智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
明基環(huán)保
人工智能正在重塑企業(yè)的運(yùn)作方式。無(wú)論是大規(guī)模模型訓(xùn)練、實(shí)時(shí)推理，還是AI驅(qū)動(dòng)的業(yè)務(wù)應(yīng)用，都依賴于一個(gè)穩(wěn)定、高效、低延遲的網(wǎng)絡(luò)環(huán)境。然而，在企業(yè)紛紛加速布局人工智能的過(guò)程中，很多團(tuán)隊(duì)只關(guān)注算力和存儲(chǔ)，卻忽視了網(wǎng)絡(luò)可觀測(cè)性這一關(guān)鍵環(huán)節(jié)。事實(shí)證明，沒(méi)有深度、實(shí)時(shí)的網(wǎng)絡(luò)可觀測(cè)性，再?gòu)?qiáng)大的AI算力也可能被網(wǎng)絡(luò)瓶頸拖垮。
為什么網(wǎng)絡(luò)可觀測(cè)性對(duì)AI至關(guān)重要？
企業(yè)管理協(xié)會(huì)(EMA)的研究報(bào)告《企業(yè)網(wǎng)絡(luò)為人工智能做好準(zhǔn)備》顯示，只有47%的企業(yè)認(rèn)為現(xiàn)有的網(wǎng)絡(luò)可觀測(cè)性工具能夠完全支持AI流量。這一數(shù)字是一個(gè)警示：AI工作負(fù)載對(duì)網(wǎng)絡(luò)的要求遠(yuǎn)遠(yuǎn)高于傳統(tǒng)業(yè)務(wù)。
人工智能訓(xùn)練與推理的特點(diǎn)是：
對(duì)延遲和丟包極度敏感：即使是毫秒級(jí)的延遲，也可能導(dǎo)致訓(xùn)練效率大幅下降，推理響應(yīng)失敗。
流量模式突發(fā)且難以預(yù)測(cè)：AI任務(wù)常常會(huì)瞬間產(chǎn)生巨大的數(shù)據(jù)流量。
跨域分布復(fù)雜：數(shù)據(jù)需要在數(shù)據(jù)中心、公有云和邊緣環(huán)境之間無(wú)縫流動(dòng)。
如果缺乏端到端的可見(jiàn)性，網(wǎng)絡(luò)團(tuán)隊(duì)就無(wú)法及時(shí)發(fā)現(xiàn)問(wèn)題，更無(wú)法預(yù)測(cè)和優(yōu)化潛在風(fēng)險(xiǎn)。換言之，網(wǎng)絡(luò)可觀測(cè)性不是一個(gè)“可有可無(wú)”的技術(shù)升級(jí)，而是決定AI能否成功落地的預(yù)測(cè)指標(biāo)。
擁有可觀測(cè)性工具的企業(yè)更具優(yōu)勢(shì)
EMA的調(diào)查覆蓋了250名正在為AI項(xiàng)目構(gòu)建網(wǎng)絡(luò)的IT專業(yè)人員，結(jié)果顯示：
擁有完善可觀測(cè)性工具的企業(yè)，AI網(wǎng)絡(luò)戰(zhàn)略成功的概率是其他企業(yè)的5倍。
這些企業(yè)往往設(shè)立了人工智能卓越中心(CoE)，在預(yù)算和戰(zhàn)略層面給予AI更高的優(yōu)先級(jí)。
同時(shí)，它們?cè)诤弦?guī)性和隱私風(fēng)險(xiǎn)上的顧慮更少，能夠更加專注于業(yè)務(wù)創(chuàng)新。
可見(jiàn)，網(wǎng)絡(luò)可觀測(cè)性不僅僅是技術(shù)層面的“錦上添花”，更是企業(yè)戰(zhàn)略成功的重要保障。
可觀測(cè)性最需要發(fā)力的領(lǐng)域
AI工作負(fù)載正廣泛分布在混合架構(gòu)中，包括私有數(shù)據(jù)中心、公有云和邊緣環(huán)境。EMA指出，企業(yè)應(yīng)在以下幾個(gè)方面加強(qiáng)網(wǎng)絡(luò)可觀測(cè)性：
1. 公有云網(wǎng)絡(luò)與云互連
