AI从模型走向现实的重要条件有很多，其中十分重要的一点——网络，AI的运转与网络环境息息相关，AI想要走向现实还需真正解决当前网络环境中的“痛点”。

最近产业中最爱玩的一个游戏，就是“AI在哪”。

以往我们能看到AI存在于实验室内、存在于软件之中，但想要让AI从模型走进现实，往往没那么容易。

最起码的，AI任务需要一系列条件去支撑，其细节建立在各种ICT基础设施的迭代之上。或许可以这样比喻，AI就像汽车，当它到来时，配套的高速路加油站修车厂都要建好。马车时代的路况，是无法发挥汽车任何优势的。

AI走到现实的重要条件有很多，尤其需要注意的是，AI必然建立在ICT基础设施之上，通过网络空间延展到万物智能应用当中。

可以说，AI的运转与网络环境息息相关，网络是AI的行军之路。然而在AI的兵马到来之际，网络环境这条运兵栈道真的已经修建好了吗？如果我们分析一下今天AI面临的“网络路况”，会发现其中孕育着很多痛点。同时，一个智能时代的产业机遇也蕴藏其中。

AI时代的前夜，网络表示“压力山大”

我们相信AI时代会在明晨到来，那么今天就是AI时代的前夜。

这个漫长的前夜里，AI应用正在为ICT基础设施提出越来越多的挑战。

首先AI运算相比以往的运算更加复杂，一次智能化识别的背后可能包含着几百个模型的计算。能够承担更复杂的运算任务，显然是AI应用ICT基础设施的第一要务。

同时AI运算往往关乎于图像、关乎于视频，其数据量的庞大程度相比以往实现了从线性到张量的跃进。能承担更大的数据通过量才能让AI应用平稳运行。

最后AI运算对于ICT基础设施的部署条件要求也更加严苛，以往以太网1‰的丢包率，对于AI应用来说会极大的影响其算力发挥。

这些AI给计算和通信带来的改变，同时也给通行的网络环境施加了巨大的负担。无论是智能驾驶这样的巨大数据量任务，还是工业互联网精准的算法模型部署要求，或者AIoT驳杂的运维压力，都给网络环境添加了无数压力。

面对AI的到来，网络环境的痛点可以体现在这样几个方面：

1. 庞大算力需要和复杂的异构计算，需要弹性的网络环境支撑，网络速度跟不上，AI算力也就无的放矢。
2. AI任务要求大规模部署和并行计算、海量非结构化数据通过、实时学习、算法在框架层和应用层的精准度一致等等。这些新要求是此前的网络环境中所不具备的，需要新的主动网络优化能力。
3. AI时代，企业业务空间增长，并行数据量暴增，直接导致运维工作太过复杂，解放这一压力，也已经刻不容缓。

这三大痛点之下，直接的结果是网络交换机市场迎来了全新的挑战，同时也是市场迭代的深刻机遇。具有AI支撑能力、智能运维能力的次世代网络交换机，成为了今天AI大局中的当务之急。

引入CloudEngine 16800作为华为AI发展战略以及全栈全场景AI解决方案中的新成员，通过创造性地在交换机中安装AI芯片，通过智能优化和本地决策获取自动驾驶网络能力。加上单槽48 x 400GE高密端口，可以最大化支持AI运算的高密度流量，把网络环境建设推向了AI时代的新层次。

CloudEngine 16800背后，华为解决了AI前夜的两个重要问题：让现在简单，让未来通顺。

更简单的今天：

用AI之力扭转网络运维困境

分析通过安装AI芯片，CloudEngine 16800首创在交换机当中添加AI算力，在设备层面集成了智能化的主动识别和实施决策能力。在这种能力之下，可以实现秒级故障识别和分钟级故障自动定位。

而这一功能为应用者带来的第一个改变，就在于将可以用AI的智慧来完成运维工作，将今天与日俱增的运维压力释放出来。

用AI来承担原本耗费大量人力，并且逐渐已经无法为人类所完成的网络运维工作，可以看作几个梯段达成的目标。

在CloudEngine 16800的AI引擎解决方案中，首先完成的是智能诊断的本地化，通过CloudEngine 16800的本地推理和实时决策，用AI承担运维工作，减少对云服务诊断的依赖，实现低成本高效率。

接下来，基于智能化运维和故障检测，以及专业故障库的智能匹配，达成故障主动排查，主动监控的能力。将人工难以完成的复杂网络运维监控承担下来。

此外，通过智能运维平台和交换机本地智能构成的分布式AI运维架构的配合，实现故障快速自我修复，完成从本地分析到自我愈合的完整AI网络运维体系。整个网络系统开始接近“自动驾驶”状态，将用户从不断复杂的网络运维中解放出来，从而更加关注场景和应用，而不是消耗大量人力物力在后勤保障上。当以往的困境被改变，整个网络运维系统的灵活性和可部署性也会随之提高。过去伤筋动骨式的维修、扩展将不再重现。

换言之，在AI之力的影响下。交换机的应用模式会一改往日的沉重复，变得更加轻盈、更加简单。

智能优化之下，更多想象力的未来

对于网络环境来说，今天更大的任务是要适应企业用户不断增大的AI算力需求，以及衍生的网络依赖。网络环境必须为AI任务大量普及，提供必要的网络支持。不能等到数据泛滥，深度学习应用迫在眉睫，才发现原来路还没铺好。

基于AI芯片带来的主动分析能力和实时学习能力，CloudEngine 16800应用上了华为独创的iLossLess智能无损交换算法，提供网络结构优化和全网调度能力，满足复杂AI任务在运行时需要的网络空间。这一能力对于AI开发者和运用者来说，将针对未来越来越广泛的AI需求，解决三大底层问题：

1. 解决以太网原生短板的丢包问题，提升AI任务精度以及场景一致性。应用上智能无损交换算法后，可以让以太网实现零丢包，充分发挥AI算力，不会在从任务到场景的过程中产生误差。
2. 通过灵活的网络调度，加速AI任务训练，加快模型部署效率。同样在智能无损交换算法下，数据中心可以根据流量模型实现自适应和自优化，根据应用状况自主进行资源调度，更加适应AI应用流量弹性空间较大的特征。
3. 基于AI开发平台，让IT人员更好的加入AI，从另一个维度降低开发成本，最终实现AI快速低成本落地。这种更加普惠的模式，在企业进行智能化转型时，提供了强大的推助力。

AI时代，并不只是算法的时代，同时也是满足于AI运行，能够把AI效能最大化的系列技术共同的时代。

此刻我们需要的不仅仅是AI技术本身的发展，还有一切与其相关技术的合力前行。其中，网络基础环境就是至关重要的一项。

新一代的网络产品，必须比等待中的产业格局走到更前面。而在产业智能化转型的革命征程中，网络产品绝非是在基层供给燃料的后备军，而是要充当起先锋和开路者的角色，才能让这条漫长的征程走得更加顺遂。

作者：脑极体，微信公众号：脑极体

本文由 @脑极体 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来源于 Unsplash，基于CC0协议。