网络连接作为数字化基础设施，在数字化转型后必将面临着更大的挑战。

首先组织完成数字化转型后对网络故障的容忍度更低，深度数字化转型对组织而言意味着业务重构，组织重构、流程重构、生产重构，转型之后所有这些系统都会承载网络之上，因此对于网络稳定运行的要求更高，最好能做到网络故障的提前预测，提前处理，防患于未然，减少系统的故障宕机时间。

其次数字化转型使组织内部的具备了快速反应能力，IT系统为了适应这些变化自身也在做转型。比较典型的就是从传统的建设模式转换为以云为基础的IaaS或PaaS模式，虽然这些转变为业务提供了更灵活服务，但是IT系统建设和维护的复杂度也同时成倍地增加。

最后为了满足当前复杂的网络部署和快速的业务变更的需求，网络系统引入SDN等自动化网络技术，来实现全网部署和变更的自动化，提升了部署和变更的效率，但对于类似“灰盒系统”的故障定位又变为一个耗时耗力的过程。

网络就像整个企业生产系统的神经，企业在对组织内业务、架构、流程做数字化转型的同时，网络也需要做出相应的调整。如何做到高可靠性和故障快速恢复，是现有网络需要解决的问题。

人工智能加速网络重构

人工智能近几年大力发展，在各细分行业如机器视觉、语言翻译等方面取得重大的进展，随着网络的进一步发展，在网络领域的人工智能应用也逐渐走入行业的视野。如何构建一个智能的网络系统，让网络自身可以智能调整、适应业务的变化，快速的故障定位，甚至在无需人为干预的情况下进行快速的故障恢复，是人工智能引入网络需要重点思考的问题。笔者认为在现有的网络架构之下难以实现以上功能，需要进行网络系统的重构，如图1所示。

图1 通过AI对网络进行重构

首要是引入反馈系统：现有网络从自身系统的运行的角度来看，一直以来都是一个严格按照逻辑运行的开环系统，系统本身缺乏反馈的能力，难以对运行状态进行反馈补偿和修正。引入AI技术形成智能控制，使其具备系统级的反馈能力，以便实现网络的感知和补偿；

其次是AI能力如何接入的问题，当前的解决方法是通过对网络运行的状态进行实时的精细化的数据采集，然后运用大数据以及AI技术对采集到的网络数据进行智能分析，构建AI网络运行保障模型、实现场景化的AI网络保障应用。

如图1所示，系统构建具体包含如下几个部分。

第一步，需要做到大量的网络数据采集，可以精准感知网络的运行状态，目前来看Telemetry和ERSPAN是当前比较常用的协议。尤其是Telemetry实现了网络设备主动推送状态信息的能力，为网络数据采集奠定了基础。通过收集网络设备的CPU、内存、网络拥塞、网络丢包等信息，来分析当前网络设备的运行状态。

第二步，开展网络分析，充分利用大数据的技术对采集到的数据进行综合分析，一方面实现网络的精准的可视化呈现，包括网络状态的可视化、网络设备的可视化、应用的可视化、用户的可视化；另一方面通过数据的分析、实现网络流量、网络运行趋势的预测、以及网络故障的精准定位，这是当前大多数网络引入智能分析之后正在逐步开展的工作，它可以更微观地看清楚当前网络运行的状态，是后续AI网络保障的重要基础。

第三步，利用机器学习、知识图谱等AI相关技术，结合网络相关的行业知识，构建基于AI网络保障模型以及行业知识库，这个部分会是整个AI网络的核心，也会是后续AI网络建设的重点，当前来看，对于园区WLAN网络的网络优化、对于有线网络的常见故障点定位以及优化，对于SDN数据中心网络的Overlay网络的优化、对于广域网针对应用和业务的智能调度是相对比较容易快速落地的场景。

第四步，优化和合规，优化其实主要是对AI保障的模型结果的执行，其核心就是一个网络自动化的过程，对AI系统给出的指令进行执行，对于SDN网络可能主要是通过网络控制器去执行，对于传统网络可以依赖SNMP、NETCONF、命令脚本等多种手段；合规更多是结合各行各业对于信息系统的要求，进行内部的合规检测、避免AI网络智能调整过程中出现安全隐患和违反组织内部的管理规范或者是对生产系统的影响评估等。

