人工智能基础设施中容易被忽视的网络作用

各类组织正投入巨资采购 GPU、服务器和模型，并建设将人工智能投入生产所需的计算能力。但智能体式人工智能对网络提出了不同的要求。

聊天机器人通常要等到有人提问才会作答，而智能体则可以接受任务、与不同系统和应用交互、作出决策并采取行动。随着智能体在企业中承担更多工作，其中许多活动都将在无人操作键盘的情况下进行。

根据Google Cloud 的《智能体式人工智能时代的基础设施现状》，83% 的组织表示，要支持达到生产级别的自主系统，就必须升级基础设施。计算能力固然是其中一环，但组织也需要优先考虑网络，因为网络必须支持不同于人类员工典型工作模式的活动。

朝九晚五网络的终结

几十年来，企业网络的设计基本围绕人们的工作方式展开。员工在整个工作日内连接应用、访问数据并使用云服务，由此形成相对可预测的流量模式，进而影响网络架构和运维。

人工智能和智能体系统正在改变这一格局。智能体可以随时执行任务，并与应用、API、数据源和其他智能体交互，使园区网络、数据中心、云环境和广域网上的流量变得更加持续且动态。随着部署规模扩大，网络必须支持日益复杂的依赖关系，因此，性能、延迟、韧性和安全性对于可靠执行至关重要。

这些需求也暴露了传统网络运维（NetOps）模式的局限性：这类模式依靠监控工具发现问题，再由人工操作人员调查并解决问题。下一代网络运维必须超越对单个设备和事件的管理，转而端到端地理解应用和智能体之间的依赖关系，并借助更深入的可视性、人工智能驱动的关联分析和根因分析，以及智能自动化，主动优化并修复问题。

发展机遇在于，从借助人工智能辅助管理网络，转向通过人工智能驱动的智能和受控自主能力来运行网络。网络团队可以减少排查重复问题的时间，将更多精力用于制定策略、设立防护机制和优化架构。朝九晚五网络的终结并不只是指网络全天候运行；更重要的是，网络需求的驱动因素以及网络为支持始终在线的智能自主系统生态而必须采取的设计、保护和运维方式，都发生了根本性转变。

从少数人工智能工具到智能体集群

大多数组织仍处于人工智能易于管理的阶段，各业务部门都在运行副驾驶工具、助手和人工智能应用。

然而，IBM发现，在受访领导者中，只有 11% 已为未来 12 个月内预期的人工智能智能体部署规模做好充分准备。随着部署不断扩大，网络团队需要了解的活动会越来越多，需要调查的问题也会越来越多，而承担这些工作的人员往往不会相应增加。

因此，减少工程师查阅仪表板、收集信息和上报常规问题所耗费的时间至关重要。及时向团队提供相关运维信息和故障排查指导，也有助于在团队之间分享专业知识，而不必事事依赖少数资深专家回答每个问题。人们的专业能力更应该用于需要判断力的决策，例如制定策略、设定边界和评估风险。

网络必须参与人工智能战略决策

人工智能规划往往从模型、应用、数据和计算资源着手，但从一开始就应将网络纳入讨论。智能体需要恰当的上下文才能提出有用的建议；在网络运维中，这意味着要了解有关用户、设备和应用的信息如何相互关联，而不是孤立地查看某条告警或某项指标。

这些上下文信息有助于团队更快找到问题根源，并决定下一步采取什么行动。人工监督仍然重要，尤其是随着智能体获得更多自主权，必须明确规定它们可以独立执行哪些操作，并设置相应的控制措施来落实这些边界。团队还应能够查看某项建议为何提出、依据了哪些信息，然后再决定是否采纳。

Gartner 预测，到 2029 年，至少 70% 在 IT 运维中运行人工智能智能体的组织，将在服务、 seguridad 或成本方面遇到重大问题，而薄弱的控制措施至少是部分原因。因此，从一开始就应将可视性、自动化、可靠性和控制纳入人工智能基础设施规划。

为始终在线的人工智能企业建设基础设施

智能体式人工智能改变了企业网络的使用方式。网络活动不再像以往那样紧密受员工在线时间的限制；网络团队需要管理这一变化，同时避免网络运维所需的工作量以同样的速度增长。

随着 AI 使用日益普及，企业不必彻底改造现有网络，但应找出当前基础设施中的潜在弱点，尤其要关注以下情况：团队缺乏足够的可视性，无法快速发现问题；响应时间开始变慢；或者日常故障排查仍需投入大量人工。

以朝九晚五的工作日为基础构建的网络，必须转变为能够支持人员、应用和智能体并肩工作的网络，因为它们的工作时间往往大不相同，运行速度也各异。基础设施是否完善，最终会体现在企业一向重视的指标上：中断更少、问题发生时解决得更快、用户体验更佳，以及排查问题耗时更短。