導讀： 我們相信AI時代會在明晨到來，那麼今天就是AI時代的前夜。這個漫長的前夜裡，AI應用正在為ICT基礎設施提出越來越多的挑戰。AI給計算和通信帶來改變，同時也給網絡環境施加了巨大的負擔，但誰又難說這不是一個甜蜜的負擔？
最近產業中最愛玩的一個遊戲，就是“AI在哪”。以往我們能看到AI存在於實驗室內、存在於軟件之中，但想要讓AI從模型走進現實，往往沒那麼容易。最起碼的，AI任務需要一系列條件去支撐，其細節建立在各種ICT基礎設施的迭代之上。或許可以這樣比喻，AI就像汽車，當它到來時，配套的高速路加油站修車廠都要建好。馬車時代的路況，是無法發揮汽車任何優勢的。
AI走到現實的重要條件有很多，尤其需要注意的是，AI必然建立在ICT基礎設施之上，通過網絡空間延展到萬物智能應用當中。可以說，AI的運轉與網絡環境息息相關，網絡是AI的行軍之路。然而在AI的兵馬到來之際，網絡環境這條運兵棧道真的已經修建好了嗎？如果我們分析一下今天AI面臨的“網絡路況”，會發現其中孕育著很多痛點。同時，一個智能時代的產業機遇也蘊藏其中。
AI時代的前夜，網絡表示“壓力山大”
我們相信AI時代會在明晨到來，那麼今天就是AI時代的前夜。
這個漫長的前夜裡，AI應用正在為ICT基礎設施提出越來越多的挑戰。
首先AI運算相比以往的運算更加複雜，一次智能化識別的背後可能包含著幾百個模型的計算。能夠承擔更復雜的運算任務，顯然是AI應用ICT基礎設施的第一要務。
同時AI運算往往關乎於圖像、關乎於視頻，其數據量的龐大程度相比以往實現了從線性到張量的躍進。能承擔更大的數據通過量才能讓AI應用平穩運行。
最後AI運算對於ICT基礎設施的部署條件要求也更加嚴苛，以往以太網1‰的丟包率，對於AI應用來說會極大的影響其算力發揮。
這些AI給計算和通信帶來的改變，同時也給通行的網絡環境施加了巨大的負擔。無論是智能駕駛這樣的巨大數據量任務，還是工業互聯網精準的算法模型部署要求，或者AIoT駁雜的運維壓力，都給網絡環境添加了無數壓力。
面對AI的到來，網絡環境的痛點可以體現在這樣幾個方面：
1、龐大算力需要和複雜的異構計算，需要彈性的網絡環境支撐，網絡速度跟不上，AI算力也就無的放矢。
2、AI任務要求大規模部署和並行計算、海量非結構化數據通過、實時學習、算法在框架層和應用層的精準度一致等等。這些新要求是此前的網絡環境中所不具備的，需要新的主動網絡優化能力。
3、AI時代，企業業務空間增長，並行數據量暴增，直接導致運維工作太過複雜，解放這一壓力，也已經刻不容緩。
這三大痛點之下，直接的結果是網絡交換機市場迎來了全新的挑戰，同時也是市場迭代的深刻機遇。具有AI支撐能力、智能運維能力的次世代網絡交換機，成為了今天AI大局中的當務之急。
引入CloudEngine 16800作為華為AI發展戰略以及全棧全場景AI解決方案中的新成員，通過創造性地在交換機中安裝AI芯片，通過智能優化和本地決策獲取自動駕駛網絡能力。加上單槽48 x 400GE高密端口，可以最大化支持AI運算的高密度流量，把網絡環境建設推向了AI時代的新層次。
CloudEngine 16800背後，華為解決了AI前夜的兩個重要問題：讓現在簡單，讓未來通順。
更簡單的今天：用AI之力扭轉網絡運維困境
分析通過安裝AI芯片，CloudEngine 16800首創在交換機當中添加AI算力，在設備層面集成了智能化的主動識別和實施決策能力。在這種能力之下，可以實現秒級故障識別和分鐘級故障自動定位。
而這一功能為應用者帶來的第一個改變，就在於將可以用AI的智慧來完成運維工作，將今天與日俱增的運維壓力釋放出來。
用AI來承擔原本耗費大量人力，並且逐漸已經無法為人類所完成的網絡運維工作，可以看作幾個梯段達成的目標。
在CloudEngine 16800的AI引擎解決方案中，首先完成的是智能診斷的本地化，通過CloudEngine 16800的本地推理和實時決策，用AI承擔運維工作，減少對雲服務診斷的依賴，實現低成本高效率。
接下來，基於智能化運維和故障檢測，以及專業故障庫的智能匹配，達成故障主動排查，主動監控的能力。將人工難以完成的複雜網絡運維監控承擔下來。
此外，通過智能運維平臺和交換機本地智能構成的分佈式AI運維架構的配合，實現故障快速自我修復，完成從本地分析到自我癒合的完整AI網絡運維體系。整個網絡系統開始接近“自動駕駛”狀態，將用戶從不斷複雜的網絡運維中解放出來，從而更加關注場景和應用，而不是消耗大量人力物力在後勤保障上。當以往的困境被改變，整個網絡運維繫統的靈活性和可部署性也會隨之提高。過去傷筋動骨式的維修、擴展將不再重現。
換言之，在AI之力的影響下。交換機的應用模式會一改往日的沉重複，變得更加輕盈、更加簡單。
智能優化之下，更多想象力的未來
對於網絡環境來說，今天更大的任務是要適應企業用戶不斷增大的AI算力需求，以及衍生的網絡依賴。網絡環境必須為AI任務大量普及，提供必要的網絡支持。不能等到數據氾濫，深度學習應用迫在眉睫，才發現原來路還沒鋪好。
基於AI芯片帶來的主動分析能力和實時學習能力，CloudEngine 16800應用上了華為獨創的iLossLess智能無損交換算法，提供網絡結構優化和全網調度能力，滿足複雜AI任務在運行時需要的網絡空間。這一能力對於AI開發者和運用者來說，將針對未來越來越廣泛的AI需求，解決三大底層問題：
1、 解決以太網原生短板的丟包問題，提升AI任務精度以及場景一致性。應用上智能無損交換算法後，可以讓以太網實現零丟包，充分發揮AI算力，不會在從任務到場景的過程中產生誤差。
2、通過靈活的網絡調度，加速AI任務訓練，加快模型部署效率。同樣在智能無損交換算法下，數據中心可以根據流量模型實現自適應和自優化，根據應用狀況自主進行資源調度，更加適應AI應用流量彈性空間較大的特徵。
3、基於AI開發平臺，讓IT人員更好的加入AI，從另一個維度降低開發成本，最終實現AI快速低成本落地。這種更加普惠的模式，在企業進行智能化轉型時，提供了強大的推助力。
AI時代，並不只是算法的時代，同時也是滿足於AI運行，能夠把AI效能最大化的系列技術共同的時代。
此刻我們需要的不僅僅是AI技術本身的發展，還有一切與其相關技術的合力前行。其中，網絡基礎環境就是至關重要的一項。新一代的網絡產品，必須比等待中的產業格局走到更前面。而在產業智能化轉型的革命征程中，網絡產品絕非是在基層供給燃料的後備軍，而是要充當起先鋒和開路者的角色，才能讓這條漫長的征程走得更加順遂。（作者：腦極體）
閱讀更多 人工智能情報局 的文章