新华三面向AI的下一代网络架构

基于AI网络的发展，结合新华三多年来对于网络领域知识、技术和建设运维经验，新华三推出面向AI的下一代网络架构SeerNetwork Architecture（如图2所示）。

图2 新华三面向AI的下一代网络架构SeerNetwork

新华三面向AI的下一代网络架构，先知网络架构（SeerNetwork Architecture）简称SNA，是专门针对AI网络发展而全新搭建的新一代网络平台，整个网络系统融入了网络分析器SeerAnalyzer、统一网络控制器SeerEngine、统一的网络编排SNA Center以及全部的网络设备或网元节点。构建了包括网络数据采集、数据分析、AI判断和保障、自动化部署和执行在内的完整网络闭环系统，该架构一方面实现了传统企业三大网络场景数据中心、园区、广域网的统一融合，包括多场景控制器产品的融合、AI网络保障的端到端融合，编排层的场景融合；另一方面还实现了传统网络的和SDN网络的融合，为用户网络提供统一的运维、管理、控制。

相对于一般的智能网络系统主要面向网络保障，新华三SNA还提供整个网络全生命周期的管理，可以实现网络设计、网络仿真、网络部署、以及网络先知运维，用户借助SNA可以获取包括但不限于网络架构设计、网络拓扑设计、网络流量设计、网络安全设计以及网络流量仿真、网络故障回放、网络故障预测、和网络精准可视等能力。

此外针对中小型企业以及大型企业的大量分支机构场景在实施AI网络中面临的网络数据不足以及算力成本等的问题，SNA还专门搭建了“云享”的AI网络模型，在云端构建全面的先知服务中心，提供全场景的AI网络分析能力，在靠近用户侧通过先知分析器实现数据的采集、数据的ETL等，然后将整理后的数据送到先知服务中心，由先知服务中心对数据分析，生成相关的网络保障判断模型和策略，然后在返回到先知分析器进行本地执行和处理。

AI网络的发展与演进

同大多数行业一样，网络领域的人工智能终极目标是向整个网络的自动驾驶，实现整个网络在无人干预的情况下能够智能地匹配业务，故障自愈甚至于自我能力提升。但是这个过程并不是一蹴而就的，从目前来看至少应该会经历三个阶段。

第一阶段也就是现在所处的阶段，部分智能化的阶段，是属于智能网络的起步阶段，更多是系统的搭建、数据的采集，AI方面是人工预设决策树模型，提供有选择的单点智能应用模型。

第二阶段预计会进入到有条件的智能化阶段，这一阶段网络自学习是基本的特征、同时智能应用会在限定场景中全面展开，比如园区的WLAN应用，广域网络智能应用、数据中心的VXLAN网络等，这个场景典型的特征应该是场景化的变化基本可预测，AI初步具备了特定场景的智能处理能力。

第三个阶段是全面的智能化阶段，这一阶段整个网络具备全场景业务识别与资源预测、全场景自我诊断与闭环优化，完全可以在脱离人为的干预下，实现整个网络智能运行，在这个阶段基础网络设备和网络拓扑以及基本的网络连接的技术相比现在都可能发生更大的变化。

新华三基于AI发展的路径以及行业实际发展情况也给出了新华三智能网络的长期规划路径，那就是SDN时代的网络自动化，主要是解决网络的自动配置的问题；第二阶段也就是当前的智能网络阶段，网络自优化的阶段，主要是引入数据分析、机器学习实现网络的预测、洞察与场景化的网络保障； 第三个阶段则是智能网络的终极阶段网络自主化的阶段，这个阶段网络完全可以自学习、自配置、自优化、自诊断、自恢复。

在这个数字化转型的时代，我们致力于网络变革、拥抱AI、期待为客户提供更加智能的网络解决方案，夯实客户数字化的网络基础联连接！

结束语

长远来看，数字化转型不是一蹴而就，人工智能之于网络变革更是如此。如何在现有的网络架构之下进行网络系统的重构是将人工智能引入网络需要重点思考的问题。在未来，在面向AI的下一代网络架构的加持下，我们相信网络领域的人工智能将会实现“向整个网络的自动驾驶”的终极目标