公有云已成為AI工作負(fù)載的重要承載地，但其可觀測(cè)性能力有限。尤其是新興的GPU即服務(wù)(GPUaaS)提供商，在網(wǎng)絡(luò)透明度方面遠(yuǎn)不及傳統(tǒng)超大規(guī)模云廠商，給運(yùn)維帶來(lái)了新挑戰(zhàn)。
2. 數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)
AI訓(xùn)練往往需要橫跨多個(gè)GPU集群進(jìn)行高速通信，數(shù)據(jù)中心網(wǎng)絡(luò)的微秒級(jí)性能可見(jiàn)性至關(guān)重要。
3. 廣域網(wǎng)邊緣(WAN Edge)
邊緣計(jì)算正在承載越來(lái)越多實(shí)時(shí)推理任務(wù)，而邊緣到核心的鏈路可見(jiàn)性是保障應(yīng)用穩(wěn)定性的關(guān)鍵。
實(shí)時(shí)數(shù)據(jù)：突破可觀測(cè)性瓶頸
傳統(tǒng)可觀測(cè)性依賴SNMP輪詢，通常每隔5分鐘收集一次指標(biāo)。這種方式在AI網(wǎng)絡(luò)中幾乎失效，因?yàn)锳I流量突發(fā)可能只持續(xù)幾秒鐘，就會(huì)被完全忽略。
69%的受訪者表示，他們需要實(shí)時(shí)基礎(chǔ)設(shè)施監(jiān)控，而不是幾分鐘一次的采樣。
流式網(wǎng)絡(luò)遙測(cè)被認(rèn)為是解決方案，它能夠以更高的頻率、低延遲地捕捉網(wǎng)絡(luò)狀態(tài)。
在流量層面，NetFlow和IPFIX可以提供近乎實(shí)時(shí)的數(shù)據(jù)，但云廠商的VPC流日志粒度有限，很多細(xì)節(jié)無(wú)法捕捉。對(duì)于關(guān)鍵AI任務(wù)，甚至需要實(shí)時(shí)數(shù)據(jù)包監(jiān)控來(lái)保障性能。
更智能的分析，更智能的網(wǎng)絡(luò)
光有數(shù)據(jù)還不夠，網(wǎng)絡(luò)可觀測(cè)性工具必須具備更高層次的智能，才能真正為AI應(yīng)用賦能。調(diào)查顯示：
59%的企業(yè)希望工具能夠自動(dòng)識(shí)別AI流量，幫助運(yùn)維團(tuán)隊(duì)區(qū)分并優(yōu)化AI應(yīng)用。
46%的企業(yè)希望工具能預(yù)測(cè)AI流量的擁堵趨勢(shì)，提前預(yù)防性能瓶頸。
42%的企業(yè)希望借助異常檢測(cè)技術(shù)優(yōu)化AI流量模式，防止網(wǎng)絡(luò)資源被惡意占用。
34%的企業(yè)希望工具能分析整個(gè)GPU集群的流量行為，以便優(yōu)化訓(xùn)練和推理效率。
這意味著，未來(lái)的網(wǎng)絡(luò)可觀測(cè)性不僅僅是“看到問(wèn)題”，更要“預(yù)測(cè)問(wèn)題、自動(dòng)優(yōu)化”，才能滿足AI環(huán)境的苛刻要求。
總結(jié)：可觀測(cè)性不是選項(xiàng)，而是必需品
AI正在改變網(wǎng)絡(luò)的角色與價(jià)值，也在倒逼網(wǎng)絡(luò)團(tuán)隊(duì)的轉(zhuǎn)型。一個(gè)缺乏實(shí)時(shí)可見(jiàn)性和智能分析的網(wǎng)絡(luò)，將無(wú)法承載AI的規(guī)?；瘧?yīng)用。相反，那些主動(dòng)投資網(wǎng)絡(luò)可觀測(cè)性的企業(yè)，將在創(chuàng)新與競(jìng)爭(zhēng)中走得更遠(yuǎn)。
在AI時(shí)代，網(wǎng)絡(luò)可觀測(cè)性不再是錦上添花，而是決定成敗的關(guān)鍵能力。
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
