一旦通过 HITL 模型赢得信任，网络就会自动应用这些决策来解决问题。
自主运行网络分为哪些阶段？
自主运行网络经历了五个复杂的发展阶段。随着企业逐渐接受网络自动化的新水平，它们将解锁更可靠、更安全、更敏捷的网络，以适应不断变化的实时需求：
1. 数据收集：实时收集来自网络的高质量数据，为 AI 和 ML 算法提供所需输入。
2. 见解：采用 AI 技术的分析通过处理这些网络数据得出见解，识别网络内的性能趋势、潜在中断或效率低下问题。
3. 建议：根据这些见解，网络会生成优化性能或解决问题的行动建议。这些建议优先解决最紧迫的问题。
4. 辅助运行：网络开始自主做出调整，但 IT 部门保持监督。虽然可能会采取纠正措施，但 IT 部门仍可在必要时进行干预，以确保网络照常运行。
5. 完全自主运行：AI 可以完全控制，进行实时调整和优化，而无需人工干预。在网络能够处理日常管理任务之后，IT 团队就可以将重点转移到更具战略性的活动上。
自主运行网络有哪些关键功能？
自主运行网络具备以下关键功能：
- 人机协同 (HITL)：人类判断积极融入自动化 AI 流程。HITL 不会让机器完全自行运行，而是确保人们参与训练、决策和监督等关键阶段。
- 自主操作：持续监控整个生态系统的网络和应用运行状况，无需人工干预即可实时识别和解决问题。
- 预测性分析和保障：利用 AI 和 ML，网络可以提早预测故障或性能下降情况，避免波及最终用户。
- 自行配置：网络可以自动配置新的服务、设备和应用，而无需手动设置。
- 自我修复：自动诊断和解决问题，最大限度地减少性能欠佳或停机时间。
- 自我优化：网络不断监控性能并进行自我调整以获得最佳速度、可靠性和效率，例如在拥塞或故障时重新路由。
- 自我监测：它持续跟踪数据流、设备性能和整体网络运行状况，以检测可能表明性能问题的异常模式。
- 自适应安全性：该网络可识别恶意软件、网络钓鱼或拒绝服务 (DoS) 攻击等安全威胁并采取纠正措施。
- 基于意图的网络 (IBN)：当运营商描述他们希望实现的业务成果时，网络会将这些目标转化为实现这些目标所需的配置。
- 政策执行：网络自动在所有连接的设备上实施安全、访问控制和服务质量 (QoS) 策略。
自主运行网络如何赢得用户信任？
随着网络变得更加自主，IT 团队必须对 AI 的决策建立信任。这种信任是基于长期的稳定表现和透明度培养起来的。随着 AI 不断学习和改进，它应该展示出其做出准确评估和推动整个生态系统网络优化的能力，最终提高整体效率。这一持续发展增强了人们对其功效的信心。
为了进一步巩固信任，供应商应该确保 AI 决策过程保持透明，通常称为可解释 AI (XAI)。通过详细说明推动这些决策的技术（例如强化学习、自然语言处理和决策树），供应商可以帮助 IT 团队了解 AI 如何得出结论。这种透明度提供了清晰性和保障，确保网络采取的行动既可靠又有益。
自主运行网络是否会彻底取代 IT 人员？
自主运行网络可以发现 IT 团队可能错过的见解，快速识别根本原因以节省数小时的故障排除时间，并进行自我修复以确保最佳性能。最终结果是网络运行更加智能，这使得 IT 团队可以专注于创新而不是采取补救措施。
虽然自主运行网络不会完全消除 IT 工作，但它会改变 IT 角色的性质。虽然某些常规任务可能实现自动化，但专业人员对这些网络的构建、管理及监督仍将至关重要。这将增加对 AI 集成、大数据分析和战略规划等高级技能的需求。
HPE 和自主运行网络
借助 Mist AI 和 Marvis 虚拟网络助手 (VNA)，HPE Networking 正在推进自主运行网络之旅™。Mist AI 和 Marvis 共同简化了运维，增强了安全性，并在降低操作复杂性的同时提供了卓越的用户体验。
Mist AI 持续实时收集来自网络设备和应用的丰富遥测数据，将其聚合到安全且可扩展的微服务云中，并应用多年的 AI/ML 训练来提供可行的见解、主动建议和自我修复网络功能。这种方法可以优化性能、简化网络运维并减轻 IT 团队的负担。
凭借十多年的 AI 训练和开发经验，Mist AI 在功效和智能方面稳步提升，经历了网络自动化的关键阶段：数据收集、见解生成、可操作的建议、自我修复能力，以及最终的完全自主网络。随着 AI 功能不断发展，Mist AI 通过减少手动故障排除为 IT 团队提供支持，使网络能够做出数据驱动型决策并采取自主行动。这种持续的发展有助于企业解决性能问题、保持最佳网络运行状况并打造更具弹性、更安全、更高效的网络基础设施。
采用 Mist AI 技术的 Marvis VNA 是 IT 团队的宝贵延伸，可识别影响性能的关键事件并通过 Marvis Actions 提供建议的补救措施。使用 Marvis 不需要专业知识或技能，因为它依赖于对话界面，该界面利用自然语言处理和理解（NLP 和 NLU）、大型语言模型（LLM）、生成式 AI (GenAI) 和代理式 AI 进行直观交互。